文献

J-GLOBAL ID：202102223586968217   整理番号：21A0665907

深い信念ネットワークに基づく風車の軸受故障同定に関する研究【JST・京大機械翻訳】

Research on Bearing Fault Identification of Wind Turbine Based on Deep Belief Network

著者 (3件)： Cheng Shucan (Wuhan University,School of Electrical Engineering and Automation,Wuhan,China) ,  Tao Wenqiang (Wuhan University,School of Electrical Engineering and Automation,Wuhan,China) ,  Zhao Yanpu (Wuhan University,School of Electrical Engineering and Automation,Wuhan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： EI2  ページ： 4076-4080  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： 風力タービンの故障は,ウィンドファームの経済的利益を大いに減少させる。従って,風力運転の安全性と信頼性を確保するために,故障を時間内に位置決めすることは非常に重要である。本論文では,深い信念ネットワーク(DBN)に基づくモータ軸受の故障認識を提案し,それは,特徴を別々に学習し,抽出できる利点を持っている。センサによって収集した電動機軸受故障振動信号の周波数領域スペクトルを高速Fourier変換(FFT)によって得て,次に周波数領域シーケンスを正規化して,トレーニングと試験サンプルを適切な比率に従って得た。制限Boltzmann機械(RBM)によって訓練サンプルに含まれる故障情報を学習して,勾配降下アルゴリズムによってグローバルパラメータを細かく調整して,試験サンプルのための最終的分類装置を得た。軸受故障シミュレーション試験プラットフォームのデータセットについて事例解析を行った。各診断方式は複数の複雑な故障条件信号を含み,診断結果は良い精度を有する。Copyright 2021 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： アルゴリズム ,  *故障 ,  信頼性 ,  *軸受 ,  電動機 ,  分類装置 ,  スペクトル ,  *風車 ,  風力 ,  高速Fourier変換 ,  正規化 ,  ウインドファーム ,  Boltzmannマシン ,  周波数領域
準シソーラス用語： 振動信号 , 【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 (6件)： 信念ネットワーク ,  風車 ,  軸受 ,  故障 ,  同定 ,  研究