Fugu-MT 論文翻訳(概要): Intelligent Bearing Fault Diagnosis Method Combining Mixed Input and Hybrid CNN-MLP model

論文の概要: Intelligent Bearing Fault Diagnosis Method Combining Mixed Input and Hybrid CNN-MLP model

arxiv url: http://arxiv.org/abs/2112.08673v1
Date: Thu, 16 Dec 2021 07:26:22 GMT
ステータス: 処理完了
システム内更新日: 2021-12-18 02:19:11.666004
Title: Intelligent Bearing Fault Diagnosis Method Combining Mixed Input and Hybrid CNN-MLP model
Title（参考訳）: 混合入力とハイブリッドCNN-MLPモデルを組み合わせたインテリジェントベアリング故障診断法
Authors: V. Sinitsin, O. Ibryaeva, V. Sakovskaya, V. Eremeeva
Abstract要約: 本稿では,混合入力と転がり軸受診断を組み合わせたハイブリッドCNN-MLPモデルに基づく診断手法を提案する。この方法は、軸載無線加速度センサからの加速度データを用いて、軸受欠陥を正常に検出し、ローカライズする。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Rolling bearings are one of the most widely used bearings in industrial machines. Deterioration in the condition of rolling bearings can result in the total failure of rotating machinery. AI-based methods are widely applied in the diagnosis of rolling bearings. Hybrid NN-based methods have been shown to achieve the best diagnosis results. Typically, raw data is generated from accelerometers mounted on the machine housing. However, the diagnostic utility of each signal is highly dependent on the location of the corresponding accelerometer. This paper proposes a novel hybrid CNN-MLP model-based diagnostic method which combines mixed input to perform rolling bearing diagnostics. The method successfully detects and localizes bearing defects using acceleration data from a shaft-mounted wireless acceleration sensor. The experimental results show that the hybrid model is superior to the CNN and MLP models operating separately, and can deliver a high detection accuracy of 99,6% for the bearing faults compared to 98% for CNN and 81% for MLP models.
Abstract（参考訳）: 転がり軸受は産業機械で最も広く使われている軸受の1つである。転がり軸受の状態の劣化は、回転機械の総故障につながる可能性がある。 AIベースの手法は転がり軸受の診断に広く応用されている。 NN-based method は診断に最適であることを示す。通常、生データはマシンハウジングに搭載された加速度計から生成される。しかし、各信号の診断ユーティリティは、対応する加速度計の位置に大きく依存する。本稿では,混合入力と転がり軸受診断を組み合わせたハイブリッドCNN-MLPモデルに基づく診断手法を提案する。軸載型無線加速度センサからの加速度データを用いて軸受欠陥の検出と局所化に成功している。実験の結果, ハイブリッドモデルはcnnモデルとmlpモデルが別々に運用するモデルよりも優れており, 軸受障害の99,6%, cnnモデル98%, mlpモデル81%と高い検出精度が得られることがわかった。

関連論文リスト

DKDL-Net: A Lightweight Bearing Fault Detection Model via Decoupled Knowledge Distillation and Low-Rank Adaptation Fine-tuning [0.0]
本稿では,これらの課題を解決するための軽量軸受故障診断モデルDKDL-Netを提案する。このモデルは、知識蒸留と低階適応微調整を分離することにより、CWRUデータセットに基づいて訓練される。実験により、DKDL-Netは、モデル性能を維持しながら、テストセットにおける計算複雑性の99.48%の精度を達成することが示された。
論文参考訳（メタデータ） (2024-06-10T09:09:08Z)
DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。 The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
論文参考訳（メタデータ） (2023-12-02T22:57:25Z)
SMRD: SURE-based Robust MRI Reconstruction with Diffusion Models [76.43625653814911]
拡散モデルは、高い試料品質のため、MRIの再生を加速するために人気を博している。推論時に柔軟にフォワードモデルを組み込んだまま、効果的にリッチなデータプリエントとして機能することができる。拡散モデル(SMRD)を用いたSUREに基づくMRI再構成を導入し,テスト時の堅牢性を向上する。
論文参考訳（メタデータ） (2023-10-03T05:05:35Z)
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)
Zero-Shot Motor Health Monitoring by Blind Domain Transition [17.664784126708742]
本研究では, 作業条件, センサパラメータ, 故障特性に関わらず, 新しい(ターゲット) マシンの故障を検知できるゼロショット軸受故障検出手法を提案する。実験結果から, 本手法では, 平均リコール率約89%, 95%のベアリング断層を, タイプ, 重症度, 位置に関わらず正確に検出できることが示唆された。
論文参考訳（メタデータ） (2022-12-12T18:36:02Z)
Logistic-ELM: A Novel Fault Diagnosis Method for Rolling Bearings [0.7409922717686698]
極端学習機械(ELM)とロジスティックマッピングに基づく転がり軸受の新しい高速故障診断法を提案する。ケース・ウェスタン・リザーブ大学(CWRU)ベアリング・データ・センターの転がり軸受振動信号データセットについて広範な実験を行った。提案手法は,予測精度の観点から既存のSOTA比較法より優れており,最大精度は7つのサブデータ環境において100%である。
論文参考訳（メタデータ） (2022-04-23T03:11:02Z)
A Multi-size Kernel based Adaptive Convolutional Neural Network for Bearing Fault Diagnosis [5.811146610419976]
マルチサイズカーネルを用いた適応畳み込みニューラルネットワーク(MSKACNN)と呼ばれる軸受振動特性に基づくデータ駆動型診断アルゴリズムを提案する。 MSKACNNは振動特徴学習と信号分類機能を提供し、ベアリング障害を特定し解析する。
論文参考訳（メタデータ） (2022-03-29T06:43:30Z)
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)
Neural Network Virtual Sensors for Fuel Injection Quantities with Provable Performance Specifications [71.1911136637719]
証明可能な保証が、他の現実世界の設定にどのように自然に適用できるかを示す。本研究では, 燃料噴射量を一定範囲で最大化するために, 特定の間隔の燃料噴射量を目標にする方法を示す。
論文参考訳（メタデータ） (2020-06-30T23:33:17Z)
SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
論文参考訳（メタデータ） (2020-03-11T00:22:50Z)
Intelligent Road Inspection with Advanced Machine Learning; Hybrid Prediction Models for Smart Mobility and Transportation Maintenance Systems [1.0773924713784704]
本稿では,インテリジェント道路検査のための新しい機械学習モデルを提案する。提案モデルでは, 落下重量偏向計(FWD)による表面偏向データを用いて, 舗装条件指数(PCI)の予測を行う。解析結果は,平均相対誤差(APRE),平均絶対相対誤差(AAPRE),根平均二乗誤差(RMSE),標準誤差(SD)の4つの基準を用いて検証された。
論文参考訳（メタデータ） (2020-01-18T19:12:51Z)

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。