論文の概要: Prognosis of Rotor Parts Fly-off Based on Cascade Classification and
Online Prediction Ability Index
- arxiv url: http://arxiv.org/abs/2203.16006v1
- Date: Wed, 30 Mar 2022 02:28:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-31 16:58:43.094372
- Title: Prognosis of Rotor Parts Fly-off Based on Cascade Classification and
Online Prediction Ability Index
- Title（参考訳）: カスケード分類とオンライン予測能力指標に基づくロータ部品のフライオフの予後
- Authors: Yingjun Shen, Zhe Song and Andrew Kusiak
- Abstract要約: 潜在的な失敗の早期発見と予測は、壊滅的なプラントのダウンタイムと経済的な損失を防ぐ可能性がある。
本稿では, 回転機械の動作状態を, 故障時の時間に基づいて, 正常, 危険, リスクの高いものに分割する。
オンライン予測能力指数(OPAI)は、一貫したオンライン予測とより小さなオフライン予測誤差を持つ予測モデルを選択するために提案される。
- 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: Large rotating machines, e.g., compressors, steam turbines, gas turbines, are
critical equipment in many process industries such as energy, chemical, and
power generation. Due to high rotating speed and tremendous momentum of the
rotor, the centrifugal force may lead to flying apart of the rotor parts, which
brings a great threat to the operation safety. Early detection and prediction
of potential failures could prevent the catastrophic plant downtime and
economic loss. In this paper, we divide the operational states of a rotating
machine into normal, risky, and high-risk ones based on the time to the moment
of failure. Then a cascade classifying algorithm is proposed to predict the
states in two steps, first we judge whether the machine is in normal or
abnormal condition; for time periods which are predicted as abnormal we further
classify them into risky or high-risk states. Moreover, traditional
classification model evaluation metrics, such as confusion matrix, true-false
accuracy, are static and neglect the online prediction dynamics and uneven
wrong-prediction prices. An Online Prediction Ability Index (OPAI) is proposed
to select prediction models with consistent online predictions and smaller
close-to-downtime prediction errors. Real-world data sets and computational
experiments are used to verify the effectiveness of proposed methods.
- Abstract（参考訳）: 大型回転機械、例えば圧縮機、蒸気タービン、ガスタービンは、エネルギー、化学、発電といった多くのプロセス産業において重要な設備である。
回転速度が高く、ローターの膨大な運動量のため、遠心力はローターの部品を分離して飛べる可能性があり、これは運用の安全性に大きな脅威となる。
潜在的な失敗の早期発見と予測は、壊滅的なプラントのダウンタイムと経済損失を防ぐ可能性がある。
本稿では,回転機械の動作状態を,故障時点までの時間に基づいて,正常でリスクの高い,リスクの高い状態に分割する。
次に,2つのステップで状態を予測するためにカスケード分類アルゴリズムを提案する。まず,マシンが正常か異常かを判断する。
さらに、混乱行列や真偽精度といった従来の分類モデル評価指標は静的であり、オンライン予測ダイナミクスや不均一な予測価格を無視している。
オンライン予測能力指数(OPAI)は、一貫したオンライン予測とより小さなオフライン予測誤差を持つ予測モデルを選択するために提案される。
実世界のデータセットと計算実験を用いて提案手法の有効性を検証する。
関連論文リスト
- Conformal Decision Theory: Safe Autonomous Decisions from Imperfect Predictions [80.34972679938483]
