메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김양석 (한국수력원자력) 이도환 (한국수력원자력) 김대웅 (한국수력원자력)
저널정보
대한기계학회 대한기계학회 논문집 B권 대한기계학회논문집 B권 제37권 제6호
발행연도
2013.6
수록면
551 - 558 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2013

서포트 벡터 머신을 이용한 볼 베어링의 결함 정도 진단
김양석 ,  이도환 ,  김대웅 대한기계학회 논문집 B권 2013.06 학술저널

2012

서포트 벡터 머신을 이용한 볼 베어링의 결함 정도 진단
김양석 ,  이도환 ,  김대웅 대한기계학회 춘추학술대회 2012.05 학술대회자료

초록· 키워드

오류제보하기
서포트 벡터 머신(Support Vector Machine, SVM)은 학습용 데이터 집합이 확보되어 있을 경우, 매우 강력한 분류 알고리즘이다. 따라서 패턴인식은 물론 기계학습 분야에서 결함진단 도구의 하나로 이용되고 있다. 본 논문에서는 최적 특징과 SVM 을 이용하여 볼 베어링의 결함유형과 결함의 정도를 진단한 결과를 기술하였다. SVM 학습용 특징데이터에는 12 개의 시간영역 특징과 9 개의 주파수영역 특징들이 포함되어 있으며 이들 특징들은 다양한 베어링 결함조건에서 측정된 진동신호와 진동신호의 이산 웨이블렛 변환신호로부터 추출되었다.
#Support Vector Machine(서포트 벡터 머신) #Fault Classification(결함분류) #Optimized Feature(최적 특징) #Bearing Fault(베어링 결함)

목차

초록
Abstract
1. 서론
2. 베어링 결함 실험
3. Support Vector Machine
4. 베어링 결함 정도 진단
5. 결론
참고문헌

참고문헌 (13)

참고문헌 신청
1. [학술지(정기간행물)] - Tse, P.W. / 2001 / Wavelet Analysis and Envelope Detection for Rolling Element Bearing Fault Diagnosis – Their Effectiveness and Flexibilities / Journal of Vibration and Acoustics 123 : 303 ~ 310 google schola 2. [학술지(정기간행물)] - Zhang, Y.X. / 2009 / Rolling Element Bearing Fault Diagnosis Based on the Combination of Genetic Algorithm and Fast Kurtogram / Mechanical Systems and Signal Processing 23 : 1509 ~ 1517 google schola 3. [학술지(정기간행물)] - Samanta, B. / 2003 / Artificial Neural Networks and Support Vector Machines with Genetic Algorithm for Bearing Fault Detection / Engineering Applications of Artificial Intelligence 16 : 657 ~ 665 google schola 4. [학술지(정기간행물)] - Bo-Suk Yang / 2005 / Fault Diagnosis of Rotating Machinery Based on Multi-Class Support Vector Machines / Journal of Mechanical Science and Technology 19 (3) : 846 ~ 859 dbpia 5. [학술대회논문] - Tyagi, C.S. / 2008 / A Comparative Study of SVM Classifiers and Artificial Neural Networks Application for Rolling Element Bearing Fault Diagnosis using Wavelet Transform Preprocessing / Proceedings of World Academy of Science, Engineering and Technology 33 : 319 ~ 327 google schola

이 논문의 저자 정보

이 논문과 함께 이용한 논문

음향 방출 신호와 히스토그램 모델링을 이용한 유도전동기의 베어링 결함 검출
장원철 ,  서준상 ,  김종면 한국컴퓨터정보학회논문지 2014 .11
SVM을 이용한 웨이블릿기반 프로파일 분류에 관한 연구
김성준 한국지능시스템학회 논문지 2008 .10
차륜 및 차축베어링 고장진단을 위한 빅데이터 기반 머신러닝 기법 연구
정훈 ,  박문성 한국산학기술학회 논문지 2018 .01
딥러닝 이용한 발전소 스팀터빈 저널 베어링 고장 진단
오현석 ,  전병철 ,  정준하 외 1명 대한기계학회 춘추학술대회 2016 .07
저널 베어링 고장진단을 위한 자율학습 특질 추출법
전병철 ,  오현석 ,  정준하 외 1명 대한기계학회 춘추학술대회 2016 .04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2014-500-002610220