文献

J-GLOBAL ID：202002280718389461   整理番号：20A0032406

可変速度下での歯車箱の故障診断のための2Dスペクトルエネルギーマップを用いた深部畳込みニューラルネットワーク【JST・京大機械翻訳】

Deep Convolutional Neural Network with 2D Spectral Energy Maps for Fault Diagnosis of Gearboxes Under Variable Speed

著者 (2件)： Hasan Md Junayed (Department of Electrical and Computer Engineering, University of Ulsan, Ulsan, South Korea) ,  Kim Jongmyon (Department of Electrical and Computer Engineering, University of Ulsan, Ulsan, South Korea)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1144  ページ： 106-117  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 工業的安全性のために,歯車箱故障条件の正しい分類が必要である。データ駆動故障診断における最も重要なタスクの一つは,信号の統計的パラメータを解析することにより,最良の特徴集合を決定することである。しかし,可変速度条件下では,これらの統計的パラメータは,歯車箱の異なる故障条件の動的特性を明らかにすることができない。後に,いくつかの深い学習アルゴリズムを用いて,特徴選択プロセスの性能を向上させたが,しかし,ドメイン知識専門性はまだ必要であった。本論文では,組合せドメイン知識解析と深いニューラルネットワークを提案した。入力音響放射(AE)信号を用いることにより,二次元スペクトルエネルギーマップ(2D AE-SEM)を作成し,歯車箱の種々の速度条件に対して同一の故障パターンを形成した。次に,最終的な故障分類のための2D入力の詳細な構造を調査するために,深い畳込みニューラルネットワーク(DCNN)を提案した。この2D AE-SEMは,音響放射スペクトル特性の図式表現を提供する。提案したシステムは,提案したDCNNを通して,すべての考えられるシナリオにおいて96.37%の高い診断故障分類精度で,強力で動的な分類性能を提供する。Copyright 2020 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 特徴選択 ,  *歯車箱 ,  アコースティックエミッション ,  *故障 ,  ドメイン知識 ,  *故障診断 ,  学習アルゴリズム ,  *ニューラルネットワーク ,  *二次元
準シソーラス用語： 分類精度 ,  スペクトル特性 ,  故障分類 ,  二次元スペクトル ,  データ駆動 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 歯車箱の安全性 ,  故障診断 ,  畳み込みニューラルネットワーク

分類 (2件)： 歯車,歯車装置  (QB01060O) ,  信頼性  (KB04040H)

タイトルに関連する用語 (8件)： 可変速度 ,  歯車箱 ,  故障診断 ,  2D ,  スペクトル ,  エネルギーマップ ,  深部 ,  畳込みニューラルネットワーク