文献

J-GLOBAL ID：202102255388345883   整理番号：21A0577581

振動信号からの機械故障診断のためのデータ増強による新しい深層学習システム【JST・京大機械翻訳】

A Novel Deep Learning System with Data Augmentation for Machine Fault Diagnosis from Vibration Signals

著者 (2件)： Fu Qiang ,  Wang Huawei
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 17  ページ： 5765  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： 実際の工学シナリオにおいて,知的診断システムを訓練するために故障条件を有する適切なケースを収集することは難しい。限られた故障データの問題を軽減するために,本論文では,生成敵対ネットワーク(GAN)と積層雑音除去自動エンコーダ(SDAE)を組み合わせた故障診断法を提案した。GANアプローチは,限られた実際の測定データ,特に故障条件を増大させる。次に,生成したデータをSDAE故障診断モデルに変換した。GAN-SDAE手法は振動信号からの故障診断の精度を改善し,特に測定サンプルがわずかである。この方法の有用性を2つの条件監視ケースを通して評価した:1つは古典的軸受事例であり,もう1つはより一般的な歯車故障である。結果は,両ケースに対する診断精度が様々な作動条件に対して90%以上であり,GAN-SDAEシステムが安定であることを示した。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： *故障 ,  ネットワーク ,  軸受 ,  *故障診断 ,  符号器 ,  雑音除去
準シソーラス用語： 診断システム ,  診断精度 ,  運転条件 ,  機械故障 ,  振動信号 ,  *深層学習 ,  自己符号化器 , 【Automatic Indexing@JST】

著者キーワード (5件)： 振動信号 ,  故障診断 ,  生成敵対ネットワーク ,  積層雑音除去オートエンコーダ ,  データ増強

分類 (4件)： 軸受  (QB01020W) ,  その他のシステムプログラミング  (JD03070M) ,  人工知能  (JE08000Z) ,  信頼性  (KB04040H)

引用文献 (49件)：

• Thatoi, D.N.; Das, H.C.; Parhi, D.R. Review of Techniques for Fault Diagnosis in Damaged Structure and Engineering System. Adv. Mech. Eng. 2012, 4, 327569.
• Agrawal, V.; Panigrahi, B.; Subbarao, P. Review of control and fault diagnosis methods applied to coal mills. J. Process. Control. 2015, 32, 138-153.
• Choudhary, A.; Goyal, D.; Shimi, S.L.; Akula, A. Condition Monitoring and Fault Diagnosis of Induction Motors: A Review. Arch. Comput. Methods Eng. 2018, 26, 1221-1238.
• Razavi-Far, R.; Hallaji, E.; Farajzadeh-Zanjani, M.; Saif, M.; Kia, S.H.; Henao, H.; Capolino, G.-A. Information Fusion and Semi-Supervised Deep Learning Scheme for Diagnosing Gear Faults in Induction Machine Systems. IEEE Trans. Ind. Electron. 2018, 66, 6331-6342.
• Zhang, Z.; Li, S.; Wang, J.; Xin, Y.; An, Z. General normalized sparse filtering: A novel unsupervised learning method for rotating machinery fault diagnosis. Mech. Syst. Signal Process. 2019, 124, 596-612.

タイトルに関連する用語 (5件)： 振動信号 ,  機械故障 ,  診断 ,  データ増強 ,  深層学習