文献

J-GLOBAL ID：202202273774285187   整理番号：22A0736957

機械的故障診断のためのマルチ拡張速度とマルチアテンション機構に基づく新しいマルチスケール畳込みモデル【JST・京大機械翻訳】

A novel multi-scale convolution model based on multi-dilation rates and multi-attention mechanism for mechanical fault diagnosis

著者 (6件)： Chu Caiyuan (School of College of Mechanical and Vehicle Engineering, Chongqing University, Chongqing 400044, China) ,  Ge Yongxin (Key Laboratory of Dependable Service Computing in Cyber Physical Society, Ministry of Education, Chongqing University, Chongqing 400044, China) ,  Ge Yongxin (School of Big Data & Software Engineering, Chongqing University, Chongqing 401331, China) ,  Qian Quan (School of College of Mechanical and Vehicle Engineering, Chongqing University, Chongqing 400044, China) ,  Hua Boyu (School of Big Data & Software Engineering, Chongqing University, Chongqing 401331, China) ,  Guo Jie (School of Big Data & Software Engineering, Chongqing University, Chongqing 401331, China)
資料名： Digital Signal Processing  (Digital Signal Processing)
巻： 122  ページ： Null  発行年： 2022年 
JST資料番号： W1600A  ISSN： 1051-2004  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： 深層学習モデルに関する最新の研究は,機械的故障同定の精度を改善するために,マルチサイズ畳込みカーネルを用いて,元の信号からより豊富な特徴を抽出することに焦点を合わせてきた。一方,より大きな畳み込みカーネルによる畳み込みによって得られる特徴分解能は,低い。このような実践は故障分類において有害である。さらに,モデルは訓練中の特徴マップにおける冗長な情報によって妨害される。前述の問題を解決するために,著者らは,機械的故障診断のためのマルチダイレーションレートとマルチアテンションメカニズム(MDRMA-MSCM)に基づく新しいマルチスケール畳込みモデルを提案した。特に,MDRMA-MSCMは固定サイズの畳み込みカーネルを持つ拡張畳込みを採用するが,より豊富な特徴を抽出するための異なる拡張速度であり,特徴マップの品質も保証される。次に,それは,時間的およびチャネル次元における特徴マップを強化するために,マルチ注意機構を使用した。出力は故障診断の最終表現である。2つのベンチマーク,すなわち,軸受とギアボックスデータセットに関する総合的実験は,提案した方法の有効性を実証した。特に,MDRMA-MSCMは,2つのデータセットでそれぞれ99.71%と99.99%の平均分類精度を達成した。そのような結果は,診断精度に関して他の代表的な故障診断方法のそれらを上回った。さらに,可変作動条件と異なる雑音データセットの下でモデルの一般化能力を試験した。結果は,著者らのモデルの性能が他のモデルのものより優れていて,著者らのモデルがより良い一般化能力を示すことを実証した。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： 雑音 ,  *畳込み ,  冗長性 ,  分類 ,  軸受 ,  信号 ,  *故障診断 ,  *モデル ,  有効性 ,  チャネル ,  ベンチマーク ,  歯車箱 ,  機械学習
準シソーラス用語： *マルチスケール ,  特徴マップ ,  故障分類 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 知的故障診断 ,  拡大畳込み ,  マルチアテンション機構 ,  深層学習

分類 (2件)： 歯車,歯車装置  (QB01060O) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 機械的故障 ,  診断 ,  マルチ ,  拡張 ,  アテンション ,  マルチスケール ,  畳込み ,  モデル