Fugu-MT 論文翻訳(概要): A Multi-size Kernel based Adaptive Convolutional Neural Network for Bearing Fault Diagnosis

論文の概要: A Multi-size Kernel based Adaptive Convolutional Neural Network for Bearing Fault Diagnosis

arxiv url: http://arxiv.org/abs/2203.15275v1
Date: Tue, 29 Mar 2022 06:43:30 GMT
ステータス: 処理完了
システム内更新日: 2022-03-31 04:53:07.847672
Title: A Multi-size Kernel based Adaptive Convolutional Neural Network for Bearing Fault Diagnosis
Title（参考訳）: マルチサイズカーネルに基づくベアリング故障診断のための適応畳み込みニューラルネットワーク
Authors: Guangwei Yu, Gang Li, Xingtong Si, and Zhuoyuan Song
Abstract要約: マルチサイズカーネルを用いた適応畳み込みニューラルネットワーク(MSKACNN)と呼ばれる軸受振動特性に基づくデータ駆動型診断アルゴリズムを提案する。 MSKACNNは振動特徴学習と信号分類機能を提供し、ベアリング障害を特定し解析する。
参考スコア（独自算出の注目度）: 5.811146610419976
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Bearing fault identification and analysis is an important research area in the field of machinery fault diagnosis. Aiming at the common faults of rolling bearings, we propose a data-driven diagnostic algorithm based on the characteristics of bearing vibrations called multi-size kernel based adaptive convolutional neural network (MSKACNN). Using raw bearing vibration signals as the inputs, MSKACNN provides vibration feature learning and signal classification capabilities to identify and analyze bearing faults. Ball mixing is a ball bearing production quality problem that is difficult to identify using traditional frequency domain analysis methods since it requires high frequency resolutions of the measurement signals and results in a long analyzing time. The proposed MSKACNN is shown to improve the efficiency and accuracy of ball mixing diagnosis. To further demonstrate the effectiveness of MSKACNN in bearing fault identification, a bearing vibration data acquisition system was developed, and vibration signal acquisition was performed on rolling bearings under five different fault conditions including ball mixing. The resulting datasets were used to analyze the performance of our proposed model. To validate the adaptive ability of MSKACNN, fault test data from the Case Western Reserve University Bearing Data Center were also used. Test results show that MSKACNN can identify the different bearing conditions with high accuracy with high generalization ability. We presented an implementation of the MSKACNN as a lightweight module for a real-time bearing fault diagnosis system that is suitable for production.
Abstract（参考訳）: 軸受故障の同定と解析は機械故障診断の分野で重要な研究分野である。転がり軸受の共通の欠点に着目し,マルチサイズカーネルを用いた適応畳み込みニューラルネットワーク(MSKACNN)と呼ばれる軸受振動の特性に基づくデータ駆動型診断アルゴリズムを提案する。入力として生軸受振動信号を使用し、mskacnnは振動特徴学習と信号分類機能を提供し、軸受故障を識別および解析する。ボール混合は, 従来の周波数領域分析法では, 計測信号の高周波分解能が必要であり, 分析時間も長いため識別が難しいボール軸受生産品質問題である。提案したMSKACNNはボールミキシング診断の効率と精度を向上させる。軸受故障同定におけるmskacnnの有効性をさらに実証するため,軸受振動データ取得システムを開発し,ボール混合を含む5つの異なる故障条件下で転がり軸受の振動信号取得を行った。得られたデータセットを用いて,提案モデルの性能分析を行った。また,MSKACNNの適応性を検証するために,ケース・ウェスタン・リザーブ大学軸受データセンターの故障試験データを用いた。実験結果から,MSKACNNは各軸受条件を高精度かつ高一般化能で識別できることがわかった。我々は,実運用に適したリアルタイム軸受故障診断システムのための軽量モジュールとしてmskacnnを実装した。

