지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.8
- 수록면
- 2,958 - 2,973 (16page)
- DOI
- 10.1016/j.net.2024.02.056
이용수
초록· 키워드
오류제보하기
Sliding bearings are crucial rotating mechanical components in nuclear power plants, and their failures can result in severe economic losses and human casualties. Deep learning provides a new approach to bearing fault diagnosis, but there is currently a lack of a universal fault diagnosis model for studying bearing-rotor systems under various operating conditions, speeds and faults. Research on bearing-rotor systems supported by sliding bearings is limited, leading to insufficient fault data. To address these issues, this paper proposes a fault diagnosis model framework for bearing-rotor systems based on a deep convolutional generative adversarial network (TFDLGAN).
This model not only exhibits outstanding fault diagnosis performance but also addresses the issue of insufficient fault data. An experimental platform is constructed to conduct fault experiments under various operating conditions, speeds and faults, establishing a dataset for sliding bearing-rotor system faults. Finally, the model’s effectiveness is validated using this dataset.
목차
등록된 정보가 없습니다.
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Support Vector Machine Based Bearing Fault Diagnosis for Induction Motors Using Vibration Signals
Journal of Electrical Engineering & Technology
2015 .07
-
Fault Diagnosis Method based on Feature Residual Values for Industrial Rotor Machines
KEPCO Journal on electric power and energy
2018 .01
-
A Fault Diagnosis Method Based on Optimized SVDD And Multi-Symplectic Geometry Mode Decomposition for Rolling Bearings
제어로봇시스템학회 국제학술대회 논문집
2023 .10
-
Imbalanced sample fault diagnosis method for rotating machinery in nuclear power plants based on deep convolutional conditional generative adversarial network
Nuclear Engineering and Technology
2023 .06
-
RNN-based integrated system for real-time sensor fault detection and fault-informed accident diagnosis in nuclear power plant accidents
Nuclear Engineering and Technology
2023 .03
-
데이터 마이닝 기법을 이용한 회전체 이상 진단 알고리즘의 개발에 대한 연구
한국정밀공학회 학술발표대회 논문집
2015 .12
-
초저속 베어링의 신호 기반 고장 진단 난제와 원인 고찰
대한기계학회 춘추학술대회
2021 .11
-
Methods for Fault Diagnosis in Mechanical Systems based on Deep Learning in the Absence or Class Imbalance of Fault Data
Journal of the Korean Society for Precision Engineering
2023 .05
-
Real-time Fault Diagnosis for Train Doors on Edge AI Device
한국통신학회 학술대회논문집
2021 .02
-
수정된 칼만 필터를 이용한 고장 진단
한국생산제조학회 학술발표대회 논문집
2015 .04
-
초고압 직류 송전 시스템이 있는 전력계통의 고장과 비고장 외란 구분: 소규모 데이터 기반 분류 접근법
전기학회논문지
2023 .09
-
Research on diagnosis method of centrifugal pump rotor faults based on IPSO-VMD and RVM
Nuclear Engineering and Technology
2023 .03
-
전이학습을 이용한 데이터 불균형 환경에서의 베어링 고장 진단 모델 개발
한국정밀공학회 학술발표대회 논문집
2022 .05
-
확률통계론을 적용한 회전체의 이상 진단기법 개발에 대한 연구
한국정밀공학회 학술발표대회 논문집
2015 .12
-
Bearing Fault Signal Detection with Deep One-Class Classification
대한산업공학회 춘계공동학술대회 논문집
2022 .06
-
머신러닝을 이용한 베어링 결함 진행 단계 파악
한국생산제조학회 학술발표대회 논문집
2024 .07
-
SEMISUPERVISED CLASSIFICATION FOR FAULT DIAGNOSIS IN NUCLEAR POWER PLANTS
Nuclear Engineering and Technology
2015 .01
-
Overview of Automatic Machine Fault Diagnosis using Generative Adversarial Network
한국통신학회 학술대회논문집
2021 .06
-
SSR 의 고장 진단 방법
한국정밀공학회 학술발표대회 논문집
2018 .10
-
Convolutional Neural Network를 이용한 저널베어링 로터시스템 고장 진단
대한기계학회 춘추학술대회
2017 .11
최근 본 자료
댓글(0)
0