文献

J-GLOBAL ID：202002252219146966   整理番号：20A1185585

改良型深層学習ネットワークによるマルチセンサ画像融合に基づく強化知的診断法【JST・京大機械翻訳】

An Enhanced Intelligent Diagnosis Method Based on Multi-Sensor Image Fusion via Improved Deep Learning Network

著者 (5件)： Wang Huaqing (College of Mechanical and Electrical Engineering, Beijing University of Chemical Technology, Beijing, China) ,  Li Shi (College of Mechanical and Electrical Engineering, Beijing University of Chemical Technology, Beijing, China) ,  Song Liuyang (College of Mechanical and Electrical Engineering, Beijing University of Chemical Technology, Beijing, China) ,  Cui Lingli (Key Laboratory of Advanced Manufacturing Technology, Beijing University of Technology, Beijing, China) ,  Wang Pengxin (College of Mechanical and Electrical Engineering, Beijing University of Chemical Technology, Beijing, China)
資料名： IEEE Transactions on Instrumentation and Measurement  (IEEE Transactions on Instrumentation and Measurement)
巻： 69  号： 6  ページ： 2648-2657  発行年： 2020年 
JST資料番号： C0232A  ISSN： 0018-9456  CODEN： IEIMAO  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： 回転装置のための強化された知的診断法は,マルチセンサデータ融合と改良された深い畳込みニューラルネットワーク(CNN)モデルに基づいて提案される。LeNet-5に基づく改良CNNを構築し,サンプルのサイズを変えることなく,ボトルネック層を積層することによってサンプルの特徴を強化することができた。マルチセンサ振動信号をカラー画像に変換するための新しい変換手法も提案し,それは特徴を洗練し,赤-緑-青(RGB)色空間で変換した融合画像により異なるタイプの故障信号間の差を拡大することができる。ネットワーク学習の最終段階において,視覚的クラスタリングを,ネットワークの性能を評価するために,t-分布確率的隣接埋込み(t-SNE)によって実現した。提案した方法の有効性を検証するために,風力発電試験リグと産業用ファンシステムの診断のような実際の例を,それぞれ99.89%と99.77%の予測精度で提供した。さらに,深い信念ネットワークとサポートベクトルマシン(SVM)のような他の比較ベースライン手法の効率を評価した。結論として,マルチセンサデータ融合とCNNに基づく提案した知的診断法は,より高い予測精度とより明白な可視化クラスタリング効果を示した。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： 視覚 ,  *学習 ,  故障 ,  *ネットワーク ,  風力発電 ,  可視化 ,  クラスタ化 ,  t分布 ,  色空間 ,  カラー画像 ,  サポートベクトルマシン
準シソーラス用語： *画像融合 ,  予測精度 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  計測学一般  (AD01000Q)

タイトルに関連する用語 (5件)： 深層学習 ,  マルチセンサ ,  画像融合 ,  強化 ,  診断法