Abstract: A. Nath, S. Udmale, D. Raghuwanshi, S. Singh (2021)

Rotating machinery (RM) fault diagnosis based on artificial intelligence (AI) is an esteemed industrial IoT application and an inevitable constituent of the Industry 4.0 revolution. Notably, the existing research in this area exhibits the following limitations: i) the time-series characterization or system dynamics considerations of vibration input are not strictly followed in the diagnostic procedure, ii) fault-specific component usage is not encouraged in existing decision-making strategies, and iii) single classifier based decision-making commonly compromises in utilizing all features of input data. Structural rotor fault (SRF) is the most vital but least attended defect, which is the root cause of most RM issues. We develop a framework that uses two parallel decision-making strategies, i.e., the convolutional neural network (CNN) with fuzzy recurrence plot (FRP) as input and a long short-term memory (LSTM) network taking distinctive frequency components (DFC) stream as input. Moreover, a DFC-based ranking and image combining scheme is proposed to select the most informative sensor signals from the segmented raw vibration signals and generate a 3D-FRP, and 2D flattened FRP (F-FRP). These multi-sensor FRPs characterize the system dynamics and preserve the time-series properties of the vibration input. The DFC stream simultaneously catered to LSTM facilitates symptom parameters-based decision-making. The parallel decision scores are fused by fuzzy integral (FI) based fusion depending on the confidence of the sources. The model performs exceptionally well over the state-of-the-art methods and achieves around 99.0% accuracy with the Meggitt testbed dataset and the MaFaulDa dataset.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Improved Structural Rotor Fault Diagnosis using Multi-sensor Fuzzy Recurrence Plots and Classifier Fusion