滑らかな拡張畳み込みに基づく軽量特徴抽出メカニズムによる軸受故障検出

科学分野:

• 機械工学
• 人工知能
• 信号処理

背景:

• 従来の故障検出方法は、多数のパラメータと複雑な計算のために、複雑な作業条件に対処するのが困難です。
• 特に限られた計算リソースでのリアルタイムアプリケーションには、効率的で正確な軸受故障検出モデルが必要です。

研究 の 目的:

• 従来のモデルの限界に対処し、モデルの軽量化と高い検出精度の維持に焦点を当てた、新しい軸受故障検出モデルを提案すること。
• リソースが制約されたシナリオでのリアルタイム故障監視に適したモデルを開発すること。

主な方法:

• 提案されたモデルは、滑らかな拡張畳み込みを統合して、ローカル振動信号の特徴抽出を行います。
• グループ畳み込み、チャネルウォッシング、ネットワークプルーニング、および知識蒸留を採用して、計算の複雑さとモデルサイズを削減します。
• 双方向ゲート付き再帰ユニットと敵対的生成ネットワークを組み合わせて、データの長期的な依存関係を捉えます。

主要な成果:

• モデルは、検出精度を維持しながら、既存の方法と比較してパラメータと推論時間を大幅に削減しました。
• サンプル分類では、モデルは97.88%の精度、274 fpsの平均推論速度、1.66 FLOPsの計算コスト、および7.76Mのパラメータを達成しました。
• 軸受の特徴抽出と故障検出では、モデルは96.13%の平均適合精度と99.62%の検出精度に達しました。

結論:

• 開発されたモデルは、モデルの軽量化と堅牢な検出パフォーマンスの効果的なバランスをとっています。
• 計算能力とリソースが限られた環境でのリアルタイム軸受故障監視アプリケーションに非常に適しています。