文献

J-GLOBAL ID：202002234957223746   整理番号：20A2102794

ResnetネットワークとAttention-GRUゲーティング機構に基づく転がり軸受故障診断【JST・京大機械翻訳】

Rolling Bearing Fault Diagnosis Method Based on Resnet Network and Attention-GRU Gating Mechanism

著者 (1件)： Mao Zhaohui (東北電力大学 能源与動力工程学院,吉林 吉林,132012)
資料名： Zuhejichuang yu Zidonghua Jiagong Jishu  (Zuhejichuang yu Zidonghua Jiagong Jishu)
号： 7  ページ： 118-121,126  発行年： 2020年 
JST資料番号： C4103A  ISSN： 1001-2265  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： 軸受故障診断における多くの既存の方法の特徴抽出が複雑であり、診断方法がエンドツーエンドなどの問題ではなく、深さ学習理論を結びつけ、Resnetネットワーク(残差ネットワーク)とAttentionメカニズム(注意力メカニズム)に基づく軸受故障診断方法を提案した。診断思想は以下のとおりである。最初に,Resnetネットワークを用いて,入力された転がり軸受の一次元振動時系列信号を特徴抽出した。次に,特徴抽出後の特徴マップをMap-to-sequence操作によって特徴マップをAttention機構に移すGRU(ゲート制御ループユニット)ネットワークに変換して予測する。最後に,分類装置によって,予測結果を分類して,診断結果を得る。実験により、このモデルは各故障分類に対する診断率はすべて98%以上であり、モデル診断の正確率はその他の従来の診断方法より優れ、いくつかの最近流行した深さ学習軸受に基づく故障診断方法の効果も著しく向上していることが明らかになった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *ネットワーク ,  *転がり軸受 ,  *軸受 ,  分類装置 ,  *故障診断 ,  特徴抽出 ,  残差 ,  エンドツーエンド方式 ,  一次元
準シソーラス用語： *ゲーティング ,  特徴マップ ,  故障分類 , 【Automatic Indexing@JST】

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (3件)： ゲーティング ,  転がり軸受 ,  故障診断