論文の概要: Reliable Thermal Monitoring of Electric Machines through Machine Learning
- arxiv url: http://arxiv.org/abs/2504.19141v1
- Date: Sun, 27 Apr 2025 07:44:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.148572
- Title: Reliable Thermal Monitoring of Electric Machines through Machine Learning
- Title（参考訳）: 機械学習による電気機械の熱モニタリング
- Authors: Panagiotis Kakosimos,
- Abstract要約: 機械の内部温度をモニターし、安全な運転制限内に保持することが不可欠である。
最近収集されたデータ量により、情報モデルを使用して熱的挙動を評価することができる。
本稿では,誘導機の冷却効率を監視する人工知能技術について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The electrification of powertrains is rising as the objective for a more viable future is intensified. To ensure continuous and reliable operation without undesirable malfunctions, it is essential to monitor the internal temperatures of machines and keep them within safe operating limits. Conventional modeling methods can be complex and usually require expert knowledge. With the amount of data collected these days, it is possible to use information models to assess thermal behaviors. This paper investigates artificial intelligence techniques for monitoring the cooling efficiency of induction machines. Experimental data was collected under specific operating conditions, and three machine-learning models have been developed. The optimal configuration for each approach was determined through rigorous hyperparameter searches, and the models were evaluated using a variety of metrics. The three solutions performed well in monitoring the condition of the machine even under transient operation, highlighting the potential of data-driven methods in improving the thermal management.
- Abstract（参考訳）: パワートレインの電化は、より現実的な未来への目標が強まるにつれて増加している。
望ましくない誤動作を伴わずに連続かつ信頼性の高い運転を確保するためには、機械の内部温度を監視し、安全な運転限界に維持することが不可欠である。
従来のモデリング手法は複雑であり、通常は専門家の知識を必要とする。
最近収集されたデータ量により、情報モデルを使用して熱的挙動を評価することができる。
本稿では,誘導機の冷却効率を監視する人工知能技術について検討する。
実験データは特定の操作条件下で収集され、3つの機械学習モデルが開発されている。
各アプローチの最適構成は厳密なハイパーパラメーターサーチによって決定され、モデルは様々な指標を用いて評価された。
3つのソリューションは、過渡操作下でもマシンの状態を監視し、熱管理を改善するためのデータ駆動方式の可能性を強調した。
関連論文リスト
- Temperature Estimation in Induction Motors using Machine Learning [0.0]
モーターの内部温度をモニターし、しきい値以下に保つことは、重要な第一歩だ。
現代の電気駆動装置がシステム動作中に収集するすべてのデータから、熱的挙動を推定するためにデータ駆動型アプローチを適用することが可能である。
本稿では,誘導電動機におけるステータ巻線と軸受の温度を近似する複数の機械学習手法について検討した。
論文 参考訳（メタデータ） (2025-04-25T06:22:31Z) - Machine learning-based condition monitoring of powertrains in modern electric drives [0.0]
データ分析の活用により、パフォーマンスに関する深い洞察の収集が可能になり、結果として資産の最適化が可能になった。
現代のほとんどの電気ドライブに既に存在するデータは、電力モジュールのデータ駆動熱モデルの開発に使われてきた。
論文 参考訳（メタデータ） (2025-04-24T06:59:38Z) - A Physics-guided Multimodal Transformer Path to Weather and Climate Sciences [59.05404971880922]
気象学における多くの問題は、AIモデルを使って解決できる。
データ駆動アルゴリズムは従来の手法に比べて精度が大幅に向上した。
本稿では,異なる視点からの観測データをマルチモーダルデータとして扱い,変換器を介して統合する新たなパラダイムを提案する。
論文 参考訳（メタデータ） (2025-04-19T04:31:35Z) - Explanatory Model Monitoring to Understand the Effects of Feature Shifts on Performance [61.06245197347139]
そこで本研究では,機能シフトによるブラックボックスモデルの振る舞いを説明する新しい手法を提案する。
本稿では,最適輸送と共有値の概念を組み合わせた提案手法について,説明的性能推定として紹介する。
論文 参考訳（メタデータ） (2024-08-24T18:28:19Z) - Refining the ONCE Benchmark with Hyperparameter Tuning [45.55545585587993]
本研究は、ポイントクラウドデータに対する半教師付き学習アプローチの評価に焦点を当てる。
データアノテーションは、LiDARアプリケーションのコンテキストにおいて最も重要である。
従来の半教師付き手法による改善は,従来考えられていたほど深くない可能性が示唆された。
論文 参考訳（メタデータ） (2023-11-10T13:39:07Z) - Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。
本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文 参考訳（メタデータ） (2022-09-05T16:48:34Z) - Your Autoregressive Generative Model Can be Better If You Treat It as an
Energy-Based One [83.5162421521224]
本稿では,自己回帰生成モデルの学習のための独自のE-ARM法を提案する。
E-ARMは、よく設計されたエネルギーベースの学習目標を活用する。
我々は、E-ARMを効率的に訓練でき、露光バイアス問題を緩和できることを示した。
論文 参考訳（メタデータ） (2022-06-26T10:58:41Z) - Hybrid full-field thermal characterization of additive manufacturing
processes using physics-informed neural networks with data [5.653328302363391]
我々は,物理インフォームドニューラルネットワークを用いたAMプロセスのハイブリッドなデータ駆動熱モデリング手法を開発した。
赤外線カメラから測定された部分観測温度データと物理法則を組み合わせることで、全球温度履歴を予測する。
その結果,ハイブリッド熱モデルでは未知のパラメータを効果的に同定し,フルフィールド温度を正確に把握できることがわかった。
論文 参考訳（メタデータ） (2022-06-15T18:27:10Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳（メタデータ） (2021-12-22T14:45:37Z) - Interpreting Machine Learning Models for Room Temperature Prediction in
Non-domestic Buildings [0.0]
本研究では,非住宅の室温予測を目的とした解釈可能な機械学習モデルを提案する。
提案モデルでは, 室温をリアルタイムで8時間前に正確に予測できることを実験的に実証した。
論文 参考訳（メタデータ） (2021-11-23T11:16:35Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - Data-Driven Permanent Magnet Temperature Estimation in Synchronous
Motors with Supervised Machine Learning [0.0]
自動車用永久磁石同期モータ(PMSM)における磁石温度のモニタリングは難しい課題である。
過熱によりモータの劣化が激しくなり、機械の制御戦略とその設計に高い懸念が生じる。
いくつかの機械学習(ML)モデルは、潜時高ダイナミックな磁力温度分布を予測するタスクにおいて、その推定精度を実証的に評価する。
論文 参考訳（メタデータ） (2020-01-17T11:41:02Z)
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。