文献

J-GLOBAL ID：201802215690943490   整理番号：18A2025173

アーク音の時間-周波数画像に基づく畳込みニューラルネットワークを用いたGTAWのためのシーム貫通認識【JST・京大機械翻訳】

Seam Penetration Recognition for GTAW Using Convolutional Neural Network Based on Time-Frequency Image of Arc Sound

著者 (6件)： Ren Wenjing (School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Wen Guangrui (School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Liu Shijie (School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Yang Zhe (School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Xu Bin (School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Zhang Zhifen (School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ETFA  ページ： 853-860  発行年： 2018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： 溶接品質のオンライン監視と診断は,知的溶接製造のために不可欠である。ガスタングステンアーク溶接(GTAW)におけるアルミニウム合金のための浸透の認識性能は,厳しい産業需要を満たすために,まだ改良される必要がある。本論文は,GTAW侵入認識のために,新しい認識方法,時間-周波数画像ベースの畳込みニューラルネットワーク(TF-CNN)を提案した。短時間Fourier変換を用いてアーク音信号から時間-周波数画像を計算し,アーク音の非定常性を解析するために適用した。時間-周波数画像の対数は,CNNの適切な入力マトリックスを構築するために取り入れた。それはネットワークの活性化機能,学習比率と構造を含むその認識性能を改良するために最適化した。実験結果は,提案したTF-CNNが,GTAWシーム侵入認識のための98.2%の認識精度と0.21の精度分散によって,優れた認識性能を達成して,従来の方法を上回ることを示した。本論文は,知的製造の他の監視信号へのCNNの応用のためのいくつかの指針を提供した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *周波数 ,  学習 ,  *音響 ,  *ネットワーク ,  対数 ,  最適化 ,  アルミニウム合金 ,  *アーク放電 ,  *TIG溶接 ,  *画像 ,  溶接
準シソーラス用語： 認識精度 ,  侵入 ,  オンライン監視 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： アーク ,  畳込みニューラルネットワーク ,  GTAW ,  シーム