文献

J-GLOBAL ID：201902227384156352   整理番号：19A0487860

ウェーブレットニューラルネットワークと多様体学習に基づくころ軸受の故障診断【JST・京大機械翻訳】

Fault Diagnosis of Roller Bearings Based on a Wavelet Neural Network and Manifold Learning

著者 (10件)： Wu Lifeng (College of Information Engineering, Capital Normal University, Beijing 100048, China) ,  Wu Lifeng (Beijing Engineering Research Center of Highly Reliable Embedded Systems, Capital Normal University, Beijing 100048, China) ,  Wu Lifeng (Beijing Advanced Innovation Center for Imaging Technology, Capital Normal University, Beijing 100048, China) ,  Yao Beibei (College of Information Engineering, Capital Normal University, Beijing 100048, China) ,  Yao Beibei (Beijing Engineering Research Center of Highly Reliable Embedded Systems, Capital Normal University, Beijing 100048, China) ,  Yao Beibei (Beijing Advanced Innovation Center for Imaging Technology, Capital Normal University, Beijing 100048, China) ,  Peng Zhen (Information Management Department, Beijing Institute of Petrochemical Technology, Beijing 102617, Beijing, China) ,  Guan Yong (College of Information Engineering, Capital Normal University, Beijing 100048, China) ,  Guan Yong (Beijing Engineering Research Center of Highly Reliable Embedded Systems, Capital Normal University, Beijing 100048, China) ,  Guan Yong (Beijing Advanced Innovation Center for Imaging Technology, Capital Normal University, Beijing 100048, China)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 7  号： 2  ページ： 158  発行年： 2017年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： ローラ軸受の故障診断の精度を改善するために,本論文は,ウェーブレットニューラルネットワークと結合した多様体学習に基づく一種の故障診断アルゴリズムを提案した。最初に,高次元特徴信号セットを,従来の特徴抽出アルゴリズムを用いて得た。第二に,改良Laplace特性マッピングアルゴリズムを提案して,特性の次元を減少して,効果的特性信号を得た。最終的に,処理された特性信号を,出力が故障の型である構築されたウェーブレットニューラルネットワークに入力する。ローラ軸受故障に関するデータセットを認識する実際の実験において,故障を診断するための方法の妥当性と精度を検証した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ころ軸受 ,  アルゴリズム ,  特徴抽出 ,  *学習 ,  *故障 ,  高次元 ,  *故障診断
準シソーラス用語： 診断アルゴリズム ,  *多様体学習 ,  *ウェーブレットニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： ころ軸受 ,  多様体学習 ,  ウェーブレットニューラルネットワーク ,  故障診断

分類 (1件)： 軸受  (QB01020W)

引用文献 (23件)：

• Xiang, D.; Cen, J. Method of roller bearing fault diagnosis based on information feature fusion of EMD entropy. J. Aerosp. Power 2015, 30, 1149-1154.
• Li, Y.; Xu, M.; Wei, Y.; Huang, W. A new rolling bearing fault diagnosis method based on multiscale permutation entropy and improved support vector machine based binary tree. Measurement 2016, 77, 80-94.
• Urbanek, J.; Barszcz, T.; Uhl, T. Comparison of Advanced Signal-Processing Methods for Roller Bearing Faults Detection. Metrol. Meas. Syst. 2016, 19, 715-726.
• Li, Y.; Xu, M.; Zhao, H.; Huang, W. Hierarchical fuzzy entropy and improved support vector machine based binary tree approach for rolling bearing fault diagnosis. Mech. Mach. Theory 2016, 98, 114-132.
• Cao, H.; Fan, F.; Zhou, K.; He, H. Wheel-bearing Fault Diagnosis of Trains using Empirical Wavelet Transform. Measurement 2016, 82, 439-449.

タイトルに関連する用語 (4件)： ウェーブレットニューラルネットワーク ,  多様体学習 ,  ころ軸受 ,  故障診断