論文の概要: Digital twin with automatic disturbance detection for real-time optimization of a semi-autogenous grinding (SAG) mill
- arxiv url: http://arxiv.org/abs/2407.06216v2
- Date: Wed, 10 Jul 2024 15:06:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-11 11:58:55.910658
- Title: Digital twin with automatic disturbance detection for real-time optimization of a semi-autogenous grinding (SAG) mill
- Title（参考訳）: 半自動研削(SAG)ミルのリアルタイム最適化のための自動外乱検出機能付きディジタルツイン
- Authors: Paulina Quintanilla, Francisco Fernández, Cristobal Mancilla, Matías Rojas, Mauricio Estrada, Daniel Navia,
- Abstract要約: デジタルツインは、クローズドループシステムをエミュレートする3つのモジュールから構成される。
モデルは68時間のデータでトレーニングされ、8時間のテストデータで検証された。
障害検出は、再トレーニングの必要性を評価し、デジタルツインは、SAGミルをエキスパート制御システムで監督する約束を示す。
- 参考スコア（独自算出の注目度）: 0.32985979395737786
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This work describes the development and validation of a digital twin for a semi-autogenous grinding (SAG) mill controlled by an expert system. The digital twin consists of three modules emulating a closed-loop system: fuzzy logic for the expert control, a state-space model for regulatory control, and a recurrent neural network for the SAG mill process. The model was trained with 68 hours of data and validated with 8 hours of test data. It predicts the mill's behavior within a 2.5-minute horizon with a 30-second sampling time. The disturbance detection evaluates the need for retraining, and the digital twin shows promise for supervising the SAG mill with the expert control system. Future work will focus on integrating this digital twin into real-time optimization strategies with industrial validation.
- Abstract（参考訳）: 本研究は、エキスパートシステムによって制御される半自動研削(SAG)工場におけるディジタルツインの開発と検証について述べる。
デジタルツインは、専門家制御のためのファジィ論理、規制制御のための状態空間モデル、SAGミルプロセスのためのリカレントニューラルネットワークの3つのモジュールで構成されている。
モデルは68時間のデータでトレーニングされ、8時間のテストデータで検証された。
30秒のサンプリング時間で2.5分間の地平線内でのミルの挙動を予測する。
障害検出は、再トレーニングの必要性を評価し、デジタルツインは、SAGミルをエキスパート制御システムで監督する約束を示す。
今後は、このデジタルツインを産業的検証を伴うリアルタイム最適化戦略に統合することに注力する。
関連論文リスト
- Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。
我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。
本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
論文 参考訳（メタデータ） (2024-05-20T09:28:23Z) - Controlling Chaos Using Edge Computing Hardware [0.0]
非線形制御器は難しい制御問題に対処可能であることを示す。
モデルは正確だが、フィールドプログラマブルゲートアレイで評価できるほど小さい。
私たちの研究は、効率的な機械学習アルゴリズムをコンピューティング"エッジ"にデプロイする第一歩です。
論文 参考訳（メタデータ） (2024-05-08T21:11:00Z) - Unraveling the Control Engineer's Craft with Neural Networks [4.5088302622486935]
本稿では,デジタルツインを用いて入力出力データとパラメータの摂動に適したコントローラを生成する,データ駆動型コントローラチューニング手法を提案する。
我々は,デジタルツインの摂動バージョンから人工的に生成されたデータに基づいて,入力出力データをコントローラパラメータにマッピングするコントローラチューニングルールを学習する。
論文 参考訳（メタデータ） (2023-11-20T10:22:38Z) - DTAAD: Dual Tcn-Attention Networks for Anomaly Detection in Multivariate Time Series Data [0.0]
本稿では,Transformer と Dual Temporal Convolutional Network (TCN) に基づく異常検出・診断モデル DTAAD を提案する。
予測精度の向上と相関性の向上のために,スケーリング手法とフィードバック機構を導入している。
7つの公開データセットに対する実験により、DTAADは検出および診断性能の両面で現在最先端のベースライン法の大部分を超えていることが確認された。
論文 参考訳（メタデータ） (2023-02-17T06:59:45Z) - 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) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳（メタデータ） (2022-09-23T06:09:35Z) - Digital Twin-based Intrusion Detection for Industrial Control Systems [0.5459797813771499]
本研究は,産業制御システムのためのディジタルツインベースのセキュリティフレームワークに寄与する。
4種類のプロセス認識攻撃シナリオが,産業用充填プラントのスタンドアロンのディジタルツイン上に実装されている。
8つの教師付き機械学習アルゴリズムのオフライン評価に基づいて,重ねられたアンサンブルをリアルタイム侵入検出として提案する。
論文 参考訳（メタデータ） (2022-07-20T16:03:10Z) - 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) - Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid
Precoding [94.40747235081466]
本研究では,ミリ波(mmWave)大規模マルチインプット多重出力(MIMO)システムのためのエンドツーエンドの深層学習に基づくジョイントトランスシーバ設計アルゴリズムを提案する。
我々は受信したパイロットを受信機でフィードバックビットにマッピングし、さらに送信機でハイブリッドプリコーダにフィードバックビットをマッピングするDNNアーキテクチャを開発した。
論文 参考訳（メタデータ） (2021-10-22T20:49:02Z) - GAN-MDF: A Method for Multi-fidelity Data Fusion in Digital Twins [82.71367011801242]
Internet of Things(IoT)は、スマートファクトリ、インテリジェントロボット、ヘルスケアシステムなどの物理システムのリアルタイムデータを収集する。
高忠実度(HF)応答は、関心の系を正確に記述するが、コストがかかる。
低忠実性(LF)応答は計算コストが低いが、要求される精度を満たせなかった。
デジタル双生児(GAN-MDF)におけるMDFの新たな生成的対向ネットワークを提案する。
論文 参考訳（メタデータ） (2021-06-24T06:40:35Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳（メタデータ） (2020-10-29T08:27:43Z)
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。