文献

J-GLOBAL ID：202202254545492540   整理番号：22A0454889

最大分散ウェーブレットサブバンド選択とサポートベクトル回帰を用いた転がり軸受の故障予測【JST・京大機械翻訳】

Failure prognosis of rolling bearings using maximum variance wavelet subband selection and support vector regression

著者 (2件)： Jha Rakesh Kumar (Department of Electronics and Communication Engineering, RGPV, Bhopal, India) ,  Swami Preety D. (Department of Electronics and Communication Engineering, RGPV, Bhopal, India)
資料名： Journal of the Brazilian Society of Mechanical Sciences and Engineering  (Journal of the Brazilian Society of Mechanical Sciences and Engineering)
巻： 44  号： 1  ページ： 49  発行年： 2022年 
JST資料番号： W4531A  ISSN： 1678-5878  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： 機械故障の予後は,機械の現在の課題が診断され,残りの有用な寿命(RUL)が現在の状態を監視することにより推定される状態ベースのメンテナンスの主要な課題の1つである。本論文では,転がり軸受のRUL推定のためのデータ駆動手法を提案した。最大分散を持つウェーブレットサブバンドの3つの特徴(半分散,rmsおよび分散)の融合によって,訓練軸受および試験軸受の健全性指標(HI)を構築した。最大分散サブバンドの選択は,時間による故障進行の明確な可視化を助ける。選択した特徴の寸法は主成分分析を用いて減少した。次に次元的に縮小した特徴を固定窓サイズで移動平均化し,移動平均を正規化した。訓練軸受の故障劣化プロファイルへの実行を観察することにより,それぞれの故障閾値を推定した。試験軸受の故障閾値を推定するために,試験軸受のHIを,双立方補間と適合関数の良さを用いて,すべての訓練軸受のHIと整合させた。サポートベクトル回帰(SVR)モデルを用いて試験軸受の将来の劣化プロファイルを予測し,軸受のHIを用いて構築した。破壊閾値とSVRモデルは,最終的に軸受のRULを予測する。PRONOSTIAデータセットを用いて提案アルゴリズムの検証を行った。予測結果を,前述のデータセットに関するいくつかの類似研究と比較し,予後評価パラメータ,すなわち,平均誤差,スコアおよび標準偏差誤差に関して,より良好であることを証明した。Copyright The Author(s), under exclusive licence to The Brazilian Society of Mechanical Sciences and Engineering 2022 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 ,  *故障 ,  標準偏差 ,  *転がり軸受 ,  *軸受 ,  内挿法 ,  可視化 ,  *波束 ,  予後 ,  主成分分析 ,  正規化 ,  保守管理
準シソーラス用語： 故障予知 ,  データ駆動 ,  *サポートベクトル回帰 , 【Automatic Indexing@JST】

著者キーワード (5件)： 失敗の予後 ,  健康指標構築 ,  主成分分析(PCA) ,  RUL推定 ,  サポートベクトル回帰

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (3件)： サポートベクトル回帰 ,  転がり軸受 ,  故障予測