抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】