文献

J-GLOBAL ID：202202210007627245   整理番号：22A0317204

回転機械故障診断のための深層スパースフィルタリングネットワークの構築【JST・京大機械翻訳】

Construction of a deep sparse filtering network for rotating machinery fault diagnosis

著者 (4件)： Cheng Chun (School of Mechatronic Engineering, Jiangsu Normal University, Xuzhou, China) ,  Zou Wei (School of Mechatronic Engineering, Jiangsu Normal University, Xuzhou, China) ,  Wang Weiping (School of Mechatronic Engineering, Jiangsu Normal University, Xuzhou, China) ,  Pecht Michael (CALCE, Center for Advanced Life Cycle Engineering, Department of Mechanical Engineering, University of Maryland, College Park, MD, USA)
資料名： Proceedings of the Institution of Mechanical Engineers. Part D. Journal of Automobile Engineering  (Proceedings of the Institution of Mechanical Engineers. Part D. Journal of Automobile Engineering)
巻： 236  号： 1  ページ： 118-126  発行年： 2022年 
JST資料番号： H0947A  ISSN： 0954-4070  資料種別： 逐次刊行物 (A)
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： 深層ニューラルネットワーク(DNN)は,回転機械の知的故障診断における可能性を示した。しかし,バックプロパゲーションニューラルネットワークのような従来のDNNは,初期重みに非常に敏感であり,局所最適に容易に落下し,特徴学習能力と診断性能を制限する。上記の問題を克服するために,積層スパースフィルタリングによって構築された深いスパースフィルタリングネットワーク(DSFN)を本論文で開発し,故障診断に適用した。開発したDSFNは教師なし方法でスパースフィルタリングにより事前訓練される。バックプロパゲーションアルゴリズムを採用して,事前訓練後のDSFNを最適化した。次に,DSFNベースのインテリジェント故障診断法を,2つの実験を用いて検証した。結果は,スパースフィルタリングと微調整による予訓練が最適ネットワークパラメータのためのDSFN探索を助け,DSFNが回転機械データセットから適応的に識別特徴を学習できることを示した。古典的方法と比較して,開発した診断法は,より少ない訓練サンプルを用いてより高い精度で回転機械故障を診断することができる。Copyright IMechE 2021 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 ,  最適化 ,  *故障 ,  *ネットワーク ,  回転機械 ,  *故障診断 ,  ニューラルネットワーク ,  *フィルタリング ,  深層 ,  逆伝搬法
準シソーラス用語： 学習能力 ,  ネットワークパラメータ ,  微調整 ,  深層学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 知的故障診断 ,  回転機械 ,  深層ニューラルネットワーク ,  深層学習 ,  スパースフィルタリング

分類 (3件)： その他のシステムプログラミング  (JD03070M) ,  システム設計・解析  (IA02030D) ,  電装品  (QG03070C)

タイトルに関連する用語 (4件)： 回転機械 ,  故障診断 ,  深層 ,  構築