論文の概要: Car Sensors Health Monitoring by Verification Based on Autoencoder and Random Forest Regression
- arxiv url: http://arxiv.org/abs/2505.00876v1
- Date: Thu, 01 May 2025 21:37:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-05 17:21:19.843404
- Title: Car Sensors Health Monitoring by Verification Based on Autoencoder and Random Forest Regression
- Title（参考訳）: オートエンコーダとランダムフォレスト回帰に基づく検証による自動車センサの健康モニタリング
- Authors: Sahar Torkhesari, Behnam Yousefimehr, Mehdi Ghatee,
- Abstract要約: 本稿では,自動車産業向けに設計された地中センサによる健康モニタリングシステムについて紹介する。
この巧妙なシステムは、最先端の技術を利用して、さまざまな車両センサーから収集されたデータを処理する。
電子制御ユニット(ECU)内の出力を比較し、各センサーの健康状態を評価する。
- 参考スコア（独自算出の注目度）: 3.6458439734112695
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Driver assistance systems provide a wide range of crucial services, including closely monitoring the condition of vehicles. This paper showcases a groundbreaking sensor health monitoring system designed for the automotive industry. The ingenious system leverages cutting-edge techniques to process data collected from various vehicle sensors. It compares their outputs within the Electronic Control Unit (ECU) to evaluate the health of each sensor. To unravel the intricate correlations between sensor data, an extensive exploration of machine learning and deep learning methodologies was conducted. Through meticulous analysis, the most correlated sensor data were identified. These valuable insights were then utilized to provide accurate estimations of sensor values. Among the diverse learning methods examined, the combination of autoencoders for detecting sensor failures and random forest regression for estimating sensor values proved to yield the most impressive outcomes. A statistical model using the normal distribution has been developed to identify possible sensor failures proactively. By comparing the actual values of the sensors with their estimated values based on correlated sensors, faulty sensors can be detected early. When a defective sensor is detected, both the driver and the maintenance department are promptly alerted. Additionally, the system replaces the value of the faulty sensor with the estimated value obtained through analysis. This proactive approach was evaluated using data from twenty essential sensors in the Saipa's Quick vehicle's ECU, resulting in an impressive accuracy rate of 99\%.
- Abstract（参考訳）: 運転支援システムは、車両の状態を綿密に監視するなど、幅広い重要なサービスを提供している。
本稿では,自動車産業向けに設計された地中センサによる健康モニタリングシステムについて紹介する。
この巧妙なシステムは、最先端の技術を利用して、さまざまな車両センサーから収集されたデータを処理する。
電子制御ユニット(ECU)内の出力を比較し、各センサーの健康状態を評価する。
センサデータ間の複雑な相関関係を明らかにするため,機械学習とディープラーニング手法の広範な探索を行った。
微妙な分析により,最も相関の深いセンサデータを同定した。
これらの貴重な洞察をセンサ値の正確な推定に利用した。
多様な学習手法の中で,センサ故障検出のためのオートエンコーダとセンサ値推定のためのランダム森林回帰を組み合わせた結果,最も印象的な結果が得られた。
センサ故障を積極的に検出するために,正規分布を用いた統計モデルを開発した。
相関センサに基づいてセンサの実際の値と推定値を比較することにより、欠陥センサを早期に検出することができる。
欠陥センサが検出されると、ドライバと保守部の両方が即座に警告される。
さらに、このシステムは、故障センサの値を解析によって得られた推定値に置き換える。
このプロアクティブなアプローチは、サイパのクイック車両のECUに含まれる20個の重要なセンサーのデータを用いて評価され、99\%の精度で精度が向上した。
関連論文リスト
- Learning 3D Perception from Others' Predictions [64.09115694891679]
本研究では,3次元物体検出装置を構築するための新たなシナリオについて検討する。
例えば、自動運転車が新しいエリアに入ると、その領域に最適化された検出器を持つ他の交通参加者から学ぶことができる。
論文 参考訳（メタデータ） (2024-10-03T16:31:28Z) - Detection of Sensor-To-Sensor Variations using Explainable AI [2.2956649873563952]
化学抵抗性ガス検知装置は製造中のセンサの変動の問題に悩まされている。
本研究では、SHAP(SHAP)のAI(XAI)法を用いて、センサデバイスにおけるセンサとセンサの変動を検出する新しい手法を提案する。
本手法は,GRU(Gated Recurrent Unit)モデルをトレーニングするために,人工的および現実的なオゾン濃度プロファイルを用いて試験する。
論文 参考訳（メタデータ） (2023-06-19T11:00:54Z) - Sensor Fault Detection and Isolation in Autonomous Nonlinear Systems
Using Neural Network-Based Observers [6.432798111887824]
センサ故障検出分離法(s-FDI)は一般的な非線形システムに適用される。
このアプローチの主な側面は、ニューラルネットワークベースのKazantzis-Kravaris/Luenberger(KKL)オブザーバの利用である。
論文 参考訳（メタデータ） (2023-04-18T09:05:07Z) - Edge-Aided Sensor Data Sharing in Vehicular Communication Networks [8.67588704947974]
車両・車間通信と車両・車間通信を併用した車両ネットワークにおけるセンサデータ共有と融合を考察する。
本稿では、エッジサーバが車両からセンサ計測データを収集・キャッシュするBidirectional Feedback Noise Estimation (BiFNoE) 手法を提案する。
認識精度は平均80%向上し, アップリンクは12kbps, ダウンリンク帯域は28kbpsであった。
論文 参考訳（メタデータ） (2022-06-17T16:30:56Z) - Anomaly Detection and Inter-Sensor Transfer Learning on Smart
Manufacturing Datasets [6.114996271792091]
スマートマニュファクチャリングシステムの目標は、運用コストを削減し、ダウンタイムをなくすために、失敗を迅速に検出(または予測)することである。
これはしばしば、システムから取得したセンサーの日程内で異常を検出することに起因する。
スマートマニュファクチャリングアプリケーションドメインは、ある種の健全な技術的課題を提起します。
予測的障害分類が達成できることを示し、予測的メンテナンスの道を開く。
論文 参考訳（メタデータ） (2022-06-13T17:51:24Z) - Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。
異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
論文 参考訳（メタデータ） (2021-07-28T10:19:58Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z) - Data-aided Sensing for Gaussian Process Regression in IoT Systems [48.523643863141466]
我々は,インターネット・オブ・シングス・システムにおいて,センサから収集したデータセットの学習にデータアシストセンシングを用いる。
データ支援センシングによるガウス過程回帰の精度向上に寄与し,予測によるマルチチャネルALOHAの修正が有効であることを示す。
論文 参考訳（メタデータ） (2020-11-23T20:59:51Z) - RelSen: An Optimization-based Framework for Simultaneously Sensor
Reliability Monitoring and Data Cleaning [7.359795285967954]
ほとんどのセンサアプリケーションでは、センサーはエラーを起こしやすいことが知られており、その測定は予想外のタイミングで誤解を招く可能性がある。
既存の研究では、センサーの信頼性の監視とセンサデータのクリーニングを別の問題と見なすことが多い。
本稿では,これら2つの問題に相互依存を利用して同時に対処する,新しい最適化ベースのフレームワークであるRelSenを提案する。
論文 参考訳（メタデータ） (2020-04-19T03:52:25Z)
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。