Fugu-MT 論文翻訳(概要): A Survey on Data-Driven Fault Diagnostic Techniques for Marine Diesel Engines

論文の概要: A Survey on Data-Driven Fault Diagnostic Techniques for Marine Diesel Engines

arxiv url: http://arxiv.org/abs/2404.10363v1
Date: Tue, 16 Apr 2024 07:53:54 GMT
ステータス: 処理完了
システム内更新日: 2024-04-17 17:33:19.973891
Title: A Survey on Data-Driven Fault Diagnostic Techniques for Marine Diesel Engines
Title（参考訳）: データ駆動型ディーゼル機関故障診断技術に関する調査研究
Authors: Ayah Youssef, Hassan Noura, Abderrahim El Amrani, El Mostafa El Adel, Mustapha Ouladsine,
Abstract要約: 海洋ディーゼル機関の故障診断は、海洋安全と運用の効率化に不可欠である。積極的故障診断は、タイムリーなメンテナンスを円滑に行い、ダウンタイムを最小化し、海洋ディーゼルエンジンの全体的な信頼性と持続性を保証する。
参考スコア（独自算出の注目度）: 2.3592914313389253
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Fault diagnosis in marine diesel engines is vital for maritime safety and operational efficiency.These engines are integral to marine vessels, and their reliable performance is crucial for safenavigation. Swift identification and resolution of faults are essential to prevent breakdowns,enhance safety, and reduce the risk of catastrophic failures at sea. Proactive fault diagnosisfacilitates timely maintenance, minimizes downtime, and ensures the overall reliability andlongevity of marine diesel engines. This paper explores the importance of fault diagnosis,emphasizing subsystems, common faults, and recent advancements in data-driven approachesfor effective marine diesel engine maintenance
Abstract（参考訳）: 船舶用ディーゼル機関の故障診断は, 船舶の安全と運転効率に不可欠であり, 船舶に不可欠なエンジンであり, 安全航行には信頼性の高い性能が不可欠である。スウィフトの識別と故障の解決は、破壊を防ぎ、安全を高め、海における破滅的な失敗のリスクを低減するために不可欠である。積極的故障診断は、タイムリーなメンテナンスを円滑に行い、ダウンタイムを最小化し、海洋ディーゼルエンジンの全体的な信頼性と持続性を保証する。本稿では, 故障診断の重要性, サブシステム強調, 共通故障, 海洋ディーゼルエンジンの効率的な保守のためのデータ駆動型アプローチの最近の進歩について検討する。

関連論文リスト

Nothing in Excess: Mitigating the Exaggerated Safety for LLMs via Safety-Conscious Activation Steering [56.92068213969036]
重大言語モデル(LLM)が悪意のある命令から脅威を守るためには、安全性の調整が不可欠である。近年の研究では、過大な安全性の問題により、安全性に配慮したLCMは、良質な問い合わせを拒否する傾向にあることが明らかになっている。過大な安全性の懸念を和らげるために,SCANS法を提案する。
論文参考訳（メタデータ） (2024-08-21T10:01:34Z)
Safety Enhancement in Planetary Rovers: Early Detection of Tip-over Risks Using Autoencoders [0.0]
この研究は、これらの重要な瞬間を予測し、完全に起こる前に検出するための、潜在的なチップオーバーイベントの早期兆候を特定することに焦点を当てている。慣性測定ユニット(IMU)は、コンパクトで堅牢で効率的なオートエンコーダを開発するために使用される。この研究は、チップオーバーリスクを検出し、より信頼性の高い探査ミッションのための安全対策を開発するための予測能力に貢献する。
論文参考訳（メタデータ） (2024-08-10T17:34:48Z)
Diagnostic Digital Twin for Anomaly Detection in Floating Offshore Wind Energy [0.0]
診断デジタルツインは、リアルタイムデータとモデルを組み合わせて、損傷を監視し、異常を検出し、障害を診断する資産の仮想表現である。教師なし学習手法は、正常な動作モデルを構築し、異常を検出し、故障診断を提供するために用いられる。この論文は、オフショアエンジニアリングのより広い文脈で診断デジタル双生児について議論することで締めくくっている。
論文参考訳（メタデータ） (2024-06-04T20:45:20Z)
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)
A Smart Robotic System for Industrial Plant Supervision [16.68349850187503]
本稿では,各種センサとインテリジェントデータ処理を統合した自律走行ロボットによるシステムを提案する。メタン漏れを検出し、流量を推定し、より一般的なガス異常を検出し、音源をローカライズし、故障事例を検出し、環境を3Dでマッピングし、自律的にナビゲートすることができる。
論文参考訳（メタデータ） (2023-08-10T14:54:21Z)
Fault Detection in Induction Motors using Functional Dimensionality Reduction Methods [0.0]
本研究は, 誘導電動機の故障条件の検出と分類を行うため, 従来のモータ電流シグナチャ解析手法と機能次元低減手法を組み合わせた方法論である。提案手法から得られた結果は, 誘導電動機の故障をリアルタイムに検出するだけでなく, オフライン解析による多数の故障の特定にも有効である可能性が示唆された。
論文参考訳（メタデータ） (2023-06-14T06:46:58Z)
Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。両センサと融合に関する概念と特徴を提示する。本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文参考訳（メタデータ） (2023-03-08T00:48:32Z)
Meta-Learning Priors for Safe Bayesian Optimization [72.8349503901712]
メタ学習アルゴリズムであるF-PACOHを構築し,データ不足の設定において確実な定量化を実現する。コアコントリビューションとして、安全に適合した事前をデータ駆動で選択するための新しいフレームワークを開発する。ベンチマーク関数と高精度動作系において,我々のメタ学習先行が安全なBOアプローチの収束を加速することを示す。
論文参考訳（メタデータ） (2022-10-03T08:38:38Z)
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)
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)
Challenges in Vessel Behavior and Anomaly Detection: From Classical Machine Learning to Deep Learning [10.61567813380562]
本稿では,従来の機械学習と深層学習の課題と機会について論じる。これらの課題に対処することは、実際のインテリジェントな海上監視システムにとって重要なステップであり、新しい方法やツールの研究を動機づけたいと考えています。
論文参考訳（メタデータ） (2020-04-07T21:25:12Z)

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。