文献

J-GLOBAL ID：201902263058189912   整理番号：19A2232554

軸受性能劣化予測のための時間積分演算子による多変数最小二乗サポートベクトルマシン【JST・京大機械翻訳】

Multivariable least squares support vector machine with time integral operator for the prediction of bearing performance degradation

著者 (4件)： Zhang Yao (School of Mechanical and Electrical Engineering, Beijing University of Chemical Technology, Beijing, China) ,  Zhou Youguang (School of Mechanical and Electrical Engineering, Beijing University of Chemical Technology, Beijing, China) ,  Tang Gang (School of Mechanical and Electrical Engineering, Beijing University of Chemical Technology, Beijing, China) ,  Wang Huaqing (School of Mechanical and Electrical Engineering, Beijing University of Chemical Technology, Beijing, China)
資料名： Proceedings of the Institution of Mechanical Engineers. Part C. Journal of Mechanical Engineering Science  (Proceedings of the Institution of Mechanical Engineers. Part C. Journal of Mechanical Engineering Science)
巻： 233  号： 7  ページ： 2478-2490  発行年： 2019年 
JST資料番号： H0720A  ISSN： 0954-4062  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 性能劣化の予測は,転がり軸受の健全性モニタリングのために重要であり,それは回転機械の全体のライフサイクルにおける潜在的故障によって引き起こす損失を大いに減らすことを助けた。統計学習理論に基づく機械学習の新しい方法として,最小二乗サポートベクトルマシンを開発し,良好な結果を達成した。しかしながら,それは時間和効果と遅延特性の記述を欠いており,性能劣化過程を完全に記述することができない。この問題を克服するために,積分演算子を有する新しい時間シフト最小二乗サポートベクトルマシンを提案した。さらに,複数の視点からプロセスを記述するために,多変数予測モデルを導入した。このモデルにおいて,異なる特徴を抽出して,移動窓を通してサンプル対を構築した。次に,これらの特徴を,計算を単純化するために直交基底関数の集合を用いて時間領域で分解した。さらにまた,モデル適応性は,反復更新戦略を通して改良した。ベアリング故障実験は,提案したモデルが一般的方法より優れていることを示した。Copyright IMechE 2018 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 機械学習 ,  故障 ,  ライフサイクル ,  転がり軸受 ,  *予測 ,  回転機械 ,  モデル ,  予測モデル ,  *積分 ,  簡素化 ,  *軸受 ,  直交性
準シソーラス用語： 時間領域 ,  *最小二乗-サポートベクトルマシン ,  *多変量 , 【Automatic Indexing@JST】

著者キーワード (5件)： 最小二乗サポートベクトルマシン ,  時間積分演算子 ,  性能劣化予測 ,  多変数 ,  転がり軸受

分類 (2件)： 歯車,歯車装置  (QB01060O) ,  軸受  (QB01020W)

タイトルに関連する用語 (6件)： 軸受性能 ,  劣化予測 ,  時間積分 ,  演算子 ,  多変数 ,  最小二乗サポートベクトルマシン