Fugu-MT 論文翻訳(概要): Detection of Electric Motor Damage Through Analysis of Sound Signals Using Bayesian Neural Networks

論文の概要: Detection of Electric Motor Damage Through Analysis of Sound Signals Using Bayesian Neural Networks

arxiv url: http://arxiv.org/abs/2409.08309v1
Date: Thu, 12 Sep 2024 07:15:59 GMT
ステータス: 処理完了
システム内更新日: 2024-09-16 18:46:54.797338
Title: Detection of Electric Motor Damage Through Analysis of Sound Signals Using Bayesian Neural Networks
Title（参考訳）: ベイジアンニューラルネットワークを用いた音響信号解析による電動機の損傷検出
Authors: Waldemar Bauer, Marta Zagorowska, Jerzy Baranowski,
Abstract要約: 故障監視と診断は、電動機の信頼性を確保するために重要である。本稿では,電動機の故障を検知し,分類するためにベイズニューラルネットワークを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Fault monitoring and diagnostics are important to ensure reliability of electric motors. Efficient algorithms for fault detection improve reliability, yet development of cost-effective and reliable classifiers for diagnostics of equipment is challenging, in particular due to unavailability of well-balanced datasets, with signals from properly functioning equipment and those from faulty equipment. Thus, we propose to use a Bayesian neural network to detect and classify faults in electric motors, given its efficacy with imbalanced training data. The performance of the proposed network is demonstrated on real life signals, and a robustness analysis of the proposed solution is provided.
Abstract（参考訳）: 故障監視と診断は、電動機の信頼性を確保するために重要である。故障検出のための効率的なアルゴリズムは信頼性を向上させるが、機器の診断のための費用効率が高く信頼性の高い分類器の開発は困難である。そこで我々は,不均衡なトレーニングデータを用いて,電動機の故障を検出し,分類するためにベイズニューラルネットワークを提案する。実生活信号に対して提案するネットワークの性能を実証し,提案手法のロバスト性解析を行った。

関連論文リスト

Fault Diagnosis in Power Grids with Large Language Model [0.0]
本稿では,Large Language Models (LLMs) を利用して,故障診断精度と説明可能性を向上させる手法を提案する。我々は、複雑なデータの解釈においてLLMを導くために、包括的でコンテキスト対応のプロンプトを設計した。実験により,診断精度,説明可能性品質,応答コヒーレンス,文脈理解の大幅な改善が示された。
論文参考訳（メタデータ） (2024-07-11T19:44:18Z)
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)
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)
Non-destructive Fault Diagnosis of Electronic Interconnects by Learning Signal Patterns of Reflection Coefficient in the Frequency Domain [1.8843687952462742]
本稿では,早期故障検出と相互接続欠陥の正確な診断のための新しい非破壊的手法を提案する。提案手法は, 周波数範囲にわたる係数反射の信号パターンを利用して, 根本原因同定と重大度評価の両立を可能にする。実験結果から,本手法は断層検出および診断に有効であり,実世界の産業応用に拡張できる可能性が示唆された。
論文参考訳（メタデータ） (2023-04-20T10:51:21Z)
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)
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)
A Multi-size Kernel based Adaptive Convolutional Neural Network for Bearing Fault Diagnosis [5.811146610419976]
マルチサイズカーネルを用いた適応畳み込みニューラルネットワーク(MSKACNN)と呼ばれる軸受振動特性に基づくデータ駆動型診断アルゴリズムを提案する。 MSKACNNは振動特徴学習と信号分類機能を提供し、ベアリング障害を特定し解析する。
論文参考訳（メタデータ） (2022-03-29T06:43:30Z)
Transfer Learning for Fault Diagnosis of Transmission Lines [55.971052290285485]
事前学習されたLeNet-5畳み込みニューラルネットワークに基づく新しい伝達学習フレームワークを提案する。ソースニューラルネットワークから知識を転送して、異種ターゲットデータセットを予測することで、異なる伝送ラインの長さとインピーダンスの障害を診断することができる。
論文参考訳（メタデータ） (2022-01-20T06:36:35Z)
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)
Power Control for a URLLC-enabled UAV system incorporated with DNN-Based Channel Estimation [82.16169603954663]
この手紙は、ディープニューラルネットワーク(DNN)に基づくチャネル推定を組み込んだ超信頼性低遅延通信(URLLC)有効無人航空機(UAV)システムの電力制御に関するものである。
論文参考訳（メタデータ） (2020-11-14T02:31:04Z)
FaultNet: A Deep Convolutional Neural Network for bearing fault classification [7.148679715851955]
我々は、異なる信号処理法を組み合わせることで、機械系の振動信号データを軸受で解析する。本稿では,高精度にベアリング障害のタイプを効果的に決定できる畳み込みニューラルネットワークFactNetを提案する。
論文参考訳（メタデータ） (2020-10-05T16:50:08Z)

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。