文献

J-GLOBAL ID：202202282233495893   整理番号：22A0467510

主成分分析と確率的ニューラルネットワークに基づく転がり軸受故障診断法【JST・京大機械翻訳】

Rolling Bearing Fault Diagnosis Method Based on Principal Components Analysis and Probabilistic Neural Network

著者 (2件)： Ni Yun Feng (College of Communication and Information, Xi’an university of science and technology, Xi’an, shaanxi, 710054, china) ,  Ban Dong Dong (College of Communication and Information, Xi’an university of science and technology, Xi’an, shaanxi, 710054, china)
資料名： IOP Conference Series: Materials Science and Engineering  (IOP Conference Series: Materials Science and Engineering)
巻： 740  号： 1  ページ： 012012 (6pp)  発行年： 2020年 
JST資料番号： W5559A  ISSN： 1757-8981  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： 本論文では,PCAと改良型PNNネットワークに基づく転がり軸受故障診断法を提案し,転がり軸受データの高次元,高冗長性,非線形性,非定常性問題を解決した。最初に,主成分分析(PCA)アルゴリズムを用いて,元のデータの特徴情報を抽出し,次元縮小後に主成分情報を得た。次に,主成分情報を訓練のための確率的ニューラルネットワーク(PNN)の特徴として送付し,診断結果を出力する。本方法を,ケースウェスタン軸受データセットを用いて検証した。この方式とBPニューラルネットワーク法のシミュレーション比較を通して,実験結果は,本論文で提案した方式が軸受故障診断においてより正確であることを示した。Please refer to the publisher for the copyright holders. 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 ,  シミュレーション ,  冗長性 ,  *ネットワーク ,  *転がり軸受 ,  *軸受 ,  *故障診断 ,  非線形性 ,  高次元 ,  *主成分分析 ,  次元縮小
準シソーラス用語： 非定常性 ,  逆伝播ニューラルネットワーク ,  確率的ニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (4件)： 主成分分析 ,  確率的ニューラルネットワーク ,  転がり軸受 ,  故障診断