文献

J-GLOBAL ID：202002228536953216   整理番号：20A2037415

改良VMDアルゴリズムとELMに基づく回転軸受故障診断【JST・京大機械翻訳】

Rotary Bearing Fault Diagnosis Based on Improved VMD Algorithm and ELM

著者 (4件)： Wei Pengying (Heilongjiang University,Department of Automation,Harbin,150080) ,  Liu Mingliang (Heilongjiang University,Department of Automation,Harbin,150080) ,  Guo Zijian (Key Laboratory of Information Fusion Estimation and Detection) ,  Qin Huabin (Heilongjiang University,Department of Automation,Harbin,150080)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CCC  ページ： 4129-4134  発行年： 2020年 
JST資料番号： W2441A  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： 従来の変分モード分解(VMD)法の性能は,信号がモード的に分解されるとき,人工的設定によって分解されたモダリティの数によって大いに影響され,従来の学習方法は遅い訓練速度を持っている。局所最小でトラップするのは容易であり,学習速度の選択に敏感である。上記の問題の観点から,本論文は,極端な学習機械(ELM)と結合した改良VMDアルゴリズムに基づく回転軸受の故障診断のための方法を提案した。最初に,振動信号を種々のモードの数に従ってVMDを用いて分解して,各分解後に得られた各モードの情報エントロピーを分解した。同時に,各情報エントロピーの最小値を選択し,異なるモードの下で情報エントロピーの最小値と比較して,最小情報エントロピーを選択し,最小情報エントロピーに対応するモード数を最良のモード数として選択し,最適モード数に対応する各固有モード関数(IMF)の情報を最終的に選択した。情報エントロピーは,モード認識の特徴としてELMに送られる。実験結果は,この方法が回転軸受における故障の93%以上を分類できることを示した。鍵となるWords:変分モード分解,中心周波数法,情報エントロピー,ELM。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： *アルゴリズム ,  変分法 ,  *故障診断
準シソーラス用語： モダリティ ,  情報エントロピー ,  学習方法 ,  モード分解 ,  固有モード関数 ,  振動信号 ,  極度学習機械 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： アルゴリズム ,  ELM ,  回転軸受 ,  故障診断