文献

J-GLOBAL ID：201802267434470456   整理番号：18A0282843

遠心ポンプの振動信号からの欠陥の自動検出における時間-周波数解析とサポートベクトルマシン【Powered by NICT】

Time-frequency analysis and support vector machine in automatic detection of defect from vibration signal of centrifugal pump

著者 (3件)： Kumar Anil (Precision Metrology Laboratory, Department of Mechanical Engineering, Sant Longowal Institute of Engineering and Technology, Longowal 148 106, India) ,  Kumar Anil (Presently at Amity University, Noida 201 313, India) ,  Kumar Rajesh (Precision Metrology Laboratory, Department of Mechanical Engineering, Sant Longowal Institute of Engineering and Technology, Longowal 148 106, India)
資料名： Measurement  (Measurement)
巻： 108  ページ： 119-133  発行年： 2017年 
JST資料番号： W0315B  ISSN： 0263-2241  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： 遠心ポンプは中程度から高い速度で動作する。固体粒子と化学的に反応性の物質の観点から流体における汚染は羽根車,ケーシング,シールへの損傷を引き起こす。不適切な潤滑,有害負荷と製造欠陥による軸受の欠陥もポンプの性能を影響する可能性がある。遠心ポンプにおける欠陥同定のための信頼できる方法を開発する必要がある。ロバスト自動信号処理アルゴリズムを提案した。欠陥条件に敏感である特徴は,原信号とスケール限界統合グラフから抽出した。遺伝的アルゴリズム(GA)は,サポートベクトルマシン(SVM)の最適パラメータを見出した。最適パラメータを用いて,SVMの訓練はポンプの欠陥条件の学習を行った。訓練後,特徴はポンプの欠損状態の同定のためのSVM(サポートベクトルマシン)に適用した。提案した方法の性能評価を,受信者動作特性グラフを用いて行われると信頼性があることが分かった。ポンプの特異的条件を特定することにおける提案した方法の全体の認識率は96.66%であった。本研究では,もGA-SVMモデルの訓練時間を低減する方法を検討した。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： 遺伝的アルゴリズム ,  固体粒子 ,  軸受 ,  *サポートベクトルマシン ,  ロバスト性 ,  密封装置 ,  性能評価 ,  羽根車 ,  信頼性 ,  *遠心ポンプ
準シソーラス用語： 最適パラメータ ,  ケーシング ,  *時間周波数解析 ,  *自動検出 ,  *振動信号 , 【Automatic Indexing@JST】

著者キーワード (4件)： ウェーブレット変換(WT) ,  遺伝的アルゴリズム(GA) ,  サポートベクトルマシン(SVM) ,  遠心ポンプと支持

分類 (2件)： 非破壊試験  (HB02030F) ,  信頼性  (KB04040H)

タイトルに関連する用語 (6件)： 遠心ポンプ ,  振動信号 ,  欠陥 ,  自動検出 ,  時間-周波数解析 ,  サポートベクトルマシン