文献

J-GLOBAL ID：202102253991622200   整理番号：21A0152957

翼端タイミング測定を用いた圧縮機翼故障診断のための機械学習ベースハイブリッド非線形特性モニタリングアプローチ【JST・京大機械翻訳】

A Machine Learning Based Hybrid Nonlinear Character Monitoring Approach For Compressor Blades Fault Diagnosis Using Blade Tip Timing Measurement

著者 (2件)： Pan Minghao (The 91959 Force of PLA,Sanya,China) ,  Xu Hailong (Zhuzhou CRRC Times Electric Co.Ltd,Zhuzhou,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： PHM-2020 Jinan  ページ： 599-604  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： タービンエンジンにおける過酷な作動条件に暴露される圧縮機ブレードは,必然的に損傷と複雑な故障を被る。したがって,ブレードの動的条件を瞬時に監視することは,初期欠陥を検出するのに不可欠である。顕著な非接触測定法として,ブレード先端タイミング(BTT)は,圧縮機ブレード振動検出において広く実装されている。本研究の目的は,BTTデータから非線形動的特性を得ることによって,ブレード故障を診断することである。最初に,亀裂回転ブレードの非線形ダイナミックモデルを構築した。次に,ブレード振動周波数を,スパース表現モデルに基づくBTT信号から抽出した。さらに,ブレードの非線形動的応答と振動周波数の間の関係を明らかにした。最後に,機械学習アルゴリズムの助けを借りて,ブレード損傷度を,振動周波数スペクトルおよび非線形特性と組み合わせて分類した。数値シミュレーションを設計して,提案した方法の実現可能性を検証した。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： 亀裂 ,  *故障 ,  *圧縮機 ,  動的応答 ,  *故障診断 ,  非接触測定 ,  ダイナミックモデル ,  振動数 ,  *翼端 ,  *機械学習 ,  学習アルゴリズム
準シソーラス用語： 数値シミュレーション ,  運転条件 ,  周波数スペクトル ,  *圧縮機翼 , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 翼端 ,  圧縮機翼 ,  故障診断 ,  機械学習 ,  非線形特性 ,  モニタリング