文献

J-GLOBAL ID：202102234708888140   整理番号：21A2571865

矛盾しない作業条件下での軸受のためのマルチタスク支援移動学習ベース診断フレームワーク【JST・京大機械翻訳】

A Multitask-Aided Transfer Learning-Based Diagnostic Framework for Bearings under Inconsistent Working Conditions

著者 (3件)： Hasan Md Junayed (School of Computer Engineering and Information Technology, University of Ulsan, Ulsan 44610, Korea) ,  Sohaib Muhammad (Department of Computer Science, Lahore Garrison University, Lahore 54000, Pakistan) ,  Kim Jong-Myon (School of Computer Engineering and Information Technology, University of Ulsan, Ulsan 44610, Korea)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 24  ページ： 7205  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  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： 転がり要素軸受は回転機械の不可欠な部分であり,それらの突然の故障は,大きな経済的損失と物理的因果関係をもたらす。ポピュラー軸受故障診断技術は,時間,周波数,または時間周波数領域データの統計的特徴解析を含んでいる。これらの工学的特徴は,記録された振動信号の非定常,非線形,および複雑な性質のため,矛盾のない機械操作の下で変動に敏感である。これらの問題に取り組むために,多数の深い学習ベースのフレームワークが文献で提案されている。しかし,亀裂重症度の背後にある論理的推論と,同時に複数の健康特性を同定するのに必要な長い訓練時間は,まだ課題を提起する。したがって,本研究では,高次スペクトル解析とマルチタスク学習(MTL)を用いて,転送学習(TL)を組み込んだ診断フレームワークを提案した。アイディアは,無矛盾な作動条件,例えば,可変モータ速度と負荷,多重亀裂重症度,複合故障,および十分な雑音の下で,与えられた故障タイプに対する明確なパターンを探すために,軸受から記録された振動信号を最初に前処理することである。その後,これらのバイスペクトラを,提案したMTLベースの畳み込みニューラルネットワーク(CNN)の入力として提供し,同時に速度と健康条件を同定した。最後に,TLベースのアプローチを採用して,多重亀裂重症度の存在における軸受故障を同定した。提案した診断フレームワークをいくつかのデータセット上で評価し,実験結果をいくつかの最先端の診断技術と比較し,矛盾した作動条件下で提案モデルの優位性を検証した。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： 亀裂 ,  雑音 ,  *学習 ,  故障 ,  回転機械 ,  *軸受 ,  前処理 ,  故障診断 ,  スペクトル ,  多重化 ,  周波数領域
準シソーラス用語： 非定常性 ,  診断技術 ,  運転条件 ,  振動信号 , 【Automatic Indexing@JST】

著者キーワード (6件)： 軸受 ,  バイスペクトル ,  畳込みニューラルネットワーク ,  故障診断 ,  マルチタスク学習 ,  伝達学習

分類 (2件)： 非破壊試験  (HB02030F) ,  その他のシステムプログラミング  (JD03070M)

引用文献 (74件)：

• Yan, X.; Jia, M. A novel optimized SVM classification algorithm with multi-domain feature and its application to fault diagnosis of rolling bearing. Neurocomputing 2018, 313, 47-64.
• Lei, Y.; He, Z.; Zi, Y. A new approach to intelligent fault diagnosis of rotating machinery. Expert Syst. Appl. 2008, 35, 1593-1600.
• Yan, X.; Liu, Y.; Jia, M.; Zhu, Y. A multi-stage hybrid fault diagnosis approach for rolling element bearing under various working conditions. IEEE Access 2019, 7, 138426-138441.
• Cui, L.; Huang, J.; Zhang, F. Quantitative and localization diagnosis of a defective ball bearing based on vertical-horizontal synchronization signal analysis. IEEE Trans. Ind. Electron. 2017, 64, 8695-8706.
• Tian, J.; Ai, Y.; Fei, C.; Zhao, M.; Zhang, F.; Wang, Z. Fault diagnosis of intershaft bearings using fusion information exergy distance method. Shock Vib. 2018, 2018.

タイトルに関連する用語 (8件)： 矛盾 ,  作業条件 ,  軸受 ,  マルチタスク ,  支援 ,  学習 ,  診断 ,  フレームワーク