論文の概要: CNN-based Compressor Mass Flow Estimator in Industrial Aircraft Vapor Cycle System

• arxiv url: http://arxiv.org/abs/2406.17788v1
• Date: Mon, 27 May 2024 08:49:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-01 06:21:45.764049
• Title: CNN-based Compressor Mass Flow Estimator in Industrial Aircraft Vapor Cycle System
• Title（参考訳）: 航空機用蒸気サイクルシステムにおけるCNNを用いた圧縮機質量流量推定装置
• Authors: Justin Reverdi, Sixin Zhang, Saïd Aoues, Fabrice Gamboa, Serge Gratton, Thomas Pellegrini,
• Abstract要約: 蒸気サイクルシステムでは、質量流センサは異なる監視と制御のために重要な役割を果たす。 他の標準センサーをベースとしたバーチャルセンサーのコンセプトは、良い選択肢だ。
• 参考スコア（独自算出の注目度）: 9.007685592514187
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In Vapor Cycle Systems, the mass flow sensor playsa key role for different monitoring and control purposes. However,physical sensors can be inaccurate, heavy, cumbersome, expensive orhighly sensitive to vibrations, which is especially problematic whenembedded into an aircraft. The conception of a virtual sensor, basedon other standard sensors, is a good alternative. This paper has twomain objectives. Firstly, a data-driven model using a ConvolutionalNeural Network is proposed to estimate the mass flow of thecompressor. We show that it significantly outperforms the standardPolynomial Regression model (thermodynamic maps), in terms of thestandard MSE metric and Engineer Performance metrics. Secondly,a semi-automatic segmentation method is proposed to compute theEngineer Performance metrics for real datasets, as the standard MSEmetric may pose risks in analyzing the dynamic behavior of VaporCycle Systems.
• Abstract（参考訳）: 蒸気サイクルシステムでは、質量流センサは異なる監視と制御の目的のために重要な役割を果たす。 しかし、物理センサーは不正確で重く、面倒で、高価な振動に敏感で、特に航空機に埋め込まれた時に問題となる。 他の標準センサーをベースとしたバーチャルセンサーのコンセプトは、良い選択肢だ。 この論文には2つの主な目的がある。 まず、コンボリュータルニューラルネットワークを用いたデータ駆動モデルを提案し、圧縮機の質量フローを推定する。 標準的なMSEメトリックとエンジニアパフォーマンスメトリクスの観点から、標準的なPolynomial Regressionモデル(サーモダイナミックマップ)を大幅に上回っていることを示す。 第2に,標準的なMSEメトリックは,VaporCycle Systemsの動的挙動の解析にリスクをもたらす可能性があるため,実データセットのエンジニアリングパフォーマンスメトリクスを計算するための半自動セグメンテーション手法を提案する。

関連論文リスト

• A Machine Learning-Driven Wireless System for Structural Health Monitoring [0.0]
  本稿では,炭素繊維強化ポリマー(CFRP)構造体の構造健康モニタリング(SHM)のための機械学習(ML)モデルを統合した無線システムを提案する。 このシステムは、CFRPクーポンに埋め込まれたカーボンナノチューブ(CNT)センサーを介してデータを収集し、これらのデータを中央サーバーにワイヤレスで送信して処理する。 ディープニューラルネットワーク(DNN)モデルは、機械的特性を予測し、構造的障害を予測できるように拡張し、積極的にメンテナンスし、安全性を高める。
  論文  参考訳（メタデータ） (2024-09-17T08:08:38Z)
• One Masked Model is All You Need for Sensor Fault Detection, Isolation and Accommodation [1.0359008237358598]
  マスク付きモデルと自己教師型学習を用いたセンサ故障検出のための新しいフレームワークを提案する。 提案手法を,オフショアGE風力タービンのパブリックデータセットと実世界のデータセットの両方で検証する。 提案手法は,センサ計測の精度と信頼性をリアルタイムに向上する可能性がある。
  論文  参考訳（メタデータ） (2024-03-24T13:44:57Z)
• Learning IMM Filter Parameters from Measurements using Gradient Descent [45.335821132209766]
  トラック下のターゲットの固有のパラメータは、システムがデプロイされるまで完全に観測不可能である。 最先端のセンサーシステムはますます複雑になり、パラメータの数が自然に増加する。 本稿では,対話型多重モデル (IMM) フィルタのパラメータを計測のみで最適化する。
  論文  参考訳（メタデータ） (2023-07-13T08:35:40Z)
• Support Vector Machine for Determining Euler Angles in an Inertial Navigation System [55.41644538483948]
  本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。 提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
  論文  参考訳（メタデータ） (2022-12-07T10:01:11Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Visual-tactile sensing for Real-time liquid Volume Estimation in Grasping [58.50342759993186]
  変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。 我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。 ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
  論文  参考訳（メタデータ） (2022-02-23T13:38:31Z)
• SensiX++: Bringing MLOPs and Multi-tenant Model Serving to Sensory Edge Devices [69.1412199244903]
  エッジデバイス上でMLOpsを統合した,適応モデル実行のためのマルチテナントランタイムを提案する。 S SensiX++は、高度にモジュール化されたコンポーネント化と、明確な抽象化によるデータ操作の外部化と、システム全体のオーケストレーションのためのドキュメント中心の宣言という、2つの基本原則で運用されている。 SensiX++のさまざまな自動化コンポーネントの全体的なスループットと定量化メリットについて報告し、運用の複雑さを著しく低減し、エッジデバイスへの組み込みモデルのデプロイ、アップグレード、再構成、提供の労力を削減する効果を実証する。
  論文  参考訳（メタデータ） (2021-09-08T22:06:16Z)
• Incremental learning of LSTM framework for sensor fusion in attitude estimation [2.064612766965483]
  本稿では,Long-Short Term Memory (LSTM) ネットワークの漸進的学習による3次元空間における物体の姿勢推定手法を提案する。 慣性センサデータはLSTMネットワークに送られ、徐々に更新され、実行時に発生する動作の動的変化を組み込む。 提案フレームワークは,高度に動的な環境であっても,従来の手法と比較して,結果を著しく改善する。
  論文  参考訳（メタデータ） (2021-08-04T09:03:53Z)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)
• Confidence-rich grid mapping [19.530047371535147]
  環境の表現は、未知の環境でロボットが自律的に行動できるようにするための基本的なタスクである。 空間グリッドを用いた3次元環境マッピングのための新しいアルゴリズムである信頼度豊かなマッピングを提案する。 実世界の実験において,従来の手法よりも精度の高い写像を実現することに加えて,提案手法は誤差と報告された信頼度との間の一貫性をはるかに高めることを示した。
  論文  参考訳（メタデータ） (2020-06-29T00:21:30Z)
• Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
  本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。 我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。 実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T10:51:32Z)

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。