文献

J-GLOBAL ID：202202291105564871   整理番号：22A0311656

農業インテリジェント機器の故障診断方法【JST・京大機械翻訳】

Fault Diagnosis Method of Agricultural Intelligent Equipment

著者 (3件)： Bai Bing (Institute of Information, Liaoning Academy of Agricultural Sciences, Shenyang, Liaoning, China) ,  Wang Feng (Party School of Liaoning Provincial Party Committee, Shenyang, Liaoning, China) ,  Peng Xiuyuan (Institute of Information, Liaoning Academy of Agricultural Sciences, Shenyang, Liaoning, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 747  ページ： 1915-1923  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
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： インテリジェント農業機械装置は,その運転状態に従って,正常,異常,および故障条件に分割される。異常状況が知的農業機械と装置において発生するとき,それが時間的に取り扱わないならば,それは重大な故障状態と中断生産に入って,大きな経済損失を引き起こした。したがって,農業機械故障診断のためにタイムリーで効果的な方法を採用することは非常に重要である。信号処理に基づく故障診断方法は,測定信号を通してデータを分析,処理することであり,それは,収集した情報の精度が特に重要である。したがって,本論文は類似性測定に基づく故障診断モデルを確立した。モデルは,最初にデータ収集モジュールを通して振動信号を収集して,次に,ノイズ低減フィルタモジュールを通して初期の信号に関してノイズ減少とフィルタリングを実行して,次に,特徴抽出モジュールを通してノイズ減少信号における特性信号を抽出して,質問条件としてこれらの特徴情報を使用した。最後に,診断結果を得る。本論文は,上記の故障診断モデルを農業機械ボールの故障診断に適用した。そして,シミュレーション実験をMATLAB環境で実施した。シミュレーション結果は,提案した故障診断モデルを使用して,故障訓練データセットの各々のタイプが4つの部分集合にクラスタ化されるとき,故障診断の精度が93%に達して,時間が0.028sだけであり,著者らのモデルが合理的であることを示した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  振動 ,  *故障 ,  農業機械 ,  信号 ,  *故障診断 ,  信号処理 ,  フィルタリング ,  特徴抽出 ,  クラスタ化 ,  雑音低減 ,  データ収集 ,  ウェーブレット変換
準シソーラス用語： MATLAB ,  Pearson相関係数 ,  振動信号 , 【Automatic Indexing@JST】

著者キーワード (4件)： 知的農業機械ボール故障 ,  Pearson相関係数 ,  ウェーブレット変換 ,  故障診断

分類 (4件)： 信頼性  (KB04040H) ,  ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z) ,  非破壊試験  (HB02030F)

タイトルに関連する用語 (2件)： 農業 ,  故障診断