- HOME
- 기술정보
- 논문
논문
논문 기본정보
InteUigent Fault Diagnosis Based on GA-DHMM and KPCA-RS of Rolling Bearing
논문 개요
| 기관명 | NDSL |
|---|---|
| 저널명 | 測控技術 = Measurement control technology |
| ISSN | 1000-8829, |
| ISBN |
논문저자 및 소속기관 정보
| 저자(한글) | YUAN, Hong-fang,JI, Chen,WANG, Hua-qing |
|---|---|
| 저자(영문) | |
| 소속기관 | |
| 소속기관(영문) | |
| 출판인 | |
| 간행물 번호 | |
| 발행연도 | 2014-01-01 |
| 초록 | 구름 베어링(rolling bearing)의 지능형 고장 진단(fault diagnosis)을 구현하기 위하여 커널 주성분 분석 방법(KPCA), 러프 집합(RS)과 유전 알고리즘(GA)으로 개선한 DHMM(discrete hidden Markov model) 기반의 지능형 진단 방법을 제기하였다. 혼합 핵 함수(kernel function)를 사용한 KPCA와 RS를 통해 시간 영역(time domain), 주파수 영역(frequency domain) 매개변수에 대해 최적화를 진행하였다. 민감성(susceptibity)이 높고 안정성(stability)이 강하며 베어링 상태를 정확하게 표현할 수 있는 특성 매개변수 행렬(matrix)을 구축하였다. GA를 응용하여 DHMM에 대해 최적화를 진행하고 DHMM 훈련 알고리즘이 쉽게 극소 국부(local minimum)에 빠지는 단점을 극복하였다. 나중에 GA를 응용하여 최적화를 진행한 DHMM 훈련 알고리즘은 구름 베어링 각 상태에서의 DHMM을 얻고 각 DHMM에서의 로그 우도 확률(log likelihood ratio) 샘플의 비교 테스트를 통하여 베어링 고장 유형의 효과적 식별을 구현하였다. 실험 결과, 해당 방법은 구름 베어링의 상태를 효과적으로 인식할 수 있고 비교적 강한 적합성(suitability)을 갖고 있다. |
| 원문URL | http://click.ndsl.kr/servlet/OpenAPIDetailView?keyValue=03553784&target=NART&cn=NART75843681 |
| 첨부파일 |
추가정보
| 과학기술표준분류 | |
|---|---|
| ICT 기술분류 | |
| DDC 분류 | |
| 주제어 (키워드) | KPCA,RS,GA,DHMM,fault diagnosis,KPCA,RS,GA,DHMM,고장 진단 |