현재 위치
Home
연구논문
An Intelligent Fault Detection and Diagnosis Approaches using Parzen Density Estimation and Multi-class SVMs
Parzen Density Estimation과 Multi-class SVM을 이용한 지능형 고장진단 방법
-
- 발행기관
- 대한안전경영과학회 바로가기
-
- 간행물
- 대한안전경영과학회지 KCI 등재 바로가기
-
- 통권
- 제11권 제1호 (2009.03)바로가기
-
- 페이지
- pp.87-91
-
- 저자
-
- 언어
- 영어(ENG)
-
- URL
- https://www.earticle.net/Article/A155302
※ 기관로그인 시 무료 이용이 가능합니다.
※ 학술발표대회집, 워크숍 자료집 중 4페이지 이내 논문은 '요약'만 제공되는 경우가 있으니, 구매 전에 간행물명, 페이지 수 확인 부탁 드립니다.
4,000원
원문정보
초록
- 한국어
- 본 논문은 상대적으로 새로운 기법인 Parzen Density Estimation과 Multi-class SVM을 이용한 지능형 고장 탐색과 진단 방법을 제안하고 있다. 본 연구에서는 롤링 베어링을 대상으로 고장을 탐색하고 진단하기 위한 방법을 제안하는데 Parzen Density Estimation과 Multi-class SVM은 고장 클래스를 잘 표현할 수 있다. Parzen Density Estimation은 새로운 패턴 데이터의 거절과 알려진 데이터 패턴의 밀도의 평가에 의해 새로운 패턴을 찾아낼 수 있고, Multi-class SVM 기반의 방법은 여러 클래스의 고장을 support vector로 표현하여 고장 패턴을 찾아낼 수 있다. 본 연구에서는 실제의 다중 클래스를 가지는 롤링 베어링의 고장 데이터를 사용하여 고장 패턴을 탐색하는 과정을 보여주는데, 커널함수의 적절한 파라미터의 선택에 의한 Multi-class SVM 기반의 방법이 multi-layer perceptron이나 Parzen Density Estimation 방법보다 우수함을 입증한다.
목차
Abstract
1. Introduction
2. Research Background
2.1 Parzen density estimation
2.2 Support Vector Machines (SVMs)
3. Experiments using the Proposed Approaches
3.1 Feature Extraction of Rolling Bearings
3.2 Fault Detection Experiments using MLP, Parzen Density Estimation and Multi-Class SVMs
4. Conclusion
5. Reference
키워드
Intelligent Fault Detection and Diagnosis Parzen Density Estimation Multi-class SVMs저자
간행물 정보
발행기관
-
- 발행기관명
- 대한안전경영과학회 [Korea Safety Management & Science]
- 설립연도
- 1999
- 분야
- 공학>안전공학
- 소개
- 안전경영에 관한 학문과 기술을 발전,보급,응용하여 안전기술 및 관리기술의 진흥에 공헌하며, 재해예방을 통한 안전사회의 구현을 그 목적으로 함.
간행물
-
- 간행물명
- 대한안전경영과학회지 [Journal of Korea Safety Management & Science]
- 간기
- 계간
- pISSN
- 1229-6783
- eISSN
- 2288-1484
- 수록기간
- 1999~2025
- 십진분류
- KDC 530 DDC 620
이 권호 내 다른 논문 / 대한안전경영과학회지 제11권 제1호
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.