文献

J-GLOBAL ID：202202212599280507   整理番号：22A0563406

ARMAおよび最適化MOMEDAに基づく転がり軸受故障診断法の研究【JST・京大機械翻訳】

Research on rolling bearing fault diagnosis method based on ARMA and optimized MOMEDA

著者 (7件)： Meng Zong (Yanshan University, Qinhuangdao, PR China) ,  Zhang Ying (Yanshan University, Qinhuangdao, PR China) ,  Zhu Bo (Yanshan University, Qinhuangdao, PR China) ,  Pan Zuozhou (Yanshan University, Qinhuangdao, PR China) ,  Cui Lingli (Beijing University of Technology, Beijing, PR China) ,  Li Jimeng (Yanshan University, Qinhuangdao, PR China) ,  Fan Fengjie (Yanshan University, Qinhuangdao, PR China)
資料名： Measurement  (Measurement)
巻： 189  ページ： Null  発行年： 2022年 
JST資料番号： W0315B  ISSN： 0263-2241  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 実際の操作条件において,転がり軸受振動信号は,重雑音によって容易にカバーされ,故障診断の困難さを増加させる。自動回帰移動平均(ARMA)モデルと多点最適最小エントロピーデコンボリューション調整(MOMEDA)アルゴリズムに基づく故障診断法を,この問題に取り組むために提案する。第1に,ARMAモデルを用いて,固有成分を除去し,信号を前白化した。次に,MOMEDAのパラメータをSparrow探索アルゴリズム(SSA)によって最適化して,周期的故障信号を最適化MOMEDAによって回収して,信号の二次雑音低減を実現した。最後に,時間領域平均無次元特徴,すなわち平均パルス因子,平均尖度因子,および平均マージン因子を提案して,故障診断指数としてGini指数と結合して,次に,故障タイプを同定するためにELM分類装置に入力した。実験結果は,提案方法が効果的に故障タイプを同定して,転がり軸受の正確な診断を達成することができることを示した。Copyright 2022 Elsevier B.V., Amsterdam. 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 ,  *最適化 ,  雑音 ,  *故障 ,  *転がり軸受 ,  分類装置 ,  *故障診断 ,  パルス ,  回遊 ,  雑音低減 ,  *ARMAモデル ,  白化
準シソーラス用語： 尖度 ,  時間領域 ,  振動信号 , 【Automatic Indexing@JST】

著者キーワード (4件)： 自己回帰移動平均 ,  弱故障特徴抽出 ,  多点最適最小エントロピーデコンボリューション調整 ,  故障診断

分類 (2件)： 信頼性  (KB04040H) ,  軸受  (QB01020W)

タイトルに関連する用語 (5件)： ARMA ,  最適化 ,  転がり軸受 ,  故障診断 ,  研究