論文の概要: 3D Convolutional Selective Autoencoder For Instability Detection in Combustion Systems

• arxiv url: http://arxiv.org/abs/2101.01877v1
• Date: Wed, 6 Jan 2021 05:29:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-11 00:02:03.816037
• Title: 3D Convolutional Selective Autoencoder For Instability Detection in Combustion Systems
• Title（参考訳）: 燃焼系の不安定検出のための3次元畳み込み選択型オートエンコーダ
• Authors: Tryambak Gangopadhyay, Vikram Ramanan, Adedotun Akintayo, Paige K Boor, Soumalya Sarkar, Satyanarayanan R Chakravarthy, Soumik Sarkar
• Abstract要約: エンジンの燃焼室で発生する不安定性は数学的に複雑すぎてモデル化できない。 本稿では3D畳み込み選択型オートエンコーダ(3D-CSAE)と呼ばれる新しいディープラーニングアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 6.4520575698063105
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While analytical solutions of critical (phase) transitions in physical systems are abundant for simple nonlinear systems, such analysis remains intractable for real-life dynamical systems. A key example of such a physical system is thermoacoustic instability in combustion, where prediction or early detection of an onset of instability is a hard technical challenge, which needs to be addressed to build safer and more energy-efficient gas turbine engines powering aerospace and energy industries. The instabilities arising in combustion chambers of engines are mathematically too complex to model. To address this issue in a data-driven manner instead, we propose a novel deep learning architecture called 3D convolutional selective autoencoder (3D-CSAE) to detect the evolution of self-excited oscillations using spatiotemporal data, i.e., hi-speed videos taken from a swirl-stabilized combustor (laboratory surrogate of gas turbine engine combustor). 3D-CSAE consists of filters to learn, in a hierarchical fashion, the complex visual and dynamic features related to combustion instability. We train the 3D-CSAE on frames of videos obtained from a limited set of operating conditions. We select the 3D-CSAE hyper-parameters that are effective for characterizing hierarchical and multiscale instability structure evolution by utilizing the dynamic information available in the video. The proposed model clearly shows performance improvement in detecting the precursors of instability. The machine learning-driven results are verified with physics-based off-line measures. Advanced active control mechanisms can directly leverage the proposed online detection capability of 3D-CSAE to mitigate the adverse effects of combustion instabilities on the engine operating under various stringent requirements and conditions.
• Abstract（参考訳）: 物理系における臨界(位相)遷移の解析解は単純な非線形系には豊富であるが、実寿命力学系ではそのような解析は難解である。 そのような物理システムの重要な例は燃焼における熱音響不安定性であり、宇宙産業やエネルギー産業を駆動するより安全でエネルギー効率の良いガスタービンエンジンを構築するためには、不安定発生の予測や早期検出が難しい技術的課題である。 エンジンの燃焼室で発生する不安定性は数学的に複雑すぎてモデル化できない。 データ駆動方式でこの問題に対処するため,スワール安定化燃焼器(ガスタービンエンジン燃焼器の共振器)から撮影したハイスピードビデオを用いて自励発振の進化を検出する3D畳み込み選択型オートエンコーダ(3D-CSAE)と呼ばれる新しいディープラーニングアーキテクチャを提案する。 3d-csaeは、燃焼不安定に関連する複雑な視覚的および動的特徴を階層的に学習するフィルターで構成されている。 限られた操作条件から得られたビデオのフレーム上で3D-CSAEをトレーニングする。 ビデオ中の動的情報を利用して階層的・大規模不安定構造を特徴付けるのに有効な3D-CSAEハイパーパラメータを選択する。 提案モデルは,不安定な前駆体を検出する際の性能改善を示す。 機械学習による結果は、物理ベースのオフライン測定によって検証される。 高度な能動制御機構は、提案された3D-CSAEのオンライン検出能力を直接利用して、様々な厳しい条件と条件下で作動するエンジンに対する燃焼不安定性の影響を軽減することができる。

