文献

J-GLOBAL ID：201702268332312436   整理番号：17A1549359

畳込みニューラルネットワークを用いた画像表現に基づくモニタリング加工振動状態【Powered by NICT】

Machining vibration states monitoring based on image representation using convolutional neural networks

著者 (7件)： Fu Yang (State Key Laboratory of Material Processing and Die & Mold Technology, Huazhong University of Science and Technology, Wuhan, 430074, PR China) ,  Zhang Yun (State Key Laboratory of Material Processing and Die & Mold Technology, Huazhong University of Science and Technology, Wuhan, 430074, PR China) ,  Gao Yuan (State Key Laboratory of Digital Manufacturing Equipment and Technology, Huazhong University of Science and Technology, Wuhan, PR China) ,  Gao Huang (State Key Laboratory of Material Processing and Die & Mold Technology, Huazhong University of Science and Technology, Wuhan, 430074, PR China) ,  Mao Ting (State Key Laboratory of Material Processing and Die & Mold Technology, Huazhong University of Science and Technology, Wuhan, 430074, PR China) ,  Zhou Huamin (State Key Laboratory of Material Processing and Die & Mold Technology, Huazhong University of Science and Technology, Wuhan, 430074, PR China) ,  Li Dequn (State Key Laboratory of Material Processing and Die & Mold Technology, Huazhong University of Science and Technology, Wuhan, 430074, PR China)
資料名： Engineering Applications of Artificial Intelligence  (Engineering Applications of Artificial Intelligence)
巻： 65  ページ： 240-251  発行年： 2017年 
JST資料番号： T0797A  ISSN： 0952-1976  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 測定された信号は,通常,フィルタや信号分解者に供給状態モニタリングと故障診断における同定を支援するために有用な特徴を抽出した。しかし何が日常的に無視されている経験の長い奏者は解析報告がなくてもオシロスコープに提示された信号を見るだけで何が起こっているかを実現できることである。視覚画像入力と経験フィードバックは脳によるこの同定プロセスにおける二つの鍵である。経験は容易に,「良い」絵画と「悪い」のための0の1のような,定量化し,同定モデル構築に用いることができるが,モデル入力としてpictured信号を利用する試みは行われていない。閉ループ制御システムのために,実時間でシステムを調整するために点による信号フィードバック点を得るために必要である。しかし状態モニタリングと故障診断のための,信号点間の隠蔽パターンは通常より重要な,複雑な相互関係を示すために画像表現の専門分野の一つである。例として加工状態モニタリングを用いて,本論文では,信号解析に基づく従来の特徴工学なしに同定モデルを構築するための入力として撮影信号を使用する可能性を調べた。畳込みニューラルネットワーク(CNN)は経験フィードバックを用いた異なる振動状態へpictured信号を接続するために紹介した。結果は優れたモデリング性能と提案した方法を検証した。時間計算量解析は,このpictured信号画像表現に基づくCNN法はリアルタイムであることができることを証明した。二次元画像表現は情報を示し,融合する強力な方法である。高い柔軟性により,提案した方法はモニタリングと故障診断作業のための有望なフレームワークである可能性がある。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： フィードバック制御 ,  故障診断 ,  フィードバック ,  *振動準位 ,  *畳込み ,  モデリング ,  フィルタ ,  オクルージョン ,  視覚 ,  *ニューラルネットワーク ,  柔軟性 ,  信号解析
準シソーラス用語： 二次元画像 ,  実時間 ,  *画像表現 , 【Automatic Indexing@JST】

著者キーワード (4件)： 知的製造 ,  状態モニタリング ,  画像表現 ,  畳込みニューラルネットワーク

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  画像表現 ,  モニタリング ,  振動状態