論文の概要: Machine Learning-Based Unbalance Detection of a Rotating Shaft Using
Vibration Data
- arxiv url: http://arxiv.org/abs/2005.12742v3
- Date: Fri, 31 Jul 2020 14:01:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 00:50:13.279197
- Title: Machine Learning-Based Unbalance Detection of a Rotating Shaft Using
Vibration Data
- Title(参考訳): 振動データを用いた回転軸の機械学習による不均衡検出
- Authors: Oliver Mey, Willi Neudeck, Andr\'e Schneider and Olaf Enge-Rosenblatt
- Abstract要約: アンバランス検出のためのアルゴリズムの開発と評価の基礎となるデータセットを公表する。
各アンバランス強度に対して、開発と評価データセットが利用可能である。
評価データセット上での予測精度は98.6%であり、完全に接続されたニューラルネットワークで最良の結果が得られる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fault detection at rotating machinery with the help of vibration sensors
offers the possibility to detect damage to machines at an early stage and to
prevent production downtimes by taking appropriate measures. The analysis of
the vibration data using methods of machine learning promises a significant
reduction in the associated analysis effort and a further improvement in
diagnostic accuracy. Here we publish a dataset which is used as a basis for the
development and evaluation of algorithms for unbalance detection. For this
purpose, unbalances of various sizes were attached to a rotating shaft using a
3D-printed holder. In a speed range from approx. 630 RPM to 2330 RPM, three
sensors were used to record vibrations on the rotating shaft at a sampling rate
of 4096 values per second. A development and an evaluation dataset are
available for each unbalance strength. Using the dataset recorded in this way,
fully connected and convolutional neural networks, Hidden Markov Models and
Random Forest classifications on the basis of automatically extracted time
series features were tested. With a prediction accuracy of 98.6 % on the
evaluation dataset, the best result could be achieved with a fully-connected
neural network that receives the scaled FFT-transformed vibration data as
input.
- Abstract(参考訳): 振動センサによる回転機械の故障検出は、早期に機械の損傷を検知し、適切な対策を講じて生産停止を防ぐことができる。
機械学習を用いた振動データの解析は、関連する分析労力の大幅な削減と、さらなる診断精度の向上を約束する。
ここでは、アンバランス検出のためのアルゴリズムの開発と評価の基礎として使用されるデータセットを公開する。
この目的のために3Dプリントホルダを用いて回転軸に様々な大きさのアンバランスを取付けた。
速度は近似から近似まで。
630 RPMから2330 RPMの3つのセンサを用いて, 回転軸の振動を毎秒4096値のサンプリング速度で記録した。
不均衡強度ごとに開発と評価データセットが利用可能である。
このように記録されたデータセットを用いて、完全に接続された畳み込みニューラルネットワーク、Hidden Markov ModelsおよびRandom Forest分類を自動抽出時系列特徴に基づいてテストした。
評価データセット上で98.6 %の予測精度で、スケールしたfft変換振動データを入力として受信する完全接続ニューラルネットワークを用いて、最良の結果が得られる。
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) - Ray Denoising: Depth-aware Hard Negative Sampling for Multi-view 3D
Object Detection [46.041193889845474]
レイデノジング(Ray Denoising)は、カメラ線に沿って戦略的にサンプリングすることで検出精度を高める革新的な手法である。
Ray Denoisingはプラグイン・アンド・プレイモジュールとして設計されており、DETR方式のマルチビュー3D検出器と互換性がある。
NuScenesデータセット上の最先端のStreamPETR法よりも平均精度(mAP)が1.9%向上した。
論文 参考訳(メタデータ) (2024-02-06T02:17:44Z) - 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) - 1-D Residual Convolutional Neural Network coupled with Data Augmentation
and Regularization for the ICPHM 2023 Data Challenge [24.37696434579732]
本稿では,生の3チャンネル時間領域振動信号を用いた残差畳み込みニューラルネットワークを提案する。
ネットワークは、検査中のギアボックスの状態を正確に予測することができる。
論文 参考訳(メタデータ) (2023-04-14T08:50:21Z) - Collaborative Learning with a Drone Orchestrator [79.75113006257872]
インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。
提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
論文 参考訳(メタデータ) (2023-03-03T23:46:25Z) - Lab-scale Vibration Analysis Dataset and Baseline Methods for Machinery
Fault Diagnosis with Machine Learning [1.8352113484137629]
本稿では,実験装置からの振動信号のデータセットについて述べる。
データのバランスが取れているため、重み付け精度(WA)を用いてアルゴリズムの性能を評価する。
最高の性能のアルゴリズムは、5倍のクロスバリデーションに対して WA が 99.75% の SVM である。
論文 参考訳(メタデータ) (2022-12-27T00:23:59Z) - DynImp: Dynamic Imputation for Wearable Sensing Data Through Sensory and
Temporal Relatedness [78.98998551326812]
従来の手法では、データの時系列ダイナミクスと、異なるセンサーの特徴の関連性の両方をめったに利用していない、と我々は主張する。
我々はDynImpと呼ばれるモデルを提案し、特徴軸に沿って近接する隣人と異なる時間点の欠如を扱う。
本手法は, 関連センサのマルチモーダル性特性を活かし, 履歴時系列のダイナミックスから学習し, 極端に欠落した状態でデータを再構築することができることを示す。
論文 参考訳(メタデータ) (2022-09-26T21:59:14Z) - Explainable AI Algorithms for Vibration Data-based Fault Detection: Use
Case-adadpted Methods and Critical Evaluation [0.0]
深層ニューラルネットワークアルゴリズムを用いて振動データを解析することは、回転機械の損傷を早期に検出する有効な方法である。
本研究では、振動に基づく状態監視のための畳み込みニューラルネットワークへの説明可能なAI(XAI)アルゴリズムの適用について検討する。
論文 参考訳(メタデータ) (2022-07-21T19:57:36Z) - Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D
Object Detection [85.11649974840758]
3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。
そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
論文 参考訳(メタデータ) (2021-11-30T18:42:42Z) - Real-time gravitational-wave science with neural posterior estimation [64.67121167063696]
ディープラーニングを用いた高速重力波パラメータ推定のための前例のない精度を示す。
LIGO-Virgo Gravitational-Wave Transient Catalogから8つの重力波事象を解析した。
標準推論符号と非常に密接な定量的な一致を見いだすが、推定時間がO(day)から1イベントあたり1分に短縮される。
論文 参考訳(メタデータ) (2021-06-23T18:00:05Z) - Autoencoder-based Condition Monitoring and Anomaly Detection Method for
Rotating Machines [0.19116784879310028]
自動エンコーダモデルに基づく回転機の状態監視手法を異常検出手法を用いて提案する。
提案手法は, 生の振動信号から塩分の特徴を直接抽出できる。
2つの実世界のデータセットにおける実験結果は、提案手法が有望な結果をもたらすことを示している。
論文 参考訳(メタデータ) (2021-01-27T16:49:49Z)
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。