Fugu-MT 論文翻訳(概要): Real-time Health Monitoring of Heat Exchangers using Hypernetworks and PINNs

論文の概要: Real-time Health Monitoring of Heat Exchangers using Hypernetworks and PINNs

arxiv url: http://arxiv.org/abs/2212.10032v1
Date: Tue, 20 Dec 2022 07:07:44 GMT
ステータス: 処理完了
システム内更新日: 2022-12-21 14:36:01.455693
Title: Real-time Health Monitoring of Heat Exchangers using Hypernetworks and PINNs
Title（参考訳）: ハイパーネットワークとピンを用いた熱交換器のリアルタイム健康モニタリング
Authors: Ritam Majumdar, Vishal Jadhav, Anirudh Deodhar, Shirish Karande, Lovekesh Vig, Venkataramana Runkana
Abstract要約: ハイパーネットワークに基づくアプローチは、ドメイン分解されたPINNが熱交換器の熱的挙動を学習できるようにするために用いられる。物理シミュレーションと同等の精度を維持しつつ,既存のPINNと比較して推定時間を大幅に削減する。
参考スコア（独自算出の注目度）: 12.23889788846524
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We demonstrate a Physics-informed Neural Network (PINN) based model for real-time health monitoring of a heat exchanger, that plays a critical role in improving energy efficiency of thermal power plants. A hypernetwork based approach is used to enable the domain-decomposed PINN learn the thermal behavior of the heat exchanger in response to dynamic boundary conditions, eliminating the need to re-train. As a result, we achieve orders of magnitude reduction in inference time in comparison to existing PINNs, while maintaining the accuracy on par with the physics-based simulations. This makes the approach very attractive for predictive maintenance of the heat exchanger in digital twin environments.
Abstract（参考訳）: 本研究では, 熱交換器のリアルタイム健康モニタリングのための物理インフォームニューラルネットワーク(pinn)モデルを示し, 火力発電所のエネルギー効率向上に重要な役割を果たす。ドメイン分解されたpinnが動的境界条件に応答して熱交換器の熱的挙動を学習し、再訓練する必要をなくすためにハイパーネットワークベースのアプローチが用いられる。その結果,既存のピンと比較して推定時間の桁違いな削減が可能となり,物理ベースのシミュレーションと同等の精度を保った。これにより、デジタル双対環境における熱交換器の予測保守に非常に魅力的なアプローチとなる。

関連論文リスト

Advancing Heatwave Forecasting via Distribution Informed-Graph Neural Networks (DI-GNNs): Integrating Extreme Value Theory with GNNs [3.1648929705158357]
極端な熱の長い期間である熱波は、気候変動による頻度と重大さを増している。気象スケール(1～15日)での正確な熱波予測は、大気中のドライバ間の非線形相互作用と、これらの極端な事象の希少性により、依然として困難である。本研究では、極値理論(EVT)の原理をグラフニューラルネットワークアーキテクチャに統合する新しいフレームワークであるDis Distribution-Informed Graph Neural Network (DI-GNN)を紹介する。
論文参考訳（メタデータ） (2024-11-20T17:45:03Z)
SAfEPaTh: A System-Level Approach for Efficient Power and Thermal Estimation of Convolutional Neural Network Accelerator [4.1221717424687165]
本稿では,タイル型CNN加速器の電力と温度を正確に推定するシステムレベルのアプローチであるSAfEPaThを紹介する。定常シナリオと過渡状態シナリオの両方に対処することにより、SAfEPaThは、層間パイプラインにおけるパイプラインバブルの動的効果を効果的にキャプチャする。
論文参考訳（メタデータ） (2024-07-24T20:29:52Z)
vHeat: Building Vision Models upon Heat Conduction [63.00030330898876]
vHeatは、高い計算効率とグローバルな受容場の両方を同時に達成する、新しいビジョンバックボーンモデルである。基本的な考え方は、画像パッチを熱源として概念化し、それらの相関の計算を熱エネルギーの拡散としてモデル化することである。
論文参考訳（メタデータ） (2024-05-26T12:58:04Z)
Residual-based Attention Physics-informed Neural Networks for Spatio-Temporal Ageing Assessment of Transformers Operated in Renewable Power Plants [0.6223528900192875]
本稿では,変圧器の巻線温度と経年変化に関する時間モデルを紹介する。物理ベースの偏微分方程式とデータ駆動ニューラルネットワークを用いる。フローティング太陽光発電プラントで動作する配電変圧器を用いて, 実験結果を検証した。
論文参考訳（メタデータ） (2024-05-10T12:48:57Z)
TCI-Former: Thermal Conduction-Inspired Transformer for Infrared Small Target Detection [58.00308680221481]
赤外線小目標検出(ISTD)は国家安全保障に重要であり、軍事分野で広く応用されている。ほとんどの ISTD ネットワークは特徴抽出ブロックや特徴融合モジュールの設計に重点を置いているが、特徴写像の進化の観点から ISTD プロセスを記述することは稀である。熱伝導理論に基づく熱伝導型変圧器(TCI-Former)を提案する。
論文参考訳（メタデータ） (2024-02-03T05:51:22Z)
Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
論文参考訳（メタデータ） (2023-10-05T21:44:18Z)
Application of Zone Method based Physics-Informed Neural Networks in Reheating Furnaces [25.031487600209346]
ファウンデーション・インダストリーズ(FIs)はガラス、金属、セメント、セラミックス、バルク化学、紙、鋼などを構成する。 FIの製造チェーン内の再加熱炉はエネルギー集約的である。再加熱炉の地下温度の正確なリアルタイム予測は、全体の加熱時間を短縮する可能性がある。本稿では,新しいエネルギーベース正規化器を用いた物理知識を取り入れた物理インフォームドニューラルネットワーク(PINN)を提案する。
論文参考訳（メタデータ） (2023-08-30T15:26:35Z)
Energy-Efficient Model Compression and Splitting for Collaborative Inference Over Time-Varying Channels [52.60092598312894]
本稿では,エッジノードとリモートノード間のモデル圧縮と時間変化モデル分割を利用して,エッジデバイスにおける総エネルギーコストを削減する手法を提案する。提案手法は, 検討されたベースラインと比較して, エネルギー消費が最小限であり, 排出コストが$CO$となる。
論文参考訳（メタデータ） (2021-06-02T07:36:27Z)
Physics-Informed Neural Network for Modelling the Thermochemical Curing Process of Composite-Tool Systems During Manufacture [11.252083314920108]
オートクレーブで治療を行うツール上で, 複合材料の熱化学的進化をシミュレートするPINNを提案する。我々は、PDE、境界、インターフェース、初期条件に対応する損失項に自動的に重みを適応させる手法でPINNを訓練する。提案したPINNの性能は材料厚と熱境界条件の異なる複数のシナリオで実証された。
論文参考訳（メタデータ） (2020-11-27T00:56:15Z)
Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
論文参考訳（メタデータ） (2020-06-02T23:38:35Z)
NeurOpt: Neural network based optimization for building energy management and climate control [58.06411999767069]
モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
論文参考訳（メタデータ） (2020-01-22T00:51:03Z)

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。