文献

J-GLOBAL ID：201702268180057126   整理番号：17A0391293

T分布ランダム近傍埋込み機械故障特徴抽出手法の研究【JST・京大機械翻訳】

An Early Fault Feature Extraction Method Based on t-Distribution Stochastic Neighbor Embedding for Large Rotating Machinery

著者 (4件)： Gu Yuhai (China Academy of Machinery Science & Technology, The Ministry of Education Key Laboratory of Modern Measurement and Control) ,  Han Qiushi (The Ministry of Education Key Laboratory of Modern Measurement and Control, Beijing Information Science and Technology University) ,  Xu Xiaoli (The Ministry of Education Key Laboratory of Modern Measurement and Control, Beijing Information Science and Technology University) ,  Gaopeng (The Ministry of Education Key Laboratory of Modern Measurement and Control, Beijing Information Science and Technology University)
資料名： Jixie Kexue yu Jishu  (Jixie Kexue yu Jishu)
巻： 35  号： 12  ページ： 1900-1905  発行年： 2016年 
JST資料番号： C2050A  ISSN： 1003-8728  CODEN： JKJIE6  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： T分布ランダム近傍埋込み(T-SNE)多様体学習方法を機械振動信号の故障特徴抽出に応用し、高次元特徴情報次元低減処理を実現した。ウェーブレットパケット分解アルゴリズムを用いて,オリジナル振動信号をマルチレベル空間に分解し,次に,高次元特徴データを計算し,次に,高次元特徴データを,T-SNE法によって次元縮小し,そして,低次元故障特性情報を得た。本論文では,本の回転子試験台を用いて故障シミュレーション実験を行い,収集したいくつかの典型的な故障状態における振動データを,ウェーブレットパケットエントロピー閾値と統計的特徴に基づいて,2つの高次元データを構築した。T-SNE法を用いて,高次元データの二次元特性データを得て,二次元特性データを得るために,T-SNE法を用いて,高次元データを処理することによって,T-SNEデータの次元縮小に基づく特徴抽出法が,より効果的に故障特性を区別することができることを証明した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 高次元 ,  次元縮小 ,  機械振動 ,  *特徴抽出 ,  *故障 ,  二次元
準シソーラス用語： 高次元データ ,  統計的特徴 ,  故障シミュレーション ,  低次元 ,  マルチレベル ,  振動信号 ,  ウェーブレットパケット分解 ,  多様体学習 ,  *機械故障 , 【Automatic Indexing@JST】

著者キーワード (4件)： wavelet package threshold entropy ,  manifold learning ,  t-SNE ,  feature extraction

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： t分布 ,  近傍 ,  埋込み ,  機械故障 ,  特徴抽出 ,  手法 ,  研究