文献

J-GLOBAL ID：202202217556619950   整理番号：22A0741876

知的軸受故障診断のための高次モーメントマッチングに基づく細粒敵対領域適応法【JST・京大機械翻訳】

A higher-order moment matching based fine-grained adversarial domain adaptation method for intelligent bearing fault diagnosis

著者 (6件)： Wang Rui (School of Rail Transportation, Soochow University, Suzhou 215131, People’s Republic of China) ,  Huang Weiguo (School of Rail Transportation, Soochow University, Suzhou 215131, People’s Republic of China) ,  Shi Juanjuan (School of Rail Transportation, Soochow University, Suzhou 215131, People’s Republic of China) ,  Wang Jun (School of Rail Transportation, Soochow University, Suzhou 215131, People’s Republic of China) ,  Shen Changqing (School of Rail Transportation, Soochow University, Suzhou 215131, People’s Republic of China) ,  Zhu Zhongkui (School of Rail Transportation, Soochow University, Suzhou 215131, People’s Republic of China)
資料名： Measurement Science and Technology  (Measurement Science and Technology)
巻： 33  号： 5  ページ： 055022 (11pp)  発行年： 2022年 
JST資料番号： C0354C  ISSN： 0957-0233  CODEN： MSTCEP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 時変作業条件によって引き起こされるデータ分布における不一致のために,インテリジェント診断法は,工学シナリオにおいて正確な故障分類を達成することができなかった。本論文では,知的軸受故障診断のための,新しい高次モーメントマッチングベース広告領域適応法(HMMADA)を提示した。最初に,深い一次元畳込みニューラルネットワークを特徴抽出器として構築し,異なるドメインを通して各カテゴリの識別特徴を学習した。次に,ドメインにわたる分布不一致は,結合高次モーメント統計(HMS)と敵対学習を用いて大幅に減少した。特に,HMSは一次と二次統計を統一フレームワークに統合し,異なるドメイン間の細粒分布適応を達成する。最後に,HMMADAの実現可能性と有効性を,2つの異なる軸受データセット上で構築したいくつかの転送実験によって検証する。結果は,HMSが低次統計より効果的であることを証明した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  広告 ,  *軸受 ,  *故障診断 ,  特徴抽出 ,  一次元 ,  有効性
準シソーラス用語： 高次モーメント ,  故障分類 ,  二次統計 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (6件)： 軸受 ,  故障診断 ,  モーメントマッチング ,  細粒 ,  敵対 ,  適応