MétaCan
Menu
Retour à la cohorte
Enregistrement W2553003159 · doi:10.1139/tcsme-2015-0046

A NEW GEARBOX FAULT DIAGNOSIS METHOD BASED ON LUCY–RICHARDSON DECONVOLUTION

2015· article· en· W2553003159 sur OpenAlexvenueno aff
Xinghui Zhang, Jianshe Kang, Hongzhi Teng, Jianmin Zhao

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueMachine Fault Diagnosis Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFault (geology)DeconvolutionEnvelope (radar)Context (archaeology)Bearing (navigation)Noise (video)Rolling-element bearingComputer scienceBlind deconvolutionEngineeringStructural engineeringAlgorithmAcousticsArtificial intelligenceVibrationGeologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

Gear and bearing faults are the main causes of gearbox failure. Till now, incipient fault diagnosis of these two components has been a problem and needs further research. In this context, it is found that Lucy–Richardson deconvolution (LRD) proved to be an excellent tool to enhance fault diagnosis in rolling element bearings and gears. LRD’s good identification capabilities of fault frequencies are presented which outperform envelope analysis. This is very critical for early fault diagnosis. The case studies were carried out to evaluate the effectiveness of the proposed method. The results of simulated and experimental studies show that LRD is efficient in alleviating the negative effect of noise and transmission path. The results of simulation and experimental tests demonstrated outperformance of LRD compared to classical envelope analysis for fault diagnosis in rolling element bearings and gears, especially when it is applied to the processing of signals with strong background noise.

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.

Comment cette classification a été obtenuedéplier

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,745
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
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 Opus0,017
Tête enseignante GPT0,261
Écart entre enseignants0,245 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetMachine Fault Diagnosis TechniquesTravaux en français237 207