MétaCan
Menu
Retour à la cohorte
Enregistrement W4405632124 · doi:10.1109/jsen.2024.3517693

SAFO: Serial Amplitude Modulation–Frequency Modulation Operator for Multichannel Multicomponent Signal Decomposition and Its Application to Rolling Bearing Fault Diagnosis

2024· article· en· W4405632124 sur OpenAlexaff
Jinde Zheng, Haiyang Pan, Jinyu Tong, Qing Ni, Ke Feng

Notice bibliographique

RevueIEEE Sensors Journal · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMachine Fault Diagnosis Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesEducation Revitalization Project of Anhui ProvinceState Key Laboratory of Mechanical TransmissionsNational Natural Science Foundation of China
Mots-clésFrequency modulationAmplitude modulationModulation (music)Electronic engineeringAnalog transmissionBearing (navigation)Delta modulationSIGNAL (programming language)Fault (geology)Computer sciencePulse-amplitude modulationComponent (thermodynamics)AmplitudeChannel (broadcasting)AcousticsEngineeringPhysicsTelecommunicationsRadio frequencyOpticsAnalog signalArtificial intelligenceDigital signal processingDetector

Résumé

récupéré en direct d'OpenAlex

The amplitude modulation-frequency modulation operator (AFO) is an extension of the operator-based signal decomposition method, which uses the amplitude modulation-frequency modulation (AM-FM) signals as the basis functions. In this article, the single-channel AFO is extended to the multichannel case with the serial AFO (SAFO) proposed for multichannel signal decomposition. The proposed SAFO approach uses a concatenation technique to concatenate the multichannel signals into a single-channel signal and then the 1-D signal decomposition method AFO is used to deal with the obtained signal for obtaining several components. Ultimately, the final components are obtained by de-concatenating the 1-D components into multichannel status. SAFO preserves the original essence of AFO and its advantages. Then, a new fault diagnosis method for the rolling bearing is established based on the proposed SAFO for multichannel signal decomposition, the effective weighted sparse kurtosis (EWSK) indicator for the selection of modes containing rich feature information and the square envelope spectrum (SES) for fault information demodulation. Subsequently, the comparison of simulations and measured data is made and the analysis results demonstrate that the SAFO method is superior to the compared methods in the extraction of prominent and feature-rich fault features and fault diagnosis.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,321
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 savante0,0000,001
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 Opus0,016
Tête enseignante GPT0,303
Écart entre enseignants0,287 · 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.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetMachine Fault Diagnosis TechniquesTravaux en français237 207