文献

J-GLOBAL ID：202202238099477420   整理番号：22A0434259

軸受の早期故障予測のためのアンサンブル経験的モード分解エネルギーモーメントエントロピーと強化長期記憶【JST・京大機械翻訳】

Ensemble empirical mode decomposition energy moment entropy and enhanced long short-term memory for early fault prediction of bearing

著者 (5件)： Gao Zehai (State Key Laboratory of Eco-hydraulics in Northwest Arid Region of China, Xi’an University of Technology, Xi’an 710048, China) ,  Liu Yang (State Key Laboratory of Eco-hydraulics in Northwest Arid Region of China, Xi’an University of Technology, Xi’an 710048, China) ,  Wang Quanjiu (State Key Laboratory of Eco-hydraulics in Northwest Arid Region of China, Xi’an University of Technology, Xi’an 710048, China) ,  Wang Jiali (Flight Automation Control Research Institute, Xi’an 710065, China) ,  Luo Yige (Flight Automation Control Research Institute, Xi’an 710065, China)
資料名： Measurement  (Measurement)
巻： 188  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： 軸受は回転機械のコア成分であり,故障に脆弱である。初期故障予測は,故障信号の弱点による軸受のための重要で挑戦的なタスクである。この問題に取り組むために,長い短期メモリとアンサンブル経験的モード分解エネルギーモーメントエントロピーに基づく方式をこの論文で提案する。最初に,アンサンブル経験的モード分解を採用して,生振動信号を処理した。感度特徴を有する固有モード関数を,相関係数と最大情報係数に基づいて選択した。エネルギーモーメントエントロピーを,軸受性能劣化を表す性能指数として設計した。第二に,強化された長い短期メモリを,軸受の初期故障を予測するために,量子重合せ原理によって開発した。最後に,提案した方法の有効性および優位性を,他の既存の方法と比較して,軸受データセット上で検証した。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： *エントロピー ,  記憶装置 ,  *故障 ,  初期故障 ,  回転機械 ,  *軸受 ,  相関係数 ,  性能指数 ,  重合せ ,  *モーメント ,  有効性
準シソーラス用語： 性能劣化 ,  脆弱性 ,  固有モード関数 ,  振動信号 , 【Automatic Indexing@JST】

著者キーワード (4件)： 初期断層 ,  長期短期記憶 ,  エネルギーモーメントエントロピー ,  量子重ね合わせ

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

タイトルに関連する用語 (6件)： 軸受 ,  早期 ,  故障予測 ,  アンサンブル経験的モード分解 ,  強化 ,  長期記憶