論文の概要: A Deep Learning Framework for Wind Turbine Repair Action Prediction
Using Alarm Sequences and Long Short Term Memory Algorithms
- arxiv url: http://arxiv.org/abs/2207.09457v1
- Date: Tue, 19 Jul 2022 12:11:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-21 12:43:04.843035
- Title: A Deep Learning Framework for Wind Turbine Repair Action Prediction
Using Alarm Sequences and Long Short Term Memory Algorithms
- Title(参考訳): アラームシーケンスと長期記憶アルゴリズムを用いた風力発電修理行動予測のためのディープラーニングフレームワーク
- Authors: Connor Walker, Callum Rothon, Koorosh Aslansefat, Yiannis
Papadopoulos, Nina Dethlefs
- Abstract要約: コンディションベースの監視(CBM)は、近年のアラームベースのシステムとデータ駆動意思決定の研究の最前線にある。
本稿では,長短期記憶(LSTM)モデルと双方向LSTMモデルを比較し,アラームシーケンスの入力シーケンスから関連する修復動作のセットを予測する新しいアイデアを提案する。
- 参考スコア(独自算出の注目度): 1.2599533416395765
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With an increasing emphasis on driving down the costs of Operations and
Maintenance (O$\&$M) in the Offshore Wind (OSW) sector, comes the requirement
to explore new methodology and applications of Deep Learning (DL) to the
domain. Condition-based monitoring (CBM) has been at the forefront of recent
research developing alarm-based systems and data-driven decision making. This
paper provides a brief insight into the research being conducted in this area,
with a specific focus on alarm sequence modelling and the associated challenges
faced in its implementation. The paper proposes a novel idea to predict a set
of relevant repair actions from an input sequence of alarm sequences, comparing
Long Short-term Memory (LSTM) and Bidirectional LSTM (biLSTM) models. Achieving
training accuracy results of up to 80.23$\%$, and test accuracy results of up
to 76.01$\%$ with biLSTM gives a strong indication to the potential benefits of
the proposed approach that can be furthered in future research. The paper
introduces a framework that integrates the proposed approach into O$\&$M
procedures and discusses the potential benefits which include the reduction of
a confusing plethora of alarms, as well as unnecessary vessel transfers to the
turbines for fault diagnosis and correction.
- Abstract(参考訳): オフショアウィンド(osw)部門における運用とメンテナンスのコスト(o$\&$m)の削減に重点を置くことで、ドメインへのディープラーニング(dl)の新たな方法論と応用を探求する必要性が高まっている。
コンディションベースの監視(CBM)は、近年のアラームベースのシステムとデータ駆動意思決定の研究の最前線にある。
本稿では,この領域で行われている研究について,特にアラームシーケンスモデリングとその実装における課題について,簡単な知見を提供する。
本稿では,アラームシーケンスの入力シーケンスから関連する修復動作のセットを予測し,Long Short-term Memory(LSTM)モデルとBidirectional LSTM(biLSTM)モデルを比較した。
トレーニング精度を最大80.23$\%$で達成し、bilstmで最大76.01$\%$の試験精度を達成すれば、今後の研究で期待できる提案手法の潜在的な利点を強く示すことができる。
本稿では,提案手法をO$\&$Mプロシージャに統合するフレームワークを導入し,故障診断と修正のためにタービンへの不必要な船舶の移動とともに,紛らわしい多数のアラームの低減を含む潜在的な利点について考察する。
関連論文リスト
- Resampling Stochastic Gradient Descent Cheaply for Efficient Uncertainty
Quantification [6.832893024035705]
本稿では,SGDソリューションの信頼性区間を構築するために,計算的に安価に再サンプリングする2つの手法について検討する。
データのリサンプリングと置換によって複数のSGDを並行して使用するものもあれば、オンライン形式で運用するものもある。
論文 参考訳(メタデータ) (2023-10-17T08:18:10Z) - Let's reward step by step: Step-Level reward model as the Navigators for
Reasoning [64.27898739929734]
Process-Supervised Reward Model (PRM)は、トレーニングフェーズ中にステップバイステップのフィードバックをLLMに提供する。
LLMの探索経路を最適化するために,PRMからのステップレベルのフィードバックを応用した欲求探索アルゴリズムを提案する。
提案手法の汎用性を探るため,コーディングタスクのステップレベル報酬データセットを自動生成する手法を開発し,コード生成タスクにおける同様の性能向上を観察する。
論文 参考訳(メタデータ) (2023-10-16T05:21:50Z) - An Auction-based Coordination Strategy for Task-Constrained Multi-Agent
Stochastic Planning with Submodular Rewards [7.419725234099728]
既存のタスク調整アルゴリズムはプロセスを無視したり、計算強度に悩まされる。
新たに定式化されたスコア関数を用いた分散オークションベースのコーディネート戦略を提案する。
大規模アプリケーションの実装には,提案手法の近似変種,すなわちDeep Auctionも提案されている。
論文 参考訳(メタデータ) (2022-12-30T10:25:25Z) - Risk-Aware Linear Bandits: Theory and Applications in Smart Order
Routing [10.69955834942979]
スマート・オーダー・ルーティング(SOR)におけるリスク・アウェア・バンディットの最適化について検討する。
分散最小化グローバル最適化(G-Optimal)設計により、新しいインスタンス非依存型リスク意識探索-then-Commit(RISE)アルゴリズムとインスタンス依存型リスク意識継承排除(RISE++)アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-08-04T00:21:10Z) - ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。
まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。
最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
論文 参考訳(メタデータ) (2022-07-14T17:46:37Z) - Semi-Supervised Temporal Action Detection with Proposal-Free Masking [134.26292288193298]
PropOsal-free Temporal mask (SPOT) に基づく新しい半教師付き時間行動検出モデルを提案する。
SPOTは最先端の代替品よりも優れている。
論文 参考訳(メタデータ) (2022-07-14T16:58:47Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳(メタデータ) (2022-05-13T21:09:41Z) - Statistics and Deep Learning-based Hybrid Model for Interpretable
Anomaly Detection [0.0]
ハイブリッド手法は、予測タスクと予測タスクの両方において、純粋統計的および純粋深層学習法より優れていることが示されている。
MES-LSTMは、これらの課題を克服する解釈可能な異常検出モデルである。
論文 参考訳(メタデータ) (2022-02-25T14:17:03Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳(メタデータ) (2020-07-14T12:38:21Z) - A Novel RL-assisted Deep Learning Framework for Task-informative Signals
Selection and Classification for Spontaneous BCIs [2.299749220980997]
一つの脳波検定からタスク関連時間信号セグメントを推定・選択する問題を定式化する。
本稿では,既存の深層学習に基づくBCI手法と組み合わせることができる新しい強化学習機構を提案する。
論文 参考訳(メタデータ) (2020-07-01T00:35:41Z) - Reparameterized Variational Divergence Minimization for Stable Imitation [57.06909373038396]
確率的発散の選択における変動が、より高性能なILOアルゴリズムをもたらす可能性について検討する。
本稿では,提案する$f$-divergence最小化フレームワークの課題を軽減するために,逆模倣学習のための再パラメータ化手法を提案する。
経験的に、我々の設計選択は、ベースラインアプローチより優れ、低次元連続制御タスクにおける専門家のパフォーマンスとより密に適合するIOOアルゴリズムを許容することを示した。
論文 参考訳(メタデータ) (2020-06-18T19:04:09Z)
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。