論文の概要: Deep learning for brake squeal: vibration detection, characterization and prediction

• arxiv url: http://arxiv.org/abs/2001.01596v2
• Date: Fri, 15 May 2020 15:57:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-16 04:39:34.068025
• Title: Deep learning for brake squeal: vibration detection, characterization and prediction
• Title（参考訳）: ブレーキスケールのディープラーニング:振動検出,キャラクタリゼーション,予測
• Authors: Merten Stender, Merten Tiedemann, David Spieler, Daniel Schoepflin, Norbert Hofffmann, Sebastian Oberst
• Abstract要約: 本稿では, 摩擦ブレーキ系振動と騒音発生機構について, より深い知見を得るため, データ集中振動試験の取扱い方について報告する。 典型的な摩擦ノイズ記録のいくつかのクラスを識別するために、深層学習ブレーキスクイール検出器を開発した。 繰り返しニューラルネットワークを用いて、オペレーティングブレーキシステムの動的安定性を決定するパラメトリックパターンを学習する。
• 参考スコア（独自算出の注目度）: 2.20200533591633
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite significant advances in modeling of friction-induced vibrations and brake squeal, the majority of industrial research and design is still conducted experimentally, since many aspects of squeal and its mechanisms involved remain unknown. We report here for the first time on novel strategies for handling data-intensive vibration testings to gain better insights into friction brake system vibrations and noise generation mechanisms. Machine learning-based methods to detect and characterize vibrations, to understand sensitivities and to predict brake squeal are applied with the aim to illustrate how interdisciplinary approaches can leverage the potential of data science techniques for classical mechanical engineering challenges. In the first part, a deep learning brake squeal detector is developed to identify several classes of typical friction noise recordings. The detection method is rooted in recent computer vision techniques for object detection based on convolutional neural networks. It allows to overcome limitations of classical approaches that solely rely on instantaneous spectral properties of the recorded noise. Results indicate superior detection and characterization quality when compared to a state-of-the-art brake squeal detector. In the second part, a recurrent neural network is employed to learn the parametric patterns that determine the dynamic stability of an operating brake system. Given a set of multivariate loading conditions, the RNN learns to predict the noise generation of the structure. The validated RNN represents a virtual twin model for the squeal behavior of a specific brake system. It is found that this model can predict the occurrence and the onset of brake squeal with high accuracy and that it can identify the complicated patterns and temporal dependencies in the loading conditions that drive the dynamical structure into regimes of instability.
• Abstract（参考訳）: 摩擦による振動とブレーキのスカルのモデリングが大幅に進歩したにもかかわらず、スカルの多くの側面とその機構がまだ不明であるため、産業研究と設計の大部分は実験的に行われている。 本報告では, 摩擦ブレーキ系振動と騒音発生機構に関する知見を得るため, データ集約振動試験を取り扱う新しい手法について, 初めて報告する。 従来の機械工学的課題に対するデータサイエンス技術の潜在能力を学際的アプローチがいかに活用できるかを説明するために, 振動を検出し, 特徴付けし, 感性を理解し, ブレーキスクイールを予測する機械学習手法を適用した。 第一部では、典型的な摩擦ノイズ記録のいくつかのクラスを特定するために、深層学習ブレーキスカル検出器を開発した。 この検出方法は、畳み込みニューラルネットワークに基づく物体検出のための最近のコンピュータビジョン技術に根ざしている。 これは記録された雑音の瞬時スペクトル特性のみに依存する古典的アプローチの限界を克服することができる。 その結果, 最先端のブレーキスケール検出器と比較して, 検出性能, キャラクタリゼーション品質が良好であった。 第2部では、動作ブレーキシステムの動的安定性を決定するパラメトリックパターンを学習するために、リカレントニューラルネットワークを用いる。 多変量負荷条件が与えられた場合、RNNは構造体の騒音発生を予測することを学ぶ。 検証されたRNNは、特定のブレーキシステムのスケジュール動作のための仮想ツインモデルを表す。 このモデルにより, ブレーキスケールの発生と発生を高精度に予測でき, 動的構造を不安定な状態に導く負荷条件における複雑なパターンと時間依存性を同定できることがわかった。

