文献

J-GLOBAL ID：202002243054816082   整理番号：20A2727103

軸受欠陥診断のためのニューロウェーブレットに基づくアプローチ【JST・京大機械翻訳】

A neuro-wavelet based approach for diagnosing bearing defects

著者 (7件)： Gharesi Niloofar (Department of Power and Control Engineering, School of Electrical and Computer Engineering, Shiraz university, Shiraz, Iran) ,  Arefi Mohammad Mehdi (Department of Power and Control Engineering, School of Electrical and Computer Engineering, Shiraz university, Shiraz, Iran) ,  Razavi-Far Roozbeh (Department of Electrical and Computer Engineering, University of Windsor, Windsor, Ontario N9B 3P4, Canada) ,  Zarei Jafar (Department of Electrical and Computer Engineering, University of Windsor, Windsor, Ontario N9B 3P4, Canada) ,  Zarei Jafar (Department of Electrical and Electronics Engineering, Shiraz University of Technology, Shiraz, Iran) ,  Yin Shen (Institute of Intelligent Control and Systems, Harbin Institute of Technology, P.O. Box 3015, Yikuang Street 2, 150001 Harbin, China) ,  Razavi-Far Roozbeh (School of Computer Science, University of Windsor, Windsor, Ontario N9B 3P4, Canada)
資料名： Advanced Engineering Informatics  (Advanced Engineering Informatics)
巻： 46  ページ： Null  発行年： 2020年 
JST資料番号： T0593A  ISSN： 1474-0346  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 近年,先進信号処理技術が非定常振動信号を掘削し,要素故障情報を抽出するのにますます使用されている。しかしながら,単一分析ツールのみを用いた背景雑音と混合した多成分信号の管理と分析は,単純な作業ではなく,診断精度が低く,診断が遅れる可能性がある。本論文は,非再帰的変分モード分解(VMD)とウェーブレットベースのニューラルネットワークに基づく高い診断精度を有する新規なインテリジェント神経ウェーブレットベースのシステムを導入し,それは主に3つのステップ(すなわち,特徴抽出(FE),次元縮小(DR),および故障分類)から成る。最初に,振動信号を分割して,新しい非再帰的VMDによって処理して,それは,振動信号から有益な特徴を抽出するために,適応的に非定常信号を一連の離散モードに分解することができた。次に,マルチClass一般化判別分析を,特徴集合の次元を減らし,意味のある情報を選択し,冗長な特徴を除去することにより,計算負荷を改善するために,第2段階で使用した。次のステップでは,得られた特徴ベクトルを最先端の階層的多重解像度分類器,いわゆるウェーブレットニューラルネットワーク(WNN)に供給し,それは意思決定のためのウェーブレット変換と人工ニューラルネットワークの両方の利点を持っている。さらに,VMDの情報抽出能力を評価するために,後続のDR法とWNNの計算精度,他の最先端の技術を本研究で使用した。この点に関して,提案した方法の優位性を,文献における公表された研究との比較を通して確認した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 変分法 ,  意思決定 ,  故障 ,  冗長性 ,  *軸受 ,  *故障診断 ,  ニューラルネットワーク ,  信号処理 ,  特徴抽出 ,  *波束 ,  判別分析 ,  次元縮小 ,  機械学習 ,  ウェーブレット変換
準シソーラス用語： 特徴ベクトル , 【Automatic Indexing@JST】

著者キーワード (7件)： 変分モード分解 ,  ウェーブレットニューラルネットワーク ,  ウェーブレット変換 ,  機械学習 ,  一般化判別分析 ,  多様体技術 ,  CWRUデータセット

分類 (1件)： 資材管理  (KB05020S)

タイトルに関連する用語 (2件)： 軸受 ,  欠陥診断