文献

J-GLOBAL ID：201802261551757743   整理番号：18A0391043

非単純Bayes法による回転機械の複合故障の診断【Powered by NICT】

Diagnosis of combined faults in Rotary Machinery by Non-Naive Bayesian approach

著者 (4件)： Asr Mahsa Yazdanian (Faculty of Mechanical Engineering, University of Tabriz, Tabriz 51666-16471, Iran) ,  Ettefagh Mir Mohammad (Faculty of Mechanical Engineering, University of Tabriz, Tabriz 51666-16471, Iran) ,  Hassannejad Reza (Faculty of Mechanical Engineering, University of Tabriz, Tabriz 51666-16471, Iran) ,  Razavi Seyed Naser (Faculty of Electrical and Computer Engineering, University of Tabriz, Tabriz 51666-16471, Iran)
資料名： Mechanical Systems and Signal Processing  (Mechanical Systems and Signal Processing)
巻： 85  ページ： 56-70  発行年： 2017年 
JST資料番号： T0514A  ISSN： 0888-3270  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 複合欠陥は回転機械の異なる部分で起こる場合,その特徴は顕著に依存した。専門家は個人故障特性を持つ完全に身近な,単一故障から入手可能な十分なデータが問題が生じ,断層と特性の分離は複雑になる。,専門家は,断層とその品質の症状についての厳密な情報を宣言できない。本論文では,この欠点を克服するために,新しい方法を提案した。本法のコアとなる考えは約訓練データセットとして複合故障特徴を使用せずに複合故障を示すであり,個々の断層の特徴は,訓練段階で適用した。この目的のために,データ収集,得られた振動信号を再サンプリング後,経験的モード分解(EMD)は,多成分信号を分解固有モード関数(IMF)に利用されている。相関係数を用いることにより,特徴抽出のために適切なIMFsを選定した。特徴抽出段階では,IMFsのShannonエネルギーエントロピーは統計的特徴と同様に抽出した。抽出された特徴の大部分は強く依存していることは明らかである。この問題を考察するために,非ナイーブベイズ分類器(NNBC)を指定し,ナイーブBayes,すなわち,特徴間の独立性の基本的な仮定を放出する。NNBC,他の対応する分析方法の優位性を示し,正常ナイーブBayes分類器を含めるために,カーネルナイーブBayes分類器と逆伝搬ニューラルネットワークを適用し,分類結果を比較した。自動車歯車箱から収集した,実験振動信号を用いて,提案した方法の有効性を検証した。分類プロセスの間,健康状態,ベアリング破損と歯車故障に個別に関連した特徴のみを分類器を訓練するために割り当てた。しかし,複合故障特徴(歯車と軸受故障)を試験データとして検討した。試験データのための達成確率は複合断層は,高い成功率で同定できることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 自動車 ,  品質 ,  *回転機械 ,  軸受 ,  特徴抽出 ,  相関係数 ,  故障診断 ,  データ収集 ,  *故障 ,  歯車箱
準シソーラス用語： 試験データ ,  Bayes分類器 ,  固有モード関数 ,  経験的モード分解 ,  振動信号 , 【Automatic Indexing@JST】

著者キーワード (5件)： 回転機械 ,  故障診断 ,  複合欠陥 ,  特徴抽出 ,  ナイーブBayes分類器

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (5件)： 単純 ,  Bayes法 ,  回転機械 ,  故障 ,  診断