文献

J-GLOBAL ID：202002213523261262   整理番号：20A0300592

ラプラシアンスコアとクジラ最適化SVMに基づく転がり軸受の故障診断【JST・京大機械翻訳】

Fault Diagnosis of Rolling Bearing Based on Laplacian Score and Whale Optimization Algorithms Optimized SVM

著者 (4件)： Bai Lili (太原理工大学 机械与運載工程学院,太原,030024) ,  Han Zhennan (太原理工大学 机械与運載工程学院,太原,030024) ,  Ren Jiajun (太原理工大学 机械与運載工程学院,太原,030024) ,  Qin Xiaofeng (太原理工大学 机械与運載工程学院,太原,030024)
資料名： Taiyuan Ligong Daxue Xuebao  (Taiyuan Ligong Daxue Xuebao)
巻： 50  号： 6  ページ： 829-834  発行年： 2019年 
JST資料番号： C2209A  ISSN： 1007-9432  CODEN： TLDXF3  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： 転がり軸受の振動信号が示す非ガウス、非線形などの特性により、その故障タイプと故障の厳しさを正確に識別できないため、ラプラシアン分値(laplacianscore)を提案した。LS)とクジラアルゴリズム(whaleoptimizationalgorithm,WOA)が最適化するサポートベクトルマシン(supportvectormachine,SVM)に基づく知的故障診断法である。最初に,時間領域,周波数領域,および時間周波数領域の統計的特徴を抽出し,LS選択により敏感で,故障状態の特徴を特性評価し,次に,故障固有ベクトルを形成し,次に,クジラアルゴリズムにより,SVMのペナルティ因子とカーネルパラメータを最適化した。故障モードを分類するために分類装置モデルを構築し,転がり軸受の故障タイプを判定した。複数のアルゴリズムによるSVMのパラメータ最適化の比較により、WOAの最適化優位性が明らかであり、同時に多面的な実験データを用いて、転がり軸受の故障特徴情報を抽出する方法の有効性を検証し、かつ高い分類識別精度を有することが分かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 固有ベクトル ,  *Laplace演算子 ,  サポートベクトルマシン ,  *故障 ,  有効性 ,  ペナルティ ,  *転がり軸受 ,  アルゴリズム ,  分類装置 ,  キャラクタリゼーション ,  *故障診断 ,  周波数領域 ,  *最適化 ,  故障モード
準シソーラス用語： 時間領域 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (7件)： ラプラシアン ,  スコア ,  クジラ ,  最適化 ,  SVM ,  転がり軸受 ,  故障診断