文献

J-GLOBAL ID：202202265544925474   整理番号：22A0928618

転がり要素軸受故障診断のための経験的モード分解とK最近傍分類器の使用【JST・京大機械翻訳】

Use of empirical mode decomposition and K- nearest neighbour classifier for rolling element bearing fault diagnosis

著者 (2件)： Kumar H.S. (Department of Mechanical Engineering, NMAM Institute of Technology, Nitte, Karnataka, India) ,  Manjunath S.H. (Department of Mechanical Engineering, BGS Institute of Technology, BG Nagar, Mandya, Karnataka, India)
資料名： Materials Today: Proceedings  (Materials Today: Proceedings)
巻： 52  号： P3  ページ： 796-801  発行年： 2022年 
JST資料番号： W3531A  ISSN： 2214-7853  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 回転軸受は回転機械で広く用いられている。予想外の故障は,機械の正常運転に影響し,産業への生産と財政損失をもたらす。したがって,転がり要素学習(REB)故障診断は重要である。本論文では,経験的モード分解(EMD)を用いて,生軸受振動信号を様々な固有モード関数(IMF)に分割した。軸受の各条件の最初の3つのIMFから統計的特徴を抽出した。これらの特徴を,軸受の異なる条件を分類するためのK-NN分類器への入力として与えた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 振動 ,  学習 ,  回転機械 ,  *軸受 ,  信号 ,  *故障診断 ,  監視 ,  *周波数解析 ,  周波数推定
準シソーラス用語： 状態監視 ,  *経験的モード分解 ,  固有モード関数 ,  振動信号 , 【Automatic Indexing@JST】

著者キーワード (4件)： 状態監視 ,  経験的モード分解 ,  統計的特徴 ,  K-NN

分類 (2件)： 軸受  (QB01020W) ,  非破壊試験  (HB02030F)

タイトルに関連する用語 (6件)： 転がり ,  要素 ,  軸受 ,  故障診断 ,  経験的モード分解 ,  分類器