不完全な機械学習予測にも拘わらず、安全な自律的意思決定を実現するためのフレームワークであるコンフォーマル決定理論を導入する。
私たちのアルゴリズムが生み出す決定は、リスクが低いという証明可能な統計的保証があるという意味では安全です。
実験は、人間のまわりのロボットの動き計画、自動株式取引、ロボット製造において、我々のアプローチの有用性を実証する。
論文 参考訳（メタデータ） (2023-10-09T17:59:30Z) - Forecasting Particle Accelerator Interruptions Using Logistic LASSO
Regression [62.997667081978825]
インターロックと呼ばれる予期せぬ粒子加速器の割り込みは、必要な安全対策にもかかわらず、突然の運用変更を引き起こす。
このような中断を予測することを目的とした,単純かつ強力なバイナリ分類モデルを提案する。
このモデルは、少なくとも絶対収縮と選択演算子によって罰せられるロジスティック回帰として定式化される。
論文 参考訳（メタデータ） (2023-03-15T23:11:30Z) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳（メタデータ） (2022-08-31T18:19:25Z) - Extreme precipitation forecasting using attention augmented convolutions [0.913755431537592]
降雨予測のための自己注意型拡張畳み込み機構を提案する。
実験の結果,このフレームワークは古典的畳み込みモデルよりも12%優れていた。
提案手法は,極端な変化の物理的原因を把握するためのツールとして,機械学習を向上させる。
論文 参考訳（メタデータ） (2022-01-31T18:16:03Z) - In-flight Novelty Detection with Convolutional Neural Networks [0.0]
本稿では,予防的保守意思決定者の注意を喚起するために,システム出力の測定をリアルタイムに優先することを提案する。
本稿では,異常データのオンライン検出と優先順位付けのためのデータ駆動システムを提案する。
このシステムは低消費電力の組み込みハードウェアでリアルタイムに動作可能で、現在ロールス・ロイス・パール15のエンジン飛行試験に配備中である。
論文 参考訳（メタデータ） (2021-12-07T15:19:41Z) - A Novel Prediction Setup for Online Speed-Scaling [3.3440413258080577]
アルゴリズムを設計(スケジュール)する際にエネルギー的考慮を組み込むのが基本である。
本稿では,古典的,期限ベース,オンラインの高速スケーリング問題に対して,両世界の長所を把握しようと試みる。
論文 参考訳（メタデータ） (2021-12-06T14:46:20Z) - Understanding Interlocking Dynamics of Cooperative Rationalization [90.6863969334526]
選択的合理化(Selective rationalization)は、ニューラルネットワークの出力を予測するのに十分な入力の小さなサブセットを見つけることによって、複雑なニューラルネットワークの予測を説明する。
このような合理化パラダイムでは,モデルインターロックという大きな問題が浮かび上がっている。
A2Rと呼ばれる新しい合理化フレームワークを提案し、アーキテクチャに第3のコンポーネントを導入し、選択とは対照的にソフトアテンションによって駆動される予測器を提案する。
論文 参考訳（メタデータ） (2021-10-26T17:39:18Z) - Data-driven method for real-time prediction and uncertainty
quantification of fatigue failure under stochastic loading using artificial
neural networks and Gaussian process regression [0.0]
早期故障予測の方法は、工学、軍事、および市民の用途に不可欠です。
不確実性(UQ)は、リアルタイム意思決定の目的において重要である。
論文 参考訳（メタデータ） (2021-03-11T13:57:08Z) - Adversarial Refinement Network for Human Motion Prediction [61.50462663314644]
リカレントニューラルネットワークとフィードフォワードディープネットワークという2つの一般的な手法は、粗い動きの傾向を予測することができる。
本稿では,新たな逆誤差増大を伴う簡易かつ効果的な粗大きめ機構に従えば,ARNet(Adversarial Refinement Network)を提案する。
論文 参考訳（メタデータ） (2020-11-23T05:42:20Z) - Physics-Informed Gaussian Process Regression for Probabilistic States
Estimation and Forecasting in Power Grids [67.72249211312723]
電力グリッドの効率的な運転にはリアルタイム状態推定と予測が不可欠である。
PhI-GPRは3世代電力系統の位相角,角速度,風力の予測と推定に使用される。
提案手法は観測された状態と観測されていない状態の両方を正確に予測し,推定することができることを示す。
論文 参考訳（メタデータ） (2020-10-09T14:18:31Z)
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。