文献

J-GLOBAL ID：202002222314385998   整理番号：20A1361114

高次微分数学的モルフォロジー勾配スペクトルエントロピーと極値学習機械を用いた性能予測【JST・京大機械翻訳】

Performance Prediction Using High-Order Differential Mathematical Morphology Gradient Spectrum Entropy and Extreme Learning Machine

著者 (4件)： Zhao Huimin (College of Electronic Information and Automation, Civil Aviation University of China, Tianjin, China) ,  Liu Haodong (School of Electronics and Information Engineering, Dalian Jiaotong University, Dalian, China) ,  Xu Junjie (College of Computer Science and Technology, Civil Aviation University of China, Tianjin, China) ,  Deng Wu (College of Electronic Information and Automation, Civil Aviation University of China, Tianjin, China)
資料名： IEEE Transactions on Instrumentation and Measurement  (IEEE Transactions on Instrumentation and Measurement)
巻： 69  号： 7  ページ： 4165-4172  発行年： 2020年 
JST資料番号： C0232A  ISSN： 0018-9456  CODEN： IEIMAO  資料種別： 逐次刊行物 (A)
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： 性能予測は,転がり軸受の健康状態をモニターするために重要であり,それは,転がり軸受の全ライフサイクルにおける潜在的故障によって引き起こされた損失を大いに減らすことができる。それは,Prognostic and Health Management(PHM)の非常に重要な部分である。本論文では,圧延軸受の性能劣化傾向を予測するために,高次微分数学的モルフォロジー勾配スペクトルエントロピー(HOMMSE),位相空間再構成,および極端学習機械(ELM)に基づく新しい性能劣化予測(HMEPEM)法を提案した。提案したHMEPEM法では,HOMMSE法を用いて,生軸受振動信号と分割作業段階からの性能劣化の初期特徴を抽出した。次に,位相空間再構成を用いて,特性マトリックスを構成するために性能劣化の初期特徴からより有用な特徴をさらに抽出して,それは,回転軸受の性能劣化傾向を予測するために,性能劣化予測モデルを構築するために,ELMに入力した。提案したHMEPEM法をPRONOSTIAプラットフォームにより提供された転がり軸受の性能劣化データで検証した。その結果,提案したHMEPEM法は劣化の進展を効率的に追跡し,転がり軸受の性能劣化傾向を予測できることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 位相空間 ,  故障 ,  ライフサイクル ,  転がり軸受 ,  軸受 ,  圧延 ,  *学習機械 ,  *微分 ,  再構成 ,  予測モデル
準シソーラス用語： 健康状態 ,  性能劣化 ,  性能予測 ,  極度学習機械 , 【Automatic Indexing@JST】

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (7件)： 微分 ,  数学的モルフォロジー ,  勾配 ,  スペクトルエントロピー ,  極値 ,  学習機械 ,  性能予測