文献

J-GLOBAL ID：202202255288165541   整理番号：22A1199667

CAEとCNNに基づく転がり軸受の知的故障診断に関する研究【JST・京大機械翻訳】

Research on Intelligent Fault Diagnosis of Rolling Bearings Under Variable Conditions Based on CAE and CNN

著者 (5件)： Zhou Wenxuan (国家能源集団宿遷発電有限公司,江蘇宿遷223803) ,  Liu Yang (東南大学能源与環境学院,火電机組振動国家工程研究中心,南京210096) ,  Deng Minqiang (東南大学能源与環境学院,火電机組振動国家工程研究中心,南京210096) ,  Ding Xue (東南大学能源与環境学院,火電机組振動国家工程研究中心,南京210096) ,  Deng Aidong (東南大学能源与環境学院,火電机組振動国家工程研究中心,南京210096)
資料名： Dongligongcheng Xuebao  (Dongligongcheng Xuebao)
巻： 42  号： 1  ページ： 43-48  発行年： 2022年 
JST資料番号： C2678A  ISSN： 1674-7607  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 可変条件下の転がり軸受の状態評価問題を目的として,畳込みニューラルネットワーク(CNN)と畳込み自己符号化(CAE)に基づく故障診断法を提案した。まず第一に,単一条件のラベル付きデータおよび可変条件のラベルのないデータをCAEの符号器に入力して,特性パラメータマトリックスFを得た。次に,CNN軸受故障診断モデルに入力されたFを入力して,次に,状態タイプを得て,損失を計算して,次に,すべてのデータから得たFをCAEの復号器に入力して,再構成データを得て,損失を計算して,2つの損失の和によって,逆伝搬訓練を行った。最後に,CAE符号器とCNNモデルに入力して,状態クラスを得た。結果により,CAEは,異なる作動条件の下のデータを,符号器を通して得たF分布に,より近づき,そして,CAECNNモデルの故障診断精度は,97%以上であり,そしてそれは,可変条件下の転がり軸受の知的故障診断に,効果的に適用することができた。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *転がり軸受 ,  *軸受 ,  *故障診断 ,  ニューラルネットワーク ,  復号器 ,  精度 ,  符号器 ,  再構成 ,  モデル ,  F分布
準シソーラス用語： 運転条件 ,  特性パラメータ ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (5件)： CAE ,  CNN ,  転がり軸受 ,  故障診断 ,  研究