文献

J-GLOBAL ID：201702264361754926   整理番号：17A1353964

ベアリング故障検出のための確率的主成分分析とサンプリング重要性再サンプリングに基づく特徴抽出法【Powered by NICT】

A feature extraction method based on probabilistic Principal components analysis and sampling importance resampling for bearing fault detection

著者 (4件)： Huang Yixiang (State Key Laboratory of Mechanical System and Vibration, Shanghai Jiao Tong University, China) ,  Li Yanming (State Key Laboratory of Mechanical System and Vibration, Shanghai Jiao Tong University, China) ,  Liu Chengliang (State Key Laboratory of Mechanical System and Vibration, Shanghai Jiao Tong University, China) ,  Liu Xiao (Shanghai Aerospace Equipment Manufacturer, Shanghai Jiao Tong University, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICPHM  ページ： 25-31  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 装置を監視するオンラインの応用は,しばしば実用的な信号処理によって制限され,貯蔵と移動容量によって制限される。効率は重要な問題である。,機器性能を評価するための新しい高効率特徴抽出モデルを提案し,これはサンプリング重要度再サンプリング法を用いた確率的主成分分析と第二世代ウェーブレット解析から構成されている。生の信号を変換する第二世代ウェーブレットパケット解析によるウェーブレット領域に始まる。冗長性を低減し,分布情報を保持するために適用したサンプリング重要度再サンプリング法。得られた特徴は,確率的主成分分析モデルに入力次元を低減した。提案したモデルは,診断においてのみ有効でないことを示したが,特徴抽出,データ転送帯域幅と記憶空間の処理時間を節約する転がり要素軸受試験で検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *主成分分析 ,  データ転送 ,  信号処理 ,  波束 ,  帯域幅 ,  *軸受 ,  冗長性 ,  *特徴抽出 ,  加工時間 ,  *故障検出
準シソーラス用語： ウェーブレットパケット解析 ,  ウェーブレット解析 ,  高効率 ,  オンライン ,  *リサンプリング , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  生体計測  (EL03020C)

タイトルに関連する用語 (8件)： ベアリング ,  故障検出 ,  確率 ,  主成分分析 ,  サンプリング ,  重要性 ,  再サンプリング ,  特徴抽出法