音響振動融合と知識移転に基づくローリングベアリングの音響強化診断法
Fangyong Xue1,2, Chang Liu1,2, Feifei He1,2
1Key Laboratory of Advanced Equipment Intelligent Manufacturing Technology of Yunnan Province, Kunming University of Science &Technology, Kunming 650500, China.
Sensors (Basel, Switzerland)
|August 28, 2025
まとめ
この研究は,機械機器の故障診断のための新しい音響振動機能融合戦略を導入します. この方法は,振動信号からの知識を転送し,精度と堅実性を向上させることで,音響診断を強化します.
科学分野:
- エンジニアリング
- 機械学習
- 信号処理
背景:
- 接触ベースの振動分析は有効ですが,展開は限られています.
- 音響分析は柔軟性がありますが,騒音とデータ不足に苦しんでいます.
- 既存の方法は機械的な故障診断に 堅強さと一般化が欠けている.
研究 の 目的:
- 機械機器の故障診断を強化するための音響振動機能融合戦略を提案する.
- 騒音干渉や欠陥データなどの音響診断の限界に対処する.
- 振動から音響モデルへの診断知識の効率的な移転を実現する.
主な方法:
- 異質な移転学習を用いた音響振動機能融合
- 教師と生徒のモデルとの知識蒸留の枠組みの統合
- 教師のモデルは振動信号で訓練され,音響ベースの学生のモデルは訓練されます.
主要な成果:
- 提案された方法は,音響モデルの診断能力を大幅に高めます.
- カスタム・テスト・リグと公的なデータセットでの実験的検証が有効性を確認した.
- 目に見えない作業条件下での 優れた診断精度と強度を示した.
結論:
- 音響振動機能融合戦略は 診断知識を効果的に転送します
- このアプローチは,音響ベースの故障診断の堅実性と一般化を改善します.
- この方法は,機械機器のモニタリングに柔軟かつ信頼性の高いソリューションを提供します.
