文献

J-GLOBAL ID：202202259631926930   整理番号：22A0890732

転がり軸受の残存寿命を残存するための深層学習ベース2段階予測アプローチ【JST・京大機械翻訳】

A deep learning-based two-stage prognostic approach for remaining useful life of rolling bearing

著者 (5件)： Cheng Yiwei (School of Mechanical Science and Engineering, Huazhong University of Science and Technology, Wuhan, China) ,  Hu Kui (School of Naval Architecture and Ocean Engineering, Huazhong University of Science and Technology, Wuhan, China) ,  Wu Jun (School of Naval Architecture and Ocean Engineering, Huazhong University of Science and Technology, Wuhan, China) ,  Zhu Haiping (School of Mechanical Science and Engineering, Huazhong University of Science and Technology, Wuhan, China) ,  Lee Carman K. M. (Department of Industrial and Systems Engineering, The Hong Kong Polytechnic University, Hong Kong, China)
資料名： Applied Intelligence  (Applied Intelligence)
巻： 52  号： 5  ページ： 5880-5895  発行年： 2022年 
JST資料番号： W0297A  ISSN： 0924-669X  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： 有用な寿命(RUL)予測は,機械の信頼性とアベイラビリティを改善するために非常に重要である。伝統的圧延軸受RUL予測方法は,RUL予測の正確な上で軸受劣化状態認識の影響を無視する。本論文では,高速探索と密度ピーククラスタリング(FSFDPC)と多次元深層ニューラルネットワーク(MDDNN)の発見を用いて,新しい深層学習ベースの2段階RUL予測手法を提案した。第一段階では,回転軸受の健康状態はFSFDPCによって自動的に知覚され,そこでは手動パラメータは事前設定する必要がある。第2段階では,MDDNNを並列BLSTMとBGRUチャネルで構築し,正確なRUL予測のための入力から多次元特徴マップを抽出した。3つの事例の転がり軸受実験データによって,提案した2段階予測手法の有効性を検証した。他の既存の手法との比較は,提案した方式が,異なる作動条件の下で優れた予測性能を有することを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  寿命 ,  信頼性 ,  予測 ,  *転がり軸受 ,  *軸受 ,  圧延 ,  劣化 ,  アベイラビリティ ,  高次元 ,  有効性 ,  チャネル ,  余寿命
準シソーラス用語： 健康状態 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： RUL予測 ,  深層学習 ,  FSFDPC ,  多次元深層ニューラルネットワーク

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (6件)： 転がり軸受 ,  残存寿命 ,  残存 ,  深層学習 ,  段階 ,  予測