文献

J-GLOBAL ID：202202277510062608   整理番号：22A1169562

VMD-WVDとパラメータ最適化DBNに基づく回転機械の知的故障重症度検出【JST・京大機械翻訳】

Intelligent Fault Severity Detection of Rotating Machines Based on VMD-WVD and Parameter-Optimized DBN

著者 (4件)： Jia Ning (College of Mechanical Engineering, Chongqing University of Technology, Chongqing 400054, China) ,  Cheng Yao (College of Mechanical Engineering, Chongqing University of Technology, Chongqing 400054, China) ,  Tian Youyuan (College of Mechanical Engineering, Chongqing University of Technology, Chongqing 400054, China) ,  Yang Feiyu (College of Mechanical Engineering, Chongqing University of Technology, Chongqing 400054, 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： 変分モード分解-(VMD-)Wigner-Ville分布(WVD)と狭い探索アルゴリズム-(SSA-)最適化深い信念ネットワーク(DBN)に基づく知的故障重症度検出法は,サンプルが不十分であるとき,典型的故障診断アルゴリズムが極めて同等の振動信号のために不適当であるという問題に取り組むために提案した。VMDを用いて,異なる周波数を有するバンド固有モード関数(BIMF)を得るために,元の振動信号を処理した。WVDは,最も高い分散寄与率を有するキーBIMFの二次元スペクトルを生成する。DBNの入力サンプルは,多重故障信号の二次元スペクトルによって形成した特性マトリックスから成る。DBNの学習速度とバッチサイズはSSAによって大域的に調整され,ネットワーク誤差に著しい影響を与える。パラメータ最適化プロセスにおける適応度関数は,ネットワークの二乗平均平方根誤差(RMSE)である。最後に,入力サンプルをDBNに負荷し,重症度を検出する最良の構造を有した。実験は,VMD-WVDとSSA-DBNに基づいて,良い一般化能力とロバスト性を有する回転機械のための故障重大度検出モデルの精度が98%に達することができることを示した。BPNN,従来のDBN,VMD-PSO-DBN,および他の方式と比較して,提案したアルゴリズムには,強力な適応特徴抽出能力と応用の一般化がある。Copyright 2022 Ning Jia 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 ,  *最適化 ,  振動 ,  変分法 ,  モード解析 ,  *故障 ,  ネットワーク ,  特徴抽出 ,  分解 ,  多重化 ,  モデル ,  ロバスト性 ,  周波数推定
準シソーラス用語： *パラメータ最適化 ,  探索アルゴリズム ,  決定係数 ,  モード分解 ,  固有モード関数 ,  振動信号 , 【Automatic Indexing@JST】

分類 (4件)： 開閉装置  (NB09030I) ,  風力発電  (NB03120Q) ,  軸受  (QB01020W) ,  電動機  (NB07030U)

引用文献 (30件)：

• N. E. Huang, Z. Shen, S. R. Long, M. L. C. Wu, Q. Zheng, N. C. Yen, C. C. Tung, H. H. Liu, "The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis," Proceedings Mathematical Physical & Engineering Sciences, vol. 454, no. 1971, pp. 903-995, 1998.
• K. Dragomiretskiy, D. Zosso, "Variational mode decomposition," IEEE Transactions on Signal Processing, vol. 62, no. 3, pp. 531-544, 2014.
• X. W. Qin, J. J. Guo, X. G. Dong, Y. Guo, C. Franco, "The fault diagnosis of rolling bearing based on variational mode decomposition and iterative random forest," Shock and Vibration, vol. 2020, pp. 11, 2020.
• G. P. An, Q. B. Tong, Y. A. Zhang, R. F. Liu, W. L. Li, J. Cao, Y. Lin, "An improved variational mode decomposition and its application on fault feature extraction of rolling element bearing," Energies, vol. 14, no. 4, 2021.
• Y. Q. Zhang, G. Q. Ren, D. H. Wu, H. G. Wang, "Rolling bearing fault diagnosis utilizing variational mode decomposition-based fractal dimension estimation method," Measurement, vol. 181, 2021.

タイトルに関連する用語 (5件)： パラメータ最適化 ,  DBN ,  回転機械 ,  故障 ,  重症度