Fugu-MT 論文翻訳(概要): Fault Detection in Ball Bearings

論文の概要: Fault Detection in Ball Bearings

arxiv url: http://arxiv.org/abs/2209.11041v1
Date: Mon, 19 Sep 2022 01:32:32 GMT
ステータス: 処理完了
システム内更新日: 2022-09-23 14:45:01.988755
Title: Fault Detection in Ball Bearings
Title（参考訳）: ボール軸受の故障検出
Authors: Joshua Pickard and Sarah Moll
Abstract要約: インテリジェント障害検出(英: Intelligent Fault Detection、IFD)は、機械学習やその他の統計手法を適用して、機械の健康状態を監視するプロセスである。本稿では,ボールベアリング関節IFDのための畳み込みニューラルネットワークのトレーニングにこれまで用いられてきた前処理技術である振動画像の構築について検討する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Ball bearing joints are a critical component in all rotating machinery, and detecting and locating faults in these joints is a significant problem in industry and research. Intelligent fault detection (IFD) is the process of applying machine learning and other statistical methods to monitor the health states of machines. This paper explores the construction of vibration images, a preprocessing technique that has been previously used to train convolutional neural networks for ball bearing joint IFD. The main results demonstrate the robustness of this technique by applying it to a larger dataset than previously used and exploring the hyperparameters used in constructing the vibration images.
Abstract（参考訳）: ボール軸受接合部はすべての回転機械において重要な要素であり、これらの接合部の欠陥の検出と位置決めは産業や研究において重要な問題である。インテリジェント障害検出(intelligent fault detection、ifd)は、機械の健康状態を監視するために機械学習やその他の統計的手法を適用するプロセスである。本稿では,球軸受継手ifdの畳み込みニューラルネットワークの訓練に従来用いられてきたプリプロセッシング技術である振動画像の構築について検討する。提案手法を従来より大きなデータセットに適用し,振動画像構築に用いたハイパーパラメータを探索することにより,本手法の頑健性を示す。

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)
Exploring Sound vs Vibration for Robust Fault Detection on Rotating Machinery [13.480792901281047]
本研究は, カタール大学Dual-Machine Bearing Fault Benchmarkデータセット(QU-DMBF)を提案する。我々は,多数の設置条件と運転条件により,振動に基づく故障検出の大きな限界と欠点に焦点をあてる。幅広い実験結果から, 音による断層検出法は, 振動による検出法よりもかなり頑健であることがわかった。
論文参考訳（メタデータ） (2023-12-17T15:27:32Z)
Ball Mill Fault Prediction Based on Deep Convolutional Auto-Encoding Network [3.673613706096849]
本稿では,深部畳み込み自己符号化ニューラルネットワーク(DCAN)を用いた異常検出手法を提案する。提案手法は,教師付き学習手法でしばしば発生するラベル付け問題やデータ不均衡といった課題を克服し,通常の訓練中に収集した振動データを活用する。本稿では, 武漢鉄鉄資源グループのボールミル軸受からのデータと, NASAの軸受振動データセットからのデータを利用して, 異常検出のためのDCANに基づく異常検出モデルの実用化について述べる。
論文参考訳（メタデータ） (2023-11-09T17:49:07Z)
On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文参考訳（メタデータ） (2023-06-23T03:09:03Z)
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)
Graph Neural Networks with Trainable Adjacency Matrices for Fault Diagnosis on Multivariate Sensor Data [69.25738064847175]
各センサの信号の挙動を別々に検討し,相互の相関関係と隠れ関係を考慮する必要がある。グラフノードは、異なるセンサーからのデータとして表現することができ、エッジは、これらのデータの影響を互いに表示することができる。グラフニューラルネットワークのトレーニング中にグラフを構築する方法が提案されている。これにより、センサー間の依存関係が事前に分かっていないデータ上でモデルをトレーニングすることができる。
論文参考訳（メタデータ） (2022-10-20T11:03:21Z)
A Vision Transformer-Based Approach to Bearing Fault Classification via Vibration Signals [4.287341231968003]
本研究では、現状のViT(Vision Transformer)を用いて、ベアリング欠陥を分類する。このモデル全体の精度は98.8%に達した。
論文参考訳（メタデータ） (2022-08-15T08:37:30Z)
Uncertainty aware anomaly detection to predict errant beam pulses in the SNS accelerator [47.187609203210705]
本稿では、不確実性を考慮した機械学習手法、シームズニューラルネットワークモデルの適用について述べる。接近する故障を予測することで、損傷が起こる前に加速器を止めることができる。
論文参考訳（メタデータ） (2021-10-22T18:37:22Z)
FaultNet: A Deep Convolutional Neural Network for bearing fault classification [7.148679715851955]
我々は、異なる信号処理法を組み合わせることで、機械系の振動信号データを軸受で解析する。本稿では,高精度にベアリング障害のタイプを効果的に決定できる畳み込みニューラルネットワークFactNetを提案する。
論文参考訳（メタデータ） (2020-10-05T16:50:08Z)
Reinforcement Learning Approach to Vibration Compensation for Dynamic Feed Drive Systems [62.19441737665902]
機械工具軸に適用された振動補償に対する強化学習に基づくアプローチを提案する。本研究は, 産業機械のハードウェアと制御システムを用いた問題定式化, ソリューション, 実装, 実験について述べる。
論文参考訳（メタデータ） (2020-04-14T14:22:36Z)

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。