文献

J-GLOBAL ID：201802286662192206   整理番号：18A1001045

Nesterov運動量を持つ適応深特徴学習ネットワークと回転機械故障診断への応用【JST・京大機械翻訳】

Adaptive deep feature learning network with Nesterov momentum and its application to rotating machinery fault diagnosis

著者 (6件)： Tang Shenghao (School of Rail Transportation, Soochow University, Suzhou 215131, PR China) ,  Shen Changqing (School of Rail Transportation, Soochow University, Suzhou 215131, PR China) ,  Wang Dong (College of Science and Engineering, City University of Hong Kong, Hong Kong, China) ,  Li Shuang (School of Rail Transportation, Soochow University, Suzhou 215131, PR China) ,  Huang Weiguo (School of Rail Transportation, Soochow University, Suzhou 215131, PR China) ,  Zhu Zhongkui (School of Rail Transportation, Soochow University, Suzhou 215131, PR China)
資料名： Neurocomputing  (Neurocomputing)
巻： 305  ページ： 1-14  発行年： 2018年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 回転機械の効果的故障診断は,装置の連続操作を確実にするために重要であり,予定された保全より経済的である。ウェーブレットパケット変換およびサポートベクトルマシンのような従来の信号処理ベースおよび人工知能ベースの方法は,回転機械の故障診断において有効であることが証明されている。これは,重要な部品の故障による予想外の機械故障を防止する。しかしながら,これらの方法は,回転機械の有効な故障診断のための有効な故障特徴を自動的かつ効果的に抽出することができないいくつかの欠点を有している。本研究では,回転機械故障診断のために,Nesterov運動量と結合した新しい適応学習速度深信念ネットワークを開発した。Nesterov運動量を採用して,従来の運動量を置き換えて,事前に減少を可能にし,訓練性能を改善した。次に,個々の適応学習速度法を用いて,降下を加速するための適切なステップ長を選択した。提案した深い学習ネットワークアーキテクチャの有用性を確認するために,2つの検査をギアボックスおよび機関車軸受試験リグからのデータセット上で実行した。結果は,この方法が故障パターン認識において印象的な性能を達成することを示した。既存の方法との比較も行い,提案した方法がより正確でロバストであることを実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *故障 ,  ロバスト性 ,  *故障診断 ,  信号処理 ,  *ネットワーク ,  人工知能 ,  パターン認識 ,  サポートベクトルマシン ,  *学習 ,  歯車箱 ,  連続操作 ,  *運動量 ,  軸受 ,  *回転機械
準シソーラス用語： 適応学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 故障診断 ,  適応学習速度 ,  特徴学習 ,  深い信念ネットワーク ,  Nesterov運動量

分類 (3件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  信頼性  (KB04040H)

タイトルに関連する用語 (6件)： 運動量 ,  適応 ,  学習 ,  回転機械 ,  故障診断 ,  応用