論文の概要: A platform for causal knowledge representation and inference in
industrial fault diagnosis based on cubic DUCG
- arxiv url: http://arxiv.org/abs/2203.12802v1
- Date: Thu, 24 Mar 2022 02:06:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-25 13:52:19.587512
- Title: A platform for causal knowledge representation and inference in
industrial fault diagnosis based on cubic DUCG
- Title（参考訳）: 立方体DUCGに基づく産業故障診断における因果的知識表現と推論のためのプラットフォーム
- Authors: Bu XuSong and Nie Hao and Zhang Zhan and Zhang Qin
- Abstract要約: システムの動作状況を正確に把握し、時間内に故障を検出するためには、システムの動作を制御することが重要である。
システム障害の発生は段階的なプロセスであり、現在のシステム障害の発生はシステムの以前の状態に依存する可能性がある。
時系列に基づく故障診断技術は、システムの動作状態をリアルタイムで監視し、許容時間間隔内でシステムの異常動作を検出し、障害の根本原因を診断し、状態傾向を予測する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The working conditions of large-scale industrial systems are very complex.
Once a failure occurs, it will affect industrial production, cause property
damage, and even endanger the workers' lives. Therefore, it is important to
control the operation of the system to accurately grasp the operation status of
the system and find out the failure in time. The occurrence of system failure
is a gradual process, and the occurrence of the current system failure may
depend on the previous state of the system, which is sequential. The fault
diagnosis technology based on time series can monitor the operating status of
the system in real-time, detect the abnormal operation of the system within the
allowable time interval, diagnose the root cause of the fault and predict the
status trend. In order to guide the technical personnel to troubleshoot and
solve related faults, in this paper, an industrial fault diagnosis system is
implemented based on the cubic DUCG theory. The diagnostic model of the system
is constructed based on expert knowledge and experience. At the same time, it
can perform real-time fault diagnosis based on time sequence, which solves the
problem of fault diagnosis of industrial systems without sample data.
- Abstract（参考訳）: 大規模産業システムの作業条件は非常に複雑である。
障害が発生したら、産業生産に影響し、財産に損害を与え、労働者の生命を危険にさらす。
したがって、システムの動作状況を正確に把握し、時間内に故障を検知するために、システムの動作を制御することが重要である。
システム障害の発生は段階的なプロセスであり、現在のシステム障害の発生は、シーケンシャルであるシステムの前の状態に依存する可能性がある。
時系列に基づく故障診断技術は、リアルタイムにシステムの動作状態を監視し、許容時間間隔内でシステムの異常動作を検出し、障害の根本原因を診断し、状態傾向を予測する。
本稿では, 技術的人材のトラブルシュートを指導し, 関連障害を解消するために, 立方体DUCG理論に基づく産業的故障診断システムを構築した。
システムの診断モデルは専門家の知識と経験に基づいて構築される。
同時に、タイムシーケンスに基づいたリアルタイム故障診断を行うことができ、サンプルデータなしで産業システムの故障診断の問題を解決することができる。
関連論文リスト
- Analysing software failure using runtime verification and LTL [0.0]
自己修復ソフトウェアシステムは、人間の介入なしに故障やエラーを検出し、診断し、自動的に回復するように設計されている。
本研究では,4種類のエラーをコンポーネントレベルで診断するための実行時検証手法を提案する。
論文 参考訳（メタデータ） (2024-02-15T13:37:45Z) - Integrating LLMs for Explainable Fault Diagnosis in Complex Systems [0.0]
本稿では,原子力プラントなどの複雑なシステムにおける故障診断の説明可能性を高めるための統合システムを提案する。
物理に基づく診断ツールとLarge Language Modelを組み合わせることで、障害を識別するだけでなく、その原因と意味を明確かつ理解可能な説明を提供する新しいソリューションを提供する。
論文 参考訳（メタデータ） (2024-02-08T22:11:21Z) - A Sparse Bayesian Learning for Diagnosis of Nonstationary and Spatially
Correlated Faults with Application to Multistation Assembly Systems [3.4991031406102238]
本稿では,空間的に相関したスパースベイズ学習(CSSBL)をクラスタリングする新しい故障診断手法を提案する。
提案手法の有効性は,実際の自己体組立システムを用いた数値および実世界のケーススタディによって検証される。
提案手法の一般化により,コミュニケーションや医療システムなど他の領域の故障診断に応用できる。
論文 参考訳（メタデータ） (2023-10-20T23:56:53Z) - 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) - Machine learning-based approach for online fault Diagnosis of Discrete
Event System [0.0]
問題は、センサーとアクチュエータが個別のバイナリ信号を提供する自動生産システムのオンライン診断である。
本稿では,診断システムの機械学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2022-10-24T08:56:13Z) - On a Uniform Causality Model for Industrial Automation [61.303828551910634]
産業自動化の様々な応用分野に対する一様因果モデルを提案する。
得られたモデルは、サイバー物理システムの振る舞いを数学的に記述する。
このモデルは、機械学習に焦点を当てた産業自動化における新しいアプローチの応用の基盤として機能することが示されている。
論文 参考訳（メタデータ） (2022-09-20T11:23:51Z) - System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。
このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
論文 参考訳（メタデータ） (2022-08-30T20:16:17Z) - Causality-Based Multivariate Time Series Anomaly Detection [63.799474860969156]
我々は、因果的観点から異常検出問題を定式化し、多変量データを生成するための通常の因果的メカニズムに従わない事例として、異常を考察する。
次に、まずデータから因果構造を学習し、次に、あるインスタンスが局所因果機構に対して異常であるかどうかを推定する因果検出手法を提案する。
我々は、実世界のAIOpsアプリケーションに関するケーススタディと同様に、シミュレートされたデータセットとパブリックなデータセットの両方を用いて、私たちのアプローチを評価します。
論文 参考訳（メタデータ） (2022-06-30T06:00:13Z) - 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) - Anytime Diagnosis for Reconfiguration [52.77024349608834]
我々は、いつでも直接診断できるflexdiagを紹介し分析する。
特徴モデルの領域からの構成ベンチマークと自動車領域からの産業構成知識ベースを使用して、性能および診断品質に関するアルゴリズムを評価します。
論文 参考訳（メタデータ） (2021-02-19T11:45:52Z)
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。