論文の概要: Reinforcement Learning Approach to Vibration Compensation for Dynamic
Feed Drive Systems
- arxiv url: http://arxiv.org/abs/2004.09263v1
- Date: Tue, 14 Apr 2020 14:22:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 12:40:38.769920
- Title: Reinforcement Learning Approach to Vibration Compensation for Dynamic
Feed Drive Systems
- Title(参考訳): 動的フィード駆動システムの振動補償に対する強化学習手法
- Authors: Ralf Gulde, Marc Tuscher, Akos Csiszar, Oliver Riedel and Alexander
Verl
- Abstract要約: 機械工具軸に適用された振動補償に対する強化学習に基づくアプローチを提案する。
本研究は, 産業機械のハードウェアと制御システムを用いた問題定式化, ソリューション, 実装, 実験について述べる。
- 参考スコア(独自算出の注目度): 62.19441737665902
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vibration compensation is important for many domains. For the machine tool
industry it translates to higher machining precision and longer component
lifetime. Current methods for vibration damping have their shortcomings (e.g.
need for accurate dynamic models). In this paper we present a reinforcement
learning based approach to vibration compensation applied to a machine tool
axis. The work describes the problem formulation, the solution, the
implementation and experiments using industrial machine tool hardware and
control system.
- Abstract(参考訳): 多くの領域では振動補償が重要である。
機械工具産業では、加工精度が向上し、部品寿命が長くなる。
現在の振動減衰法には欠点がある(例えば、正確な動的モデルの必要性)。
本稿では,機械工具軸に適用された振動補償に対する強化学習に基づくアプローチを提案する。
本研究は,産業機械工具ハードウェアと制御システムを用いた問題定式化,ソリューション,実装,実験について述べる。
関連論文リスト
- FaultFormer: Pretraining Transformers for Adaptable Bearing Fault
Classification [8.430481660019451]
本稿では,変圧器モデルに基づく軸受欠陥の同定のための事前学習および微調整フレームワークを提案する。
特に,異なるトークン化とデータ拡張戦略について検討し,パフォーマンスの向上と技術評価の到達状況について検討する。
これは、モデルがさまざまなベアリング、障害、機械にわたって事前訓練され、新しいデータスカースアプリケーションに素早くデプロイされる、という新しいパラダイムを導入する。
論文 参考訳(メタデータ) (2023-12-04T22:51:02Z) - Ball Mill Fault Prediction Based on Deep Convolutional Auto-Encoding
Network [3.673613706096849]
本稿では,深部畳み込み自己符号化ニューラルネットワーク(DCAN)を用いた異常検出手法を提案する。
提案手法は,教師付き学習手法でしばしば発生するラベル付け問題やデータ不均衡といった課題を克服し,通常の訓練中に収集した振動データを活用する。
本稿では, 武漢鉄鉄資源グループのボールミル軸受からのデータと, NASAの軸受振動データセットからのデータを利用して, 異常検出のためのDCANに基づく異常検出モデルの実用化について述べる。
論文 参考訳(メタデータ) (2023-11-09T17:49:07Z) - A Novel Transfer Learning Method Utilizing Acoustic and Vibration
Signals for Rotating Machinery Fault Diagnosis [12.631120583797518]
回転機械の故障診断は, 近代産業システムの安全性と安定性に重要な役割を担っている。
実世界の運用シナリオのデータとトレーニングデータの間には,分散の相違がある。
本稿では,この分布差に対処する音響信号と振動信号を用いた伝達学習手法を提案する。
論文 参考訳(メタデータ) (2023-10-20T10:50:14Z) - 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) - Machine learning at the mesoscale: a computation-dissipation bottleneck [77.34726150561087]
入力出力デバイスとして使用されるメソスコピックシステムにおける計算散逸ボトルネックについて検討する。
我々のフレームワークは、情報圧縮、入出力計算、非相互相互作用によって引き起こされる動的不可逆性の間の決定的な妥協に光を当てている。
論文 参考訳(メタデータ) (2023-07-05T15:46:07Z) - On Robust Numerical Solver for ODE via Self-Attention Mechanism [82.95493796476767]
我々は,内在性雑音障害を緩和し,AIによって強化された数値解法を,データサイズを小さくする訓練について検討する。
まず,教師付き学習における雑音を制御するための自己認識機構の能力を解析し,さらに微分方程式の数値解に付加的な自己認識機構を導入し,簡便かつ有効な数値解法であるAttrを提案する。
論文 参考訳(メタデータ) (2023-02-05T01:39:21Z) - Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。
本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文 参考訳(メタデータ) (2022-09-05T16:48:34Z) - Deep learning for solution and inversion of structural mechanics and
vibrations [0.0]
本稿では,構造力学と振動問題に対するディープラーニングと物理インフォームドニューラルネットワークの適用について述べる。
演示問題は、データのデノイズ化、時間依存の常微分方程式と偏微分方程式の解、与えられたデータに対するシステムの応答を特徴づけることである。
論文 参考訳(メタデータ) (2021-05-18T21:26:06Z) - Machine Learning Framework for Quantum Sampling of Highly-Constrained,
Continuous Optimization Problems [101.18253437732933]
本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。
本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
論文 参考訳(メタデータ) (2021-05-06T02:22:23Z) - Predictive Maintenance for Edge-Based Sensor Networks: A Deep
Reinforcement Learning Approach [68.40429597811071]
未計画の設備停止のリスクは、収益発生資産の予測保守によって最小化することができる。
機器に基づくセンサネットワークのコンテキストから予測機器のメンテナンスを行うために,モデルフリーのDeep Reinforcement Learningアルゴリズムを提案する。
従来のブラックボックス回帰モデルとは異なり、提案アルゴリズムは最適なメンテナンスポリシーを自己学習し、各機器に対して実行可能なレコメンデーションを提供する。
論文 参考訳(メタデータ) (2020-07-07T10:00:32Z)
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。