論文の概要: A Multimodal Lightweight Approach to Fault Diagnosis of Induction Motors in High-Dimensional Dataset
- arxiv url: http://arxiv.org/abs/2501.03746v1
- Date: Tue, 07 Jan 2025 12:40:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-08 15:48:58.089562
- Title: A Multimodal Lightweight Approach to Fault Diagnosis of Induction Motors in High-Dimensional Dataset
- Title(参考訳): 高次元データセットにおける誘導電動機の故障診断へのマルチモーダル軽量アプローチ
- Authors: Usman Ali,
- Abstract要約: 誘導電動機(IM)の正確なAIベースの診断システムは、プロアクティブなメンテナンスを強化し、計画外のダウンタイムを軽減し、産業環境における全体的なメンテナンスコストを抑制する可能性を秘めている。
研究者らは、信号処理(SP)、機械学習(ML)、ディープラーニング(DL)、BRB故障のハイブリッドアーキテクチャを用いた様々な故障診断手法を提案している。
本稿では,1,2,3,4のBRB断層を電流信号と振動信号データを用いて診断するために,ShuffleNetV2というトランスファーラーニングに基づく軽量DLモデルを用いて,BRB断層の大規模データを実装する。
- 参考スコア(独自算出の注目度): 1.148237645450678
- License:
- Abstract: An accurate AI-based diagnostic system for induction motors (IMs) holds the potential to enhance proactive maintenance, mitigating unplanned downtime and curbing overall maintenance costs within an industrial environment. Notably, among the prevalent faults in IMs, a Broken Rotor Bar (BRB) fault is frequently encountered. Researchers have proposed various fault diagnosis approaches using signal processing (SP), machine learning (ML), deep learning (DL), and hybrid architectures for BRB faults. One limitation in the existing literature is the training of these architectures on relatively small datasets, risking overfitting when implementing such systems in industrial environments. This paper addresses this limitation by implementing large-scale data of BRB faults by using a transfer-learning-based lightweight DL model named ShuffleNetV2 for diagnosing one, two, three, and four BRB faults using current and vibration signal data. Spectral images for training and testing are generated using a Short-Time Fourier Transform (STFT). The dataset comprises 57,500 images, with 47,500 used for training and 10,000 for testing. Remarkably, the ShuffleNetV2 model exhibited superior performance, in less computational cost as well as accurately classifying 98.856% of spectral images. To further enhance the visualization of harmonic sidebands resulting from broken bars, Fast Fourier Transform (FFT) is applied to current and vibration data. The paper also provides insights into the training and testing times for each model, contributing to a comprehensive understanding of the proposed fault diagnosis methodology. The findings of our research provide valuable insights into the performance and efficiency of different ML and DL models, offering a foundation for the development of robust fault diagnosis systems for induction motors in industrial settings.
