A Fault Diagnosis Method Based on Optimized SVDD And Multi-Symplectic Geometry Mode Decomposition for Rolling Bearings

Jianqun Zhang; Qing Zhang; Wenzong Feng; Yuantao Sun

추천

검색

질문

자료유형: 학술대회자료

저자정보: Jianqun Zhang (Tongji University) Qing Zhang (Tongji University) Wenzong Feng (Tongji University) Yuantao Sun (Tongji University)

저널정보: 제어로봇시스템학회 제어로봇시스템학회 국제학술대회 논문집 ICCAS 2023

발행연도: 2023.10

수록면: 712 - 717 (6page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

The machine learning-based intelligent fault diagnosis method has the merits of fast response speed and automation, but requires many fault samples which are difficult to obtain. For rolling bearings in engineering, the normal samples collected are sufficient, while the fault samples are scarce. Because the operating time of the equipment in a normal state is much longer than the fault time. This paper proposes a two-stage rolling bearing fault diagnosis method that combines the advantages of machine learning and signal processing. In the first stage, the support vector data description optimized by a multi-objective grasshopper optimization algorithm is used to construct a fault detection model to quickly detect anomaly samples. In the second stage, multi-symplectic geometry mode decomposition is used to analyze anomaly state signals to determine the fault type. The analysis of the bearing dataset shows that the proposed fault diagnosis method can accurately detect early faults and identify fault types, which is robust to the number of normal samples participating in training. Compared with existing detection methods, our method can identify the fault point earlier. The above results demonstrate that the proposed method is expected to practical rolling bearing fault diagnosis.

#Rolling bearing #Fault diagnosis #Fault detection #Multi-symplectic geometry mode decomposition #Support vector data description

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Jianqun Zhang

소속기관 Tongji University

주요연구분야 공학 > 전기전자공학 > 제어계측공학

논문수 2 이용수 2

Qing Zhang

소속기관 Tongji University

주요연구분야 공학 > 전기전자공학 > 제어계측공학

논문수 2 이용수 2

Wenzong Feng

소속기관 Tongji University

주요연구분야 공학 > 전기전자공학 > 제어계측공학

논문수 2 이용수 2

Yuantao Sun

소속기관 Tongji University

주요연구분야 공학 > 전기전자공학 > 제어계측공학

논문수 2 이용수 2

이 논문과 함께 이용한 논문

10톤급 터보펌프 터빈 성능 시험에서의 베어링 이상 신호 분석

배준환 , 이항기 , 곽현덕 외 1명 한국트라이볼로지학회 학술대회 2024 .04

Bearing Fault Diagnosis Using One-Dimensional Convolutional Neural Network

Zhanyuan Gao , Zhennan Wei , Yuan Chen 외 2명 제어로봇시스템학회 국제학술대회 논문집 2022 .11

영상센서 기반 방위각 측정값에 오표적이 포함된 경우를 위한 이동 목표물 위치 추정

강승은 , 고상호 항공우주시스템공학회 학술행사 논문집 2015 .11

초음파에 기반한 발전설비 베어링의 파손 징후 조기 검출

최현석 , 오준우 , 김홍석 대한기계학회 춘추학술대회 2022 .11

다변량 통계분석 기반 구름 베어링 결함 감지 알고리즘에 대한 연구

황해성 , 박형준 , 강효림 외 2명 대한기계학회 논문집 A권 2022 .06

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-088264808

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)