文献

J-GLOBAL ID：201702291693844761   整理番号：17A0502801

ペアワイズ結合スパースBayes極度学習コミティマシンを用いた回転機械の知的同時故障診断のための新しい枠組み

A new framework for intelligent simultaneous-fault diagnosis of rotating machinery using pairwise-coupled sparse Bayesian extreme learning committee machine

著者 (4件)： WONG Pak Kin (Univ. Macau, MAC) ,  ZHONG Jian-Hua (Univ. Macau, MAC) ,  YANG Zhi-Xin (Univ. Macau, MAC) ,  VONG Chi Man (Univ. Macau, MAC)
資料名： Proceedings of the Institution of Mechanical Engineers. Part C. Journal of Mechanical Engineering Science  (Proceedings of the Institution of Mechanical Engineers. Part C. Journal of Mechanical Engineering Science)
巻： 231  号： 6  ページ： 1146-1161  発行年： 2017年03月 
JST資料番号： H0720A  ISSN： 0954-4062  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本論文では,回転機械の同時故障を診断するための新たな診断枠組み,すなわち確率論的コミティマシンを提案した。この新しい枠組みは,インテリジェントな診断枠組みを作成するために,特徴抽出法とアンサンブル経験的モード分解および特異値分解,複数のペアワイズ結合スパースベイジアン極限学習機械(PCSBELM),およびパラメータ最適化アルゴリズムを組み合わせた。特徴抽出法を用いて,同時故障パターンにおける単一故障の特徴を見つける。複数のPCSBELMネットワークは,異なる信号コミティメンバーとして構築され,各メンバーは,それぞれ振動または音響信号を使用して訓練される。次に,各故障検出部材からの個々の診断結果は,新しい確率的アンサンブル法によって組み合わされ,これは,個々の分類器単独で動作する場合と比較し,全体的な診断精度を向上させ,検出可能な故障の数を増加させることができる。提案フレームワークの有効性は,歯車箱故障検出の事例研究によって検証される。実験結果は,提案された枠組みが既存の単一の確率的分類器よりも優れていることを示している。さらに,提案されたシステムは,単一故障パターンのみで訓練されている間に,回転機械の単一故障と同時故障の両方を診断することができる。

シソーラス用語： 学習 ,  *故障診断 ,  回転機械 ,  学習機械 ,  特徴抽出 ,  同時発生 ,  事例研究 ,  *歯車箱 ,  故障検出 ,  分類装置 ,  特異値分解 ,  平均値 ,  モード解析 ,  分解
準シソーラス用語： Bayes学習 ,  *極度学習機械 ,  特徴抽出法 ,  コミティマシン ,  多重分類器 ,  アンサンブル平均 ,  モード分解

分類 (1件)： 歯車,歯車装置  (QB01060O)

タイトルに関連する用語 (4件)： 学習 ,  回転機械 ,  故障診断 ,  枠組み