인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
피인용 0
초록·키워드
Condition-based maintenance (CBM) techniques based on machine learning (ML) require large and diverse datasets with high reliability. However, in rotating machinery, intentional fault induction under normal operating conditions is practically impossible owing to safety and operational constraints. Accordingly, securing sufficient fault data for CBM development remains a significant challenge. To address this issue, this study developed a computational model based on flexible multibody dynamics (MBD) to simulate misalignment faults in rotating machinery, induced by stiffness anisotropy of the rotational components. Using the constructed model, time-series vibration data corresponding to misalignment conditions were generated, providing physically consistent datasets that could be utilized for training ML algorithms. The proposed approach demonstrates the potential of flexible MBD modeling as an effective tool for fault data generation, offering a viable solution to the sparsity of fault datasets in CBM research and contributing to the advancement of intelligent fault diagnosis technologies for rotating equipment.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094659804
