文献

J-GLOBAL ID：202202254629582089   整理番号：22A0979267

敵対的ドメイン適応を用いた異なる動作条件下でのインテリジェントギアボックス故障診断【JST・京大機械翻訳】

An Intelligent Gearbox Fault Diagnosis under Different Operating Conditions using Adversarial Domain Adaptation

著者 (5件)： Kavianpour Mohammadreza (Tarbiat Modares University,Department of Electrical and Computer Engineering,Tehran,Iran) ,  Ghorvei Mohammadreza (Tarbiat Modares University,Department of Electrical and Computer Engineering,Tehran,Iran) ,  Kavianpour Parisa (University of Mazandaran,Department of Electrical and Computer Engineering,Babolsar,Iran) ,  Ramezani Amin (Tarbiat Modares University,Department of Electrical and Computer Engineering,Tehran,Iran) ,  Beheshti Mohammad TH (Tarbiat Modares University,Department of Electrical and Computer Engineering,Tehran,Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCIA  ページ： 1-6  発行年： 2022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： 効果的なギアボックス診断手順は,回転機械の信頼性と安全な操作を助けることができる。一方,ラベル付きデータの不在と共に操作条件の一定変化は故障診断を困難にした。データ分布とラベル付きデータの欠如を引き起こす作業条件の変化は,深層学習アルゴリズムにおける故障診断精度を劇的に低減する。近年,教師なしドメイン適応(UDA)を利用して,様々なアプリケーションにおけるこれらの課題を克服した。本論文では,これらの問題を解決するために,CNNモデルと深いサンゴ敵対ネットワーク(DCAN)と呼ばれるハイブリッド領域適応に基づく新しいアプローチを紹介した。CNNモデルを用いて特徴を抽出し,ドメイン間の分布不一致を,ドメイン敵対学習と深いサンゴ適応の2つのモジュールを適用することにより減少した。提案方法の性能を,SEUギアボックスデータセットを用いて評価した。結果は,種々の操作条件の下でギアボックス故障を診断する際に提案方法の適切な性能を実証する。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： 学習 ,  *故障 ,  信頼性 ,  ネットワーク ,  回転機械 ,  *故障診断 ,  応用プログラム ,  深層 ,  *歯車箱 ,  学習アルゴリズム
準シソーラス用語： 操作条件 ,  運転条件 , 【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 (5件)： 敵対 ,  ドメイン適応 ,  動作条件 ,  ギアボックス ,  故障診断