文献

J-GLOBAL ID：202202271117519044   整理番号：22A1169559

再サンプリング技法と改良型Crazy Climberアルゴリズムに基づく列車軸受からの音響信号の新しいノイズ除去法【JST・京大機械翻訳】

A Novel Denoise Method of Acoustic Signal from Train Bearings Based on Resampling Technique and Improved Crazy Climber Algorithm

著者 (6件)： Sun Yali (College of Mechanical Engineering, Dalian Jiaotong University, Dalian 116028, China) ,  Li Hua (College of Locomotive and Rolling, Dalian Jiaotong University, Dalian 116028, China) ,  Zhao Xing (College of Locomotive and Rolling, Dalian Jiaotong University, Dalian 116028, China) ,  Fei Jiyou (College of Locomotive and Rolling, Dalian Jiaotong University, Dalian 116028, China) ,  Liu Xiaodong (College of Locomotive and Rolling, Dalian Jiaotong University, Dalian 116028, China) ,  Niu Yijie (College of Software, Dalian Jiaotong University, Dalian 116028, China)
資料名： Shock and Vibration  (Shock and Vibration)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W2039A  ISSN： 1070-9622  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 音響欠陥軸受検出器システム(TADS)は鉄道の両側に位置し,マイクロホンによって記録された音響信号は列車軸受からの音を含むだけでなく,他の外乱源からも含まれている。重いノイズとマルチソース音響信号は,TADSの検出結果の信頼性と精度をひどく減らした。正確に効率的に記録された信号から有用な情報を抽出するため,短時間Fourier変換(STFT)と改良型Crazy Camberアルゴリズムに基づく新しい雑音除去法をこの論文で改善した。最初に,時間周波数分布行列を得るために,STFTを記録された音響信号上で実行した。元のアルゴリズムに基づいて,新しい運動規則とリッジラインのフィッティングプロセスを提示して,音響信号の時間周波数リッジ線を正確かつ迅速に抽出することができた。このように,列車軸受からの重要な情報は,重いノイズと他の信号から分割することができた。最後に,シミュレーションと実験検証を行い,STFTと改良Crazy Camberアルゴリズムに基づく雑音除去法を,時間周波数分布行列のリッジラインの抽出において有効であり,有用な情報を分割して,記録された音響信号を形成することを証明した。Copyright 2022 Yali Sun et al. 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 ,  *雑音 ,  マイクロホン ,  信頼性 ,  欠陥 ,  *軸受 ,  *音響 ,  *列車 ,  *音波信号 ,  検出器 ,  *雑音低減 ,  検証 ,  雑音除去
準シソーラス用語： *リサンプリング ,  時間周波数 ,  実験検証 , 【Automatic Indexing@JST】

分類 (4件)： 音響信号処理  (BB03050C) ,  音声処理  (JE05000E) ,  軸受  (QB01020W) ,  非破壊試験  (HB02030F)

引用文献 (28件)：

• X. Chiementin, F. Bolaers, J.-P. Dron, "Early detection of fatigue damage on rolling element bearings using adapted wavelet," Journal of Vibration and Acoustics, vol. 129, no. 4, pp. 495-506, 2007.
• Y. Lei, Z. He, Y. Zi, "Application of a novel hybrid intelligent method to compound fault diagnosis of locomotive roller bearings," Journal of vibration and acoustics-transactions of the Asme, vol. 130, no. 3, pp. 569-583, 2008.
• R. Yan, R. X. Gao, "Rotary machine health diagnosis based on empirical mode decomposition," Journal of Vibration and Acoustics, vol. 130, no. 2, pp. 53-64, 2008.
• J. Dybala, R. Zimroz, "Rolling bearing diagnosing method based on Empirical Mode Decomposition of machine vibration signal," Applied Acoustics, vol. 77, pp. 195-203, 2014.
• H. C. Choe, Y. Wan, A. K. Chan, "Neural Pattern Identification of railroad Wheel-Bearing Faults from Audible Acoustic Signals: Comparison of FFT, CWT, and DWT Features," Proceedings of the SPIE Proceedings on Wavelet Applications, Orlando, FL, USA, April 1997.

タイトルに関連する用語 (8件)： 再サンプリング ,  技法 ,  アルゴリズム ,  列車 ,  軸受 ,  音響信号 ,  ノイズ ,  除去法