Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

20.03.2019 | Research Paper | Ausgabe 3/2019

Business & Information Systems Engineering 3/2019

Performance Analysis and Enhancement of Deep Convolutional Neural Network

Application to Gearbox Condition Monitoring

Zeitschrift:
Business & Information Systems Engineering > Ausgabe 3/2019
Autoren:
Jinjiang Wang, Yulin Ma, Prof. Zuguang Huang, Ruijuan Xue, Rui Zhao
Wichtige Hinweise
Accepted after one revision by the editors of the special edition.

Abstract

Convolutional neural network has been widely investigated for machinery condition monitoring, but its performance is highly affected by the learning of input signal representation and model structure. To address these issues, this paper presents a comprehensive deep convolutional neural network (DCNN) based condition monitoring framework to improve model performance. First, various signal representation techniques are investigated for better feature learning of the DCNN model by transforming the time series signal into different domains, such as the frequency domain, the time–frequency domain, and the reconstructed phase space. Next, the DCNN model is customized by taking into account the dimension of model, the depth of layers, and the convolutional kernel functions. The model parameters are then optimized by a mini-batch stochastic gradient descendent algorithm. Experimental studies on a gearbox test rig are utilized to evaluate the effectiveness of presented DCNN models, and the results show that the one-dimensional DCNN model with a frequency domain input outperforms the others in terms of fault classification accuracy and computational efficiency. Finally, the guidelines for choosing appropriate signal representation techniques and DCNN model structures are comprehensively discussed for machinery condition monitoring.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

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




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

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




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

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

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

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

Testen Sie jetzt 30 Tage kostenlos.

Weitere Produktempfehlungen anzeigen
Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 3/2019

Business & Information Systems Engineering 3/2019 Zur Ausgabe

Premium Partner

    Bildnachweise