論文の概要: Fault Detection for Non-Condensing Boilers using Simulated Building Automation System Sensor Data

• arxiv url: http://arxiv.org/abs/2205.08418v1
• Date: Fri, 13 May 2022 18:47:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-19 11:32:11.305686
• Title: Fault Detection for Non-Condensing Boilers using Simulated Building Automation System Sensor Data
• Title（参考訳）: 建物自動化システムセンサデータを用いた非凝縮ボイラの故障検出
• Authors: Rony Shohet, Mohamed Kandil (1), J.J. McArthur (1), ((1) Department Architectural Science, Ryerson University, Toronto, Canada)
• Abstract要約: 建設性能はコミッショニング後に著しく低下し、エネルギー消費が増加し、温室効果ガスが排出される。 既存のセンサネットワークとIoTデバイスを使用した継続的なコミッショニングは、この無駄を最小限にする可能性がある。 ボイラ性能研究のレビューは, 共通の欠陥と劣化した性能条件のセットの開発に用いられている。 このデータは、K-アネレスト、決定木、ランダムフォレスト、サポートベクトルマシンを用いた断層分類のトレーニングとテストに使用される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Building performance has been shown to degrade significantly after commissioning, resulting in increased energy consumption and associated greenhouse gas emissions. Continuous Commissioning using existing sensor networks and IoT devices has the potential to minimize this waste by continually identifying system degradation and re-tuning control strategies to adapt to real building performance. Due to its significant contribution to greenhouse gas emissions, the performance of gas boiler systems for building heating is critical. A review of boiler performance studies has been used to develop a set of common faults and degraded performance conditions, which have been integrated into a MATLAB/Simulink emulator. This resulted in a labeled dataset with approximately 10,000 simulations of steady-state performance for each of 14 non-condensing boilers. The collected data is used for training and testing fault classification using K-nearest neighbour, Decision tree, Random Forest, and Support Vector Machines. The results show that the Support Vector Machines method gave the best prediction accuracy, consistently exceeding 90%, and generalization across multiple boilers is not possible due to low classification accuracy.
• Abstract（参考訳）: 建設性能はコミッショニング後に著しく低下し、エネルギー消費が増加し、温室効果ガスが排出される結果となった。 既存のセンサネットワークとIoTデバイスを使用した継続的コミッショニングは、システムの劣化を継続的に識別し、実際のビルディングパフォーマンスに適応するためのコントロール戦略を再調整することで、この無駄を最小限にする可能性がある。 温室効果ガス排出に対する大きな貢献があるため、暖房用ガスボイラーシステムの性能は極めて重要である。 ボイラ性能研究のレビューは,MATLAB/Simulinkエミュレータに統合された一連の共通故障および劣化性能条件の開発に利用されている。 その結果、14個の非凝縮ボイラーのそれぞれに対して約10,000の定常性能のラベル付きデータセットが得られた。 収集したデータは,K-アネレスト近傍,決定木,ランダムフォレスト,サポートベクトルマシンを用いた断層分類の訓練と試験に使用される。 その結果, 支持ベクトル機械法による予測精度は90%を超え, 分類精度が低いため複数のボイラーにまたがる一般化は不可能であった。

関連論文リスト

• Unsupervised Attention-Based Multi-Source Domain Adaptation Framework for Drift Compensation in Electronic Nose Systems [16.320912838687796]
  本稿では,E-noseシステムにおけるドリフト補償を伴うガス識別のための新しい枠組みを提案する。 AMDS-PFFAモデルは、複数のソースドメインからのラベル付きデータを効果的に活用する。 コンバージェンスの高い平均ガス認識精度を達成する。
  論文  参考訳（メタデータ） (2024-09-20T02:47:05Z)
• Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
  メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。 この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。 従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
  論文  参考訳（メタデータ） (2024-08-27T15:03:20Z)
• Global Transformer Architecture for Indoor Room Temperature Forecasting [49.32130498861987]
  本研究は,多室ビルにおける室内温度予測のためのグローバルトランスフォーマーアーキテクチャを提案する。 エネルギー消費を最適化し、HVACシステムに関連する温室効果ガス排出を削減することを目的としている。 本研究は,マルチルームビルにおける室内温度予測にトランスフォーマーアーキテクチャを適用した最初の事例である。
  論文  参考訳（メタデータ） (2023-10-31T14:09:32Z)
• Detection of Sensor-To-Sensor Variations using Explainable AI [2.2956649873563952]
  化学抵抗性ガス検知装置は製造中のセンサの変動の問題に悩まされている。 本研究では、SHAP(SHAP)のAI(XAI)法を用いて、センサデバイスにおけるセンサとセンサの変動を検出する新しい手法を提案する。 本手法は,GRU(Gated Recurrent Unit)モデルをトレーニングするために,人工的および現実的なオゾン濃度プロファイルを用いて試験する。
  論文  参考訳（メタデータ） (2023-06-19T11:00:54Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Domain Knowledge Aids in Signal Disaggregation; the Example of the Cumulative Water Heater [68.8204255655161]
  住宅における累積給湯器(CWH)の電力の検出と分散を目的とした教師なし低周波法を提案する。 本モデルでは,パワースパイクの形状と発生時刻を両立させることにより,教師なし信号の分解の難しさを回避する。 我々のモデルは、単純さに拘わらず、有望なアプリケーションを提供する: オフピーク契約における設定ミスの検出と性能劣化の遅さ。
  論文  参考訳（メタデータ） (2022-03-22T10:39:19Z)
• Automated Estimation of Construction Equipment Emission using Inertial Sensors and Machine Learning Models [0.0]
  建設産業は温室効果ガス(GHG)の主要な生産国の一つである 本稿では,IoT(Internet of Things,モノのインターネット)を介して監視される重建設機器からの排出量を予測するために,機械学習(ML)手法を用いた新しいフレームワークの開発と展開について述べる。 異なるMLアルゴリズムを開発し、慣性センサデータから放射レベルを予測する最良のモデルを特定した。
  論文  参考訳（メタデータ） (2021-09-27T22:37:55Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• Energy Disaggregation using Variational Autoencoders [11.940343835617046]
  非侵入負荷モニタリング(NILM)は、単一のセンサーを使用して建物の総電力消費量を測定する技術です。 最近の分散アルゴリズムは、NILMシステムの性能を大幅に改善した。 本稿では,変分オートエンコーダ(VAE)フレームワークに基づくエネルギー分散手法を提案する。
  論文  参考訳（メタデータ） (2021-03-22T20:53:36Z)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)
• Early Detection of Thermoacoustic Instabilities in a Cryogenic Rocket Thrust Chamber using Combustion Noise Features and Machine Learning [2.5206785921576293]
  熱音響不安定性の早期検出のためのデータ駆動手法を提案する。 動的圧力センサデータの短周期時系列から特性燃焼特性を計算するために, 再帰解析を用いる。 ほとんどの場合、トレーニングに使用されていないテストデータに対して、この手法は2種類の熱音響不安定性をタイムリーに予測することができる。
  論文  参考訳（メタデータ） (2020-11-25T17:30:00Z)

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。