論文の概要: Optimizing a Digital Twin for Fault Diagnosis in Grid Connected Inverters -- A Bayesian Approach

• arxiv url: http://arxiv.org/abs/2212.03564v1
• Date: Wed, 7 Dec 2022 10:44:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 17:26:54.679803
• Title: Optimizing a Digital Twin for Fault Diagnosis in Grid Connected Inverters -- A Bayesian Approach
• Title（参考訳）: グリッド接続インバータの故障診断のためのディジタルツインの最適化 -ベイズ的アプローチ-
• Authors: Pavol Mulinka, Subham Sahoo, Charalampos Kalalas, Pedro H. J. Nardelli
• Abstract要約: 我々は、限られたデータで柔軟な実装を可能にするデジタルツインのオンライン最適化に向けた我々の取り組みをチャネル化します。 分類性能評価には,仮想同期発電機(VSG)制御グリッドフォーミングコンバータの異なる故障事例を検討する。 我々の研究結果は、デジタルツイン設計によって達成された精度と忠実度の増加を明らかにします。
• 参考スコア（独自算出の注目度）: 5.335631208278852
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, a hyperparameter tuning based Bayesian optimization of digital twins is carried out to diagnose various faults in grid connected inverters. As fault detection and diagnosis require very high precision, we channelize our efforts towards an online optimization of the digital twins, which, in turn, allows a flexible implementation with limited amount of data. As a result, the proposed framework not only becomes a practical solution for model versioning and deployment of digital twins design with limited data, but also allows integration of deep learning tools to improve the hyperparameter tuning capabilities. For classification performance assessment, we consider different fault cases in virtual synchronous generator (VSG) controlled grid-forming converters and demonstrate the efficacy of our approach. Our research outcomes reveal the increased accuracy and fidelity levels achieved by our digital twin design, overcoming the shortcomings of traditional hyperparameter tuning methods.
• Abstract（参考訳）: 本稿では,グリッド接続インバータの様々な故障を診断するために,ハイパーパラメータチューニングに基づくディジタルツインのベイズ最適化を行う。 障害検出と診断は非常に高い精度を必要とするため、デジタル双生児のオンライン最適化に向けた取り組みを軸に、限られたデータ量で柔軟な実装を可能にします。 その結果、提案フレームワークは、限られたデータを持つディジタルツインの設計のモデルバージョニングやデプロイの実用的なソリューションとなるだけでなく、ディープラーニングツールの統合により、ハイパーパラメータチューニング機能を改善することができる。 分類性能評価では,仮想同期発電機(VSG)制御グリッドフォーミングコンバータの異なる故障事例について検討し,本手法の有効性を実証する。 我々の研究結果は、従来のハイパーパラメータチューニング手法の欠点を克服し、ディジタルツイン設計によって達成された精度と忠実度の向上を明らかにした。

関連論文リスト

• Automatically Learning Hybrid Digital Twins of Dynamical Systems [56.69628749813084]
  Digital Twins (DT)は、現実世界のシステムの状態と時間力学をシミュレートする。 DTは、しばしばデータスカース設定で目に見えない条件に一般化するのに苦労します。 本稿では,HDTwinsを自律的に提案し,評価し,最適化するための進化的アルゴリズム(textbfHDTwinGen$)を提案する。
  論文  参考訳（メタデータ） (2024-10-31T07:28:22Z)
• Provable Accuracy Bounds for Hybrid Dynamical Optimization and Sampling [1.5551894637785635]
  本稿では,Langevin Diffusion (BLD) アルゴリズムをブロックすることにより,ハイブリッド LNLS の非漸近収束を保証する。 デバイスの変化が有限であれば、ステップ時間、雑音強度、関数パラメータの2-ワッサーシュタインバイアスに明確な境界を与える。
  論文  参考訳（メタデータ） (2024-10-08T22:03:41Z)
• Digital Twin-Assisted Data-Driven Optimization for Reliable Edge Caching in Wireless Networks [60.54852710216738]
  我々はD-RECと呼ばれる新しいデジタルツインアシスト最適化フレームワークを導入し、次世代無線ネットワークにおける信頼性の高いキャッシュを実現する。 信頼性モジュールを制約付き決定プロセスに組み込むことで、D-RECは、有利な制約に従うために、アクション、報酬、状態を適応的に調整することができる。
  論文  参考訳（メタデータ） (2024-06-29T02:40:28Z)
• Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
  データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。 我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。 本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
  論文  参考訳（メタデータ） (2024-05-20T09:28:23Z)
• Cal-DETR: Calibrated Detection Transformer [67.75361289429013]
  本稿では,Deformable-DETR,UP-DETR,DINOのキャリブレーション検出トランス(Cal-DETR)のメカニズムを提案する。 我々は、不確実性を利用してクラスロジットを変調する不確実性誘導ロジット変調機構を開発する。 その結果、Cal-DETRは、ドメイン内およびドメイン外の両方を校正する競合する列車時間法に対して有効であることがわかった。
  論文  参考訳（メタデータ） (2023-11-06T22:13:10Z)
• Complexity Matters: Rethinking the Latent Space for Generative Modeling [65.64763873078114]
  生成的モデリングにおいて、多くの成功したアプローチは、例えば安定拡散のような低次元の潜在空間を利用する。 本研究では, モデル複雑性の観点から潜在空間を再考することにより, 未探索の話題に光を当てることを目的としている。
  論文  参考訳（メタデータ） (2023-07-17T07:12:29Z)
• Enhanced multi-fidelity modelling for digital twin and uncertainty quantification [0.0]
  データ駆動モデルは、リアルタイムのアップデートと予測を可能にするデジタルツインにおいて重要な役割を果たす。 利用可能なデータの忠実さと正確なセンサーデータの不足は、しばしば代理モデルの効率的な学習を妨げる。 本稿では,ロバストなマルチフィデリティ・サロゲートモデルの開発から始まる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-26T05:58:17Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• DTAAD: Dual Tcn-Attention Networks for Anomaly Detection in Multivariate Time Series Data [0.0]
  本稿では,Transformer と Dual Temporal Convolutional Network (TCN) に基づく異常検出・診断モデル DTAAD を提案する。 予測精度の向上と相関性の向上のために,スケーリング手法とフィードバック機構を導入している。 7つの公開データセットに対する実験により、DTAADは検出および診断性能の両面で現在最先端のベースライン法の大部分を超えていることが確認された。
  論文  参考訳（メタデータ） (2023-02-17T06:59:45Z)
• Digital Twin Data Modelling by Randomized Orthogonal Decomposition and Deep Learning [0.0]
  デジタルツインは、元のプロセスの振る舞いを反映する主な特徴を持つ代理モデルである。 本稿では,流体の効率的なディジタル双対モデルを作成するための新しい枠組みを提案する。 我々は、最先端の人工知能Deep Learning(DL)を用いて、ディジタルツインモデルのリアルタイム適応キャリブレーションを行う。
  論文  参考訳（メタデータ） (2022-06-17T09:45:04Z)
• BiT: Robustly Binarized Multi-distilled Transformer [36.06192421902272]
  実測精度の高いバイナライズトランスフォーマーモデルを開発し,5.9%の精度で完全精度のBERTベースラインにアプローチする。 これらのアプローチにより、事実上の精度で完全に双対化されたトランスフォーマーモデルが5.9%の精度で完全精度のBERTベースラインに近づいた。
  論文  参考訳（メタデータ） (2022-05-25T19:01:54Z)

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。