文献

J-GLOBAL ID：202102251046014005   整理番号：21A0612620

トレンド除去変動解析を用いた軸受故障の早期警報信号【JST・京大機械翻訳】

Early Warning Signals for Bearing Failure Using Detrended Fluctuation Analysis

著者 (2件)： Shalalfeh Laith (Energy Engineering Department, German Jordanian University, Amman 11180, Jordan) ,  AlShalalfeh Ashraf (Mechanical Engineering Department, Higher Colleges of Technology, Al Ain P.O. Box 17155, UAE)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 23  ページ： 8489  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： プログノスティック技術は,機械やシステムの故障を,操作の任意の偏差を監視することにより,予測故障と故障の予測において,重要な役割を果たす。本論文では,多次元感覚データを分析し,その特徴を用いて,健康予後を支承する新しい方法を示した。最初に,トレンド除去変動解析(DFA)を利用して,玉軸受振動データの長距離相関を評価した。結果は,短範囲および長範囲スケールにおける2つのスケーリング指数による振動データにおける交差現象の存在を明らかにした。いくつかのデータセットの中で,振動信号にDFA法を適用することは,軸受破壊に対する短距離スケーリング指数の一貫した増加を示す。最後に,スケーリング指数における傾向を定量化するためのランキング係数としてKendallsタウを用いた。振動スケーリング指数のKendallsタウ係数は,軸受故障のための早期警報信号(EWS)を提供できることが分かった。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： *故障 ,  *軸受 ,  玉軸受 ,  等級づけ ,  予後 ,  高次元
準シソーラス用語： 健康アウトカム ,  *トレンド除去変動解析 ,  振動信号 ,  スケーリング指数 , 【Automatic Indexing@JST】

著者キーワード (6件)： 予後 ,  振動 ,  軸受 ,  トレンド除去ゆらぎ解析 ,  Kendallのタウ ,  スケーリング指数

分類 (2件)： 軸受  (QB01020W) ,  振動の励起・発生・測定  (BB02030Z)

引用文献 (34件)：

• Atamuradov, V.; Medjaher, K.; Camci, F.; Zerhouni, N.; Dersin, P.; Lamoureux, B. Machine health indicator construction framework for failure diagnostics and prognostics. J. Signal Process. Syst. 2020, 92, 591-609.
• Rezamand, M.; Kordestani, M.; Carriveau, R.; Ting, D.S.-K.; Orchard, M.E.; Saif, M. Critical wind turbine components prognostics: A comprehensive review. IEEE Trans. Instrum. Meas. 2020, 69, 9306-9328.
• Li, X.; Ding, Q.; Sun, J.-Q. Remaining useful life estimation in prognostics using deep convolution neural networks. Reliab. Eng. Syst. Saf. 2018, 172, 1-11.
• Diez-Olivan, A.; del Ser, J.; Galar, D.; Sierra, B. Data fusion and machine learning for industrial prognosis: Trends and perspectives towards Industry 4.0. Inf. Fusion 2019, 50, 92-111.
• Wang, J.; Wen, G.; Yang, S.; Liu, Y. Remaining useful life estimation in prognostics using deep bidirectional LSTM neural network. In Proceedings of the 2018 Prognostics and System Health Management Conference (PHM-Chongqing), Chongqing, China, 26-28 October 2018; pp. 1037-1042.

タイトルに関連する用語 (5件)： トレンド除去変動解析 ,  軸受 ,  故障 ,  早期 ,  警報信号