MétaCan
Menu
Retour à la cohorte
Enregistrement W2284093723 · doi:10.1080/10402004.2015.1050135

Application of Cyclic Spectral Analysis in Diagnosis of Bearing Faults in Complex Machinery

2015· article· en· W2284093723 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

RevueTribology Transactions · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueMachine Fault Diagnosis Techniques
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésBearing (navigation)VibrationCasingFault (geology)EngineeringTransducerSIGNAL (programming language)Instrumentation (computer programming)Computer scienceStructural engineeringAcousticsMechanical engineeringArtificial intelligenceElectrical engineeringGeology

Résumé

récupéré en direct d'OpenAlex

Bearing failure can lead to major damage to rotating components and its diagnosis and prognosis are therefore of paramount importance. Techniques and approaches for detecting bearing faults abound. However, application of these methods is limited for complex systems such as aircraft engines. This stems from the fact that the complex configuration of the system and inaccessibility make it difficult to place the vibration transducers close to the bearings. In most cases, available instrumentation is limited to few vibration transducers on the casing of the machine. In such cases, the vibration due to bearing faults is barely detectable using traditional methods, because it normally makes only a small contribution to the overall energy and this is to some extent dissipated by the transmission path. For bearing fault detection to be effective in such applications, the methodology must be capable of detecting faint bearing signals and also allow consistent trending and tracking. This study examines these requirements in detail and presents an experimental assessment of newly emerging cyclic spectral analysis in this field for such requirements.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,199
Score d'incertitude au seuil0,569

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,022
Tête enseignante GPT0,301
Écart entre enseignants0,279 · 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