論文の概要: Zero-Shot Motor Health Monitoring by Blind Domain Transition
- arxiv url: http://arxiv.org/abs/2212.06154v1
- Date: Mon, 12 Dec 2022 18:36:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 13:43:31.943489
- Title: Zero-Shot Motor Health Monitoring by Blind Domain Transition
- Title（参考訳）: ブラインドドメイン遷移によるゼロショット運動健康モニタリング
- Authors: Serkan Kiranyaz, Ozer Can Devecioglu, Amir Alhams, Sadok Sassi, Turker
Ince, Osama Abdeljaber, Onur Avci, and Moncef Gabbouj
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 17.664784126708742
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Continuous long-term monitoring of motor health is crucial for the early
detection of abnormalities such as bearing faults (up to 51% of motor failures
are attributed to bearing faults). Despite numerous methodologies proposed for
bearing fault detection, most of them require normal (healthy) and abnormal
(faulty) data for training. Even with the recent deep learning (DL)
methodologies trained on the labeled data from the same machine, the
classification accuracy significantly deteriorates when one or few conditions
are altered. Furthermore, their performance suffers significantly or may
entirely fail when they are tested on another machine with entirely different
healthy and faulty signal patterns. To address this need, in this pilot study,
we propose a zero-shot bearing fault detection method that can detect any fault
on a new (target) machine regardless of the working conditions, sensor
parameters, or fault characteristics. To accomplish this objective, a 1D
Operational Generative Adversarial Network (Op-GAN) first characterizes the
transition between normal and fault vibration signals of (a) source machine(s)
under various conditions, sensor parameters, and fault types. Then for a target
machine, the potential faulty signals can be generated, and over its actual
healthy and synthesized faulty signals, a compact, and lightweight 1D Self-ONN
fault detector can then be trained to detect the real faulty condition in real
time whenever it occurs. To validate the proposed approach, a new benchmark
dataset is created using two different motors working under different
conditions and sensor locations. Experimental results demonstrate that this
novel approach can accurately detect any bearing fault achieving an average
recall rate of around 89% and 95% on two target machines regardless of its
type, severity, and location.
- Abstract（参考訳）: 運動の健康状態の連続的モニタリングは、ベアリング障害などの異常の早期発見に不可欠である(最大51%のモーター障害はベアリング障害に起因する)。
障害検出のための多くの手法が提案されているが、そのほとんどは正常(健康)と異常(正常)のデータを必要とする。
ラベル付きデータに基づいて訓練された最近のDeep Learning (DL) 手法であっても、分類精度は1つまたは少数の条件が変更された場合に著しく低下する。
さらに、その性能は著しく低下するか、全く異なる健全な信号パターンを持つ別のマシンでテストした場合に完全に失敗する可能性がある。
そこで本研究では, 作業条件, センサパラメータ, 故障特性に関わらず, 新たな(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。
この目的を達成するために、第1の操作生成逆ネットワーク(op-gan)は、(a)ソースマシンの正常振動信号と故障振動信号の遷移を、様々な条件、センサパラメータ、および故障タイプで特徴付ける。
そして、ターゲットマシンでは、潜在的な故障信号を生成し、その実際の健全で合成された故障信号に対して、コンパクトで軽量な1d自己オン故障検出器を訓練して、発生時にリアルタイムに実故障状態を検出することができる。
提案手法を検証するために、異なる条件とセンサ位置で動作する2つの異なるモータを用いて、新しいベンチマークデータセットを作成する。
実験の結果, 本手法は, タイプ, 重大度, 位置に関わらず, 2台の対象機で平均89%, 95%のリコール率を達成するベアリング障害を正確に検出できることがわかった。
関連論文リスト
- A Comparison of Residual-based Methods on Fault Detection [6.675805308519987]
本研究では,産業システムにおける欠陥検出のための残差に基づく2つのアプローチを比較した。
性能評価は, 健康指標構築, 断層検出, 健康指標解釈の3つの課題に焦点をあてる。
その結果、両モデルとも平均20サイクルの遅延で故障を検出でき、偽陽性率を低く維持できることがわかった。
論文 参考訳（メタデータ） (2023-09-05T14:39:27Z) - 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) - 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) - Cutting Through the Noise: An Empirical Comparison of Psychoacoustic and
Envelope-based Features for Machinery Fault Detection [6.9260317236159]
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。
論文 参考訳（メタデータ） (2022-11-03T10:56:17Z) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳（メタデータ） (2022-08-31T18:19:25Z) - 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) - Synthesizing Rolling Bearing Fault Samples in New Conditions: A
framework based on a modified CGAN [1.0569625612398386]
多くの産業において, 故障診断と条件モニタリングは, 運用コストの削減とダウンタイムの削減に不可欠である。
本稿では, 条件付き生成逆数ネットワーク(CGAN)に基づく新しいアルゴリズムを, 実際の故障条件の正常データと故障データに基づいて訓練する。
提案手法は実世界のベアリングデータセット上で検証され, 異なる条件下で故障データを生成する。
論文 参考訳（メタデータ） (2022-06-24T04:47:08Z) - Transfer Learning for Fault Diagnosis of Transmission Lines [55.971052290285485]
事前学習されたLeNet-5畳み込みニューラルネットワークに基づく新しい伝達学習フレームワークを提案する。
ソースニューラルネットワークから知識を転送して、異種ターゲットデータセットを予測することで、異なる伝送ラインの長さとインピーダンスの障害を診断することができる。
論文 参考訳（メタデータ） (2022-01-20T06:36:35Z) - Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。
異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
論文 参考訳（メタデータ） (2021-07-28T10:19:58Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z) - 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)
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。