論文の概要: A reduced-order modeling framework for simulating signatures of faults
in a bladed disk
- arxiv url: http://arxiv.org/abs/2108.06265v1
- Date: Fri, 13 Aug 2021 14:21:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-16 15:36:12.999405
- Title: A reduced-order modeling framework for simulating signatures of faults
in a bladed disk
- Title（参考訳）: ブレードディスクにおける故障のシグネチャをシミュレートするための低次モデリングフレームワーク
- Authors: Divya Shyam Singh, Atul Agrawal, D. Roy Mahapatra
- Abstract要約: 本稿では, 回転軸上の羽根円板の振動特性をシミュレートする低次モデリング手法について報告する。
我々は、複雑な動的応答についてより深い洞察を得るために、サブコンポーネントのラッピングおよび1次元解析モデルを用いてきた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper reports a reduced-order modeling framework of bladed disks on a
rotating shaft to simulate the vibration signature of faults like cracks in
different components aiming towards simulated data-driven machine learning. We
have employed lumped and one-dimensional analytical models of the subcomponents
for better insight into the complex dynamic response. The framework seeks to
address some of the challenges encountered in analyzing and optimizing fault
detection and identification schemes for health monitoring of rotating
turbomachinery, including aero-engines. We model the bladed disks and shafts by
combining lumped elements and one-dimensional finite elements, leading to a
coupled system. The simulation results are in good agreement with previously
published data. We model the cracks in a blade analytically with their
effective reduced stiffness approximation. Multiple types of faults are
modeled, including cracks in the blades of single and two-stage bladed disks,
Fan Blade Off (FBO), and Foreign Object Damage (FOD). We have applied
aero-engine operational loading conditions to simulate realistic scenarios of
online health monitoring. The proposed reduced-order simulation framework will
have applications in probabilistic signal modeling, machine learning toward
fault signature identification, and parameter estimation with measured
vibration signals.
- Abstract（参考訳）: 本稿では, 回転軸上の羽根ディスクの低次モデリング手法を用いて, データ駆動機械学習のシミュレーションを目的とした各種部品の亀裂等の欠陥の振動シグネチャをシミュレートする。
我々は,複雑な動的応答の理解を深めるために,サブコンポーネントの集中的および1次元解析モデルを用いてきた。
このフレームワークは、エアエンジンを含む回転ターボ機械の健康モニタリングのための故障検出および識別スキームの分析と最適化において直面する課題に対処することを目指している。
積層要素と一次元有限要素を組み合わせたブレードディスクとシャフトをモデル化し,結合系に導いた。
シミュレーション結果は、以前公表したデータとよく一致している。
実効的な剛性近似により, ブレードの亀裂を解析的にモデル化した。
単一および2段のブレードディスクのブレードの亀裂、ファンブレードオフ(FBO)、異物損傷(FOD)など、複数の種類の故障がモデル化されている。
我々は,オンライン健康モニタリングの現実的なシナリオをシミュレートするために,航空機関の運用負荷条件を適用した。
提案手法は,確率的信号モデリング,フォールトシグニチャ同定への機械学習,および測定された振動信号を用いたパラメータ推定に応用する。
関連論文リスト
- Steering Masked Discrete Diffusion Models via Discrete Denoising Posterior Prediction [88.65168366064061]
本稿では,確率論的推論の課題として,事前学習したMDMを操る作業を行う新しいフレームワークであるDDPPを紹介する。
私たちのフレームワークは、3つの新しい目標のファミリーにつながります。
Wet-lab Validation(ウェット・ラブ・バリデーション)を用いて,報酬最適化タンパク質配列の過渡的発現を観察する。
論文 参考訳（メタデータ） (2024-10-10T17:18:30Z) - Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。
具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。
アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
論文 参考訳（メタデータ） (2023-08-06T05:58:45Z) - Machine Learning for UAV Propeller Fault Detection based on a Hybrid
Data Generation Model [0.0]
本稿では,RPMとフライトデータを用いて,故障プロペラの同定と,故障レベルの分類に焦点をあてる。
オフライントレーニングデータ生成を実現するために,仮想データ生成モデルの開発にハイブリッドアプローチを提案する。
その結果, 実験により, プロペラ断層の位置と損傷の程度, タイプを同定できることがわかった。
論文 参考訳（メタデータ） (2023-02-03T05:28:02Z) - Reconstruction and analysis of negatively buoyant jets with
interpretable machine learning [0.0]
脱塩などのプロセスから排水が排出される際には、負に傾斜した浮力ジェットが観測される。
有害な影響を最小限に抑え、環境への影響を評価するためには、詳細な数値調査が必要である。
機械学習モデルの応用が提案されている。
論文 参考訳（メタデータ） (2022-11-10T11:14:45Z) - Applying Physics-Informed Enhanced Super-Resolution Generative
Adversarial Networks to Turbulent Premixed Combustion and Engine-like Flame
Kernel Direct Numerical Simulation Data [0.0]
この研究は、最近開発されたPIESRGANによる乱流予混合燃焼のモデリング手法を推し進めている。
その結果, 全乱流予混合火炎核の直接数値シミュレーションデータに対して, 先行実験と後続試験に良好な結果が得られた。
論文 参考訳（メタデータ） (2022-10-28T15:27:46Z) - Data-driven Control of Agent-based Models: an Equation/Variable-free
Machine Learning Approach [0.0]
複雑/マルチスケールシステムの集合力学を制御するための方程式/変数自由機械学習(EVFML)フレームワークを提案する。
提案手法は3段階からなる: (A) 高次元エージェントベースシミュレーション、機械学習(特に非線形多様体学習(DM))
創発力学の数値分岐解析を行うために方程式のない手法を用いる。
我々は,エージェントをベースとしたシミュレータを本質的で不正確に知られ,創発的なオープンループ定常状態に駆動する,データ駆動型組込み洗浄制御器を設計する。
論文 参考訳（メタデータ） (2022-07-12T18:16:22Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - Anomaly Detection of Time Series with Smoothness-Inducing Sequential
Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。
我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。
合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文 参考訳（メタデータ） (2021-02-02T06:15:15Z) - Firearm Detection via Convolutional Neural Networks: Comparing a
Semantic Segmentation Model Against End-to-End Solutions [68.8204255655161]
武器の脅威検出とライブビデオからの攻撃的な行動は、潜在的に致命的な事故の迅速検出と予防に使用できる。
これを実現する一つの方法は、人工知能と、特に画像分析のための機械学習を使用することです。
従来のモノリシックなエンド・ツー・エンドのディープラーニングモデルと、セマンティクスセグメンテーションによって火花を検知する単純なニューラルネットワークのアンサンブルに基づく前述したモデルを比較した。
論文 参考訳（メタデータ） (2020-12-17T15:19:29Z) - Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。
このようなモデルをリアルタイム診断に利用しています。
論文 参考訳（メタデータ） (2020-03-04T00:44:57Z)
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。