文献

J-GLOBAL ID：202202212368946556   整理番号：22A0776089

機械的故障診断へのリカレントニューラルネットワークの応用:レビュー【JST・京大機械翻訳】

Application of recurrent neural network to mechanical fault diagnosis: a review

著者 (6件)： Zhu Junjun (School of Mechanical Engineering, Suzhou University of Science and Technology, Suzhou, China) ,  Jiang Quansheng (School of Mechanical Engineering, Suzhou University of Science and Technology, Suzhou, China) ,  Shen Yehu (School of Mechanical Engineering, Suzhou University of Science and Technology, Suzhou, China) ,  Qian Chenhui (School of Mechanical Engineering, Suzhou University of Science and Technology, Suzhou, China) ,  Xu Fengyu (College of Automation, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Zhu Qixin (School of Mechanical Engineering, Suzhou University of Science and Technology, Suzhou, China)
資料名： Journal of Mechanical Science and Technology  (Journal of Mechanical Science and Technology)
巻： 36  号： 2  ページ： 527-542  発行年： 2022年 
JST資料番号： W1151A  ISSN： 1738-494X  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： インテリジェント製造と自動化の開発によって,機械装置の精度と複雑性は増加して,それは故障診断のためのより高い必要条件に導いた。故障診断は,従来の診断アルゴリズムから深い特徴マイニングと,高度に非線形,複雑,および多次元システムの表現へと徐々に変換された。現在,種々の装置の機械的故障信号はほとんど時系列である。さらに,再帰ニューラルネットワーク(RNN)は,時系列情報の強い非線形特徴学習と処理能力を持ち,それは機械的故障診断と大きいデータ処理において有望な結果を達成した。したがって,本研究では,機械的故障診断における最先端のRNN法をレビューし,RNNとRNNを含む複合ニューラルネットワークの2つの側面からの応用を紹介した。次に,本論文は,RNNベースの故障診断の課題と将来の発展について議論する。Copyright The Korean Society of Mechanical Engineers and Springer-Verlag GmbH Germany, part of Springer Nature 2022 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 ,  自動化 ,  学習 ,  信号 ,  *故障診断 ,  *ニューラルネットワーク ,  データ処理 ,  スループット ,  必要条件 ,  *神経回路網 ,  構造最適化
準シソーラス用語： *リカレントニューラルネットワーク ,  複雑性 ,  診断アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： 故障診断 ,  リカレントニューラルネットワーク ,  構造最適化 ,  時系列特性

分類 (2件)： その他のシステムプログラミング  (JD03070M) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 機械的故障 ,  診断 ,  リカレントニューラルネットワーク ,  応用 ,  レビュー