論文の概要: Modelling variability in vibration-based PBSHM via a generalised population form

• arxiv url: http://arxiv.org/abs/2203.07115v1
• Date: Mon, 14 Mar 2022 14:00:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-15 14:36:07.454917
• Title: Modelling variability in vibration-based PBSHM via a generalised population form
• Title（参考訳）: 一般化人口形態による振動系pbshmのモデリング変動
• Authors: Tina A Dardeno, Lawrence A Bull, Robin S Mills, Nikolaos Dervilis, Keith Worden
• Abstract要約: 構造健康モニタリング(SHM)は過去30年間活発な研究領域であり、多くの重要な進歩を蓄積してきた。 SHMは、損傷状態データ、運用および環境変動、繰り返し可能性の問題、境界条件の変化など、依然として課題に直面している。 本研究の目的は、ブレードの周波数応答関数の一般モデルを定義することにより、この変動に対処することである。
• 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: Structural health monitoring (SHM) has been an active research area for the last three decades, and has accumulated a number of critical advances over that period, as can be seen in the literature. However, SHM is still facing challenges because of the paucity of damage-state data, operational and environmental fluctuations, repeatability issues, and changes in boundary conditions. These issues present as inconsistencies in the captured features and can have a huge impact on the practical implementation, but more critically, on the generalisation of the technology. Population-based SHM has been designed to address some of these concerns by modelling and transferring missing information using data collected from groups of similar structures. In this work, vibration data were collected from four healthy, nominally-identical, full-scale composite helicopter blades. Manufacturing differences (e.g., slight differences in geometry and/or material properties), among the blades presented as variability in their structural dynamics, which can be very problematic for SHM based on machine learning from vibration data. This work aims to address this variability by defining a general model for the frequency response functions of the blades, called a form, using mixtures of Gaussian processes.
• Abstract（参考訳）: 構造健康モニタリング(SHM)は過去30年間活発な研究領域であり、文献に見られるように、その期間に多くの重要な進歩を蓄積してきた。 しかし、SHMは、損傷状態データ、運用および環境変動、繰り返し可能性の問題、境界条件の変化など、依然として課題に直面している。 これらの問題は、キャプチャーされた機能の矛盾として現れ、実際の実装に大きな影響を与えるが、より重要なことは、技術の一般化に影響を及ぼす。 人口ベースSHMは、類似構造群から収集したデータを用いて行方不明情報をモデル化し、転送することで、これらの問題に対処するために設計されている。 この研究では、健康で名目上同一の、実物大の複合ヘリコプターブレード4体から振動データを収集した。 製造上の違い(例えば、幾何や材料特性の微妙な違い)は、構造力学における可変性として提示されるブレード間のものであり、振動データからの機械学習に基づくSHMにとって非常に問題となる。 この研究は、ガウス過程の混合を用いて、形式と呼ばれるブレードの周波数応答関数の一般モデルを定義することにより、この変動に対処することを目的としている。

関連論文リスト

• Modelling Cellular Perturbations with the Sparse Additive Mechanism Shift Variational Autoencoder [6.352775857356592]
  摂動モデルに対する合成性, 絡み合い, 解釈性を組み合わせたスパース加算機構シフト変分自動符号化器SAMS-VAEを提案する。 SAMS-VAEは、潜伏サンプルの潜伏状態を、潜伏介入効果のサンプル特異な変動と疎大なグローバル変数を捉えた局所潜伏変数の和としてモデル化する。 2つの一般的な単一セルシークエンシングデータセットを用いて,SAMS-VAEを定性的に評価した。
  論文  参考訳（メタデータ） (2023-11-05T23:37:31Z)
• iSCAN: Identifying Causal Mechanism Shifts among Nonlinear Additive Noise Models [48.33685559041322]
  本稿では,同一変数集合上の2つ以上の関連するデータセットにおける因果メカニズムシフトの同定に焦点をあてる。 提案手法を実装したコードはオープンソースであり、https://github.com/kevinsbello/iSCAN.comで公開されている。
  論文  参考訳（メタデータ） (2023-06-30T01:48:11Z)
• Understanding Pathologies of Deep Heteroskedastic Regression [25.509884677111344]
  ヘテロスケダスティックモデルは各データポイントの平均ノイズと残留ノイズの両方を予測する。 極端に言えば、これらのモデルはすべてのトレーニングデータを完璧に適合させ、残音を完全に排除する。 他方では、一定で非形式的な平均を予測しながら残音を過度に補正する。 中間地盤の欠如を観察し, モデル正則化強度に依存する相転移を示唆した。
  論文  参考訳（メタデータ） (2023-06-29T06:31:27Z)
• A Causal Framework for Decomposing Spurious Variations [68.12191782657437]
  我々はマルコフモデルとセミマルコフモデルの急激な変分を分解するツールを開発する。 突発効果の非パラメトリック分解を可能にする最初の結果を証明する。 説明可能なAIや公平なAIから、疫学や医学における疑問まで、いくつかの応用がある。
  論文  参考訳（メタデータ） (2023-06-08T09:40:28Z)
• 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)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• A generalised form for a homogeneous population of structures using an overlapping mixture of Gaussian processes [0.0]
  本研究は, 健全な4種類の複合ヘリコプターブレードから収集した振動データについて考察する。 ブレードは名目上は識別できるが区別され、ブレード間の材料特性と形状のわずかな違いは周波数応答関数に有意なばらつきをもたらした。
  論文  参考訳（メタデータ） (2022-06-23T13:19:45Z)
• CycleGAN for Undamaged-to-Damaged Domain Translation for Structural Health Monitoring and Damage Detection [0.618778092044887]
  現在使用されているAIベースの損傷診断と予後診断のためのデータ駆動手法は、その構造の歴史的データを中心にしている。 本研究では,GAN(Generative Adversarial Networks, GAN, Cycle-Consistent Wasserstein Deep Convolutional GAN with Gradient Penalty (CycleWDCGAN-GP)モデルを用いた。 本研究の結果から, 本モデルでは, 将来的な損傷条件に対する構造の将来的な応答を正確に生成できることが示唆された。
  論文  参考訳（メタデータ） (2022-02-16T02:31:38Z)
• Integrating Expert ODEs into Neural ODEs: Pharmacology and Disease Progression [71.7560927415706]
  潜在ハイブリッドモデル(LHM)は、専門家が設計したODEのシステムと機械学習したNeural ODEを統合し、システムのダイナミクスを完全に記述する。 新型コロナウイルス患者のLHMと実世界の集中治療データについて検討した。
  論文  参考訳（メタデータ） (2021-06-05T11:42:45Z)
• Learning perturbation sets for robust machine learning [97.6757418136662]
  我々は、潜在空間の制約領域上に設定された摂動を定義する条件生成器を用いる。 学習した摂動集合の質を定量的かつ質的に測定する。 我々は、学習した摂動集合を利用して、敵画像の破損や逆光の変動に対して経験的かつ確実に堅牢なモデルを訓練する。
  論文  参考訳（メタデータ） (2020-07-16T16:39:54Z)

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。