文献

J-GLOBAL ID：201802233023184016   整理番号：18A0707600

回転機械の状態監視のための教師なし線形判別分析の応用【JST・京大機械翻訳】

Application of unsupervised linear discriminant analysis for condition monitoring of rotating machinery

著者 (6件)： Khandaker Noman (School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Zhang Ruxin (School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Dong Shuzhi (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 Zhifeng (School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Wen Guangrui (School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICMIC  ページ： 43-48  発行年： 2017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： 一般的特徴抽出法として,線形判別分析(LDA)を用いて識別認識を直接処理した。しかしながら,LDAのような教師つき方法は,データラベルの欠如により,回転機械のオンライン状態監視に適用するのが困難である。本論文では,主成分分析(PCA)とK-平均クラスタ化を統合した教師なしLDA法を提案し,回転機械データセットに対するLDAの応用を単純化した。提案した方法を解析し,異なる故障条件下でのロータ軸から収集した実際の回転機械データセットに対して検証した。k最近傍を採用して,回転子データセットから特徴を抽出することにおいて,提案した教師なしLDA法の有効性を示した。結果は,新しい方法が回転子の異なる条件を同定できるだけでなく,回転機械のオンライン状態監視にも容易に適用できることを示した。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： 主成分分析 ,  故障 ,  特徴抽出 ,  簡素化 ,  *回転機械 ,  クラスタ化
準シソーラス用語： オンライン ,  *線形判別分析 ,  *状態監視 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 回転機械 ,  状態監視 ,  教師 ,  線形判別分析 ,  応用