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
이윤제 (건국대학교) 서동주 (건국대학교) 이상윤 (건국대학교) 이창우 (건국대학교)
저널정보
Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Vol.41 No.12
발행연도
2024.12
수록면
973 - 990 (18page)
DOI
10.7736/JKSPE.024.101

이용수

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

초록· 키워드

오류제보하기
In continuous-process systems, failures of rolling-element bearings typically cause accidents, reduced productivity, and production-related financial losses. Therefore, predicting both the lifespan of rolling-element bearings and their replacement time is crucial for preventing machine system failures. Accordingly, numerous studies have reported various machine and deep learning classifiers for predicting the lifespan of bearings. However, these studies did not consider degradation trends of bearings. Thus, this study aimed to develop an algorithm to predict the lifespan of a bearing by considering its degradation trend. A vibration dataset of bearings was obtained at low and high speeds. Using a second-order curve-fitting model, various degradation patterns in the dataset were classified. Appropriate time-domain or frequency-domain feature variables applicable to the design of a classifier were determined according to classified patterns. In addition, the classifier was trained using multiple bidirectional long short-term memories. Finally, the performance of the developed classifier was verified experimentally.
#Degradation (열화) #Feature engineering (특징공학) #Remaining useful life (잔여수명) #Rolling-element bearings (구름 베어링) #Prediction (예측)

목차

1. Introduction
2. Theories for the Proposed Remaining Useful Life (RUL) Prediction Algorithm
3. Methodology
4. Experimental Setup
5. Results and Discussion
6. Conclusion
REFERENCES

참고문헌 (40)

참고문헌 신청
Oh, H., Lee, Y., Lee, J., Joo, C., Lee, C., (2022), Feature selection algorithm based on density and distance for fault diagnosis applied to a roll-to-roll manufacturing system, Journal of Computational Design and Engineering, 9(2), 805-825. google schola Liu, R., Yang, B., Zio, E., Chen, X., (2018), Artificial intelligence for fault diagnosis of rotating machinery: A review, Mechanical Systems and Signal Processing, 108, 33-47. google schola Lei, Y., Li, N., Guo, L., Li, N., Yan, T., Lin, J., (2018), Machinery health prognostics: A systematic review from data acquisition to RUL prediction, Mechanical Systems and Signal Processing, 104, 799-834. google schola Buchaiah, S., Shakya, P., (2022), Bearing fault diagnosis and prognosis using data fusion based feature extraction and feature selection, Measurement, 188, 110506. google schola Liu, H., Mo, Z., Zhang, H., Zeng, X., Wang, J., Miao, Q., (2018), Investigation on rolling bearing remaining useful life prediction: A review, Prognostic System Health Management Conference (PHM-Chongqing), 979-984. google schola

함께 읽어보면 좋을 논문

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

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-091195228