関連論文リスト

Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
論文参考訳（メタデータ） (2024-04-24T13:50:27Z)
Quadratic Time-Frequency Analysis of Vibration Signals for Diagnosing Bearing Faults [15.613528945524791]
本稿では, 騒音レベルの異なる軸受欠陥を診断するための時間周波数解析と深層学習の融合について述べる。転がり要素軸受の様々な欠陥を診断するための時間周波数畳み込みニューラルネットワーク(TF-CNN)を設計する。
論文参考訳（メタデータ） (2024-01-02T12:02:50Z)
Ball Mill Fault Prediction Based on Deep Convolutional Auto-Encoding Network [3.673613706096849]
本稿では,深部畳み込み自己符号化ニューラルネットワーク(DCAN)を用いた異常検出手法を提案する。提案手法は,教師付き学習手法でしばしば発生するラベル付け問題やデータ不均衡といった課題を克服し,通常の訓練中に収集した振動データを活用する。本稿では, 武漢鉄鉄資源グループのボールミル軸受からのデータと, NASAの軸受振動データセットからのデータを利用して, 異常検出のためのDCANに基づく異常検出モデルの実用化について述べる。
論文参考訳（メタデータ） (2023-11-09T17:49:07Z)
Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
論文参考訳（メタデータ） (2023-08-06T05:58:45Z)
Novel features for the detection of bearing faults in railway vehicles [88.89591720652352]
我々は,Mel-Frequency Cepstral Coefficients (MFCCs) とAmplitude Modulation Spectrogram (AMS) から抽出した特徴を,軸受欠陥の検出のための特徴として紹介する。
論文参考訳（メタデータ） (2023-04-14T10:09:50Z)
The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
病理脳病変は脳画像に多彩な外観を示す。正規データのみを用いた教師なし異常検出手法が提案されている。空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
論文参考訳（メタデータ） (2023-01-19T21:39:38Z)
Logistic-ELM: A Novel Fault Diagnosis Method for Rolling Bearings [0.7409922717686698]
極端学習機械(ELM)とロジスティックマッピングに基づく転がり軸受の新しい高速故障診断法を提案する。ケース・ウェスタン・リザーブ大学(CWRU)ベアリング・データ・センターの転がり軸受振動信号データセットについて広範な実験を行った。提案手法は,予測精度の観点から既存のSOTA比較法より優れており,最大精度は7つのサブデータ環境において100%である。
論文参考訳（メタデータ） (2022-04-23T03:11:02Z)
Investigation of Different Calibration Methods for Deep Speaker Embedding based Verification Systems [66.61691401921296]
本稿では, ディープスピーカ埋込抽出器のスコアキャリブレーション法について検討する。この研究のさらなる焦点は、スコア正規化がシステムの校正性能に与える影響を推定することである。
論文参考訳（メタデータ） (2022-03-28T21:22:22Z)
Intelligent Bearing Fault Diagnosis Method Combining Mixed Input and Hybrid CNN-MLP model [0.0]
本稿では,混合入力と転がり軸受診断を組み合わせたハイブリッドCNN-MLPモデルに基づく診断手法を提案する。この方法は、軸載無線加速度センサからの加速度データを用いて、軸受欠陥を正常に検出し、ローカライズする。
論文参考訳（メタデータ） (2021-12-16T07:26:22Z)
On-board Fault Diagnosis of a Laboratory Mini SR-30 Gas Turbine Engine [54.650189434544146]
データ駆動型故障診断・隔離方式は, 燃料供給システムにおける故障とセンサ測定のために, 明確に開発されている。モデルは機械学習の分類器を使用してトレーニングされ、トレーニングされた障害シナリオのセットをリアルタイムで検出する。提案手法の利点, 性能, 性能を実証し, 実証するために, いくつかのシミュレーション実験を行った。
論文参考訳（メタデータ） (2021-10-17T13:42:37Z)
FaultNet: A Deep Convolutional Neural Network for bearing fault classification [7.148679715851955]
我々は、異なる信号処理法を組み合わせることで、機械系の振動信号データを軸受で解析する。本稿では,高精度にベアリング障害のタイプを効果的に決定できる畳み込みニューラルネットワークFactNetを提案する。
論文参考訳（メタデータ） (2020-10-05T16:50:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。