論文の概要: A new transformation for embedded convolutional neural network approach toward real-time servo motor overload fault-detection

• arxiv url: http://arxiv.org/abs/2304.04005v1
• Date: Sat, 8 Apr 2023 13:36:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-11 18:25:58.857527
• Title: A new transformation for embedded convolutional neural network approach toward real-time servo motor overload fault-detection
• Title（参考訳）: 組込み畳み込みニューラルネットワークによるリアルタイムサーボモータ過負荷故障検出への新しい変換
• Authors: Seyed Mohammad Hossein Abedy Nejad, Mohammad Amin Behzadi, Abdolrahim Taheri
• Abstract要約: DCサーボモーターの過負荷は、多くの企業が専門家を見つけるという問題に直面しているため、業界において大きな関心事である。 本稿では,人間の干渉を伴わないリアルタイム入力信号から障害を抽出する新しい変換法を用いて,畳み込みニューラルネットワーク(CNN)を用いた組込み人工知能アプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Overloading in DC servo motors is a major concern in industries, as many companies face the problem of finding expert operators, and also human monitoring may not be an effective solution. Therefore, this paper proposed an embedded Artificial intelligence (AI) approach using a Convolutional Neural Network (CNN) using a new transformation to extract faults from real-time input signals without human interference. Our main purpose is to extract as many as possible features from the input signal to achieve a relaxed dataset that results in an effective but compact network to provide real-time fault detection even in a low-memory microcontroller. Besides, fault detection method a synchronous dual-motor system is also proposed to take action in faulty events. To fulfill this intention, a one-dimensional input signal from the output current of each DC servo motor is monitored and transformed into a 3d stack of data and then the CNN is implemented into the processor to detect any fault corresponding to overloading, finally experimental setup results in 99.9997% accuracy during testing for a model with nearly 8000 parameters. In addition, the proposed dual-motor system could achieve overload reduction and provide a fault-tolerant system and it is shown that this system also takes advantage of less energy consumption.
• Abstract（参考訳）: dcサーボモーターの過負荷は、多くの企業がエキスパートオペレーターを見つけるという問題に直面しており、また人間の監視は効果的なソリューションではないかもしれないため、業界において大きな関心事である。 そこで本稿では,人間の干渉を伴わないリアルタイム入力信号から障害を抽出する新たな変換手法として,畳み込みニューラルネットワーク(CNN)を用いた組込み人工知能(AI)アプローチを提案する。 我々の主な目的は、入力信号から可能な限り多くの特徴を抽出して、低メモリマイクロコントローラでもリアルタイムな故障検出を実現するための、効率的だがコンパクトなネットワークを実現することである。 また, 障害検出手法として, 同期式デュアルモータシステムも提案されている。 この目的を達成するため、各DCサーボモータの出力電流からの1次元入力信号を監視して3dデータに変換し、CNNをプロセッサに実装してオーバーロードに対応する故障を検出し、最終的に実験結果が99.9997%精度で8000のパラメータを持つモデルをテストする。 さらに, 提案方式は過負荷低減を実現し, フォールトトレラントシステムを提供することが可能であり, 省エネルギー効果も期待できることを示した。

関連論文リスト

• Shavette: Low Power Neural Network Acceleration via Algorithm-level Error Detection and Undervolting [0.0]
  本稿では,Deep Neural Network(DNN)アクセラレータの,単なるソフトウェア修正による低電圧動作を実現するための簡単なアプローチを紹介する。 18%から25%の省エネ効果を示したが,精度の低下やスループットの低下は認められなかった。
  論文  参考訳（メタデータ） (2024-10-17T10:29:15Z)
• Neuromorphic Split Computing with Wake-Up Radios: Architecture and Design via Digital Twinning [97.99077847606624]
  本研究は,遠隔・無線接続型NPUからなる分割計算機システムに,覚醒無線機構を組み込んだ新しいアーキテクチャを提案する。 覚醒無線に基づくニューロモルフィックスプリットコンピューティングシステムの設計における重要な課題は、検知、覚醒信号検出、意思決定のためのしきい値の選択である。
  論文  参考訳（メタデータ） (2024-04-02T10:19:04Z)
• Exploring Highly Quantised Neural Networks for Intrusion Detection in Automotive CAN [13.581341206178525]
  機械学習に基づく侵入検出モデルは、標的となる攻撃ベクトルを複数検出することに成功した。 本稿では,多クラス分類モデルとしてのカスタム量子化文学(CQMLP)について述べる。 IDSとして統合された2ビットCQMLPモデルでは、悪意のある攻撃メッセージを99.9%の精度で検出できることが示されている。
  論文  参考訳（メタデータ） (2024-01-19T21:11:02Z)
• ClST: A Convolutional Transformer Framework for Automatic Modulation Recognition by Knowledge Distillation [23.068233043023834]
  本稿では、畳み込み結合型信号変換器(ClST)という新しいニューラルネットワークと、信号知識蒸留(SKD)という新しい知識蒸留法を提案する。 SKDは、ニューラルネットワークのパラメータと複雑さを効果的に削減する知識蒸留法である。 我々は、SKDアルゴリズムであるKD-CNNとKD-MobileNetを使って、2つの軽量ニューラルネットワークをトレーニングし、ニューラルネットワークを小型デバイスで使用できるという要求を満たす。
  論文  参考訳（メタデータ） (2023-12-29T03:01:46Z)
• UnLoc: A Universal Localization Method for Autonomous Vehicles using LiDAR, Radar and/or Camera Input [51.150605800173366]
  UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。 本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
  論文  参考訳（メタデータ） (2023-07-03T04:10:55Z)
• Signal Detection in MIMO Systems with Hardware Imperfections: Message Passing on Neural Networks [101.59367762974371]
  本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。 パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。 我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
  論文  参考訳（メタデータ） (2022-10-08T04:32:58Z)
• Power Control for a URLLC-enabled UAV system incorporated with DNN-Based Channel Estimation [82.16169603954663]
  この手紙は、ディープニューラルネットワーク(DNN)に基づくチャネル推定を組み込んだ超信頼性低遅延通信(URLLC)有効無人航空機(UAV)システムの電力制御に関するものである。
  論文  参考訳（メタデータ） (2020-11-14T02:31:04Z)
• Contextual-Bandit Anomaly Detection for IoT Data in Distributed Hierarchical Edge Computing [65.78881372074983]
  IoTデバイスは複雑なディープニューラルネットワーク(DNN)モデルにはほとんど余裕がなく、異常検出タスクをクラウドにオフロードすることは長い遅延を引き起こす。 本稿では,分散階層エッジコンピューティング(HEC)システムを対象とした適応型異常検出手法のデモと構築を行う。 提案手法は,検出タスクをクラウドにオフロードした場合と比較して,精度を犠牲にすることなく検出遅延を著しく低減することを示す。
  論文  参考訳（メタデータ） (2020-04-15T06:13:33Z)
• Adaptive Anomaly Detection for IoT Data in Hierarchical Edge Computing [71.86955275376604]
  本稿では,階層型エッジコンピューティング(HEC)システムに対する適応型異常検出手法を提案する。 本研究では,入力データから抽出した文脈情報に基づいてモデルを選択する適応的手法を設計し,異常検出を行う。 提案手法を実際のIoTデータセットを用いて評価し,検出タスクをクラウドにオフロードするのとほぼ同じ精度を維持しながら,検出遅延を84%削減できることを実証した。
  論文  参考訳（メタデータ） (2020-01-10T05:29:17Z)

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。