文献

J-GLOBAL ID：202202253375799444   整理番号：22A0978158

線形転位時系列-軸受故障分類のための深層ニューラルネットワーク【JST・京大機械翻訳】

Linear Dislocated Time Series - Deep Neural Network for Bearing Fault Classification

著者 (3件)： Harlianto Pramudyana Agus (Universitas Gadjah Mada,Department of Electrical & Information Engineering,Yogyakarta,Indonesia) ,  Setiawan Noor Akhmad (Universitas Gadjah Mada,Department of Electrical & Information Engineering,Yogyakarta,Indonesia) ,  Adji Teguh Bharata (Universitas Gadjah Mada,Department of Electrical & Information Engineering,Yogyakarta,Indonesia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICST  ページ： 01-05  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 学習は誘導電動機における重要成分である。診断軸受故障は,保全活動において重要な作業の1つである。深い学習を軸受故障を診断するために適用した。本論文では,電動機軸受故障を分類するために使用される深層ニューラルネットワーク(DNN)の入力として,いくつかの分散法を比較した。線形配置時間系列(LDTS)を提案し,深層ニューラルネットワークの供給(入力)を評価した。その結果,LDTSは,他の分散法と比較して,より良い精度(97.29%)を与えることが分かった。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  *軸受 ,  電動機 ,  線形性 ,  誘導電動機
準シソーラス用語： 保全活動 ,  *故障分類 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 線形 ,  転位 ,  時系列 ,  軸受 ,  故障分類 ,  深層ニューラルネットワーク