文献

J-GLOBAL ID：202002239461711410   整理番号：20A0429473

LSSVMに基づく転がり軸受故障診断法【JST・京大機械翻訳】

A rolling bearing fault diagnosis method based on LSSVM

著者 (13件)： Gao Xuejin (Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Gao Xuejin (Engineering Research Center of Digital Community, Ministry of Education, Beijing, China) ,  Gao Xuejin (Beijing Laboratory of Urban Mass Transit, Beijing, China) ,  Gao Xuejin (Beijing Key Laboratory of Computational Intelligence and Intelligent Systems, Beijing, China) ,  Wei Hongfei (Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Wei Hongfei (Engineering Research Center of Digital Community, Ministry of Education, Beijing, China) ,  Wei Hongfei (Beijing Laboratory of Urban Mass Transit, Beijing, China) ,  Wei Hongfei (Beijing Key Laboratory of Computational Intelligence and Intelligent Systems, Beijing, China) ,  Li Tianyao (Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Li Tianyao (Engineering Research Center of Digital Community, Ministry of Education, Beijing, China) ,  Li Tianyao (Beijing Laboratory of Urban Mass Transit, Beijing, China) ,  Li Tianyao (Beijing Key Laboratory of Computational Intelligence and Intelligent Systems, Beijing, China) ,  Yang Guanglu (Nanyang Cigarette Factory, China Tobacco Henan Industrial Co., Ltd., Nanyang, Henan, China)
資料名： Advances in Mechanical Engineering  (Advances in Mechanical Engineering)
巻： 12  号： 1  ページ： 1687814019899561  発行年： 2020年 
JST資料番号： W5122A  ISSN： 1687-8140  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： 転がり軸受の故障特性信号は互いに結合し,故障特性を同定することの困難さを増加させる。本研究では,最小二乗サポートベクトルマシンに基づく転がり軸受の故障診断法を提案した。最初に,最小二乗サポートベクトルマシンモデルを既知クラスのサンプルで訓練した。最小二乗サポートベクトルマシンアルゴリズムはカーネル関数の選択を含む。高次元空間におけるサンプルの複雑性は,カーネル関数のパラメータを変えることによって調整することができて,このように,最終的分類結果と同様に最適機能のための調査に影響を及ぼした。粒子群最適化と10倍交差検証法を採用して,訓練モデルにおけるパラメータを最適化した。次に,最適化したパラメータによって,分類モデルを更新した。最後に,テストサンプルの特徴ベクトルを最小二乗サポートベクトルマシンの入力として,テストサンプルのパターン認識を行い,故障診断の目的を達成した。実際のベアリング故障データを診断法で解析した。この方法は正確な分類結果と高速診断を可能にし,転がり軸受の複合故障の診断に適用できる。Copyright The Author(s) 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *転がり軸受 ,  *故障 ,  *軸受 ,  アルゴリズム ,  パターン認識 ,  最適化 ,  交差検証法 ,  *故障診断 ,  高次元
準シソーラス用語： 特徴ベクトル ,  分類モデル ,  粒子群最適化 ,  複雑性 ,  Kernel関数 ,  最小二乗-サポートベクトルマシン , 【Automatic Indexing@JST】

著者キーワード (5件)： 転がり軸受 ,  粒子群最適化と10回交差検証 ,  粒子群最適化と10回交差検証法 ,  パターン認識 ,  故障診断

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (2件)： 転がり軸受 ,  故障診断