論文の概要: Bearing fault diagnosis based on multi-scale spectral images and convolutional neural network
- arxiv url: http://arxiv.org/abs/2503.21566v1
- Date: Thu, 27 Mar 2025 14:49:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-28 12:52:25.944074
- Title: Bearing fault diagnosis based on multi-scale spectral images and convolutional neural network
- Title(参考訳): マルチスケールスペクトル画像と畳み込みニューラルネットワークを用いた軸受断層診断
- Authors: Tongchao Luo, Mingquan Qiu, Zhenyu Wu, Zebo Zhao, Dingyou Zhang,
- Abstract要約: 本稿では,マルチスケールスペクトル特徴画像とディープラーニングに基づく新しい故障診断手法を提案する。
実験の結果,提案手法は断層診断の精度を著しく向上させることがわかった。
- 参考スコア(独自算出の注目度): 14.929612821543978
- License:
- Abstract: To address the challenges of low diagnostic accuracy in traditional bearing fault diagnosis methods, this paper proposes a novel fault diagnosis approach based on multi-scale spectrum feature images and deep learning. Firstly, the vibration signal are preprocessed through mean removal and then converted to multi-length spectrum with fast Fourier transforms (FFT). Secondly, a novel feature called multi-scale spectral image (MSSI) is constructed by multi-length spectrum paving scheme. Finally, a deep learning framework, convolutional neural network (CNN), is formulated to diagnose the bearing faults. Two experimental cases are utilized to verify the effectiveness of the proposed method. Experimental results demonstrate that the proposed method significantly improves the accuracy of fault diagnosis.
- Abstract(参考訳): 従来型ベアリング断層診断法における診断精度の低い課題に対処するために,マルチスケールスペクトル特徴画像とディープラーニングに基づく新しい故障診断手法を提案する。
まず、振動信号を平均除去により前処理し、高速フーリエ変換(FFT)で多波長スペクトルに変換する。
第2に、マルチスケールスペクトル画像(MSSI)と呼ばれる新しい特徴を多波長スペクトル舗装方式で構築する。
最後に、深層学習フレームワークである畳み込みニューラルネットワーク(CNN)を用いて、軸受欠陥の診断を行う。
提案手法の有効性を検証するために2つの実験例を用いた。
実験結果から,提案手法は故障診断の精度を著しく向上することが示された。
関連論文リスト
- A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳(メタデータ) (2024-10-05T20:03:57Z) - PHOCUS: Physics-Based Deconvolution for Ultrasound Resolution Enhancement [36.20701982473809]
超音波イメージングシステムのインパルス機能はポイントスプレッド機能(PSF)と呼ばれ、画像形成過程における反射体の空間分布と結びついている。
我々は、より一般的なBモード画像を直接扱う、モデル付きPSFを用いた物理ベースのデコンボリューションプロセスを導入する。
Inlicit Neural Representations (INR) を利用することで、空間位置からそれぞれのエコー原性値への連続的なマッピングを学習し、離散化された画像空間を効果的に補償する。
論文 参考訳(メタデータ) (2024-08-07T09:52:30Z) - Classification of Heart Sounds Using Multi-Branch Deep Convolutional Network and LSTM-CNN [2.7699831151653305]
本稿では,診療所における低コストシステムを用いた心疾患の迅速かつ効率的な診断方法を提案する。
LSCNネットワークによる心臓音の総合的分類精度は96%以上である。
論文 参考訳(メタデータ) (2024-07-15T13:02:54Z) - WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。
WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
論文 参考訳(メタデータ) (2024-03-18T11:20:11Z) - An Explainable Deep Learning-Based Method For Schizophrenia Diagnosis Using Generative Data-Augmentation [0.3222802562733786]
脳波記録を用いた統合失調症の自動診断にディープラーニングを用いた手法を応用した。
このアプローチは、診断の精度を高める強力な手法である生成データ拡張を利用する。
論文 参考訳(メタデータ) (2023-10-25T12:55:16Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳(メタデータ) (2023-06-23T03:09:03Z) - 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) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - Robust End-to-End Focal Liver Lesion Detection using Unregistered
Multiphase Computed Tomography Images [23.89199023621166]
本研究は,CT画像から局所肝病変(FLL)を検出するための,完全自動エンドツーエンド学習フレームワークを提案する。
本手法は, 完全学習に基づくアプローチにより, 多相画像の不整合に対して頑健である。
提案手法のロバスト性は,ディープラーニングによるコンピュータ支援検出システムの臨床応用を高めることができる。
論文 参考訳(メタデータ) (2021-12-02T04:56:59Z) - Multimodal-Boost: Multimodal Medical Image Super-Resolution using
Multi-Attention Network with Wavelet Transform [5.416279158834623]
対応する画像分解能の喪失は、医用画像診断の全体的な性能を低下させる。
ディープラーニングベースのシングルイメージスーパーレゾリューション(SISR)アルゴリズムは、全体的な診断フレームワークに革命をもたらした。
本研究は,低周波データから高頻度情報を学習する深層マルチアテンションモジュールを用いたGAN(Generative Adversarial Network)を提案する。
論文 参考訳(メタデータ) (2021-10-22T10:13:46Z) - Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。
提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
論文 参考訳(メタデータ) (2020-03-15T23:07:56Z)
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。