- Abstract(参考訳): 誘導電動機(IM)の正確なAIベースの診断システムは、プロアクティブなメンテナンスを強化し、計画外のダウンタイムを軽減し、産業環境における全体的なメンテナンスコストを抑制する可能性を秘めている。
特に、IMでよく見られる断層のうち、ブロークローターバー(BRB)断層が頻繁に発生する。
研究者らは、信号処理(SP)、機械学習(ML)、ディープラーニング(DL)、BRB故障のハイブリッドアーキテクチャを用いた様々な故障診断手法を提案している。
既存の文献の1つの制限は、これらのアーキテクチャを比較的小さなデータセットでトレーニングすることであり、産業環境でそのようなシステムを実装する際に過度に適合するリスクがある。
本稿では,1,2,3,4のBRB断層を電流信号と振動信号データを用いて診断するために,ShuffleNetV2というトランスファーラーニングに基づく軽量DLモデルを用いて,BRB断層の大規模データを実装することで,この限界に対処する。
短時間フーリエ変換(STFT)を用いて、トレーニングとテストのためのスペクトル画像を生成する。
データセットは57,500枚、トレーニングに47,500枚、テストに10,000枚で構成されている。
注目すべきは、ShuffleNetV2モデルは、より少ない計算コストで優れた性能を示し、スペクトル画像の98.856%を正確に分類したことである。
バーの破損によるハーモニックサイドバンドの可視化をさらに強化するため、電流および振動データに高速フーリエ変換(FFT)を適用した。
また,本論文は,各モデルのトレーニング時間と試験時間に関する知見を提供し,提案した故障診断手法の包括的理解に寄与する。
本研究は,各種MLモデルとDLモデルの性能と効率に関する貴重な知見を提供し,産業用誘導電動機の堅牢な故障診断システムの開発の基礎となるものである。
関連論文リスト
- An Improved Fault Diagnosis Strategy for Induction Motors Using Weighted Probability Ensemble Deep Learning [1.438310481395707]
誘導電動機の故障早期検出は, 産業環境での未中断運転の確保に不可欠である。
WPEDL法は振動と電流の特徴から抽出した高次元データを用いて誘導電動機故障を効果的に診断する。
提案モデルは他のモデルよりも優れ,98.89%の精度を実現している。
論文 参考訳(メタデータ) (2024-12-24T08:02:44Z) - DKDL-Net: A Lightweight Bearing Fault Detection Model via Decoupled Knowledge Distillation and Low-Rank Adaptation Fine-tuning [0.0]
本稿では,これらの課題を解決するための軽量軸受故障診断モデルDKDL-Netを提案する。
このモデルは、知識蒸留と低階適応微調整を分離することにより、CWRUデータセットに基づいて訓練される。
実験により、DKDL-Netは、モデル性能を維持しながら、テストセットにおける計算複雑性の99.48%の精度を達成することが示された。
論文 参考訳(メタデータ) (2024-06-10T09:09:08Z) - Fault Diagnosis on Induction Motor using Machine Learning and Signal
Processing [0.0]
機械学習とSimulinkを用いた信号処理による誘導電動機故障の検出と同定について検討する。
誘導電動機の4つの故障(開回路故障、短回路故障、過負荷、破折ローターバー)を発生させた。
テストセットのモデルの精度を比較すると、決定木は92%の精度で最善を尽くしたと結論づけた。
論文 参考訳(メタデータ) (2024-01-27T14:12:42Z) - Active Foundational Models for Fault Diagnosis of Electrical Motors [0.5999777817331317]
電気モーターの故障検出と診断は、産業システムの安全かつ信頼性の高い運転を保証する上で最も重要である。
マシン故障診断のための既存のデータ駆動ディープラーニングアプローチは、大量のラベル付きサンプルに大きく依存している。
ラベル付きサンプルを少ない量で活用する基礎モデルに基づくアクティブラーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2023-11-27T03:25:12Z) - Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。
具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。
アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
論文 参考訳(メタデータ) (2023-08-06T05:58:45Z) - Detecting train driveshaft damages using accelerometer signals and
Differential Convolutional Neural Networks [67.60224656603823]
本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。
その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
論文 参考訳(メタデータ) (2022-11-15T15:04:06Z) - System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。
このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
論文 参考訳(メタデータ) (2022-08-30T20:16:17Z) - Fault Detection and Diagnosis with Imbalanced and Noisy Data: A Hybrid
Framework for Rotating Machinery [2.580765958706854]
回転機械製造システムの保守コスト低減には, 故障診断が重要な役割を担っている。
従来のフォールト検出および診断(FDD)フレームワークは、現実の状況に対処する際のパフォーマンスが劣っている。
本稿では、上記の3つのコンポーネントを用いて、効果的な信号ベースFDDシステムを実現するハイブリッドフレームワークを提案する。
論文 参考訳(メタデータ) (2022-02-09T01:09:59Z) - 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) - SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier
Detection [63.253850875265115]
外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。
そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
論文 参考訳(メタデータ) (2020-03-11T00:22:50Z)
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。