文献

J-GLOBAL ID：201702229591884381   整理番号：17A0355680

ITD複雑度とPSO-SVMに基づく転がり軸受故障診断【JST・京大機械翻訳】

Rolling bearing fault diagnosis based on ITD Lempel-Ziv complexity and PSO-SVM

著者 (4件)： Zhang Xiaolong (同済大学机械与能源工程学院) ,  Zhang Qing (同済大学机械与能源工程学院) ,  Qin Xianrong (同済大学机械与能源工程学院) ,  Sun Yuantao (同済大学机械与能源工程学院)
資料名： Zhendong yu Chongji  (Zhendong yu Chongji)
巻： 35  号： 24  ページ： 102-107,138  発行年： 2016年 
JST資料番号： C2157A  ISSN： 1000-3835  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 転がり軸受の故障診断の問題を解決するために,固有時間スケール分解(ITD),LEMPEL-ZIV複雑度特性,および粒子群最適化サポートベクトルマシン(PSO-SVM)に基づく故障診断の新しい方法を提案する。まず第一に,回転軸受の振動信号をITD法によって分解し,いくつかの高周波数から低固有回転(PR)成分を得て,種々の故障状態における転がり軸受のためのPR-ZIV複雑度の分布は異なっている。各々のサンプルの特徴ベクトルとして,各々のPR成分のLEMPEL-ZIV複雑性値を抽出して,サポートベクトルマシン(SVM)を用いて,ベアリング振動信号サンプルの故障タイプを同定した。粒子群最適化(PSO)を用いて,サポートベクトルマシンのパラメータを最適化し,高い認識精度を得た。転がり軸受の振動信号の測定結果を分析した。この方法は,転がり軸受の迅速かつ正確な診断を実現し,荷重変化による影響を受けない。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *故障 ,  *転がり軸受 ,  *軸受 ,  *故障診断 ,  サポートベクトルマシン ,  HF【周波数】
準シソーラス用語： 認識精度 ,  複雑性 ,  特徴ベクトル ,  振動信号 ,  粒子群最適化 ,  *複雑度 , 【Automatic Indexing@JST】

著者キーワード (6件)： intrinsic time scale decomposition (ITD) ,  Lempel-Ziv complexity ,  support vector machine (SVM) ,  particle swarm optimization (PSO) ,  rolling bearing ,  fault diagnosis

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (3件)： 複雑度 ,  転がり軸受 ,  故障診断