文献

J-GLOBAL ID：202002214043965268   整理番号：20A1393595

風力タービンの早期故障特徴抽出に関する研究【JST・京大機械翻訳】

Research on Early Fault Feature Extraction of Wind Turbine Bearing

著者 (4件)： Liu Yiming (新疆大学電气工程学院,新疆烏魯木斉,830047) ,  Xie Lirong (新疆大学電气工程学院,新疆烏魯木斉,830047) ,  Chao Qin (新疆大学電气工程学院,新疆烏魯木斉,830047) ,  Hou Peihao (新疆大学電气工程学院,新疆烏魯木斉,830047)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 37  号： 2  ページ： 130-134  発行年： 2020年 
JST資料番号： C2937A  ISSN： 1006-9348  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： 風力タービンの転がり軸受の早期故障振動信号は,弱い,強い干渉,非定常,非線形の特性を持つ。適応ノイズ完全統合経験モード分解(CompleteEnsembleEmpiricalModeDecompositionwithAdaptiveNoise)を提案した。CEEMDAN)-配列エントロピー(PermutationEntropy,PE)-遺伝的アルゴリズム(GeneticAlgorithm,GA)の特徴抽出方法。方法:振動信号がCEEMDANで分解され、複数の固有モード関数(IntrinsicModeFunction、IMF)の配列エントロピー値と分散寄与率を計算し、虚偽、低寄与率成分を除去する。識別誤差の最小と特徴部分集合の数が最も少ない2つの目標に従って、適応度関数を構築し、GAによって特徴選択を行い、最適な特徴部分集合を選択する。シミュレーション解析では,上述の方法は,異なる故障の振動信号特性指標を高速かつ効率的に抽出でき,故障パターン認識問題のための良いアイデアと方法を提供する。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： エントロピー ,  雑音 ,  シミュレーション ,  パターン認識 ,  *故障 ,  転がり軸受 ,  *特徴抽出 ,  *風車 ,  特徴選択 ,  遺伝的アルゴリズム
準シソーラス用語： 適応度関数 ,  決定係数 ,  モード分解 ,  固有モード関数 ,  振動信号 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  軸受  (QB01020W)

タイトルに関連する用語 (5件)： 風力タービン ,  早期 ,  故障 ,  特徴抽出 ,  研究