関連論文リスト

• Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
  無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。 効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。 本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
  論文  参考訳（メタデータ） (2024-04-24T13:50:27Z)
• Quadratic Time-Frequency Analysis of Vibration Signals for Diagnosing Bearing Faults [15.613528945524791]
  本稿では, 騒音レベルの異なる軸受欠陥を診断するための時間周波数解析と深層学習の融合について述べる。 転がり要素軸受の様々な欠陥を診断するための時間周波数畳み込みニューラルネットワーク(TF-CNN)を設計する。
  論文  参考訳（メタデータ） (2024-01-02T12:02:50Z)
• Exploring Sound vs Vibration for Robust Fault Detection on Rotating Machinery [13.480792901281047]
  本研究は, カタール大学Dual-Machine Bearing Fault Benchmarkデータセット(QU-DMBF)を提案する。 我々は,多数の設置条件と運転条件により,振動に基づく故障検出の大きな限界と欠点に焦点をあてる。 幅広い実験結果から, 音による断層検出法は, 振動による検出法よりもかなり頑健であることがわかった。
  論文  参考訳（メタデータ） (2023-12-17T15:27:32Z)
• A Closer Look at Bearing Fault Classification Approaches [1.9531938396288886]
  近年,転がり軸受の異常診断が注目されている。 近年の技術進歩により、これらの資産の健全性を大規模に監視できるようになった。 近年,転がり軸受の異常診断が注目されている。
  論文  参考訳（メタデータ） (2023-09-29T06:11:11Z)
• Neuro-symbolic model for cantilever beams damage detection [0.0]
  本稿では,新しい認知アーキテクチャに基づくカンチレバービームの損傷検出のためのニューロシンボリックモデルを提案する。 ハイブリッド識別モデルはLogic Convolutional Neural Regressorという名称で導入されている。
  論文  参考訳（メタデータ） (2023-05-04T13:12:39Z)
• Novel features for the detection of bearing faults in railway vehicles [88.89591720652352]
  我々は,Mel-Frequency Cepstral Coefficients (MFCCs) とAmplitude Modulation Spectrogram (AMS) から抽出した特徴を,軸受欠陥の検出のための特徴として紹介する。
  論文  参考訳（メタデータ） (2023-04-14T10:09:50Z)
• Stabilizing Machine Learning Prediction of Dynamics: Noise and Noise-inspired Regularization [58.720142291102135]
  近年、機械学習(ML)モデルはカオス力学系の力学を正確に予測するために訓練可能であることが示されている。 緩和技術がなければ、この技術は人工的に迅速にエラーを発生させ、不正確な予測と/または気候不安定をもたらす可能性がある。 トレーニング中にモデル入力に付加される多数の独立雑音実効化の効果を決定論的に近似する正規化手法であるLinearized Multi-Noise Training (LMNT)を導入する。
  論文  参考訳（メタデータ） (2022-11-09T23:40:52Z)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• Vibration Fault Diagnosis in Wind Turbines based on Automated Feature Learning [0.0]
  本稿では, 振動監視風車部品の高精度故障診断手法を提案する。 当社のアプローチは,畳み込みニューラルネットワークと孤立林に基づく,フォールトシグネチャの自律的データ駆動学習と健康状態分類を組み合わせたものだ。
  論文  参考訳（メタデータ） (2022-01-31T18:08:43Z)
• Gradient Starvation: A Learning Proclivity in Neural Networks [97.02382916372594]
  グラディエント・スターベーションは、タスクに関連する機能のサブセットのみをキャプチャすることで、クロスエントロピー損失を最小化するときに発生する。 この研究は、ニューラルネットワークにおけるそのような特徴不均衡の出現に関する理論的説明を提供する。
  論文  参考訳（メタデータ） (2020-11-18T18:52:08Z)
• A Novel Anomaly Detection Algorithm for Hybrid Production Systems based on Deep Learning and Timed Automata [73.38551379469533]
  DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。 深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。 このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
  論文  参考訳（メタデータ） (2020-10-29T08:27:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。