文献

J-GLOBAL ID：201902236392850353   整理番号：19A1635651

歯車箱状態監視への深い畳込みニューラルネットワーク応用の性能解析と強化【JST・京大機械翻訳】

Performance Analysis and Enhancement of Deep Convolutional Neural Network Application to Gearbox Condition Monitoring

著者 (5件)： Wang Jinjiang (Department of Mechanical and Transportation Engineering, China University of Petroleum, Beijing, China) ,  Ma Yulin (Department of Mechanical and Transportation Engineering, China University of Petroleum, Beijing, China) ,  Huang Zuguang (Chinese Machine Quality Supervision and Inspection Center, Beijing, China) ,  Xue Ruijuan (Chinese Machine Quality Supervision and Inspection Center, Beijing, China) ,  Zhao Rui (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore, Singapore)
資料名： Business & Information Systems Engineering  (Business & Information Systems Engineering)
巻： 61  号： 3  ページ： 311-326  発行年： 2019年 
JST資料番号： W4129A  ISSN： 2363-7005  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 畳込みニューラルネットワークは機械状態監視のために広く研究されているが,その性能は入力信号表現とモデル構造の学習により大きく影響される。これらの問題を扱うために,本論文は,モデル性能を改善するために包括的な深い畳込みニューラルネットワーク(DCNN)ベースの状態監視フレームワークを提示した。最初に,時間系列信号を周波数領域,時間-周波数領域,再構成位相空間のような異なる領域に変換することにより,DCNNモデルのより良い特徴学習のための様々な信号表現技術を研究した。次に,DCNNモデルをモデルの次元,層の深さ,および畳込みカーネル関数を考慮することによってカスタマイズした。次に,モデルパラメータをミニバッチ確率勾配下降アルゴリズムにより最適化した。歯車箱試験装置に関する実験研究を,提示したDCNNモデルの有効性を評価するために利用し,結果は,周波数領域入力による一次元DCNNモデルが,故障分類精度と計算効率に関して他より優れていることを示した。最後に,適切な信号表現技術とDCNNモデル構造を選択するためのガイドラインを,機械状態監視のために包括的に検討した。Copyright 2019 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 一次元 ,  アルゴリズム ,  *歯車箱 ,  モデル ,  再構成 ,  有効性 ,  カスタム化 ,  最適化 ,  周波数領域 ,  *畳込み ,  学習
準シソーラス用語： 計算効率 ,  信号表現 ,  *畳込みニューラルネットワーク ,  *状態監視 , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械の状態監視 ,  深部畳込みニューラルネットワーク ,  モデル構造 ,  信号表現

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 歯車箱 ,  状態監視 ,  畳込みニューラルネットワーク ,  応用 ,  性能解析 ,  強化