論文の概要: Vibration Fault Diagnosis in Wind Turbines based on Automated Feature
Learning
- arxiv url: http://arxiv.org/abs/2201.13403v1
- Date: Mon, 31 Jan 2022 18:08:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-01 17:29:03.168396
- Title: Vibration Fault Diagnosis in Wind Turbines based on Automated Feature
Learning
- Title（参考訳）: 自動特徴学習に基づく風力発電機の振動異常診断
- Authors: Angela Meyer
- Abstract要約: 本稿では, 振動監視風車部品の高精度故障診断手法を提案する。
当社のアプローチは,畳み込みニューラルネットワークと孤立林に基づく,フォールトシグネチャの自律的データ駆動学習と健康状態分類を組み合わせたものだ。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A growing number of wind turbines are equipped with vibration measurement
systems to enable a close monitoring and early detection of developing fault
conditions. The vibration measurements are analyzed to continuously assess the
component health and prevent failures that can result in downtimes. This study
focuses on gearbox monitoring but is applicable also to other subsystems. The
current state-of-the-art gearbox fault diagnosis algorithms rely on statistical
or machine learning methods based on fault signatures that have been defined by
human analysts. This has multiple disadvantages. Defining the fault signatures
by human analysts is a time-intensive process that requires highly detailed
knowledge of the gearbox composition. This effort needs to be repeated for
every new turbine, so it does not scale well with the increasing number of
monitored turbines, especially in fast growing portfolios. Moreover, fault
signatures defined by human analysts can result in biased and imprecise
decision boundaries that lead to imprecise and uncertain fault diagnosis
decisions. We present a novel accurate fault diagnosis method for
vibration-monitored wind turbine components that overcomes these disadvantages.
Our approach combines autonomous data-driven learning of fault signatures and
health state classification based on convolutional neural networks and
isolation forests. We demonstrate its performance with vibration measurements
from two wind turbine gearboxes. Unlike the state-of-the-art methods, our
approach does not require gearbox-type specific diagnosis expertise and is not
restricted to predefined frequencies or spectral ranges but can monitor the
full spectrum at once.
- Abstract（参考訳）: 多数の風力タービンが振動測定システムを備えており、接近監視と発達する断層条件の早期検出を可能にしている。
振動測定は、コンポーネントの健全性を継続的に評価し、ダウンタイムの原因となる障害を防止するために分析される。
本研究はギアボックスモニタリングに焦点をあてるが,他のサブシステムにも適用できる。
現在の最先端のギアボックス故障診断アルゴリズムは、人間のアナリストが定義したフォールトシグネチャに基づいた統計的または機械学習手法に依存している。
これには複数の欠点がある。
人間のアナリストによるフォールトシグネチャの定義は、ギアボックスの構成に関する詳細な知識を必要とする時間集約的なプロセスである。
この取り組みは、新しいタービンごとに繰り返される必要があるため、特に急速に成長するポートフォリオにおいて、監視されたタービンの数が増えるほどスケールが良くない。
さらに、人間のアナリストが定義した障害シグネチャはバイアス付きかつ不正確な決定境界となり、不正確で不確実な障害診断決定につながる可能性がある。
これらの欠点を克服した振動監視型風車部品の高精度故障診断法を提案する。
提案手法は,畳み込みニューラルネットワークと孤立林に基づく障害シグネチャの自律的データ駆動学習と健康状態分類を組み合わせたものである。
2つの風車ギアボックスからの振動測定でその性能を実証する。
現状の手法とは異なり,本手法では歯車型特定診断の専門知識は必要とせず,事前に定義された周波数やスペクトル範囲に制限されず,同時に全スペクトルをモニタすることができる。
関連論文リスト
- Supervised Transfer Learning Framework for Fault Diagnosis in Wind Turbines [0.0]
本稿では,異常空間で動作する風力タービンの故障診断のための教師ありトランスファー学習フレームワークを提案する。
異常空間内のデータは風力タービンの各コンポーネントの異常スコアと解釈でき、各値は直感的に理解できる。
論文 参考訳（メタデータ） (2024-11-04T14:38:43Z) - Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。
効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。
本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
論文 参考訳（メタデータ） (2024-04-24T13:50:27Z) - Integrated Approach of Gearbox Fault Diagnosis [14.884816915592241]
本稿では,オンライン環境モニタリングにおいて容易に展開可能な統合ギヤボックス故障診断手法を提案する。
生・CEEO振動信号から時間領域とスペクトル領域の特徴のセットを算出する。
この成果は非常に有望に見え、あらゆる種類の産業システムで実装できる。
論文 参考訳（メタデータ） (2023-08-27T18:35:46Z) - 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) - 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) - Cutting Through the Noise: An Empirical Comparison of Psychoacoustic and
Envelope-based Features for Machinery Fault Detection [6.9260317236159]
本稿では,Lenze Production background-noise (LPBN) 実世界のデータセットと,車載モータの終端点検のためのARAIシステムについて述べる。
アコースティックアレイは、マイナーな故障、主要な故障、または健康なモータからデータを取得するために使用される。
我々の知る限りでは、私たちは初めて、時間変化の心理音響的特徴を断層検出に適用しました。
論文 参考訳（メタデータ） (2022-11-03T10:56:17Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳（メタデータ） (2022-09-05T16:38:13Z) - Vibration fault detection in wind turbines based on normal behaviour
models without feature engineering [0.0]
ほとんどの風力発電機は遠隔で24/7に監視されており、運用上の問題を早期に検出し、損傷を発生させることができる。
本稿では, 特徴工学を必要としない振動監視駆動列車の故障検出手法を提案する。
論文 参考訳（メタデータ） (2022-06-24T18:24:07Z) - On the Frequency Bias of Generative Models [61.60834513380388]
我々は、最先端のGANトレーニングにおいて、高周波アーティファクトに対する提案手法を解析した。
既存のアプローチでは、スペクトルアーティファクトを完全に解決できないことが分かっています。
以上の結果から,識別能力の向上に大きな可能性があることが示唆された。
論文 参考訳（メタデータ） (2021-11-03T18:12:11Z) - 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) - An Explainable Artificial Intelligence Approach for Unsupervised Fault
Detection and Diagnosis in Rotating Machinery [2.055054374525828]
本稿では,回転機械の故障検出と診断のための新しい手法を提案する。
この手法は,特徴抽出,障害検出,障害診断の3つの部分からなる。
提案手法の有効性は,機械的故障の異なる3つのデータセットに示される。
論文 参考訳（メタデータ） (2021-02-23T18:28:18Z)
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。