騒音、振動、およびハーシュネス
モード解析のモーダル パラメーターと周波数応答関数を識別します。レインフロー カウントと包絡線スペクトルを使用して振動と疲労の解析を実行します。マルチドメイン特徴抽出、ウェーブレット散乱、深層学習モデルを使用して異常を検出します。
注目の例
回転機の振動解析
時間同期平均化および包絡線スペクトルを使用して、ギアボックスからの振動信号を解析します。
Machine Learning and Deep Learning Classification Using Signal Feature Extraction Objects
Use signal feature extraction objects and AI-based classification to identify faulty bearing signals in mechanical systems.
シミュレートされたシステムおよび風力タービン ブレードのモード解析
周波数応答関数およびモーダル パラメーターを実験データから推定します。
Practical Introduction to Fatigue Analysis Using Rainflow Counting
Use rainflow counting to perform fatigue analysis and find the total damage on a mechanical component due to cyclic stress.
振動信号の包絡線スペクトルの計算
信号の包絡線スペクトルを計算して、アプリで生成したスクリプトと関数を単一のワークフローに結合します。
Practical Introduction to Shock Waveform and Shock Response Spectrum
Compute shock response spectra of synthetic and measured transient acceleration signals.
LSTM 自己符号化器を使用した機械の異常検出
長短期記憶自己符号化器を使用して、産業機械から取得したデータの異常を検出する。
加速度計データからの亀裂の識別
ウェーブレットと深層学習の手法を使用して、舗装の横断亀裂を検出し、その位置を特定する。
Detect Anomalies Using Wavelet Scattering with Autoencoders
Learn how to develop an alert system for predictive maintenance using wavelet scattering and deep learning.
Anomaly Detection Using Convolutional Autoencoder with Wavelet Scattering Sequences
Detect anomalies in acoustic data using wavelet scattering and the
deepSignalAnomalyDetector object.
Fault Detection Using Wavelet Scattering and Recurrent Deep Networks
Classify faults in acoustic recordings of air compressors using a wavelet scattering network paired with a recurrent neural network.
