文献

J-GLOBAL ID：202102217042456001   整理番号：21A0577362

適応雑音,非線形エントロピー,およびアンサンブルSVMによる改良完全アンサンブル経験的モード分解に基づく転がり軸受故障診断【JST・京大機械翻訳】

Rolling Bearings Fault Diagnosis Based on Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, Nonlinear Entropy, and Ensemble SVM

著者 (6件)： Li Rui (School of Automation, Chongqing University of Posts and Telecommunications, Chongqing 400065, China) ,  Ran Chao (School of Automation, Chongqing University of Posts and Telecommunications, Chongqing 400065, China) ,  Zhang Bin (School of Advanced Manufacturing Engineering, Chongqing University of Posts and Telecommunications, Chongqing 400065, China) ,  Zhang Bin (The State Key Laboratory of Mechanical Transmissions, Chongqing University, Chongqing 400044, China) ,  Han Leng (School of Advanced Manufacturing Engineering, Chongqing University of Posts and Telecommunications, Chongqing 400065, China) ,  Feng Song (School of Advanced Manufacturing Engineering, Chongqing University of Posts and Telecommunications, Chongqing 400065, China)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 16  ページ： 5542  発行年： 2020年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 転がり軸受は,回転機械の機能において重要な役割を果たす基本的な要素である。したがって,転がり軸受の故障診断は,壊滅的故障と重い経済損失を減らすために非常に重要である。しかし,転がり軸受の振動信号はしばしば非線形で非定常であり,特徴抽出と故障認識の困難さをもたらす。本論文では,転がり軸受の多重故障診断のためのハイブリッド法を提案した。軸受振動信号を適応雑音(ICEMDAN)による改良完全アンサンブル経験的モード分解によって分解して,非線形エントロピー特徴を雑音除去し,抽出した。非線形エントロピー特徴をさらに処理して,より識別的な故障特徴を選択し,特徴次元を低減した。次に,アンサンブルサポートベクトルマシン(ESVM)に基づくマルチクラスインテリジェント認識モデルを,故障厳しさと同様に異なる軸受故障モードを診断するために構築する。提案した方法の有効性を,多重運転条件(すなわち,速度及び負荷)の下での転がり軸受の実験事例研究を通して評価した。結果は,著者らの方法がいくつかの既存の手法と比較してより良い診断結果を与えることを示す。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *雑音 ,  *故障 ,  回転機械 ,  *転がり軸受 ,  *軸受 ,  *故障診断 ,  特徴抽出 ,  多重化 ,  事例研究 ,  有効性 ,  故障モード ,  雑音除去
準シソーラス用語： 非定常性 ,  振動信号 ,  *アンサンブル経験的モード分解 , 【Automatic Indexing@JST】

著者キーワード (6件)： 故障診断 ,  転がり軸受 ,  非線形エントロピー ,  適応雑音による改良型完全アンサンブル経験的モード分解 ,  アンサンブルSVM ,  回転機械

分類 (1件)： 軸受  (QB01020W)

引用文献 (40件)：

• Shahriar, M.R.; Borghesani, P.; Tan, A.C.C. Electrical signature analysis-based detection of external bearing faults in electromechanical drivetrains. IEEE Trans. Ind. Electron. 2018, 65, 5941-5950.
• Randall, R.B.; Antoni, J. Rolling element bearing diagnostics-A tutorial. Mech. Syst. Signal Process. 2011, 25, 485-520.
• Rai, A.; Upadhyay, S.H. A review on signal processing techniques utilized in the fault diagnosis of rolling element bearings. Tribol. Int. 2016, 96, 289-306.
• Kaewkongka, T.; Joe, Y.H.; Rakowski, R.T.; Jones, B.E. A comparative study of short time Fourier transform and continuous wavelet transform for bearing condition monitoring. Int. J. COMADEM 2003, 6, 41-48.
• Chen, J.L.; Li, Z.P.; Pan, J.; Chen, G.G.; Zi, Y.Y.; Yuan, J.; Chen, B.Q.; He, Z.J. Wavelet transform based on inner product in fault diagnosis of rotating machinery: A review. Mech. Syst. Signal Process. 2016, 70-71, 1-35.

タイトルに関連する用語 (8件)： 適応 ,  雑音 ,  線形エントロピー ,  アンサンブル ,  SVM ,  アンサンブル経験的モード分解 ,  転がり軸受 ,  故障診断