文献

J-GLOBAL ID：202002218592514471   整理番号：20A2001665

リトレーニングなしの軸受の畳込みニューラルネットワークと二次元画像ベース故障診断【JST・京大機械翻訳】

Convolutional Neural Network and 2-D Image Based Fault Diagnosis of Bearing without Retraining

著者 (2件)： Oh Jin Woo (Department of Smart Factory Convergence, Sungkyunkwan University, Suwon, Jangan-gu, Gyeonggi-do, Republic of Korea) ,  Jeong Jongpil (Department of Smart Factory Convergence, Sungkyunkwan University, Suwon, Jangan-gu, Gyeonggi-do, Republic of Korea)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICCDA 2019  ページ： 134-138  発行年： 2019年 
JST資料番号： D0698C  資料種別： 会議録 (C)
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： 軸受は回転機械の不可欠な部分である。軸受の失敗は,スケジュール,生産操作,および人間の犠牲者にマイナスの影響を与える。したがって,軸受の故障診断の達成は非常に重要である。振動信号からよく特徴を抽出することは,従来のインテリジェント故障診断の性能に大きい影響を及ぼし,また,様々な運転条件の下で再訓練なしで良好な性能を達成することが重要である。しかし,それは通常,広範囲なドメイン専門知識と事前知識を必要とする。従来の機械学習アルゴリズムの代わりに,深層学習アルゴリズムは,入力データから識別的特徴表現を効果的かつ正確に学習する能力を持つ。したがって,深層学習モデルは,従来のインテリジェント故障診断の欠点を克服することができる。本論文では,振動信号を振動画像に変換することに焦点を当て,次に,著者らは,特徴の学習のために故障診断のために使用する畳み込みニューラルネットワーク(CNN)のためにそれを使用した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 回転機械 ,  *軸受 ,  *故障診断 ,  特徴抽出 ,  深層 ,  学習アルゴリズム
準シソーラス用語： 事前知識 ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： CNN ,  DNN ,  軸受 ,  故障診断 ,  特徴抽出

分類 (3件)： 人工知能  (JE08000Z) ,  軸受  (QB01020W) ,  その他のシステムプログラミング  (JD03070M)

タイトルに関連する用語 (4件)： 軸受 ,  畳込みニューラルネットワーク ,  二次元画像 ,  故障診断