Fugu-MT 論文翻訳(概要): Airborne Sound Analysis for the Detection of Bearing Faults in Railway Vehicles with Real-World Data

論文の概要: Airborne Sound Analysis for the Detection of Bearing Faults in Railway Vehicles with Real-World Data

arxiv url: http://arxiv.org/abs/2304.07307v2
Date: Wed, 24 May 2023 10:08:37 GMT
ステータス: 処理完了
システム内更新日: 2023-05-26 01:23:08.066766
Title: Airborne Sound Analysis for the Detection of Bearing Faults in Railway Vehicles with Real-World Data
Title（参考訳）: 実世界データを用いた鉄道車両の軸受故障検出のための空中音響解析
Authors: Matthias Kreuzer, David Schmidt, Simon Wokusch, Walter Kellermann
Abstract要約: 本稿では,Mel Frequency Cepstral Coefficients (MFCC) を特徴として紹介する。実験の結果、MFCCが選択した断層を有する特徴は、トレーニングに含まれていない損傷に対しても確実に検出できることがわかった。
参考スコア（独自算出の注目度）: 18.35976019808935
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we address the challenging problem of detecting bearing faults in railway vehicles by analyzing acoustic signals recorded during regular operation. For this, we introduce Mel Frequency Cepstral Coefficients (MFCCs) as features, which form the input to a simple Multi-Layer Perceptron classifier. The proposed method is evaluated with real-world data that was obtained for state-of-the-art commuter railway vehicles in a measurement campaign. The experiments show that with the chosen MFCC features bearing faults can be reliably detected even for bearing damages that were not included in training.
Abstract（参考訳）: 本稿では,定期運転中に記録された音響信号を解析し,鉄道車両の軸受障害の検出に関する課題を解決する。本研究では,メル周波数ケプストラム係数 (mel frequency cepstral coefficients, mfccs) を特徴として紹介する。提案手法は,現在最先端の通勤鉄道車両を対象とした実測データを用いて評価を行った。実験の結果,MFCCが選択した断層を有する特徴は,トレーニングに含まれていない損傷に対しても確実に検出できることがわかった。

関連論文リスト

Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
論文参考訳（メタデータ） (2024-04-24T13:50:27Z)
Ball Mill Fault Prediction Based on Deep Convolutional Auto-Encoding Network [3.673613706096849]
本稿では,深部畳み込み自己符号化ニューラルネットワーク(DCAN)を用いた異常検出手法を提案する。提案手法は,教師付き学習手法でしばしば発生するラベル付け問題やデータ不均衡といった課題を克服し,通常の訓練中に収集した振動データを活用する。本稿では, 武漢鉄鉄資源グループのボールミル軸受からのデータと, NASAの軸受振動データセットからのデータを利用して, 異常検出のためのDCANに基づく異常検出モデルの実用化について述べる。
論文参考訳（メタデータ） (2023-11-09T17:49:07Z)
Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。実世界のデータセットの実験では、大幅な改善が示されている。
論文参考訳（メタデータ） (2023-09-21T15:00:31Z)
Wooden Sleeper Deterioration Detection for Rural Railway Prognostics Using Unsupervised Deeper FCDDs [0.0]
本研究では, 鉄道部品の欠陥に対する深いFCDDを用いた一級損傷分類を自動化するための識別器パイプラインを考案した。畳み込みニューラルネットワーク(CNN)を用いた深部骨のアブレーション研究も行った。曇りの日当たりの後方から鉄道線路の映像取得データセットを用いた鉄道検査への適用を実演した。
論文参考訳（メタデータ） (2023-05-09T00:16:49Z)
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)
Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
論文参考訳（メタデータ） (2022-08-04T15:46:48Z)
A Multi-size Kernel based Adaptive Convolutional Neural Network for Bearing Fault Diagnosis [5.811146610419976]
マルチサイズカーネルを用いた適応畳み込みニューラルネットワーク(MSKACNN)と呼ばれる軸受振動特性に基づくデータ駆動型診断アルゴリズムを提案する。 MSKACNNは振動特徴学習と信号分類機能を提供し、ベアリング障害を特定し解析する。
論文参考訳（メタデータ） (2022-03-29T06:43:30Z)
On-board Fault Diagnosis of a Laboratory Mini SR-30 Gas Turbine Engine [54.650189434544146]
データ駆動型故障診断・隔離方式は, 燃料供給システムにおける故障とセンサ測定のために, 明確に開発されている。モデルは機械学習の分類器を使用してトレーニングされ、トレーニングされた障害シナリオのセットをリアルタイムで検出する。提案手法の利点, 性能, 性能を実証し, 実証するために, いくつかのシミュレーション実験を行った。
論文参考訳（メタデータ） (2021-10-17T13:42:37Z)
DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文参考訳（メタデータ） (2021-09-08T14:07:55Z)
Deep Interference Mitigation and Denoising of Real-World FMCW Radar Signals [16.748215232763517]
実世界レーダ計測における干渉緩和のための畳み込みニューラルネットワーク(CNN)に基づくアプローチの評価を行った。実測値と模擬干渉を組み合わせることで,モデルの学習に適した入力出力データを生成する。
論文参考訳（メタデータ） (2020-12-04T11:22:13Z)

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。