関連論文リスト

• Learning Physics From Video: Unsupervised Physical Parameter Estimation for Continuous Dynamical Systems [49.11170948406405]
  ビデオからの自動パラメータ推定の最先端は、大規模データセット上で教師付きディープネットワークをトレーニングすることによって解決される。 単一ビデオから, 既知, 連続制御方程式の物理パラメータを推定する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-02T09:44:54Z)
• Efficient Materials Informatics between Rockets and Electrons [0.0]
  この論文は、超高温耐火高エントロピー合金(RHEA)を組み込んだ機能性グレード材料(FGM)の設計に焦点を当てている。 原子レベルでは、MPDDと呼ばれる450万以上の緩和された構造から機械学習(ML)に最適化されたデータエコシステムが、実験的な観察を知らせ、熱力学モデルを改善するために使用される。 結果として生じるマルチレベル発見インフラストラクチャは、既存のソリューションを探すのではなく、問題のエンコーディングに重点を置いているため、非常に一般化可能である。
  論文  参考訳（メタデータ） (2024-07-05T17:03:26Z)
• Dynamical Mode Recognition of Coupled Flame Oscillators by Supervised and Unsupervised Learning Approaches [7.088178570214894]
  燃焼不安定は燃焼研究において最も困難な問題の一つである。 多くの燃焼システムの安全かつ信頼性の高い運転を保証するためには,燃焼不安定性の同定と理解が不可欠である。
  論文  参考訳（メタデータ） (2024-04-27T06:44:39Z)
• An Unsupervised Adversarial Autoencoder for Cyber Attack Detection in Power Distribution Grids [0.0]
  本稿では,不均衡配電系統における偽データインジェクション攻撃(FDIA)を検出するために,教師なし対向オートエンコーダ(AAE)モデルを提案する。 提案手法は,オートエンコーダの構造における長期記憶(LSTM)を用いて,時系列計測における時間依存性をキャプチャする。 IEEE 13-bus と 123-bus で、歴史的気象データと歴史的実世界の負荷データを用いてテストされている。
  論文  参考訳（メタデータ） (2024-03-31T01:20:01Z)
• DyEdgeGAT: Dynamic Edge via Graph Attention for Early Fault Detection in IIoT Systems [12.641578474466646]
  DyEdgeGATは、IIoTシステムにおける早期故障検出の新しいアプローチである。 動作条件コンテキストをノードダイナミックスモデリングに組み込んで、その正確性と堅牢性を高める。 我々は,DyEdgeGATを人工データセットと実世界の産業規模フロー施設ベンチマークの両方を用いて厳格に評価した。
  論文  参考訳（メタデータ） (2023-07-07T12:22:16Z)
• 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)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• In-flight Novelty Detection with Convolutional Neural Networks [0.0]
  本稿では,予防的保守意思決定者の注意を喚起するために,システム出力の測定をリアルタイムに優先することを提案する。 本稿では,異常データのオンライン検出と優先順位付けのためのデータ駆動システムを提案する。 このシステムは低消費電力の組み込みハードウェアでリアルタイムに動作可能で、現在ロールス・ロイス・パール15のエンジン飛行試験に配備中である。
  論文  参考訳（メタデータ） (2021-12-07T15:19:41Z)
• On-board Fault Diagnosis of a Laboratory Mini SR-30 Gas Turbine Engine [54.650189434544146]
  データ駆動型故障診断・隔離方式は, 燃料供給システムにおける故障とセンサ測定のために, 明確に開発されている。 モデルは機械学習の分類器を使用してトレーニングされ、トレーニングされた障害シナリオのセットをリアルタイムで検出する。 提案手法の利点, 性能, 性能を実証し, 実証するために, いくつかのシミュレーション実験を行った。
  論文  参考訳（メタデータ） (2021-10-17T13:42:37Z)
• OSCAR: Data-Driven Operational Space Control for Adaptive and Robust Robot Manipulation [50.59541802645156]
  オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。 本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。 本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-10-02T01:21:38Z)
• gradSim: Differentiable simulation for system identification and visuomotor control [66.37288629125996]
  本稿では,微分可能マルチフィジカルシミュレーションと微分可能レンダリングを活用し,3次元監督への依存を克服するフレームワークであるgradsimを提案する。 当社の統合グラフは、状態ベースの(3D)監督に頼ることなく、挑戦的なバイスモメータ制御タスクで学習を可能にします。
  論文  参考訳（メタデータ） (2021-04-06T16:32:01Z)

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。