論文の概要: Hidden Markov Models for Pipeline Damage Detection Using Piezoelectric Transducers

• arxiv url: http://arxiv.org/abs/2009.14589v1
• Date: Wed, 30 Sep 2020 12:10:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 00:19:40.712322
• Title: Hidden Markov Models for Pipeline Damage Detection Using Piezoelectric Transducers
• Title（参考訳）: 圧電トランスデューサを用いたパイプライン損傷検出のための隠れマルコフモデル
• Authors: Mingchi Zhang, Xuemin Chen and Wei Li
• Abstract要約: 隠れマルコフモデル(HMM)における異なる断面またはき裂深さの漏れは異なる状態と見なされる 実験により,GMM-HMM法はパイプラインのひび割れ深さと漏れを認識できることがわかった。
• 参考スコア（独自算出の注目度）: 2.526646643978384
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Oil and gas pipeline leakages lead to not only enormous economic loss but also environmental disasters. How to detect the pipeline damages including leakages and cracks has attracted much research attention. One of the promising leakage detection method is to use lead zirconate titanate (PZT) transducers to detect the negative pressure wave when leakage occurs. PZT transducers can generate and detect guided stress waves for crack detection also. However, the negative pressure waves or guided stress waves may not be easily detected with environmental interference, e.g., the oil and gas pipelines in offshore environment. In this paper, a Gaussian mixture model based hidden Markov model (GMM-HMM) method is proposed to detect the pipeline leakage and crack depth in changing environment and time-varying operational conditions. Leakages in different sections or crack depths are considered as different states in hidden Markov models (HMM). Laboratory experiments show that the GMM-HMM method can recognize the crack depth and leakage of pipeline such as whether there is a leakage, where the leakage is.
• Abstract（参考訳）: 石油とガスパイプラインの漏出は、経済的損失だけでなく、環境災害にも繋がる。 漏れやひび割れを含むパイプラインの損傷を検出する方法が研究の注目を集めている。 有望な漏洩検出方法の1つは、鉛ジルコネート(pzt)トランスデューサを使用して漏れが発生したときに負の圧力波を検出することである。 PZTトランスデューサは、ひび割れ検出のための誘導応力波を発生および検出することができる。 しかし, 沖合環境における油・ガスパイプラインなどの環境干渉では, 負圧波や誘導応力波は容易には検出できない。 本稿では,ガウス混合モデルに基づく隠れマルコフモデル (GMM-HMM) を提案し,環境変化と時間変動操作条件におけるパイプラインの漏れや亀裂深さを検出する。 異なるセクションや亀裂深さの漏れは隠れマルコフモデル(HMM)の異なる状態と見なされる。 実験室実験により,GMM-HMM法は漏れの有無などのパイプラインの亀裂深さと漏れを認識できることがわかった。

関連論文リスト

• Unsupervised Anomaly Detection Using Diffusion Trend Analysis [48.19821513256158]
  本稿では, 劣化度に応じて, 復元傾向の分析により異常を検出する手法を提案する。 提案手法は,産業用異常検出のためのオープンデータセット上で検証される。
  論文  参考訳（メタデータ） (2024-07-12T01:50:07Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• Investigating the Suitability of Concept Drift Detection for Detecting Leakages in Water Distribution Networks [7.0072935721154614]
  漏れは、水の損失と汚染リスクの増加を引き起こすため、水分配ネットワークにおいて大きなリスクである。 水分配網の複雑な力学のために漏れ検知は難しい課題である。 機械学習の観点からは、リークはコンセプトドリフトとしてモデル化できる。
  論文  参考訳（メタデータ） (2024-01-03T13:12:04Z)
• FS-BAND: A Frequency-Sensitive Banding Detector [55.59101150019851]
  バンディング・アーティファクト(Banding artifact)は、階段のような輪郭(contour)として知られ、圧縮や伝達などで発生する一般的な品質の不快さである。 周波数感度バンディング検出器 (FS-BAND) と呼ばれる,帯状アーティファクトを捕捉・評価するための非参照帯状検出モデルを提案する。 実験結果から,FS-BAND法は画像品質評価(IQA)手法よりもバンドリング分類タスクの精度が高い結果を得た。
  論文  参考訳（メタデータ） (2023-11-30T03:20:42Z)
• MFL Data Preprocessing and CNN-based Oil Pipeline Defects Detection [0.0]
  コンピュータビジョンの異常検出への応用は、いくつかの産業分野で注目されている。 本研究は磁気フラックス漏洩データと前処理技術の研究に焦点を当てる。 そのために、最近の畳み込みニューラルネットワーク構造を利用して、堅牢なアプローチを提案しました。
  論文  参考訳（メタデータ） (2023-09-30T10:37:12Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• Hyperspectral Remote Sensing Benchmark Database for Oil Spill Detection with an Isolation Forest-Guided Unsupervised Detector [13.739881592455044]
  近年、海洋石油流出事故が環境、天然資源、沿岸住民の生活に深刻な影響を与えているため、石油流出の検出が注目されている。 既存のアプローチのほとんどは、ハイパースペクトル画像(HSI)からのオイル流出を検出するための教師付きおよび半教師付きフレームワークに基づいている。 本研究では,HSIの孤立林を基盤とした非監督型油流出検出手法の開発を初めて試みる。
  論文  参考訳（メタデータ） (2022-09-28T02:26:42Z)
• Jet noise characterization for advanced pipeline leak detection [0.0]
  本研究では,そのような漏出孔の存在と大きさの両方を検知できることを示す。 燃料タンク領域の16 ID接続パイプライン上に複数のキャリブレーションノズルを用いて音波発生実験を行った。
  論文  参考訳（メタデータ） (2022-01-31T09:35:33Z)
• Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
  オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。 異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
  論文  参考訳（メタデータ） (2021-07-28T10:19:58Z)
• Deep Learning Based Steel Pipe Weld Defect Detection [0.0]
  鋼管溶接欠陥検出分野に適用するために, 最先端の単段物検出アルゴリズム YOLOv5 を提案する。 実験の結果, 鋼管溶接欠陥検出にyolov5を適用すると精度が大幅に向上し, マルチクラス化作業が完了し, リアルタイム検出の基準を満たした。
  論文  参考訳（メタデータ） (2021-04-30T11:15:13Z)
• Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
  水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。 提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
  論文  参考訳（メタデータ） (2020-11-28T05:51:19Z)

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。