文献

J-GLOBAL ID：202202210244482220   整理番号：22A0630691

新しい雑音除去アルゴリズムによるCNN-LSTMに基づく高調波低減器の故障検出【JST・京大機械翻訳】

Fault Detection of the Harmonic Reducer Based on CNN-LSTM With a Novel Denoising Algorithm

著者 (4件)： Zhi Zhuo (Automatic Test and Control Institute, Harbin Institute of Technology, Harbin, China) ,  Liu Liansheng (Automatic Test and Control Institute, Harbin Institute of Technology, Harbin, China) ,  Liu Datong (Automatic Test and Control Institute, Harbin Institute of Technology, Harbin, China) ,  Hu Cong (Guangxi Key Laboratory of Automatic Detecting Technology and Instruments, Guilin University of Electronic Technology, Guilin, China)
資料名： IEEE Sensors Journal  (IEEE Sensors Journal)
巻： 22  号： 3  ページ： 2572-2581  発行年： 2022年 
JST資料番号： W1318A  ISSN： 1530-437X  CODEN： ISJEAZ  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： 高調波低減器は,産業ロボットの重要な構成要素である。その信頼性は,産業ロボットの連続運転に顕著な影響を持つ。しかし,その故障率は,大きな荷重と高トルクの複雑な内部構造と長期作動条件のために高い。異なる作動条件の下での高調波低減器の故障タイプを同定するために,本論文は,結合ウェーブレット領域相関閾値雑音除去(WRCTD)アルゴリズムと畳み込みニューラルネットワーク長短期メモリ(CNN-LSTM)故障検出法を提案した。最初に,WRCTDアルゴリズムは,ウェーブレット分解係数と3σ判定基準の地域相関を利用して,生センサデータにおけるノイズを抑制した。次に,CNN-LSTMモデルは,故障を正しく同定するために,処理センサデータの隠れ特徴をマイニングすることができた。提案方法を評価するために,異なる作動条件の下での高調波低減装置の振動信号を,試験装置を確立することによって収集した。比較実験結果は,提案したWRCTDアルゴリズムが故障検出方法の精度を著しく改良できることを示した。CNN-LSTM法及びLSTM法に対する比値はそれぞれ9.5%及び12.2%であった。さらに,提案したCNN-LSTM法は従来法よりも優れた性能を有する。それは,94.0%以上の故障検出を達成し,それは,5つの実験において,CNN,LSTM,およびSVM法の最も高い精度値より,1.5%,2.0%,1.9%,および1.9%高かった。Copyright 2022 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 ,  記憶装置 ,  *雑音 ,  *故障 ,  故障率 ,  信頼性 ,  試験装置 ,  トルク ,  産業用ロボット ,  *高調波 ,  *故障検出 ,  波束 ,  *雑音除去
準シソーラス用語： 運転条件 ,  振動信号 , 【Automatic Indexing@JST】

分類 (1件)： 測光と光検出器一般  (BD07031F)

タイトルに関連する用語 (6件)： 雑音除去 ,  アルゴリズム ,  CNN ,  LSTM ,  高調波 ,  故障検出