文献

J-GLOBAL ID：202202282036409939   整理番号：22A1158520

双方向LSTMと注意機構に基づく転がり軸受の予後解析【JST・京大機械翻訳】

Prognostics Analysis of Rolling Bearing Based on Bi-Directional LSTM and Attention Mechanism

著者 (2件)： Rathore Maan Singh (Advanced Mechanical Vibration Lab, Mechanical and Industrial Engineering Department, Indian Institute of Technology Roorkee, Uttarakhand, India) ,  Harsha S. P. (Advanced Mechanical Vibration Lab, Mechanical and Industrial Engineering Department, Indian Institute of Technology Roorkee, Uttarakhand, India)
資料名： Journal of Failure Analysis and Prevention  (Journal of Failure Analysis and Prevention)
巻： 22  号： 2  ページ： 704-723  発行年： 2022年 
JST資料番号： W4576A  ISSN： 1547-7029  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 多くの回転機械の重要な構成要素として,大きな破壊の原因となる。したがって,本論文は,残存する有用な寿命推定を含む知的予後を扱う。提案したフレームワークは,振動応答から軸受劣化を学習するための深い学習モデルに基づいている。PSO(粒子群最適化)最適化技術と特徴変換を含む包括的な特徴選択戦略を実行した。次に,高感度予測特徴集合を,2方向における長期時間依存性を学習するために,BiLSTM(双方向長短期メモリ)ネットワークに入力する。さらに,注意機構はBiLSTMと統合され,情報の選択的処理を可能にする。実験検証は,軸受に支持された高速ロータからのデータ取得によって行われた。結果はより高い予測精度を達成した。また,IEEE PHMデータの一般化は,最先端の方法と比較して,より高いRUL(有効寿命の残存)予測精度を達成した。したがって,結果は,提案したRUL予測方法の高性能と実現可能性を証明した。Copyright ASM International 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  記憶装置 ,  学習モデル ,  ネットワーク ,  *転がり軸受 ,  *軸受 ,  最適化手法 ,  監視 ,  特徴選択 ,  振動応答 ,  *予後 ,  データ収集
準シソーラス用語： 粒子群最適化 ,  予測精度 ,  状態監視 ,  実験検証 , 【Automatic Indexing@JST】

著者キーワード (5件)： 状態監視 ,  双方向LSTM ,  注意機構 ,  有用な生命の残存 ,  PSO技術

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

タイトルに関連する用語 (6件)： 双方向 ,  LSTM ,  注意 ,  転がり軸受 ,  予後 ,  解析