文献

J-GLOBAL ID：202202215062434283   整理番号：22A0477778

軸受故障診断のためのモーメントマッチングに基づくクラス内マルチソース領域適応ネットワーク【JST・京大機械翻訳】

Moment matching-based intraclass multisource domain adaptation network for bearing fault diagnosis

著者 (6件)： Xia Yu (School of Rail Transportation, Soochow University, Suzhou 215131, PR China) ,  Shen Changqing (State Key Laboratory of Mechanical Behavior and System Safety of Traffic Engineering Structures, Shijiazhuang Tiedao University, Shijiazhuang 050043, PR China) ,  Wang Dong (The State Key Laboratory of Mechanical Systems and Vibration, Shanghai Jiao Tong University, Shanghai 200240, PR China) ,  Shen Yongjun (State Key Laboratory of Mechanical Behavior and System Safety of Traffic Engineering Structures, Shijiazhuang Tiedao University, Shijiazhuang 050043, PR China) ,  Huang Weiguo (School of Rail Transportation, Soochow University, Suzhou 215131, PR China) ,  Zhu Zhongkui (School of Rail Transportation, Soochow University, Suzhou 215131, PR 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： 深層学習ベースの故障診断方法は,十分なラベルによる訓練と試験データが利用可能であり,同じ分布を共有すると仮定する。実際のシナリオでは,この仮定は,回転機械の可変作動条件および全ての作動条件下で振動データラベリングの困難さにより,一般的には保持されない。転送学習(TL)は,ソースドメインから学習された知識を利用して,この問題を克服し,ターゲットドメイン上でタスクを達成するのを助ける。TLベースの故障診断はかなり研究されているが,ほとんどの研究は,主に単一ソースTLに焦点を合わせている。より有用な知識を抽出することができるラベル付きサンプルを有するマルチソースドメインが利用可能であるので,本論文では,モーメントマッチングベースのクラス内マルチソースドメイン適応ネットワークと呼ばれる新しいマルチソースTLモデルを提案した。このモデルは,特徴学習者を用いて,各ソースとターゲットドメインデータの特徴を生成し,結合重み分類器がターゲットラベルを予測できるようにした。また,全てのソースドメインとターゲットドメイン間の距離を低減するためのモーメントマッチングベース距離メトリックを導入した。モデルの訓練の間,クラス内アラインメント訓練戦略を適用して,各領域の限界と条件付き分布を同時にマッチさせた。2つのデータセットに関する実験を行い,提案した方法を用いて4つの負荷条件の下で軸受故障タイプを同定した。高い診断精度のような実験結果は,提案モデルの信頼性と一般化可能性を支持した。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： アラインメント ,  学習 ,  *故障 ,  信頼性 ,  回転機械 ,  *軸受 ,  *故障診断 ,  深層
準シソーラス用語： 学習者 ,  診断精度 ,  運転条件 ,  *適応ネットワーク ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 故障診断 ,  深層転送学習 ,  マルチソース領域適応 ,  モーメントマッチング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 軸受 ,  故障診断 ,  モーメントマッチング ,  クラス ,  マルチ ,  ソース ,  適応ネットワーク