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
학술대회자료
저자정보
공현배 (서울대학교) 정준하 (서울대학교) 김명연 (서울대학교) 고진욱 (서울대학교) 윤병동 (서울대학교)
저널정보
대한기계학회 대한기계학회 춘추학술대회 대한기계학회 2018년도 학술대회
발행연도
2018.12
수록면
183 - 187 (5page)

이용수

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

초록· 키워드

오류제보하기
Journal bearing is a mechanical component used in systems that require high reliability like power plant. It is essential to develop a diagnosis model that can accurately diagnose the state of a journal bearing rotor system because journal bearing’s fault can cause enormous economic losses. Generally, fault diagnosis model is developed using data-driven methods to extract features which considered the domain knowledge of the system. However, since the features are domain-dependent, high diagnosis performance cannot be guaranteed reliable. Recently, deep learning-based diagnosis method, which extracts features autonomously is used to solve these problems. Instead of using the deep neural architecture optimized for data, we use existing known models or model architectures selected intuitively. The unoptimized architecture can deteriorate the performance of the fault diagnosis. To solve these problems, we used reinforcement learning to find an optimized architecture iteratively. The results showed higher diagnosis accuracy compare to the state of the art model, the neural architecture search network.
#Reinforcement Learning(강화학습) #Convolutional Neural Networks(합성곱신경망) #Journal Bearing Rotor System (저널베어링 회전체 시스템) #Health Diagnosis(건전성 진단) #Deep Learning(딥러닝)

목차

Abstract
1. 서론
2. 방법
3. 실험 및 결과
4. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

클래스 불균형 조건 하에서 회전체 시스템의 고장 진단 성능을 향상시키는 신호 생성 모델의 정량적 평가
김태훈 ,  고진욱 ,  이진욱 외 1명 대한기계학회 춘추학술대회 2021 .11
회전 정보 일치를 통한 전이학습 기반 초저속 베어링 고장 진단
이승윤 ,  김성종 ,  김수지 외 2명 대한기계학회 춘추학술대회 2021 .11
합성곱 신경망을 이용한 영구 자석 동기 전동기의 축 편심 고장과 부하 토크 진동 분류
채민석 ,  박찬희 ,  김형민 외 3명 대한기계학회 춘추학술대회 2021 .11
복잡한 동작에 강건한 모터 전류 신호 분석 기반 산업용 로봇 고장 감지 기법
유진오 ,  박종민 ,  하종문 외 1명 대한기계학회 춘추학술대회 2021 .11
초저속 베어링의 신호 기반 고장 진단 난제와 원인 고찰
김성종 ,  이승윤 ,  김수지 외 2명 대한기계학회 춘추학술대회 2021 .11

최근 본 자료

전체보기

댓글(0)

0