文献

J-GLOBAL ID：201802263326582972   整理番号：18A0206042

深さ学習を用いた非同期モータの故障診断方法【JST・京大機械翻訳】

A Fault Diagnosis Method for Asynchronous Motor Using Deep Learning

著者 (5件)： Wang Lihua (南京信息工程大学信息与控制学院,210044,南京) ,  Xie Yangyang (南京信息工程大学信息与控制学院,210044,南京) ,  Zhang Yonghong (南京信息工程大学信息与控制学院,210044,南京) ,  Zhao Xiaoping (南京信息工程大学計算机与軟件学院,210044,南京) ,  Zhou Zixian (南京信息工程大学計算机与軟件学院,210044,南京)
資料名： Xi’an Jiaotong Daxue Xuebao  (Xi'an Jiaotong Daxue Xuebao)
巻： 51  号： 10  ページ： 128-134  発行年： 2017年 
JST資料番号： W0363A  ISSN： 0253-987X  CODEN： HCTPDW  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： 従来の非同期モータの故障診断法の複雑さ,信号の非定常性,および機械的大データに起因する診断の困難さを解決するために,非同期電動機故障診断(SDAE)のための効率的で正確な方法を提案した。この方法は,雑音除去の自己符号化を用いて信号特性を抽出し,Softmax分類器を用いて,高精度で正確なモータ故障診断を実現した。最初に,非同期電動機の全体の電流と振動信号を収集し,次に,電流信号とFourier変換後の振動周波数領域信号を組み合わせて,正規化処理を行った。次に,スタック雑音除去の自己符号化ネットワークを構築し,ネットワーク層の数,隠れ層のノード数,学習率などのパラメータを決定した。最終的に,入力訓練サンプルは,自己符号化と分類器を順次訓練し,ネットワーク全体をテストするために,試験データを用いて,ネットワークの優劣を検証した。実験結果は,SDAE法による非同期故障診断の精度が99.86%に達し,従来の電動機故障診断法よりも少なくとも6%高いことを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： Fourier変換 ,  ネットワーク ,  符号化 ,  *電動機 ,  信号特性 ,  同期電動機 ,  *学習 ,  振動数 ,  雑音除去 ,  電流 ,  正規化 ,  *故障診断
準シソーラス用語： 高精度 ,  非定常性 ,  *非同期モーター , 【Automatic Indexing@JST】

著者キーワード (4件)： asynchronous motor ,  fault diagnosis ,  deep learning ,  feature extraction

分類 (1件)： 電動機  (NB07030U)

タイトルに関連する用語 (3件)： 学習 ,  非同期モータ ,  故障診断