文献

J-GLOBAL ID：201802212168069766   整理番号：18A0648135

マルチスケールにおける不可逆性とt-SNEマニホールド学習に基づく転がり軸受故障診断【JST・京大機械翻訳】

Rolling bearing fault diagnosis method based on multiscale time irreversibility and t-SNE manifold learning

著者 (4件)： Jiang Zhanwei (安徽工業大学机械工程学院,安徽馬鞍山,243032) ,  Zheng Jinde (安徽工業大学机械工程学院,安徽馬鞍山,243032) ,  Pan Haiyang (安徽工業大学机械工程学院,安徽馬鞍山,243032) ,  Pan Ziwei (安徽工業大学机械工程学院,安徽馬鞍山,243032)
資料名： Zhendong yu Chongji  (Zhendong yu Chongji)
巻： 36  号： 17  ページ： 61-68,84  発行年： 2017年 
JST資料番号： C2157A  ISSN： 1000-3835  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： 機械振動信号の非線形故障特性を正確に抽出するために,新しい振動信号複雑性測定法を提案し,多重スケールにおける非可逆性を示した。同時に,t-分布近傍埋め込み(t-SNE)多様体学習と粒子群最適化-サポートベクトルマシン(PSO-SVM)を結合することによって,新しい転がり軸受故障診断法を提案した。複雑な振動信号の特性情報を,多重スケールで抽出することができない。t-SNEを用いて,高次元特徴空間を次元縮小した。低次元特徴ベクトルを,PSO-SVMに基づく多重故障モード分類器に入力して,認識と診断を行った。提案した方法を実験データの分析に応用し、既存の方法と比較した結果、この方法は転がり軸受の作業状態と故障タイプを有効に診断できるだけでなく、既存の方法より優れていることが分かった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *故障診断 ,  高次元 ,  *故障 ,  サポートベクトルマシン ,  多重化 ,  次元縮小 ,  *学習 ,  機械振動 ,  *転がり軸受 ,  故障モード
準シソーラス用語： 特徴ベクトル ,  特徴空間 ,  多様体学習 ,  振動信号 ,  *マルチスケール , 【Automatic Indexing@JST】

著者キーワード (5件)： multiscale time irreversibility (MSTI) ,  t-distributed stochastic neighbor embedding (t-SNE) ,  support vector machine (SVM) ,  rolling bearing ,  fault diagnosis

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (6件)： マルチスケール ,  不可逆性 ,  マニホールド ,  学習 ,  転がり軸受 ,  故障診断