文献

J-GLOBAL ID：201902238223870701   整理番号：19A1984660

経験的モード分解とサポートベクトルマシンに基づく転がり軸受の故障診断【JST・京大機械翻訳】

Rolling bearing fault diagnosis based on empirical mode decomposition and support vector machine

著者 (4件)： Xu Ke (中国科学技術大学 信息科学技術学院, 安徽 合肥 230026;珠海市軌道交通健康運営協同創新中心, 广東 珠海 519070) ,  Chen Zonghai (中国科学技術大学 信息科学技術学院, 安徽 合肥 230026;珠海市軌道交通健康運営協同創新中心, 广東 珠海 519070) ,  Zhang Chenbin (中国科学技術大学 信息科学技術学院, 安徽 合肥 230026;珠海市軌道交通健康運営協同創新中心, 广東 珠海 519070) ,  Dong Guangzhong (中国科学技術大学 信息科学技術学院,安徽 合肥,230026)
資料名： Kongzhi Lilun yu Yingyong  (Kongzhi Lilun yu Yingyong)
巻： 36  号： 6  ページ： 915-922  発行年： 2019年 
JST資料番号： W1473A  ISSN： 1000-8152  CODEN： KLYYEB  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： 転がり軸受の故障診断の問題に照準を定めて,本論文は,経験的モード分解(EMD)のエンドポイント効果を改良するために,適応可能な波形マッチングに基づく拡張方法を提案した。次に,改良EMDとパーティクルスウォーム最適化(PSO)最適化に基づくサポートベクトルマシン(SVM)を用いて,2段階転がり軸受の故障診断法を設計した。オフライン段階において,典型的正常,故障振動信号に対してEMDを分解し,エネルギー情報を抽出して,PSO-SVMに送って,訓練して,保存して,次に,リアルタイムの振動信号を,EMDによって分解して,抽出した。オフライン段階で訓練したモデルを診断し、診断結果を出力した。米国の西蔵大学の軸受データを用いてこの方法を検証し、実験結果によりこの方法の有効性を証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： モデル ,  *故障診断 ,  有効性 ,  チベット自治区 ,  *サポートベクトルマシン ,  マッチング ,  *軸受 ,  最適化 ,  *故障 ,  *転がり軸受
準シソーラス用語： 実時間 ,  振動信号 ,  オフライン ,  粒子群最適化 ,  エンドポイント , 【Automatic Indexing@JST】

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (4件)： 経験的モード分解 ,  サポートベクトルマシン ,  転がり軸受 ,  故障診断