Fugu-MT 論文翻訳(概要): Reinforcement Learning Approach to Vibration Compensation for Dynamic Feed Drive Systems

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

Improving Radiography Machine Learning Workflows via Metadata Management for Training Data Selection [0.0]
物理科学では、科学研究サイクルによって生成されるメタデータのプールが永遠に増え続ける。このメタデータを追跡することで、余分な作業の削減、改善、フィーチャーとトレーニングデータセットエンジニアリングプロセスの支援が可能になる。動的ラジオグラフィーにおける機械学習メタデータ管理のためのツールを提案する。
論文参考訳（メタデータ） (2024-08-22T18:01:21Z)
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)
FaultFormer: Pretraining Transformers for Adaptable Bearing Fault Classification [7.136205674624813]
本稿では,トランスモデルに基づく自己教師型事前学習および微調整フレームワークを提案する。特に、最先端のアキュラシーに到達するための異なるトークン化とデータ拡張戦略について検討する。このパラダイムでは、異なるベアリング、障害、機械からラベル付けされていないデータに基づいてモデルを事前訓練し、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することが可能になる。
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)
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。