論文の概要: Diagnostic Digital Twin for Anomaly Detection in Floating Offshore Wind Energy
- arxiv url: http://arxiv.org/abs/2406.02775v1
- Date: Tue, 4 Jun 2024 20:45:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-06 22:47:37.778554
- Title: Diagnostic Digital Twin for Anomaly Detection in Floating Offshore Wind Energy
- Title（参考訳）: フローティングオフショア風力における異常検出のための診断用ディジタルツイン
- Authors: Florian Stadtmann, Adil Rasheed,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The demand for condition-based and predictive maintenance is rising across industries, especially for remote, high-value, and high-risk assets. In this article, the diagnostic digital twin concept is introduced, discussed, and implemented for a floating offshore turbine. A diagnostic digital twin is a virtual representation of an asset that combines real-time data and models to monitor damage, detect anomalies, and diagnose failures, thereby enabling condition-based and predictive maintenance. By applying diagnostic digital twins to offshore assets, unexpected failures can be alleviated, but the implementation can prove challenging. Here, a diagnostic digital twin is implemented for an operational floating offshore wind turbine. The asset is monitored through measurements. Unsupervised learning methods are employed to build a normal operation model, detect anomalies, and provide a fault diagnosis. Warnings and diagnoses are sent through text messages, and a more detailed diagnosis can be accessed in a virtual reality interface. The diagnostic digital twin successfully detected an anomaly with high confidence hours before a failure occurred. The paper concludes by discussing diagnostic digital twins in the broader context of offshore engineering. The presented approach can be generalized to other offshore assets to improve maintenance and increase the lifetime, efficiency, and sustainability of offshore assets.
- Abstract（参考訳）: 条件ベースと予測的メンテナンスの需要は、特にリモート、高価値、高リスク資産など業界全体で増加している。
本稿では,水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水上水
診断デジタルツイン(英: diagnosis digital twin)とは、リアルタイムデータとモデルを組み合わせた仮想的な資産表現であり、損傷を監視し、異常を検出し、故障を診断し、条件ベースの予測保守を可能にする。
診断用デジタルツインをオフショア資産に適用することにより、予期せぬ失敗を軽減できるが、実装は困難である。
ここでは、洋上風力タービンの運用のために、診断用デジタルツインが実装されている。
資産は測定によって監視される。
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。
警告と診断はテキストメッセージを通じて送信され、より詳細な診断は仮想現実インターフェースでアクセスすることができる。
診断用デジタル双生児は、故障が起こる数時間前に高い信頼性で異常を検出できた。
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。
提案手法は他のオフショア資産に一般化することができ、メンテナンスを改善し、オフショア資産の寿命、効率、持続可能性を高めることができる。
関連論文リスト
- Use Digital Twins to Support Fault Diagnosis From System-level Condition-monitoring Data [0.0]
本稿では,データ駆動型故障診断モデルの開発を支援するために,ディジタルツインを提案する。
提案手法は実世界のロボットシステム上で評価される。
論文 参考訳（メタデータ） (2024-11-02T20:35:13Z) - TDANet: A Novel Temporal Denoise Convolutional Neural Network With Attention for Fault Diagnosis [0.5277756703318045]
本稿では,音環境における故障診断性能を向上させるため,TDANet(Tunal Denoise Convolutional Neural Network With Attention)を提案する。
TDANetモデルは、その周期特性に基づいて1次元信号を2次元テンソルに変換し、マルチスケールの2次元畳み込みカーネルを用いて周期内および周期間の信号情報を抽出する。
CWRU (single sensor) とReal Aircraft Sensor Fault (multiple sensor) の2つのデータセットに対する評価は、TDANetモデルがノイズの多い環境下での診断精度において既存のディープラーニングアプローチを大幅に上回っていることを示している。
論文 参考訳（メタデータ） (2024-03-29T02:54:41Z) - A Systematic Mapping Study of Digital Twins for Diagnosis in
Transportation [0.0]
交通分野における診断に関するデジタル双生児の能力について検討する。
デジタル双生児に関する論文はほとんどなく、診断過程を記述している。
既存のアプローチのほとんどは、システム監視や障害検出に限られているように見える。
論文 参考訳（メタデータ） (2024-01-22T15:01:37Z) - Safe AI for health and beyond -- Monitoring to transform a health
service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。
モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文 参考訳（メタデータ） (2023-03-02T17:27:45Z) - Optimizing a Digital Twin for Fault Diagnosis in Grid Connected
Inverters -- A Bayesian Approach [5.335631208278852]
我々は、限られたデータで柔軟な実装を可能にするデジタルツインのオンライン最適化に向けた我々の取り組みをチャネル化します。
分類性能評価には,仮想同期発電機(VSG)制御グリッドフォーミングコンバータの異なる故障事例を検討する。
我々の研究結果は、デジタルツイン設計によって達成された精度と忠実度の増加を明らかにします。
論文 参考訳（メタデータ） (2022-12-07T10:44:19Z) - Are we certain it's anomalous? [57.729669157989235]
時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。
本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。
HypADは自己指導で入力信号を再構築する。
論文 参考訳（メタデータ） (2022-11-16T21:31:39Z) - AlignTransformer: Hierarchical Alignment of Visual Regions and Disease
Tags for Medical Report Generation [50.21065317817769]
本稿では,Align Hierarchical Attention (AHA)とMulti-Grained Transformer (MGT)モジュールを含むAlign Transformerフレームワークを提案する。
パブリックなIU-XrayとMIMIC-CXRデータセットの実験は、AlignTransformerが2つのデータセットの最先端メソッドと競合する結果が得られることを示している。
論文 参考訳（メタデータ） (2022-03-18T13:43:53Z) - Cyber-resilience for marine navigation by information fusion and change
detection [1.7205106391379026]
サイバーレジリエンスは、海洋船の自律航法ソリューションの開発において、ますます関心が高まりつつある。
本稿では,3つのエッジを持つプリズムを通した海洋航法におけるサイバーレジリエンス特性について検討する。
沿岸航法に用いるセンサ信号の診断と緩和のための2段階推定器を提案する。
論文 参考訳（メタデータ） (2022-02-01T12:56:02Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳（メタデータ） (2021-09-08T14:07:55Z) - Digital Twins: State of the Art Theory and Practice, Challenges, and
Open Research Questions [62.67593386796497]
この研究は、様々なDT機能と現在のアプローチ、デジタルツインの実装と導入の遅れの背景にある欠点と理由を探求する。
この遅延の主な理由は、普遍的な参照フレームワークの欠如、ドメイン依存、共有データのセキュリティ上の懸念、デジタルツインの他の技術への依存、定量的メトリクスの欠如である。
論文 参考訳（メタデータ） (2020-11-02T19:08:49Z) - Early Autism Spectrum Disorders Diagnosis Using Eye-Tracking Technology [62.997667081978825]
資金不足、資格のある専門家の欠如、そして修正方法に対する信頼度の低いことが、AMDのリアルタイム診断に影響を及ぼす主要な問題である。
我々のチームは、子どもの視線活動の情報に基づいて、ALDの確率を予測するアルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-08-21T20:22:55Z)
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。