文献

J-GLOBAL ID：201802242154918092   整理番号：18A1897376

産業用ロボット監視のための視覚ベース故障分類【JST・京大機械翻訳】

Vision-Based Fault Classification for Monitoring Industrial Robot

著者 (6件)： Fan Song (College of Electronics and Information Engineering, University of Science and Technology Liaoning, Anshan, Liaoning, 114051, China) ,  Zhang Li Min (Lingyuan Steel Co LTD, University of Science and Technology Liaoning, Chao yang, Liaoning, 122500, China) ,  Wang Jia (Anshan City Land Resources Survey and Design Institute, Anshan, Liaoning, 114002, China) ,  Wang Yu Feng (College of Electronics and Information Engineering, University of Science and Technology Liaoning, Anshan, Liaoning, 114051, China) ,  Zhang Qing Si (College of Electronics and Information Engineering, University of Science and Technology Liaoning, Anshan, Liaoning, 114051, China) ,  Zhao Hui (College of Electronics and Information Engineering, University of Science and Technology Liaoning, Anshan, Liaoning, 114051, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CCC  ページ： 5889-5894  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： 本論文では,3方向アレイの形でのスパースオプティカルフロー(SOF)を運動記述として用いた。非折畳みSOFに基づいて,PCAを適用して主成分(PC)を得た。次に,2つの統計T2とSPEを,産業ロボットの運動過程を監視するために定義した。故障検出精度の性能を向上させるために,PCA法によって検出されたラベル化されたルート故障領域フレームを有するマルチ多様体学習アルゴリズムを適用した。提案方法は,故障をより効果的に検出することができ,一方,誤警報率を著しく減少させることができた。ロボットアームベースのマーキングシステム(RABMS)の実験を行い,提案した方法の性能を評価した。結果は,提案した方法の能力を実証した。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： 学習アルゴリズム ,  *産業用ロボット ,  故障検出 ,  デコンボリューション ,  *視覚 ,  ロボットアーム ,  *故障 ,  多様体
準シソーラス用語： 誤警報率 ,  *故障分類 , 【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 (3件)： 産業用ロボット ,  視覚 ,  故障分類