論文の概要: Robust-MBFD: A Robust Deep Learning System for Motor Bearing Faults Detection Using Multiple Deep Learning Training Strategies and A Novel Double Loss Function

• arxiv url: http://arxiv.org/abs/2310.11477v1
• Date: Tue, 17 Oct 2023 07:50:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-19 18:58:36.760422
• Title: Robust-MBFD: A Robust Deep Learning System for Motor Bearing Faults Detection Using Multiple Deep Learning Training Strategies and A Novel Double Loss Function
• Title（参考訳）: Robust-MBFD:複数深層学習戦略と新しい二重損失関数を用いた運動軸受故障検出のためのロバスト深部学習システム
• Authors: Khoa Tran, Lam Pham, Hai-Canh Vu
• Abstract要約: 本稿では, モータ軸受故障検出(MBFD)の総合的解析を行い, その振動に基づいてモータ軸受の故障を同定する作業について述べる。 まず,MBFDタスクのための各種機械学習ベースシステムの提案と評価を行う。 次に、MBFDタスクのための3つのディープラーニングベースシステムを提案し、それぞれが、教師あり学習、半教師なし学習、教師なし学習の1つを探索する。
• 参考スコア（独自算出の注目度）: 0.8629218290421894
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a comprehensive analysis of motor bearing fault detection (MBFD), which involves the task of identifying faults in a motor bearing based on its vibration. To this end, we first propose and evaluate various machine learning based systems for the MBFD task. Furthermore, we propose three deep learning based systems for the MBFD task, each of which explores one of the following training strategies: supervised learning, semi-supervised learning, and unsupervised learning. The proposed machine learning based systems and deep learning based systems are evaluated, compared, and then they are used to identify the best model for the MBFD task. We conducted extensive experiments on various benchmark datasets of motor bearing faults, including those from the American Society for Mechanical Failure Prevention Technology (MFPT), Case Western Reserve University Bearing Center (CWRU), and the Condition Monitoring of Bearing Damage in Electromechanical Drive Systems from Paderborn University (PU). The experimental results on different datasets highlight two main contributions of this study. First, we prove that deep learning based systems are more effective than machine learning based systems for the MBFD task. Second, we achieve a robust and general deep learning based system with a novel loss function for the MBFD task on several benchmark datasets, demonstrating its potential for real-life MBFD applications.
• Abstract（参考訳）: 本稿では, モータ軸受故障検出(MBFD)の総合的解析を行い, その振動に基づいてモータ軸受の故障を同定する作業について述べる。 そこで我々はまず,MBFDタスクのための各種機械学習ベースシステムの提案と評価を行った。 さらに、MBFDタスクのための3つのディープラーニングベースシステムを提案し、それぞれが、教師あり学習、半教師なし学習、教師なし学習の1つを探索する。 提案する機械学習ベースシステムとディープラーニングベースのシステムを比較し、mbfdタスクの最適なモデルを特定するために使用する。 われわれは,MFPT(American Society for Mechanical Prevention Prevention Technology),CWRU(Cケース・ウェスタン・リザーブ大学ベアリングセンター),パダーボーン大学(PU)の電気機械駆動システムにおけるベアリング損傷の状況モニタリングなど,各種のモータベアリング障害のベンチマークデータセットについて検討を行った。 異なるデータセットに関する実験結果は、この研究の主な貢献点を2つ挙げている。 まず、深層学習に基づくシステムは、MBFDタスクのための機械学習ベースのシステムよりも効果的であることを示す。 第2に,複数のベンチマークデータセット上でMBFDタスクに新たな損失関数を付与した,堅牢で汎用的な深層学習システムを実現し,実生活におけるMBFDアプリケーションの可能性を示す。

