文献

J-GLOBAL ID：202202262402791782   整理番号：22A0914199

転がり軸受の早期変性検出のための新しい特徴抽出技術【JST・京大機械翻訳】

A New Feature Extraction Technique for Early Degeneration Detection of Rolling Bearings

著者 (3件)： Lv Mingzhu (School of Automatic Control Engineering, Liaoning Equipment Manufacturing Vocational and Technical College, Shenyang, China) ,  Liu Shixun (CQC (ShenYang) North Laboratory, Shenyang, China) ,  Chen Changzheng (School of Mechanical Engineering, Shenyang University of Technology, Shenyang, China)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 23659-23676  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 特徴抽出技術は,特に早期劣化検出のために,軸受診断の重要な部分である。しかし,従来の特徴抽出技術は雑音を効果的に除去できず,周期的弱故障に敏感でなく,早期劣化検出に対する誤警報と予測遅延を上げる傾向がある。これらの2つの問題を解決するために,新しい特徴抽出技術を,エンベロープ高調波対雑音比(EHNR)と適応変分モード分解(AVMD)に基づいて提示した。最初に,最小平均エンベロープエントロピーを目的関数として用いて,Grey Wolf最適化(GWO)アルゴリズムによって適応的に変分Modal分解(VMD)の最適パラメータを探索した。不適切なパラメータ設定によって引き起こされる劣分解または過剰分解の問題を避ける。次に,有効重み付けスパースカート(EWSK)と呼ばれる新しい指標を提案した。この指数は,ノイズ干渉を除去する目的を達成し,大量の故障情報を保持するために,有効モード成分とノイズモード成分を,正と負の結果によってのみ分離することができる。最後に,再構成信号のEHNRを計算し,周期的故障衝撃に対する感度を用いて,転がり軸受の早期劣化開始点を検出した。実験結果は,提案方法が初期劣化点検出,誤り警報率,および計算量に関していくつかの最先端の検出法より優れていることを示した。提示したAVMD-EHNR法の優れた性能は,早期故障診断のための基礎を提供し,転がり軸受の有用な寿命予測を残す。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： アルゴリズム ,  干渉 ,  最適化 ,  雑音 ,  衝撃 ,  変分法 ,  故障 ,  *転がり軸受 ,  *軸受 ,  故障診断 ,  *特徴抽出 ,  計算量 ,  エンベロープ ,  点検
準シソーラス用語： 最適パラメータ , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (4件)： 転がり軸受 ,  早期 ,  変性 ,  特徴抽出