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
- 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) - Robust-MBDL: A Robust Multi-branch Deep Learning Based Model for
Remaining Useful Life Prediction and Operational Condition Identification of
Rotating Machines [1.2593669712329136]
提案システムは,(1)振動データを復調するLSTM-Autoencoder,(2)識別されたデータから時間領域,周波数領域,時間周波数ベースの特徴を生成する特徴抽出,(3)複数の特徴を利用する新規で堅牢なマルチブランチ深層学習ネットワークアーキテクチャを含む。
提案システムの性能を,XJTU-SY と PRONOSTIA の2つのベンチマークデータセットの最先端システムと比較した。
論文 参考訳(メタデータ) (2023-09-12T11:58:53Z) - 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) - Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。
本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文 参考訳(メタデータ) (2022-09-05T16:48:34Z) - Combining Deep Learning with Physics Based Features in
Explosion-Earthquake Discrimination [1.135816669534854]
本稿では, 地震と爆発を区別する高度な手法を提案する。
提案手法は, 地震波形や分光図を直接操作する深層学習枝と, 物理に基づくパラメトリック特徴を演算する第2枝とを含む。
論文 参考訳(メタデータ) (2022-03-12T04:57:25Z) - Testing Deep Learning Models: A First Comparative Study of Multiple
Testing Techniques [15.695048480513536]
視覚ベースのシステム(VBS)は、自律運転、ロボット手術、重要なインフラ監視、航空および海上交通管制などに用いられる。
ディープラーニング(DL)は、自律運転、ロボット手術、重要なインフラ監視、空気および海洋交通制御などの重要な応用において、視覚ベースのシステム(VBS)の能力に革命をもたらした。
論文 参考訳(メタデータ) (2022-02-24T15:05:19Z) - Learning Physical Concepts in Cyber-Physical Systems: A Case Study [72.74318982275052]
本稿では,時系列データにおける物理概念の学習方法に関する研究の現状について概説する。
また,3タンクシステムの例を用いて,最先端技術から最も重要な手法を分析した。
論文 参考訳(メタデータ) (2021-11-28T14:24:52Z) - 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) - Model of the Weak Reset Process in HfOx Resistive Memory for Deep
Learning Frameworks [0.6745502291821955]
酸化ハフニウムRRAMにおける弱いRESET過程のモデルを提案する。
私たちはこのモデルをPyTorchディープラーニングフレームワークに統合します。
我々はこのツールを用いて、MNIST手書き文字認識タスクのためのバイナリニューラルネットワークを訓練する。
論文 参考訳(メタデータ) (2021-07-02T08:50:35Z) - ASFD: Automatic and Scalable Face Detector [129.82350993748258]
ASFD(Automatic and Scalable Face Detector)を提案する。
ASFDはニューラルアーキテクチャ検索技術の組み合わせと新たな損失設計に基づいている。
ASFD-D0は120FPS以上で動作し、MobilenetはVGA解像度の画像を撮影しています。
論文 参考訳(メタデータ) (2020-03-25T06:00:47Z)
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。