文献

J-GLOBAL ID：202002297687356315   整理番号：20A2148262

畳込みニューラルネットワークと深い長期記憶ネットワークに基づく転がり軸受の性能劣化評価【JST・京大機械翻訳】

Performance degradation assessment of rolling bearing based on convolutional neural network and deep long-short term memory network

著者 (5件)： Wang Zheng (School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, People’s Republic of China) ,  Ma Hongzhan (School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, People’s Republic of China) ,  Chen Hansi (School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, People’s Republic of China) ,  Yan Bo (School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, People’s Republic of China) ,  Chu Xuening (School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, People’s Republic of China)
資料名： International Journal of Production Research  (International Journal of Production Research)
巻： 58  号： 13  ページ： 3931-3943  発行年： 2020年 
JST資料番号： E0521A  ISSN： 0020-7543  CODEN： IJPRB  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： センサデータを用いた転がり軸受の性能劣化評価のための多くの伝統的手法は,それらが劣化するか,あるいは故障が進展するかについて仮定する。しかし,データは常に雑音と長さの変化を含むので,逐次センサデータは,従来のモデルの入力として直接取られない。これらの問題を解決するために,センサ時系列データを用いた転がり軸受の性能劣化評価のための教師なしH統計を得るために,畳み込みニューラルネットワークと深層長短期メモリ(CNN-DLSTM)ベースのアーキテクチャを提案した。最初に,CNNを適用して,生センサデータから局所抽象特徴を抽出した。第二に,深いLSTMを,時間的特徴を抽出するために調査した。CNN-DLSTMは,回転軸受の健康状態を反映する時系列センサ信号を再構成するために訓練された。D-およびQ-統計を用いて,性能劣化評価に用いるH-統計を計算した。提案した方法を転がり軸受による実験で評価し,その結果を転がり軸受の公開データセットで提示し,提案した手法がいくつかの最先端の方法より優れていることを検証した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  雑音 ,  *ネットワーク ,  *転がり軸受 ,  特徴抽出 ,  再構成 ,  センサ ,  深層 ,  計算機アーキテクチャ
準シソーラス用語： *長期記憶 ,  時系列データ ,  性能劣化 ,  センサデータ ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 性能劣化評価 ,  特徴抽出 ,  畳込みニューラルネットワーク ,  長期記憶ネットワーク ,  深層学習

分類 (2件)： CAD,CAM  (JE10000A) ,  統計的品質管理  (KB04030W)

タイトルに関連する用語 (5件)： 畳込みニューラルネットワーク ,  長期記憶 ,  転がり軸受 ,  性能劣化 ,  評価