ベアリング故障診断のための深層学習アルゴリズム—包括的レビュー

この調査論文では、深層学習（DL）アルゴリズムを用いたベアリング故障診断に関する既存文献を体系的に要約します。従来の機械学習（ML）手法、例えば人工ニューラルネットワーク、主成分分析、サポートベクターマシンなどは、数十年間にわたりベアリング故障の検出と分類に成功裏に適用されてきましたが、過去5年間のDLアルゴリズムの最近の発展は、産業界および学界におけるインテリジェントな機械健康モニタリングへの新たな関心を呼び起こしました。本論文では、まず従来のML手法の簡単なレビューを行い、その後、ベアリング故障アプリケーションにおける最先端のDLアルゴリズムに深く踏み込みます。特に、故障特徴の抽出と分類性能に関して、DLベースの手法の優位性が分析され、DL技術によって可能となった新しい機能も要約されます。さらに、より直感的な洞察を得るために、オープンソースのケースウェスタンリザーブ大学（CWRU）ベアリングデータセットを利用した異なるアルゴリズムの分類精度に関する比較研究が実施されます。最後に、さまざまなDLアルゴリズムをベアリング故障診断に適用するための移行を円滑にするために、特定の適用条件に対する詳細な推奨と提案が提供されます。健康モニタリングにおけるDLアルゴリズムの性能をさらに向上させるための将来の研究方向についても議論されます。