論文の概要: Compound Fault Diagnosis for Train Transmission Systems Using Deep Learning with Fourier-enhanced Representation

• arxiv url: http://arxiv.org/abs/2504.07155v1
• Date: Wed, 09 Apr 2025 09:01:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-11 12:20:01.640846
• Title: Compound Fault Diagnosis for Train Transmission Systems Using Deep Learning with Fourier-enhanced Representation
• Title（参考訳）: フーリエ強調表現を用いた深層学習を用いた列車送電システムの複合故障診断
• Authors: Jonathan Adam Rico, Nagarajan Raghavan, Senthilnath Jayavelu,
• Abstract要約: 本稿では,複合故障診断のための周波数領域表現と1次元畳み込みニューラルネットワークを提案する。 提案手法は, 単断層17点, 複合断層42点において97.67%, 93.93%の精度を示した。
• 参考スコア（独自算出の注目度）: 1.906081259441817
• License:
• Abstract: Fault diagnosis prevents train disruptions by ensuring the stability and reliability of their transmission systems. Data-driven fault diagnosis models have several advantages over traditional methods in terms of dealing with non-linearity, adaptability, scalability, and automation. However, existing data-driven models are trained on separate transmission components and only consider single faults due to the limitations of existing datasets. These models will perform worse in scenarios where components operate with each other at the same time, affecting each component's vibration signals. To address some of these challenges, we propose a frequency domain representation and a 1-dimensional convolutional neural network for compound fault diagnosis and applied it on the PHM Beijing 2024 dataset, which includes 21 sensor channels, 17 single faults, and 42 compound faults from 4 interacting components, that is, motor, gearbox, left axle box, and right axle box. Our proposed model achieved 97.67% and 93.93% accuracies on the test set with 17 single faults and on the test set with 42 compound faults, respectively.
• Abstract（参考訳）: 故障診断は、送電システムの安定性と信頼性を確保することにより、列車の故障を防止する。 データ駆動型障害診断モデルは、非線形性、適応性、スケーラビリティ、自動化を扱うという点で、従来の方法よりもいくつかの利点がある。 しかしながら、既存のデータ駆動モデルは、別々の送信コンポーネントでトレーニングされており、既存のデータセットの制限のため、単一の障害のみを考慮する。 これらのモデルは、各コンポーネントが相互に同時に動作し、各コンポーネントの振動信号に影響を与えるシナリオでさらに悪化する。 これらの課題に対処するため、複合故障診断のための周波数領域表現と1次元畳み込みニューラルネットワークを提案し、21のセンサチャネル、17の単一故障、42の複合故障を含むPHM Beijing 2024データセットに適用した。 提案手法は, 単断層17点, 複合断層42点において97.67%, 93.93%の精度を示した。

関連論文リスト

• A Multimodal Lightweight Approach to Fault Diagnosis of Induction Motors in High-Dimensional Dataset [1.148237645450678]
  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。
  論文  参考訳（メタデータ） (2025-01-07T12:40:11Z)
• 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)
• Explainable fault and severity classification for rolling element bearings using Kolmogorov-Arnold networks [4.46753539114796]
  ベアリング故障は機械の故障の主な原因である。 本研究では,これらの課題に対処するためにKolmogorov-Arnold Networksを用いた。 説明可能な結果を提供する軽量モデルを生成する。
  論文  参考訳（メタデータ） (2024-12-02T09:40:03Z)
• Few-shot learning for COVID-19 Chest X-Ray Classification with Imbalanced Data: An Inter vs. Intra Domain Study [49.5374512525016]
  医療画像データセットは、コンピュータ支援診断、治療計画、医学研究に使用される訓練モデルに不可欠である。 データ分散のばらつき、データの不足、ジェネリックイメージから事前トレーニングされたモデルを使用する場合の転送学習の問題などである。 本稿では,データ不足と分散不均衡の影響を軽減するために,一連の手法を統合したシームズニューラルネットワークに基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-01-18T16:59:27Z)
• 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)
• Novel features for the detection of bearing faults in railway vehicles [88.89591720652352]
  我々は,Mel-Frequency Cepstral Coefficients (MFCCs) とAmplitude Modulation Spectrogram (AMS) から抽出した特徴を,軸受欠陥の検出のための特徴として紹介する。
  論文  参考訳（メタデータ） (2023-04-14T10:09:50Z)
• Learning From High-Dimensional Cyber-Physical Data Streams for Diagnosing Faults in Smart Grids [4.616703548353371]
  サイバー物理電力システムにおける故障診断は、データ品質に影響される。 これらのシステムは、過剰な計算コストでシステムを過大評価する大量のデータを生成する。 本稿では,機能工学が上記の課題を緩和する効果について述べる。
  論文  参考訳（メタデータ） (2023-03-15T01:21:50Z)
• 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)
• Fault Prognosis in Particle Accelerator Power Electronics Using Ensemble Learning [0.755972004983746]
  早期の故障検出と故障の予後は、複雑なエンジニアリングシステムの効率的かつ安全な運用を保証するために不可欠である。 本研究では,スカラー化中性子源(SNS)とそのパワーエレクトロニクスに関する21の故障予後実験を行った。 多様なモデルの複数の層を特徴とする階層的な投票アンサンブルは、断層前駆体を早期に検出する際、優れた性能を維持している。
  論文  参考訳（メタデータ） (2022-09-30T16:30:16Z)
• 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)
• Fault-tolerant parity readout on a shuttling-based trapped-ion quantum computer [64.47265213752996]
  耐故障性ウェイト4パリティチェック測定方式を実験的に実証した。 フラグ条件パリティ測定の単発忠実度は93.2(2)%である。 このスキームは、安定化器量子誤り訂正プロトコルの幅広いクラスにおいて必須な構成要素である。
  論文  参考訳（メタデータ） (2021-07-13T20:08:04Z)

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。