論文の概要: Vibration fault detection in wind turbines based on normal behaviour models without feature engineering

• arxiv url: http://arxiv.org/abs/2206.12452v1
• Date: Fri, 24 Jun 2022 18:24:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-28 15:32:48.130795
• Title: Vibration fault detection in wind turbines based on normal behaviour models without feature engineering
• Title（参考訳）: 機能工学を伴わない正常挙動モデルに基づく風力タービンの振動欠陥検出
• Authors: Stefan Jonas, Dimitrios Anagnostos, Bernhard Brodbeck, Angela Meyer
• Abstract要約: 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。
• 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: Most wind turbines are remotely monitored 24/7 to allow for an early detection of operation problems and developing damage. We present a new fault detection method for vibration-monitored drivetrains that does not require any feature engineering. Our method relies on a simple model architecture to enable a straightforward implementation in practice. We propose to apply convolutional autoencoders for identifying and extracting the most relevant features from the half spectrum in an automated manner, saving time and effort. Thereby, a spectral model of the normal vibration response is learnt for the monitored component from past measurements. We demonstrate that the model can successfully distinguish damaged from healthy components and detect a damaged generator bearing and damaged gearbox parts from their vibration responses. Using measurements from commercial wind turbines and a test rig, we show that vibration-based fault detection in wind turbine drivetrains can be performed without the usual upfront definition of spectral features. Another advantage of the presented method is that the entire half spectrum is monitored instead of the usual focus on monitoring individual frequencies and harmonics.
• Abstract（参考訳）: ほとんどの風力タービンは、運用上の問題の早期検出と損傷の発生を可能にするため、24/7で遠隔監視されている。 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。 本手法は, 簡単なモデルアーキテクチャを用いて, 簡単な実装を実現する。 本稿では,半スペクトルから最も関連性の高い特徴を自動抽出し,時間と労力を節約するための畳み込みオートエンコーダの適用を提案する。 これにより、過去の測定結果から監視成分に対する正常振動応答のスペクトルモデルが学習される。 本モデルでは, 損傷成分から損傷成分を識別し, 損傷発生体と損傷歯車部品を振動応答から検出できることが実証された。 商用風力タービンと試験装置を用いて, 風力タービン駆動列車の振動に基づく故障検出を, スペクトル特性の通常の事前定義なしに行うことができることを示す。 提案手法のもう1つの利点は、ハーフスペクトル全体が、個々の周波数やハーモニクスの監視ではなく、監視されることである。

関連論文リスト

• 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)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• Can Transformers Predict Vibrations? [0.5076419064097734]
  電気自動車(EV)は、ねじれ共鳴(torrional resonance)として知られる荒れた地形を走行する際に振動を経験する。 現在の減衰技術は、駆動軸トルクの振動振幅が一定の閾値に達した後にのみ共鳴を検出する。 本稿では、反り共鳴を予測するための変換器モデルであるResoformerを紹介する。
  論文  参考訳（メタデータ） (2024-02-16T08:56:22Z)
• 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)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• Single Frame Atmospheric Turbulence Mitigation: A Benchmark Study and A New Physics-Inspired Transformer Model [82.23276183684001]
  本研究では,大気乱流の画像化のための物理インスピレーション付き変圧器モデルを提案する。 提案ネットワークは変圧器ブロックのパワーを利用して動的乱流歪みマップを共同で抽出する。 そこで本研究では,従来の客観的指標と,テキスト認識精度を用いたタスク駆動計測の両方で評価可能な,実世界の乱流データセットを新たに2つ提示する。
  論文  参考訳（メタデータ） (2022-07-20T17:09:16Z)
• Vibration Fault Diagnosis in Wind Turbines based on Automated Feature Learning [0.0]
  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。
  論文  参考訳（メタデータ） (2022-01-31T18:08:43Z)
• 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)
• Real-Time Predictive Maintenance using Autoencoder Reconstruction and Anomaly Detection [0.2446672595462589]
  回転機械故障検出システムは時代遅れであり、故障を発見するための定期的な試験に依存している。 リアルタイム監視は、手動による観察を必要とせずに障害を検出するソリューションを提供する。 本稿では,通常の作業動作をモデル化し,異常を検出する機械学習(ML)アプローチを提案する。
  論文  参考訳（メタデータ） (2021-10-01T12:25:25Z)
• Autoencoder-based Condition Monitoring and Anomaly Detection Method for Rotating Machines [0.19116784879310028]
  自動エンコーダモデルに基づく回転機の状態監視手法を異常検出手法を用いて提案する。 提案手法は, 生の振動信号から塩分の特徴を直接抽出できる。 2つの実世界のデータセットにおける実験結果は、提案手法が有望な結果をもたらすことを示している。
  論文  参考訳（メタデータ） (2021-01-27T16:49:49Z)
• Deep learning for brake squeal: vibration detection, characterization and prediction [2.20200533591633]
  本稿では, 摩擦ブレーキ系振動と騒音発生機構について, より深い知見を得るため, データ集中振動試験の取扱い方について報告する。 典型的な摩擦ノイズ記録のいくつかのクラスを識別するために、深層学習ブレーキスクイール検出器を開発した。 繰り返しニューラルネットワークを用いて、オペレーティングブレーキシステムの動的安定性を決定するパラメトリックパターンを学習する。
  論文  参考訳（メタデータ） (2020-01-02T15:54:20Z)

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。