文献

J-GLOBAL ID：202202253594046539   整理番号：22A0833968

Wasserstein生成敵対ネットワークと長期短期記憶完全畳込みネットワークの組合せに基づく回転機械の故障診断【JST・京大機械翻訳】

Fault diagnosis of rotating machinery based on combination of Wasserstein generative adversarial networks and long short term memory fully convolutional network

著者 (5件)： Li Yibing (School of Mechanical and Electronic Engineering, Wuhan University of Technology, Wuhan 430070, PR China) ,  Li Yibing (Hubei Digital Manufacturing Key Laboratory, Wuhan University of Technology, Wuhan 430070, PR China) ,  Zou Weiteng (School of Mechanical and Electronic Engineering, Wuhan University of Technology, Wuhan 430070, PR China) ,  Jiang Li (School of Mechanical and Electronic Engineering, Wuhan University of Technology, Wuhan 430070, PR China) ,  Jiang Li (Hubei Digital Manufacturing Key Laboratory, Wuhan University of Technology, Wuhan 430070, PR China)
資料名： Measurement  (Measurement)
巻： 191  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： 深層学習に基づく回転機械の伝統的故障診断方法は,いくつかの成果をつくった。しかし,故障サンプルは一般的に収集するのが難しく,データ不均衡問題につながる。このような場合,診断性能を劣化させる。したがって,Wasserstein Generative Adversarial Network(WGAN)に基づくデータ再平衡解を,データ品質を改善するために提案し,そして,高次元振動信号故障診断を達成するために,長期および短期メモリ完全畳込みネットワーク(LSTM-FCN)と組み合わせた。方法は最初に不均衡故障サンプルを拡大するためにWGANを利用する。WGANにおけるユニークな一次元畳込みアーキテクチャとWaserstein距離に基づく損失関数は,モデルの安定した特徴学習能力と生成されたデータの高品質を確実にする。したがって,それはデータ不均衡の問題を完全に解決する。続いて,バランスした高次元故障信号をLSTM-FCNモデルに供給した。LSTM-FCNはタイミング特徴抽出におけるLSTMとFCNの特性を同時に組み合わせ,並列特徴抽出と融合技術を通してよりロバストで代表的故障特徴を抽出する。最後に,SoftMax分類器を用いて異なる故障条件を同定した。提案方法を,転がり軸受と歯車の多重不均衡故障データセットに関して検証した。従来のデータ不均衡分解能アルゴリズムと比較して,実験結果は,WGANがデータ不均衡問題を効果的に取り扱うことができて,LSTM-FCNの診断精度が約99%に維持されることを証明した。従来の故障診断アルゴリズムと比較して,提案方法は,小さなサンプルと強いノイズを有する複雑な作業条件の下でより良い診断性能と一般化能力を示す。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： アルゴリズム ,  記憶装置 ,  雑音 ,  *畳込み ,  *故障 ,  *ネットワーク ,  歯車 ,  *故障診断 ,  特徴抽出 ,  多重化 ,  一次元 ,  高次元 ,  計算機アーキテクチャ ,  ロバスト性
準シソーラス用語： 深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： Wasserstein生成敵対ネットワーク ,  長期短期記憶リカレント神経 ,  完全畳込みニューラルネットワーク ,  故障診断 ,  特徴融合 ,  不均衡データ

分類 (1件)： 信頼性  (KB04040H)

タイトルに関連する用語 (7件)： 敵対 ,  長期 ,  短期記憶 ,  畳込み ,  組合せ ,  回転機械 ,  故障診断