MétaCan
Menu
Retour à la cohorte
Enregistrement W2987879255 · doi:10.1177/1475921719886067

Railway bearing and cardan shaft fault diagnosis via an improved morphological filter

2019· article· en· W2987879255 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.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueStructural Health Monitoring · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMachine Fault Diagnosis Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesSichuan Province Science and Technology Support ProgramChina Postdoctoral Science FoundationNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésFilter (signal processing)VibrationAxleFault (geology)Noise (video)SIGNAL (programming language)Sensitivity (control systems)Bearing (navigation)Convolution (computer science)Computer scienceEngineeringAcousticsStructural engineeringArtificial intelligenceElectronic engineeringComputer visionGeologyImage (mathematics)Physics

Résumé

récupéré en direct d'OpenAlex

Railway faults are usually observed as impulses in the vibration signal, but they are mostly immersed in noise. To effectively remove noise and identify the impulses, an improved morphological filter is proposed in this article. The proposal focuses on two aspects: a novel gradient convolution operator is proposed for feature extraction, and a new fault sensitivity measurement algorithm is proposed for scale selection because a morphological filter’s effectiveness is mainly determined by these two elements. The performance of the improved morphological filter is evaluated with real vibration signals measured from train’s axle bearings and cardan shafts. From the analysis of three sets of railway faults, the results indicate that the proposed morphological filter effectively detects the faults. Compared with three reported morphological filters, the proposed method has better diagnosis effectiveness.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,157
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,015
Tête enseignante GPT0,312
Écart entre enseignants0,297 · 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