Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Face Recognition via Domain Adaptation and Manifold Distance Metric Learning Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Convolutional Neural Network Based Bearing Fault Diagnosis

verfasst von : Duy-Tang Hoang, Hee-Jun Kang

Erschienen in: Intelligent Computing Theories and Application

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, we propose a new bearing fault diagnosis method without the feature extraction, based on Convolutional Neural Network (CNN). The 1-D vibration signal is converted to 2-D data called vibration image. Then, the vibration images are fed into the CNN for bearing fault classification. Experiments are carried out with bearing data from the Case Western Reserve University Bearing Fault Database and its result are compared with the results of other methods to show the effectiveness of the proposed algorithm.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Dependent Source Separation with Nonparametric Non-Gaussianity Measure
Nächstes Kapitel A Performance Evaluation of Systematic Analysis for Combining Multi-class Models for Sickle Cell Disorder Data Sets
Literatur
1.
Prieto, M.D., Cirrincione, G., Espinosa, A.G., Ortega, J.A., Henao, H.: Bearing fault detection by a novel condition-monitoring scheme based on statistical-time features and neural networks. IEEE Trans. Industr. Electron. 60(8), 3398–3407 (2013)CrossRef
2.
Kiranyaz, S., Ince, T., Gabbouj, M.: Real-time patient-specific ECG classification by 1-D convolutional neural networks. IEEE Trans. Biomed. Eng. 63(3), 664–675 (2016)CrossRef
3.
Nguyen, D., Kang, M., Kim, C.H., Kim, J.: Highly reliable state monitoring system for induction motors using dominant features in a 2-dimension vibration signal. New Rev. Hypermedia Multimedia 13(3–4), 245–258 (2013)
4.
Jang, W.C., Park, Y.H., Kang, M.S., Kim, J.M.: Mechainical fault classification of an induction motor using texture analysis. J. Korea Soc. Comput. Inf. 18(12), 12–19 (2013)
5.
Uddin, J., Kang, M., Nguyen, D.V., Kim, J.-M.: Reliable fault classification of induction motors using texture feature extraction and a multiclass support vector machine. Mathe. Probl. Eng. 2014, 9 (2014). doi:10.​1155/​2014/​814593. Article ID 814593
6.
7.
Phung, S.L., Bouzerdoum, A.: MATLAB library for convolutional neural networks. ICT Research Institute, Visual and Audio Signal Processing Laboratory, University of Wollongong, Technical report (2009)
8.
Phung, S.L., Bouzerdoum, A.: A pyramidal neural network for visual pattern recognition. IEEE Trans. Neural Networks 27(1), 329–343 (2007)CrossRef
9.
Rauber, T.W., de Assis Boldt, F., Varejão, F.M.: Heterogeneous feature models and feature selection applied to bearing fault diagnosis. IEEE Trans. Industr. Electron. 62(1), 637–646 (2015)CrossRef
10.
Guyon, I., Elisseeff, A.: An introduction to variable and feature selection. J. Mach. Learn. Res. 3, 1157–1182 (2003)MATH
11.
Powers, D.M.: Evaluation: from precision, recall and F-measure to ROC, informedness, markedness and correlation (2011)
Metadaten
Titel
Convolutional Neural Network Based Bearing Fault Diagnosis
verfasst von
Duy-Tang Hoang
Hee-Jun Kang
Copyright-Jahr
2017
Buch
Intelligent Computing Theories and Application

Print ISBN: 978-3-319-63311-4

Electronic ISBN: 978-3-319-63312-1

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-63312-1_9