論文の概要: Early Detection of Thermoacoustic Instabilities in a Cryogenic Rocket
Thrust Chamber using Combustion Noise Features and Machine Learning
- arxiv url: http://arxiv.org/abs/2011.14985v1
- Date: Wed, 25 Nov 2020 17:30:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-21 04:03:12.756325
- Title: Early Detection of Thermoacoustic Instabilities in a Cryogenic Rocket
Thrust Chamber using Combustion Noise Features and Machine Learning
- Title（参考訳）: 燃焼騒音特性と機械学習を用いた極低温ロケット推力室の熱音響不安定の早期検出
- Authors: G\"unther Waxenegger-Wilfing, Ushnish Sengupta, Jan Martin, Wolfgang
Armbruster, Justin Hardi, Matthew Juniper, Michael Oschwald
- Abstract要約: 熱音響不安定性の早期検出のためのデータ駆動手法を提案する。
動的圧力センサデータの短周期時系列から特性燃焼特性を計算するために, 再帰解析を用いる。
ほとんどの場合、トレーニングに使用されていないテストデータに対して、この手法は2種類の熱音響不安定性をタイムリーに予測することができる。
- 参考スコア（独自算出の注目度）: 2.5206785921576293
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Combustion instabilities are particularly problematic for rocket thrust
chambers because of their high energy release rates and their operation close
to the structural limits. In the last decades, progress has been made in
predicting high amplitude combustion instabilities but still, no reliable
prediction ability is given. Reliable early warning signals are the main
requirement for active combustion control systems. In this paper, we present a
data-driven method for the early detection of thermoacoustic instabilities.
Recurrence quantification analysis is used to calculate characteristic
combustion features from short-length time series of dynamic pressure sensor
data. Features like the recurrence rate are used to train support vector
machines to detect the onset of an instability a few hundred milliseconds in
advance. The performance of the proposed method is investigated on experimental
data from a representative LOX/H$_2$ research thrust chamber. In most cases,
the method is able to timely predict two types of thermoacoustic instabilities
on test data not used for training. The results are compared with
state-of-the-art early warning indicators.
- Abstract（参考訳）: 燃焼不安定性は、高いエネルギー放出速度と構造限界に近い操作のため、ロケット推力室において特に問題となる。
過去数十年間、高振幅燃焼不安定性の予測は進歩してきたが、信頼できる予測能力は与えられていない。
信頼性の高い早期警報信号は、アクティブ燃焼制御システムの主要な要件である。
本稿では,熱音響不安定性早期検出のためのデータ駆動手法を提案する。
動的圧力センサデータの時系列から特性燃焼特性を計算するために, 再帰量化解析を用いる。
再発率などの機能は、サポートベクタマシンをトレーニングして、数百ミリ秒前に不安定の開始を検出するために使用される。
提案手法の性能について, 代表的なLOX/H$_2$研究スラスタチャンバーからの実験データを用いて検討した。
ほとんどの場合、この方法はトレーニングに使用されないテストデータで2種類の熱音響不安定性をタイムリーに予測することができる。
結果は最先端の早期警告指標と比較される。
関連論文リスト
- Pedestrian Trajectory Forecasting Using Deep Ensembles Under Sensing
Uncertainty [125.41260574344933]
エンコーダ・デコーダをベースとした深層アンサンブルネットワークは,認識と予測の不確実性の両方を同時に捕捉する。
全体として、深層アンサンブルはより堅牢な予測を提供し、上流の不確実性の考慮により、モデルの推定精度をさらに高めた。
論文 参考訳（メタデータ） (2023-05-26T04:27:48Z) - 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) - Forecasting Particle Accelerator Interruptions Using Logistic LASSO
Regression [62.997667081978825]
インターロックと呼ばれる予期せぬ粒子加速器の割り込みは、必要な安全対策にもかかわらず、突然の運用変更を引き起こす。
このような中断を予測することを目的とした,単純かつ強力なバイナリ分類モデルを提案する。
このモデルは、少なくとも絶対収縮と選択演算子によって罰せられるロジスティック回帰として定式化される。
論文 参考訳（メタデータ） (2023-03-15T23:11:30Z) - 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) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳（メタデータ） (2022-08-31T18:19:25Z) - Smart Meter Data Anomaly Detection using Variational Recurrent
Autoencoders with Attention [0.0]
本稿では,アテンション機構を備えた変分リカレントオートエンコーダに基づく教師なし異常検出手法を提案する。
スマートメーターの「汚れ」データを用いて、学習中の貢献度を減少させるために、欠落した値とグローバルな異常を事前に検出する。
論文 参考訳（メタデータ） (2022-06-08T19:39:51Z) - Automated Mobility Context Detection with Inertial Signals [7.71058263701836]
本研究の主な目的は,日常の運動機能の遠隔監視のためのコンテキスト検出について検討することである。
本研究の目的は、ウェアラブル加速度計でサンプリングされた慣性信号が、歩行関連活動を屋内または屋外に分類するための信頼性の高い情報を提供するかを理解することである。
論文 参考訳（メタデータ） (2022-05-16T09:34:43Z) - ReDFeat: Recoupling Detection and Description for Multimodal Feature
Learning [51.07496081296863]
我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。
本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。
我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
論文 参考訳（メタデータ） (2022-05-16T04:24:22Z) - Forecasting Thermoacoustic Instabilities in Liquid Propellant Rocket
Engines Using Multimodal Bayesian Deep Learning [1.911678487931003]
我々は、動的圧力時系列の振幅を予測するために、自己回帰ベイズニューラルネットワークモデルを訓練する。
ネットワークは、圧力振幅の進化を正確に予測し、目に見えない実験で500ミリ秒前に不安定事象を予測できる。
論文 参考訳（メタデータ） (2021-07-01T18:28:13Z) - Real-time parameter inference in reduced-order flame models with
heteroscedastic Bayesian neural network ensembles [1.7188280334580197]
私たちは2100万のシミュレートされたフレイムビデオのライブラリーでネットワークをトレーニングします。
トレーニングされたニューラルネットワークは、プレミックスされたブンゼン火炎の実ビデオからモデルパラメータを推測するために使用される。
論文 参考訳（メタデータ） (2020-10-11T15:04:34Z) - Incremental Bayesian tensor learning for structural monitoring data
imputation and response forecasting [18.919194955756396]
本稿では,欠損センサデータの時間的・構造的応答を再現するためのベイズテンソル学習法を提案する。
コンクリート橋の連続フィールドセンシングデータに提案手法の有効性を検証した。
提案手法は, ランダム欠落, 構造化欠落, 組み合わせが多数存在する場合でも, 正確かつ堅牢であることが示唆された。
論文 参考訳（メタデータ） (2020-07-01T22:16:56Z)
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。