論文の概要: Real-Time Vibration-Based Bearing Fault Diagnosis Under Time-Varying Speed Conditions

• arxiv url: http://arxiv.org/abs/2311.18547v1
• Date: Thu, 30 Nov 2023 13:30:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-01 16:32:41.324289
• Title: Real-Time Vibration-Based Bearing Fault Diagnosis Under Time-Varying Speed Conditions
• Title（参考訳）: 時変速度条件下における実時間振動型軸受故障診断
• Authors: Tuomas Jalonen, Mohammad Al-Sa'd, Serkan Kiranyaz, and Moncef Gabbouj
• Abstract要約: 本稿では,複数障害の診断に有効なリアルタイム畳み込みニューラルネットワーク(CNN)を提案する。 本研究では, 内輪, 外輪, ローラーボール断層に係わる健全な軸受および軸受について実験を行った。
• 参考スコア（独自算出の注目度）: 15.613528945524791
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Detection of rolling-element bearing faults is crucial for implementing proactive maintenance strategies and for minimizing the economic and operational consequences of unexpected failures. However, many existing techniques are developed and tested under strictly controlled conditions, limiting their adaptability to the diverse and dynamic settings encountered in practical applications. This paper presents an efficient real-time convolutional neural network (CNN) for diagnosing multiple bearing faults under various noise levels and time-varying rotational speeds. Additionally, we propose a novel Fisher-based spectral separability analysis (SSA) method to elucidate the effectiveness of the designed CNN model. We conducted experiments on both healthy bearings and bearings afflicted with inner race, outer race, and roller ball faults. The experimental results show the superiority of our model over the current state-of-the-art approach in three folds: it achieves substantial accuracy gains of up to 15.8%, it is robust to noise with high performance across various signal-to-noise ratios, and it runs in real-time with processing durations five times less than acquisition. Additionally, by using the proposed SSA technique, we offer insights into the model's performance and underscore its effectiveness in tackling real-world challenges.
• Abstract（参考訳）: 転がり軸受欠陥の検出は, 積極的維持戦略の実施と, 予期せぬ故障の経済的・運用的影響の最小化に不可欠である。 しかし、多くの既存の技術は厳密に制御された条件下で開発・テストされ、実用用途で見られる多様でダイナミックな設定への適応性を制限している。 本稿では,様々な雑音レベルと時変回転速度下で複数軸受故障を診断する効率的なリアルタイム畳み込みニューラルネットワーク(cnn)を提案する。 また,設計したcnnモデルの有効性を明らかにするため,fisher-based spectral separability analysis (ssa) 法を提案する。 内輪レース,外輪レース,ローラーボール障害にともなう健全な軸受と軸受の双方について実験を行った。 実験の結果,提案手法の精度は最大15.8%まで向上し,様々な信号-雑音比で高い性能のノイズに対して頑健であり,処理時間5倍の精度でリアルタイムに動作可能であることがわかった。 さらに,提案するssa手法を用いて,モデルの性能に関する洞察を提供し,実世界の課題に取り組む上での有効性を強調する。

関連論文リスト

• DOCTOR: Dynamic On-Chip Temporal Variation Remediation Toward Self-Corrected Photonic Tensor Accelerators [5.873308516576125]
  フォトニックテンソル加速器は、非平行な速度とエネルギー効率を提供する。 光学的ニューラル加速器の変動耐性を高めるために、オフチップノイズ認識トレーニングとオンチップトレーニングが提案されている。 DOCTORと呼ばれる軽量な動的オンチップ・フレームワークを提案し、時間的ドリフトノイズに対して適応的かつその場での精度回復を実現する。
  論文  参考訳（メタデータ） (2024-03-05T06:17:13Z)
• 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)
• Not All Steps are Equal: Efficient Generation with Progressive Diffusion Models [62.155612146799314]
  ステップ適応トレーニングと呼ばれる新しい2段階のトレーニング戦略を提案する。 初期段階では、ベース・デノナイジング・モデルはすべてのタイムステップを包含するように訓練される。 タイムステップを別々のグループに分割し、各グループ内でモデルを微調整して、特殊な認知機能を実現します。
  論文  参考訳（メタデータ） (2023-12-20T03:32:58Z)
• A Novel Transfer Learning Method Utilizing Acoustic and Vibration Signals for Rotating Machinery Fault Diagnosis [12.631120583797518]
  回転機械の故障診断は, 近代産業システムの安全性と安定性に重要な役割を担っている。 実世界の運用シナリオのデータとトレーニングデータの間には,分散の相違がある。 本稿では,この分布差に対処する音響信号と振動信号を用いた伝達学習手法を提案する。
  論文  参考訳（メタデータ） (2023-10-20T10:50:14Z)
• 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)
• 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)
• Machine learning enabled experimental design and parameter estimation for ultrafast spin dynamics [54.172707311728885]
  機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。 本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。 数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-03T06:19:20Z)
• Stabilizing Machine Learning Prediction of Dynamics: Noise and Noise-inspired Regularization [58.720142291102135]
  近年、機械学習(ML)モデルはカオス力学系の力学を正確に予測するために訓練可能であることが示されている。 緩和技術がなければ、この技術は人工的に迅速にエラーを発生させ、不正確な予測と/または気候不安定をもたらす可能性がある。 トレーニング中にモデル入力に付加される多数の独立雑音実効化の効果を決定論的に近似する正規化手法であるLinearized Multi-Noise Training (LMNT)を導入する。
  論文  参考訳（メタデータ） (2022-11-09T23:40:52Z)
• Fault-Aware Design and Training to Enhance DNNs Reliability with Zero-Overhead [67.87678914831477]
  ディープニューラルネットワーク(DNN)は、幅広い技術的進歩を可能にする。 最近の知見は、過渡的なハードウェア欠陥がモデル予測を劇的に損なう可能性があることを示唆している。 本研究では,トレーニングとモデル設計の両面で信頼性の問題に取り組むことを提案する。
  論文  参考訳（メタデータ） (2022-05-28T13:09:30Z)
• Robust Ultra-wideband Range Error Mitigation with Deep Learning at the Edge [0.0]
  室内無線環境のマルチパス効果、反射、屈折、複雑さは、測定範囲に正のバイアスをもたらす可能性がある。 本稿では,ディープラーニングとグラフ最適化技術の最新技術を活用した効率的な表現学習手法を提案する。 チャネルインパルス応答(CIR)信号を直接利用して高い意味的特徴を抽出し、NLoS条件またはLoS条件の補正を推定する。
  論文  参考訳（メタデータ） (2020-11-30T10:52:21Z)
• Training Generative Adversarial Networks by Solving Ordinary Differential Equations [54.23691425062034]
  GANトレーニングによって引き起こされる連続時間ダイナミクスについて検討する。 この観点から、GANのトレーニングにおける不安定性は積分誤差から生じると仮定する。 本研究では,有名なODEソルバ(Runge-Kutta など)がトレーニングを安定化できるかどうかを実験的に検証する。
  論文  参考訳（メタデータ） (2020-10-28T15:23:49Z)

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。