文献

J-GLOBAL ID：202002217046947627   整理番号：20A0382821

移動平均積層自動エンコーダと新しい指数関数を用いたころ軸受の劣化傾向の抽出【JST・京大機械翻訳】

Extracting degradation trends for roller bearings by using a moving-average stacked auto-encoder and a novel exponential function

著者 (5件)： Xu Fan (School of Data Science, City University of Hong Kong, Tat Chee Avenue, Kowloon, Hong Kong 990777 China) ,  Yang Fangfang (School of Mechanical Engineering, Dongguan University of Technology, Dongguan 523808, China) ,  Fan Xiaomao (School of Data Science, City University of Hong Kong, Tat Chee Avenue, Kowloon, Hong Kong 990777 China) ,  Huang Zhelin (School of Data Science, City University of Hong Kong, Tat Chee Avenue, Kowloon, Hong Kong 990777 China) ,  Tsui Kwok Leung (School of Data Science, City University of Hong Kong, Tat Chee Avenue, Kowloon, Hong Kong 990777 China)
資料名： Measurement  (Measurement)
巻： 152  ページ： Null  発行年： 2020年 
JST資料番号： W0315B  ISSN： 0263-2241  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ベアリングのための滑らかな劣化曲線を構築することは,その残存する有用な寿命を予測するための良い基礎を提供することができた。しかし,従来のモデルは,複数のモデルを融合する必要があった。積層オートエンコーダ(SAE)は周波数領域からのデータの潜在的特徴を直接抽出できるが,元のデータの振動は抽出された劣化曲線の滑らかさと単調性を減少させる。さらに,SAEによって抽出された分解曲線はわずかな振動を示し,その単調性を改善するためにさらに排除される必要がある。しかしながら,指数関数的に重みづけられた移動平均のようないくつかの方法は,異常値検出としてのパラメータ設定を必要とし,局所曲線に対する異常点を検出することができる。これらの問題を解決するために,傾斜局所最小点(ESLMP)を組み込み,劣化傾向を抽出し,その単調性を改善する,指数関数を持つ移動窓ベース積層オートエンコーダ(MASAE)を提案した。実験データの結果は,提案したモデルの優位性を実証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *符号器 ,  周波数領域 ,  特異点 ,  *軸受 ,  *ころ軸受 ,  平滑度 ,  *指数関数
準シソーラス用語： 深層学習 ,  自己符号化器 ,  劣化曲線 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  移動窓ベースの積層自動エンコーダ ,  傾斜局所最小点による指数関数 ,  ころ軸受

分類 (2件)： 計測学一般  (AD01000Q) ,  温度測定,温度計  (AD06010K)

タイトルに関連する用語 (4件)： エンコーダ ,  指数関数 ,  ころ軸受 ,  傾向