文献

J-GLOBAL ID：202202232630249193   整理番号：22A1172091

転がり軸受の初期故障診断のための階層的多様性エントロピー【JST・京大機械翻訳】

Hierarchical diversity entropy for the early fault diagnosis of rolling bearing

著者 (3件)： Wang Xianzhi (School of Mechanical Engineering, Northwestern Polytechnical University, Xi’an, China) ,  Si Shubin (School of Mechanical Engineering, Northwestern Polytechnical University, Xi’an, China) ,  Li Yongbo (School of Aeronautics, Northwestern Polytechnical University, Xi’an, China)
資料名： Nonlinear Dynamics  (Nonlinear Dynamics)
巻： 108  号： 2  ページ： 1447-1462  発行年： 2022年 
JST資料番号： W2017A  ISSN： 0924-090X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 知的故障診断は,回転機械の予後と健康管理のための大きな利便性を提供する。最近,マルチスケール多様性エントロピーが知的故障診断のための有望な特徴抽出ツールであることが証明されている。既存のエントロピー法と比較して,マルチスケール多様性エントロピーは,高い一貫性,強いロバスト性,および高い計算効率の利点を有する。しかしながら,マルチスケール多様性エントロピーは,弱い故障症状と強いノイズを有する初期故障信号から特徴を抽出するための挑戦に遭遇する。これは,低周波数に組み込まれた故障情報のみに関係するマルチスケール多様性エントロピーに起因し,それは高周波で隠された情報を無視する。この欠陥に対処するために,階層的多様性エントロピー(HDE)を提案し,それは,高および低周波の両方で隠された故障情報を同期的に抽出することができた。HDEとランダムフォレストに基づいて,新しい知的故障診断フレームを提案した。提案方法の有効性を,シミュレーションおよび実験軸受信号を通して評価した。結果は,提案したHDEが,マルチスケールサンプルエントロピー,マルチスケール置換エントロピー,マルチスケールファジィエントロピー,およびマルチスケール多様性エントロピーと比較して,最良の特徴抽出能力を有することを示した。Copyright The Author(s), under exclusive licence to Springer Nature B.V. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *エントロピー ,  雑音 ,  *故障 ,  *初期故障 ,  *転がり軸受 ,  *軸受 ,  *故障診断 ,  特徴抽出 ,  HF【周波数】 ,  LF【周波数】 ,  健康管理 ,  予後 ,  ロバスト性
準シソーラス用語： マルチスケール ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (4件)： 階層的多様性エントロピー ,  特徴抽出 ,  ランダムフォレスト ,  知的故障診断

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (5件)： 転がり軸受 ,  初期 ,  故障診断 ,  多様性 ,  エントロピー