文献

J-GLOBAL ID：202102248038928575   整理番号：21A0673113

転がり軸受振動信号のための非局所雑音除去畳込みニューラルネットワーク【JST・京大機械翻訳】

Non-local Denoising Convolutional Neural Network for Rolling Bearing Vibration Signal

著者 (4件)： Han Haoran (University of Electronic Science and Technology of China,Glasgow College,Chengdu,China) ,  Wang Huan (University of Electronic Science and Technology of China,School of Mechanical and Electrical Engineering,Chengdu,China) ,  Liu Zhiliang (University of Electronic Science and Technology of China,School of Mechanical and Electrical Engineering,Chengdu,China) ,  He Zixiao (University of Electronic Science and Technology of China,Glasgow College,Chengdu,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SDPC  ページ： 184-188  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： 転がり軸受振動信号のための雑音除去プロセスは,機械システムの診断,予後および制御プロセスの性能に著しく影響を及ぼした。ここ数年,畳み込みニューラルネットワーク(CNN)は画像雑音除去の分野で広く適用されてきた。しかし,時系列信号雑音除去にはほとんど適用されていない。したがって,本論文では,転がり軸受振動信号雑音除去のためのCNNの新しいアーキテクチャを構築した。さらに,まず画像雑音除去の分野において導入した非局所平均(NLM)を採用して,非局所ブロック(NLB)を構築し,提案したCNNの性能を大幅に改善できる。さらに,NLBは,ネットワークの元の挙動を破壊することなく,任意の位置で雑音除去アーキテクチャにプラグできた。それに基づいて,著者らはまた,回転軸受振動信号雑音除去を狙った非局所雑音除去畳込みニューラルネットワーク(NL-DeCNN)を提案した。実験セクションにおいて,著者らは最初に著者らの本来のCNN構造を提案して,次に,それがいろいろな層に埋め込まれたとき,単一NLBの影響を試験した。次に,NLBの数の影響を試験した。最後に,提案したCNNベース法を他の3つの従来の時系列雑音除去法と比較し,著者らのNL-DeCNNは,これらの方法の中で最良の性能を示した。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： *ネットワーク ,  *転がり軸受 ,  プラグ ,  予後 ,  計算機アーキテクチャ ,  *雑音除去
準シソーラス用語： 画像雑音除去 ,  *振動信号 ,  *畳込みニューラルネットワーク , 【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 (4件)： 転がり軸受 ,  振動信号 ,  雑音除去 ,  畳込みニューラルネットワーク