文献

J-GLOBAL ID：201902264283450989   整理番号：19A0933711

同期圧縮ウェーブレットと限界勾配リフティングツリーを融合したディーゼルエンジンの失火故障診断【JST・京大機械翻訳】

A Diagnostic Method for Diesel Engine Misfire Based on Integrating of Synchro-Squeezed Wavelet Transform and XGBoost

著者 (4件)： Li Weixing (上海交通大学机械系統与振動国家重点実験室,200240,上海) ,  Tao Jianfeng (上海交通大学机械系統与振動国家重点実験室,200240,上海) ,  Tan Chengjin (上海交通大学机械系統与振動国家重点実験室,200240,上海) ,  Liu Chengliang (上海交通大学机械系統与振動国家重点実験室,200240,上海)
資料名： Xi’an Jiaotong Daxue Xuebao  (Xi'an Jiaotong Daxue Xuebao)
巻： 53  号： 2  ページ： 47-54,169  発行年： 2019年 
JST資料番号： W0363A  ISSN： 0253-987X  CODEN： HCTPDW  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： ディーゼル機関の失火故障診断の特徴抽出の分解能が低く、分類評価が過フィッティングしやすいという問題に対して、同期圧縮ウェーブレット変換と極限勾配リフティングツリー融合の診断方法を提案した。異なる回転速度でディーゼルエンジンの失火性能試験を行い、シリンダカバーの振動信号を採集し、信号に対して時間領域統計、同期圧縮ウェーブレット抽出特徴を利用し、局部線形埋め込み方法を採用して特徴次元縮小を行い、最後に極限勾配リフティングツリーを用いて失火評価分類を行った。比較実験結果は,提案した方式の分類精度が99.828%に達して,ウェーブレットパケット特徴抽出評価方法と比較して少なくとも10%向上することを示した。低いモデル複雑性において,提案方法は最小モデル予測の二乗平均平方根誤差を持ち,この方法のロバスト性とモデルの過適合を抑制する能力を証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 特徴抽出 ,  ロバスト性 ,  分解能 ,  *波束 ,  次元縮小 ,  シリンダ ,  ウェーブレット変換 ,  *リフティング ,  *故障診断 ,  線形性 ,  *ディーゼル機関 ,  比較試験 ,  複雑性
準シソーラス用語： 振動信号 ,  *失火 , 【Automatic Indexing@JST】

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (6件)： ウェーブレット ,  リフティング ,  融合 ,  ディーゼルエンジン ,  失火 ,  故障診断