論文の概要: Cutting Through the Noise: An Empirical Comparison of Psychoacoustic and Envelope-based Features for Machinery Fault Detection

• arxiv url: http://arxiv.org/abs/2211.01704v1
• Date: Thu, 3 Nov 2022 10:56:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-04 14:37:06.080491
• Title: Cutting Through the Noise: An Empirical Comparison of Psychoacoustic and Envelope-based Features for Machinery Fault Detection
• Title（参考訳）: 騒音による切削:機械故障検出のための心理音響的特徴とエンベロープ的特徴の実証比較
• Authors: Peter Wi{\ss}brock, Yvonne Richter, David Pelkmann, Zhao Ren, Gregory Palmer
• Abstract要約: 本稿では,Lenze Production background-noise (LPBN) 実世界のデータセットと,車載モータの終端点検のためのARAIシステムについて述べる。 アコースティックアレイは、マイナーな故障、主要な故障、または健康なモータからデータを取得するために使用される。 我々の知る限りでは、私たちは初めて、時間変化の心理音響的特徴を断層検出に適用しました。
• 参考スコア（独自算出の注目度）: 6.9260317236159
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Acoustic-based fault detection has a high potential to monitor the health condition of mechanical parts. However, the background noise of an industrial environment may negatively influence the performance of fault detection. Limited attention has been paid to improving the robustness of fault detection against industrial environmental noise. Therefore, we present the Lenze production background-noise (LPBN) real-world dataset and an automated and noise-robust auditory inspection (ARAI) system for the end-of-line inspection of geared motors. An acoustic array is used to acquire data from motors with a minor fault, major fault, or which are healthy. A benchmark is provided to compare the psychoacoustic features with different types of envelope features based on expert knowledge of the gearbox. To the best of our knowledge, we are the first to apply time-varying psychoacoustic features for fault detection. We train a state-of-the-art one-class-classifier, on samples from healthy motors and separate the faulty ones for fault detection using a threshold. The best-performing approaches achieve an area under curve of 0.87 (logarithm envelope), 0.86 (time-varying psychoacoustics), and 0.91 (combination of both).
• Abstract（参考訳）: 音響に基づく断層検出は機械部品の健康状態を監視する可能性が高い。 しかし,産業環境の背景雑音は断層検出性能に悪影響を及ぼす可能性がある。 産業環境騒音に対する断層検出の堅牢性向上に限定的な注意が払われている。 そこで,本研究では,lbn(lenze production background-noise)実世界データセットと,arai(automated and noise-robust hearing inspection)システムを提案する。 アコースティックアレイは、マイナーな故障、主要な故障、または健康なモータからデータを取得するために使用される。 ベンチマークは、精神音響特性と、ギアボックスのエキスパート知識に基づいて異なるタイプの封筒特徴を比較するために提供される。 我々の知る限りでは、我々は初めて時間変化の心理音響的特徴を断層検出に適用した。 我々は、健康なモータのサンプルに基づいて最先端の1クラス分類器を訓練し、しきい値を用いて故障検出のための欠陥を分離する。 最も優れたアプローチは、0.87(対数包絡)、0.86(時変精神音響)、 0.91(両者の結合)の曲線下領域を達成する。

関連論文リスト

• SoftPatch: Unsupervised Anomaly Detection with Noisy Data [67.38948127630644]
  本稿では,画像センサ異常検出におけるラベルレベルのノイズを初めて考察する。 本稿では,メモリベースの非教師付きAD手法であるSoftPatchを提案する。 既存の手法と比較して、SoftPatchは通常のデータの強力なモデリング能力を維持し、コアセットにおける過信問題を軽減する。
  論文  参考訳（メタデータ） (2024-03-21T08:49:34Z)
• 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)
• Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
  本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。 具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。 アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
  論文  参考訳（メタデータ） (2023-08-06T05:58:45Z)
• Comparative Study on the Effects of Noise in ML-Based Anxiety Detection [0.0]
  ノイズがモデル性能にどのように影響するかを考察し、ノイズの多い実環境に頑健なモデルを開発する。 生理的覚醒のレベルを分類する機械学習モデルにおいて,様々なノイズの強度が与える影響を比較した。
  論文  参考訳（メタデータ） (2023-06-01T19:52:24Z)
• 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)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Zero-Shot Motor Health Monitoring by Blind Domain Transition [17.664784126708742]
  本研究では, 作業条件, センサパラメータ, 故障特性に関わらず, 新しい(ターゲット) マシンの故障を検知できるゼロショット軸受故障検出手法を提案する。 実験結果から, 本手法では, 平均リコール率約89%, 95%のベアリング断層を, タイプ, 重症度, 位置に関わらず正確に検出できることが示唆された。
  論文  参考訳（メタデータ） (2022-12-12T18:36:02Z)
• Discussion of Features for Acoustic Anomaly Detection under Industrial Disturbing Noise in an End-of-Line Test of Geared Motors [0.0]
  本研究の目的は,運動終端試験における異常検出に使用される特徴の頑健性について検討することである。 典型的な断層と音響障害のあるデータセットを音響アレイで記録する。 ほとんどの障害は回避できるが、ハンマーや空気圧の使用はしばしば問題を引き起こす。
  論文  参考訳（メタデータ） (2022-11-03T11:08:41Z)
• Heart Sound Classification Considering Additive Noise and Convolutional Distortion [2.63046959939306]
  異常検出のための心臓音の自動解析は、加算雑音とセンサ依存劣化の課題に直面している。 本研究の目的は, 心音に両種類の歪みが存在する場合に, 心的異常検出問題に対処する手法を開発することである。 提案手法は, 安価な聴診器を用いて, ノイズの多い環境下で, コンピュータ支援型心臓聴診システムを開発するための道を開くものである。
  論文  参考訳（メタデータ） (2021-06-03T14:09:04Z)
• Improving Medical Image Classification with Label Noise Using Dual-uncertainty Estimation [72.0276067144762]
  医用画像における2種類のラベルノイズについて論じ,定義する。 医用画像分類作業中にこれら2つのラベルノイズを処理する不確実性推定に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-28T14:56:45Z)
• Efficient and robust certification of genuine multipartite entanglement in noisy quantum error correction circuits [58.720142291102135]
  実効多部絡み(GME)認証のための条件付き目撃手法を導入する。 線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。 本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
  論文  参考訳（メタデータ） (2020-10-06T18:00:07Z)

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。