論文の概要: Machine Learning for Nondestructive Wear Assessment in Large Internal Combustion Engines

• arxiv url: http://arxiv.org/abs/2103.08482v1
• Date: Mon, 15 Mar 2021 16:01:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-16 14:04:13.786767
• Title: Machine Learning for Nondestructive Wear Assessment in Large Internal Combustion Engines
• Title（参考訳）: 大型内燃機関の非破壊摩耗評価のための機械学習
• Authors: Christoph Angermann, Steinbj\"orn J\'onsson, Markus Haltmeier, Ad\'ela Moravov\'a, Christian Laubichler, Constantin Kiesling, Martin Kober, Wolfgang Fimml
• Abstract要約: 既存の摩耗の定量化には, 検査ライナーの分解, 切断が必要である。 リニア表面の反射rgb画像から表面表現軸受荷重曲線の計算を可能にするディープラーニングフレームワークを提案する。 この目的のために、畳み込みニューラルネットワークを訓練し、対応する深さプロファイルの軸受荷重曲線を推定する。
• 参考スコア（独自算出の注目度）: 0.8795040582681388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digitalization offers a large number of promising tools for large internal combustion engines such as condition monitoring or condition-based maintenance. This includes the status evaluation of key engine components such as cylinder liners, whose inner surfaces are subject to constant wear due to their movement relative to the pistons. Existing state-of-the-art methods for quantifying wear require disassembly and cutting of the examined liner followed by a high-resolution microscopic surface depth measurement that quantitatively evaluates wear based on bearing load curves (also known as Abbott-Firestone curves). Such reference methods are destructive, time-consuming and costly. The goal of the research presented here is to develop simpler and nondestructive yet reliable and meaningful methods for evaluating wear condition. A deep-learning framework is proposed that allows computation of the surface-representing bearing load curves from reflection RGB images of the liner surface that can be collected with a simple handheld device, without the need to remove and destroy the investigated liner. For this purpose, a convolutional neural network is trained to estimate the bearing load curve of the corresponding depth profile, which in turn can be used for further wear evaluation. Training of the network is performed using a custom-built database containing depth profiles and reflection images of liner surfaces of large gas engines. The results of the proposed method are visually examined and quantified considering several probabilistic distance metrics and comparison of roughness indicators between ground truth and model predictions. The observed success of the proposed method suggests its great potential for quantitative wear assessment on engines and service directly on site.
• Abstract（参考訳）: デジタル化は、コンディション監視やコンディションベースのメンテナンスなど、大規模な内燃機関に多くの有望なツールを提供する。 これには、ピストンに対する動きにより内面が一定の摩耗を受けるシリンダーライナーなどの主要なエンジンコンポーネントの状態評価が含まれます。 現行の摩耗定量法では, 測定したライナーの分解・切断, および耐力荷重曲線(アボット・ファイアストーン曲線)に基づいて摩耗を定量的に評価する高分解能表面深さ測定が必要となる。 このような参照方法は破壊的であり、時間がかかり、コストがかかる。 本研究の目的は, よりシンプルで非破壊的で信頼性が高く, 有意義な摩耗状態の評価方法を開発することである。 単純なハンドヘルドデバイスで収集可能なライナー表面の反射RGB画像から表面表現軸受荷重曲線を計算できるディープラーニングフレームワークを提案し、調査されたライナーを削除して破壊する必要がない。 この目的のために、畳み込みニューラルネットワークを訓練し、対応する深さプロファイルの軸受荷重曲線を推定し、さらに摩耗評価に使用することができます。 ネットワークのトレーニングは、大型ガスエンジンのライナー面の深度プロファイルと反射像を含むカスタム構築のデータベースを用いて行われる。 提案手法の結果は, 確率的距離指標と, 地中真理とモデル予測の粗さ指標の比較から, 視覚的に検討し, 定量化した。 提案手法の成功は,エンジンおよびサービスを直接現場で定量的な摩耗評価を行う大きな可能性を示唆している。

関連論文リスト

• TanDepth: Leveraging Global DEMs for Metric Monocular Depth Estimation in UAVs [5.6168844664788855]
  本研究は,推定時間における相対的推定値から計量深度値を求めるための,実践的なオンラインスケール回復手法であるTanDepthを提案する。 本手法は無人航空機(UAV)の用途に応用され,GDEM(Global Digital Elevation Models)のスパース計測をカメラビューに投影することで活用する。 推定深度マップから接地点を選択して、投影された基準点と相関するクラスシミュレーションフィルタへの適応を示す。
  論文  参考訳（メタデータ） (2024-09-08T15:54:43Z)
• Estimating Pore Location of PBF-LB/M Processes with Segmentation Models [0.0]
  本稿では,ガウス核密度推定を用いて単一層内における位置を推定する多孔性局所化手法を提案する。 これにより、セグメンテーションモデルは、その場監視データと細孔発生の導出確率分布との相関を学習することができる。 以上の結果から,本手法は最小限のデータ前処理を必要とする細孔の正確な局所化を可能にすると結論付けた。
  論文  参考訳（メタデータ） (2024-08-05T14:31:09Z)
• A Survey on Deep Learning-Based Monocular Spacecraft Pose Estimation: Current State, Limitations and Prospects [7.08026800833095]
  非協力宇宙船の姿勢を推定することは、軌道上の視覚ベースのシステムを実現するための重要なコンピュータビジョン問題である。 コンピュータビジョンの一般的な傾向に続き、この問題を解決するためにディープラーニング(DL)手法を活用する研究がますます増えている。 有望な研究段階の結果にもかかわらず、実際のミッションでこのような方法が使われるのを防ぐ大きな課題が今も残っている。
  論文  参考訳（メタデータ） (2023-05-12T09:52:53Z)
• An evaluation framework for dimensionality reduction through sectional curvature [59.40521061783166]
  本研究は,非教師付き次元減少性能指標を初めて導入することを目的としている。 その実現可能性をテストするために、この測定基準は最もよく使われる次元削減アルゴリズムの性能を評価するために用いられている。 新しいパラメータ化問題インスタンスジェネレータが関数ジェネレータの形式で構築されている。
  論文  参考訳（メタデータ） (2023-03-17T11:59:33Z)
• Information-Theoretic Odometry Learning [83.36195426897768]
  生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。 提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
  論文  参考訳（メタデータ） (2022-03-11T02:37:35Z)
• Hybrid Physics and Deep Learning Model for Interpretable Vehicle State Prediction [75.1213178617367]
  深層学習と物理運動モデルを組み合わせたハイブリッドアプローチを提案する。 ハイブリッドモデルの一部として,ディープニューラルネットワークの出力範囲を制限することで,解釈可能性を実現する。 その結果, ハイブリッドモデルでは, 既存のディープラーニング手法に比べて精度を低下させることなく, モデル解釈性が向上できることがわかった。
  論文  参考訳（メタデータ） (2021-03-11T15:21:08Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• Probabilistic Surface Friction Estimation Based on Visual and Haptic Measurements [17.477520575909193]
  本研究では, 物体全体の表面摩擦係数を推定できる連接型粘性触覚物体モデルを提案する。 提案手法の有効性は, 実物体の多種多様な摩擦係数を推定し, 提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2020-10-16T09:58:39Z)
• Deep Keypoint-Based Camera Pose Estimation with Geometric Constraints [80.60538408386016]
  連続するフレームから相対的なカメラのポーズを推定することは、視覚計測の基本的な問題である。 本稿では,検出,特徴抽出,マッチング,外乱除去のための学習可能なモジュールで構成されるエンドツーエンドのトレーニング可能なフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-29T21:41:31Z)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)

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。