文献

J-GLOBAL ID：202002268011091857   整理番号：20A1075212

マルチスケール畳込みニューラルネットワークとドロップアウトに基づくベアリング故障診断【JST・京大機械翻訳】

Bearing Fault Diagnosis Based on Multi-Scale Convolution Neural Network and Dropout

著者 (3件)： Liu Xiande (Beijing University of Posts and Telecommunications,Beijing,China) ,  Tian Hui (Beijing University of Posts and Telecommunications,Beijing,China) ,  Dai Zuojun (Beijing Chuangyuanweizhi Software Ltd,Beijing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ITNEC  ページ： 1401-1406  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： ハードウェアの開発によって,高い計算複雑性に基づく深い学習は,知的故障診断のための一般的ツールになった。従来の方法と比較して,深い学習に基づく故障診断方法は,複雑な非線形関係を近似することができて,同じ負荷の下で非常に高い精度を達成することができた。しかしながら,これらの深い学習に基づく故障診断法の性能は,負荷が変化するときに大幅に減少する。それは,作業負荷が実世界の産業応用においてすべての時間を変えているので,故障診断問題において重要である。したがって,この問題を解決するために,多重スケール畳込みニューラルネットワーク(CNN)に基づく故障診断法を提案した。CNNは,直接故障信号から特徴を抽出できる一種のニューラルネットワークである。十分な故障情報を得るために,提案した方法は,異なるスケールの特徴を抽出するために多重スケール畳込みカーネルを使用する。さらに,ドロップアウトをネットワークに追加して,モデルのロバスト性と一般化能力を強化した。実験結果は,提案したモデルが同じ負荷の下で良く機能するだけでなく,負荷が変化するとき,高い故障診断精度を達成することを示した。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： *畳込み ,  *故障 ,  *ネットワーク ,  *軸受 ,  *故障診断 ,  *ニューラルネットワーク ,  計算量 ,  ハードウェア ,  ロバスト性
準シソーラス用語： ドロップ ,  マルチスケール ,  産業応用 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： マルチスケール ,  畳込みニューラルネットワーク ,  ドロップ ,  ベアリング ,  故障診断