文献

J-GLOBAL ID：202202214181106574   整理番号：22A0477764

改良MsR-GANと特徴増強駆動CapsNetを用いた転がり軸受の不均衡故障診断【JST・京大機械翻訳】

Imbalanced fault diagnosis of rolling bearing using improved MsR-GAN and feature enhancement-driven CapsNet

著者 (3件)： Liu Jie (School of Civil and Hydraulic Engineering, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Zhang Changhe (School of Mechanical Science and Engineering, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Jiang Xingxing (School of Rail Transportation, Soochow University, Suzhou 215131, China)
資料名： Mechanical Systems and Signal Processing  (Mechanical Systems and Signal Processing)
巻： 168  ページ： Null  発行年： 2022年 
JST資料番号： T0514A  ISSN： 0888-3270  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： 転がり軸受の伝統的故障診断アプローチは,しばしば豊富なラベル付きデータを必要とするが,いくつかの特定の故障データが工学シナリオで獲得するのが難しい。この不均衡故障データ問題は診断性能を制限する。それを解決するために,改良マルチスケール残差生成敵対ネットワーク(GAN)と特徴強化駆動カプセルネットワークに基づく不均衡故障診断方式をこの論文で提案する。最初に,周波数スライシングウェーブレット変換を利用して,オリジナル振動信号から二次元時間周波数特性を抽出した。マルチスケール残差ネットワーク構造とハイブリッド損失関数を設計することによって,オリジナルのGANモデルを改良して,故障データ分布のバランスをとるために高品質偽時間周波数特性を作り出した。故障に敏感な特徴に対する診断モデルの注意を増加させ,無関係な特徴を抑えるために,特徴強調ネットワークを,特徴重要性のモデリングによって故障特徴を動的に重みづけするために設計した。これに基づき,不均衡故障分類の強化された性能を達成した。検証実験は,それが不均衡故障データを処理する際によく機能して,最先端の方法より良い安定性と診断精度を有することを示した。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： *故障 ,  損失関数 ,  ネットワーク ,  *転がり軸受 ,  *故障診断 ,  残差 ,  ネットワーク構造 ,  二次元 ,  重みづけ ,  ウェーブレット変換
準シソーラス用語： 不均衡 ,  マルチスケール ,  検証実験 ,  高品質 ,  振動信号 , 【Automatic Indexing@JST】

著者キーワード (5件)： 転がり軸受 ,  故障診断 ,  周波数スライスウェーブレット変換 ,  生成敵対ネットワーク ,  カプセルネットワーク

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

タイトルに関連する用語 (5件)： GaN ,  増強 ,  転がり軸受 ,  均衡 ,  故障診断