文献

J-GLOBAL ID：201702285568027870   整理番号：17A1600340

EEMDとFCMクラスタリングに基づく自動故障診断【JST・京大機械翻訳】

Automaton fault diagnosis based on EEMD and FCM clustering

著者 (3件)： Zhang Yuxue (中北大学机械与動力工程学院,山西 太原,030051) ,  Pan Hongxia (中北大学机械与動力工程学院,山西 太原 030051;中北大学 系統辨識与診断技術研究所,山西 太原 030051) ,  An Bang (中北大学机械与動力工程学院,山西 太原,030051)
資料名： Zhongguo Ceshi  (Zhongguo Ceshi)
巻： 43  号： 3  ページ： 106-110  発行年： 2017年 
JST資料番号： C3059A  ISSN： 1674-5124  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 自動的機械振動における一般的故障検出と認識問題を解決するために,自動的振動応答信号の非線形性,短時間,過渡的,および衝撃特性を考慮して,集合経験的モード分解(EEMD)とファジィC平均(FCM)クラスタリングに基づく自動故障診断法を提案した。まず第一に,EEMD分解法を用いて,自動的振動信号を分解し,相関係数抽出前の固有モード関数(IMF)成分のエネルギーパーセントを固有値として,ファジィC平均クラスタ化を用いて固有値をクラスタ化した。EEMDとEMD法を用いて,異なる運転条件における故障分類の識別と比較を行った結果,以下のことが示された。すべてのサンプルの診断結果は実際の状況と基本的に一致し、EEMD法はより良い分類効果があり、分類正確率は93.75%に達することが証明された。結果は,この方法が自動的故障診断に効果的に適用できることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 機械振動 ,  固有値 ,  故障検出 ,  *クラスタ化 ,  相関係数 ,  振動応答 ,  曖昧さ ,  *故障診断 ,  非線形性 ,  分割法
準シソーラス用語： 故障分類 ,  運転条件 ,  固有モード関数 ,  振動信号 ,  経験的モード分解 , 【Automatic Indexing@JST】

著者キーワード (5件)： automaton ,  EEMD ,  FCM ,  energy ratio ,  fault diagnosis

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： FCM ,  クラスタリング ,  故障診断