文献

J-GLOBAL ID：202102251522491197   整理番号：21A0446728

極端な学習機械に基づく健康状態の予後研究【JST・京大機械翻訳】

Health State Prognostics Study Based on Extreme Learning Machine

著者 (3件)： Zhao Wenqin (School of Logistics Engineering, Wuhan University of Technology,Wuhan,China) ,  Lv Yaqiong (School of Logistics Engineering, Wuhan University of Technology,Wuhan,China) ,  Zhou Qianwen (School of Logistics Engineering, Wuhan University of Technology,Wuhan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IEEM  ページ： 1210-1214  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： スマート製造のブーミングとして,機器の予知と健康管理は,製造システムのアベイラビリティを改善する知的サポートとして浮上したますます重要になっている。産業装置は多くの機械部品から成り,回転軸受は回転機械における最も一般的に適用されている不可欠な部品の1つである。全システムの円滑な操作は,転がり軸受のようなシステムにおけるあらゆる単一部品の健全性に依存する。したがって,システムの重要な機械部品の健康状態をモニターすることが重要である。本論文では,アンサンブル経験的モード分解(EEMD)を特徴抽出のための信号プロセス法として選択し,そして,極端学習機械(ELM)ニューラルネットワークを,健康状態予測のために実装する,転がり軸受の健全性研究を提案した。提案したアプローチを検証するために,実験的研究を行い,結果は実現可能性を証明した。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： 生産システム ,  回転機械 ,  機械要素 ,  転がり軸受 ,  ニューラルネットワーク ,  特徴抽出 ,  アベイラビリティ ,  健康管理 ,  *予後 ,  健全性
準シソーラス用語： *健康状態 ,  アンサンブル経験的モード分解 ,  *極度学習機械 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 極端な学習機械 ,  健康状態 ,  予後 ,  研究