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

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.

목차

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

참고문헌 (0)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0