関連論文リスト

• Enhancing robustness of data-driven SHM models: adversarial training with circle loss [4.619717316983647]
  構造的健康モニタリング(SHM)は、航空宇宙、民間、機械的インフラの安全と信頼性を守るために重要である。 機械学習ベースのデータ駆動アプローチは、センサーと計算能力の進歩によりSHMで人気を博している。 本稿では,防御のための対角的訓練手法を提案する。これは円損失を利用して,トレーニング中の特徴間の距離を最適化し,事例を意思決定境界から遠ざける。
  論文  参考訳（メタデータ） (2024-06-20T11:55:39Z)
• Fault detection in propulsion motors in the presence of concept drift [0.0]
  機械学習と統計的手法は、海洋システムにおける監視と故障予測を強化するために使用できる。 概念ドリフトと呼ばれる基盤システムの予期せぬ変化は、これらの手法の性能に影響を及ぼす可能性がある。 本研究では, コンセプトドリフト時の運転を成功させる水力推進電動機の固定子巻線における過熱検出手法を提案する。
  論文  参考訳（メタデータ） (2024-06-12T09:31:03Z)
• 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)
• Efficient Visual Fault Detection for Freight Train Braking System via Heterogeneous Self Distillation in the Wild [8.062167870951706]
  本稿では,検出精度と速度を確保するため,不均一な自己蒸留フレームワークを提案する。 我々は,学習効率を向上させるために,ラベル付近の値にネットワークを集中させる新たな損失関数を用いる。 我々のフレームワークは毎秒37フレーム以上を達成でき、従来の蒸留法と比較して高い精度を維持することができる。
  論文  参考訳（メタデータ） (2023-07-03T01:27:39Z)
• Robustness and Generalization Performance of Deep Learning Models on Cyber-Physical Systems: A Comparative Study [71.84852429039881]
  調査は、センサーの故障やノイズなど、様々な摂動を扱うモデルの能力に焦点を当てている。 我々は,これらのモデルの一般化と伝達学習能力を,アウト・オブ・ディストリビューション(OOD)サンプルに公開することによって検証する。
  論文  参考訳（メタデータ） (2023-06-13T12:43:59Z)
• Self-Destructing Models: Increasing the Costs of Harmful Dual Uses of Foundation Models [103.71308117592963]
  本稿ではメタラーニングと逆学習の技法を活用した自己破壊モデルの学習アルゴリズムを提案する。 小規模な実験では、MLACは、BERTスタイルのモデルが性別識別を行うために再目的化されることをほとんど防ぐことができることを示す。
  論文  参考訳（メタデータ） (2022-11-27T21:43:45Z)
• 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)
• End-to-End Topology-Aware Machine Learning for Power System Reliability Assessment [0.0]
  本稿では,信頼性指標を直接予測するエンド・ツー・エンドの機械学習に関する予備調査を提案する。 2つのモデル(Support Vector Machine と Boosting Trees)がトレーニングされ、比較される。 提案したエンドツーエンド機械学習パイプラインの信頼性評価への適用性を示す。
  論文  参考訳（メタデータ） (2022-05-30T00:00:14Z)
• Federated Learning with Unreliable Clients: Performance Analysis and Mechanism Design [76.29738151117583]
  Federated Learning(FL)は、分散クライアント間で効果的な機械学習モデルをトレーニングするための有望なツールとなっている。 しかし、低品質のモデルは信頼性の低いクライアントによってアグリゲータサーバにアップロードすることができ、劣化やトレーニングの崩壊につながる。 クライアントの信頼できない振る舞いをモデル化し、このようなセキュリティリスクを軽減するための防御メカニズムを提案する。
  論文  参考訳（メタデータ） (2021-05-10T08:02:27Z)
• Few-Shot Bearing Fault Diagnosis Based on Model-Agnostic Meta-Learning [3.8015092217142223]
  モデルに依存しないメタラーニング(MAML)に基づく断層診断のための数発の学習フレームワークを提案する。 ケーススタディでは、提案したフレームワークは、シームズネットワークベースのベンチマーク研究よりも25%高い精度で全体の精度を達成している。
  論文  参考訳（メタデータ） (2020-07-25T04:03:18Z)
• Enhanced Adversarial Strategically-Timed Attacks against Deep Reinforcement Learning [91.13113161754022]
  本稿では,DRLに基づくナビゲーションシステムに対して,選択した時間フレーム上の物理ノイズパターンを妨害することにより,タイミングに基づく逆方向戦略を導入する。 実験結果から, 対向タイミング攻撃は性能低下を引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2020-02-20T21:39:25Z)

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。