MétaCan
Menu
Retour à la cohorte
Enregistrement W1999066512 · doi:10.1088/0957-0233/24/5/055009

A kurtosis-guided adaptive demodulation technique for bearing fault detection based on tunable-Q wavelet transform

2013· article· en· W1999066512 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMeasurement Science and Technology · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueMachine Fault Diagnosis Techniques
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesXiamen University of TechnologyNational Natural Science Foundation of ChinaCase Western Reserve University
Mots-clésDemodulationKurtosisComputer scienceBearing (navigation)Fault (geology)Filter (signal processing)SIGNAL (programming language)Fault detection and isolationWavelet transformWaveletArtificial intelligenceElectronic engineeringPattern recognition (psychology)TelecommunicationsComputer visionMathematicsEngineeringStatistics

Résumé

récupéré en direct d'OpenAlex

This paper presents an adaptive demodulation technique for bearing fault detection. It is implemented via the tunable-Q wavelet transform (TQWT). With the TQWT, the bearing vibration signal is decomposed into sub-signals corresponding to different band-pass filters of the TQWT. Kurtosis as an effective indicator of signal impulsiveness is adopted to guide the merging of the sub-signals leading to a signal component which contains information most relevant to the bearing fault. The purpose of the proposed approach is to adaptively search for the best filter for envelope demodulation analysis. In fact, the implementation of the proposed method can be interpreted as the process to obtain the optimal filter for the Hilbert demodulation analysis by two steps of merging of the band-pass filters of the TQWT. The effectiveness of the proposed method has been demonstrated by both simulation and experimental analyses.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,903
Score d'incertitude au seuil0,771

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,024
Tête enseignante GPT0,250
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle