論文の概要: Novel features for the detection of bearing faults in railway vehicles

• arxiv url: http://arxiv.org/abs/2304.08249v1
• Date: Fri, 14 Apr 2023 10:09:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-18 15:19:24.097263
• Title: Novel features for the detection of bearing faults in railway vehicles
• Title（参考訳）: 鉄道車両の軸受欠陥検出のための新しい特徴
• Authors: Matthias Kreuzer, Alexander Schmidt, Walter Kellermann
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 88.89591720652352
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: {In this paper, we address the challenging problem of detecting bearing faults from vibration signals. For this, several time- and frequency-domain features have been proposed already in the past. However, these features are usually evaluated on data originating from relatively simple scenarios and a significant performance loss can be observed if more realistic scenarios are considered. To overcome this, we introduce Mel-Frequency Cepstral Coefficients (MFCCs) and features extracted from the Amplitude Modulation Spectrogram (AMS) as features for the detection of bearing faults. Both AMS and MFCCs were originally introduced in the context of audio signal processing but it is demonstrated that a significantly improved classification performance can be obtained by using these features. Furthermore, to tackle the characteristic data imbalance problem in the context of bearing fault detection, i.e., typically much more data from healthy bearings than from damaged bearings is available, we propose to train a One-class \ac{SVM} with data from healthy bearings only. Bearing faults are then classified by the detection of outliers. Our approach is evaluated with data measured in a highly challenging scenario comprising a state-of-the-art commuter railway engine which is supplied by an industrial power converter and coupled to a load machine.
• Abstract（参考訳）: 本稿では,振動信号から軸受故障を検出するという課題について述べる。 このため、過去にはすでにいくつかの時間領域と周波数領域の機能が提案されている。 しかし、これらの特徴は通常、比較的単純なシナリオに由来するデータに基づいて評価され、より現実的なシナリオを考慮すると、大きなパフォーマンス損失が観測される。 これを解決するために,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特徴として紹介する。 AMSとMFCCは、もともと音声信号処理の文脈で導入されたものであるが、これらの特徴を用いて分類性能を大幅に改善できることが示されている。 さらに,障害検出の文脈における特徴的データ不均衡問題,すなわち,損傷した軸受よりも健康な軸受のデータの方がはるかに多い場合,健康な軸受のデータのみを用いて,一級の \ac{svm} を訓練することを提案する。 ベアリング障害は、異常値の検出によって分類される。 本手法は,産業用電力変換器によって供給され,負荷機に結合された最先端の通勤用鉄道エンジンを含む高度に困難なシナリオで測定されたデータを用いて評価する。

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)
• Quadratic Time-Frequency Analysis of Vibration Signals for Diagnosing Bearing Faults [15.613528945524791]
  本稿では, 騒音レベルの異なる軸受欠陥を診断するための時間周波数解析と深層学習の融合について述べる。 転がり要素軸受の様々な欠陥を診断するための時間周波数畳み込みニューラルネットワーク(TF-CNN)を設計する。
  論文  参考訳（メタデータ） (2024-01-02T12:02:50Z)
• Geo-Localization Based on Dynamically Weighted Factor-Graph [74.75763142610717]
  特徴に基づくジオローカライゼーションは、航空画像から抽出された特徴と車両のセンサーによって検出された特徴とを関連付けることに依存する。 これにより、ランドマークの種類は両方のソースから観測できなければならない。 車両軌道推定のための動的重み付き因子グラフモデルを提案する。
  論文  参考訳（メタデータ） (2023-11-13T12:44:14Z)
• 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)
• A Closer Look at Bearing Fault Classification Approaches [1.9531938396288886]
  近年,転がり軸受の異常診断が注目されている。 近年の技術進歩により、これらの資産の健全性を大規模に監視できるようになった。 近年,転がり軸受の異常診断が注目されている。
  論文  参考訳（メタデータ） (2023-09-29T06:11:11Z)
• 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)
• Imbalanced Aircraft Data Anomaly Detection [103.01418862972564]
  航空シナリオ下でのセンサーからの時間データの異常検出は実用的だが難しい課題である。 本稿では,グラフィカル・テンポラル・データ分析フレームワークを提案する。 シリーズ・トゥ・イメージ (S2I) と呼ばれる3つのモジュール、ユークリッド距離 (CRD) を用いたクラスタ・ベース・リサンプリング・アプローチ、変数・ベース・ロス (VBL) から構成される。
  論文  参考訳（メタデータ） (2023-05-17T09:37:07Z)
• Airborne Sound Analysis for the Detection of Bearing Faults in Railway Vehicles with Real-World Data [18.35976019808935]
  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。
  論文  参考訳（メタデータ） (2023-04-14T09:35:20Z)
• 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)
• Investigation of Different Calibration Methods for Deep Speaker Embedding based Verification Systems [66.61691401921296]
  本稿では, ディープスピーカ埋込抽出器のスコアキャリブレーション法について検討する。 この研究のさらなる焦点は、スコア正規化がシステムの校正性能に与える影響を推定することである。
  論文  参考訳（メタデータ） (2022-03-28T21:22:22Z)

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。