文献

J-GLOBAL ID：202102261606352999   整理番号：21A0538084

深層学習に基づく転がり軸受状態監視法の研究【JST・京大機械翻訳】

Research on Rolling Bearing Condition Monitoring Method Based on Deep Learning

著者 (3件)： Du Shilei (University of Technology,Zhonghuan Information College Tianjin,Tianjin,China) ,  Liu Jiwei (University of Technology,Zhonghuan Information College Tianjin,Tianjin,China) ,  Zhao Lei (University of Technology,Zhonghuan Information College Tianjin,Tianjin,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CAC  ページ： 74-78  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： 伝統的条件監視アルゴリズムが装置操作データの可能性を完全にタップできないという背景に直面して,深い学習方法と大きいデータ処理の利点と結合して,畳み込みニューラルネットワーク(CNN)ベースの回転軸受条件モニタリングアルゴリズムを提案した。アルゴリズムによって設計したモデルは,特徴抽出と高レベル特徴表現を完成するために2層畳込みを使用する。活性化関数はReLUを使用し,特徴次元を減らすために最大プール層と協調する。ドロップアウト層の添加は,効果的に過剰適合を改善する。ネットワーク収束を加速するためにバッチ正規化層を加えた。出力層はソフトマックス分類を使用する。アルゴリズムは,事例西部保護大学(CWRU)の支点データベースに関して確認して,全体の認識比率は,99.4%以上であり,それは他の伝統的方法より高かった。結果は,アルゴリズムが有効であることを示した。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： アルゴリズム ,  畳込み ,  データベース ,  ネットワーク ,  *転がり軸受 ,  特徴抽出 ,  データ処理 ,  正規化
準シソーラス用語： 活性化関数 ,  認識率 ,  *状態監視 ,  学習方法 ,  特徴表現 ,  *深層学習 ,  畳込みニューラルネットワーク , 【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)： 深層学習 ,  転がり軸受 ,  状態監視 ,  研究