論文の概要: Padé Approximant Neural Networks for Enhanced Electric Motor Fault Diagnosis Using Vibration and Acoustic Data

• arxiv url: http://arxiv.org/abs/2507.02599v1
• Date: Thu, 03 Jul 2025 13:21:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-04 15:37:16.290351
• Title: Padé Approximant Neural Networks for Enhanced Electric Motor Fault Diagnosis Using Vibration and Acoustic Data
• Title（参考訳）: 振動と音響データを用いた電動機故障診断のためのパデ近似ニューラルネットワーク
• Authors: Sertac Kilickaya, Levent Eren,
• Abstract要約: 本研究の主な目的は,Pad'e Approximant Neuron(PAON)モデルを用いて誘導機械の故障診断を強化することである。 我々は,1次元CNN,Self-ONN,Pad'eNetsの3つのディープラーニングアーキテクチャの診断能力の評価と比較を行った。 Pad'eNetsは、診断精度99.96%、98.26%、97.61%、98.33%の加速度計1, 2, 3, と音響センサーをそれぞれ達成し、ベースラインモデルより一貫して優れていた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: The primary aim of this study is to enhance fault diagnosis in induction machines by leveraging the Pad\'e Approximant Neuron (PAON) model. While accelerometers and microphones are standard in motor condition monitoring, deep learning models with nonlinear neuron architectures offer promising improvements in diagnostic performance. This research addresses the question: Can Pad\'e Approximant Neural Networks (Pad\'eNets) outperform conventional Convolutional Neural Networks (CNNs) and Self-Organized Operational Neural Networks (Self-ONNs) in diagnosing electrical and mechanical faults using vibration and acoustic data? Methods: We evaluate and compare the diagnostic capabilities of three deep learning architectures: one-dimensional CNNs, Self-ONNs, and Pad\'eNets. These models are tested on the University of Ottawa's publicly available constant-speed induction motor datasets, which include both vibration and acoustic sensor data. The Pad\'eNet model is designed to introduce enhanced nonlinearity and is compatible with unbounded activation functions such as Leaky ReLU. Results and Conclusion: Pad\'eNets consistently outperformed the baseline models, achieving diagnostic accuracies of 99.96%, 98.26%, 97.61%, and 98.33% for accelerometers 1, 2, 3, and the acoustic sensor, respectively. The enhanced nonlinearity of Pad\'eNets, together with their compatibility with unbounded activation functions, significantly improves fault diagnosis performance in induction motor condition monitoring.
• Abstract（参考訳）: 目的: 本研究の目的は, Pad\'e Approximant Neuron (PAON) モデルを用いて誘導機の故障診断を強化することである。 加速度計とマイクロフォンは運動状態モニタリングでは標準であるが、非線形ニューロンアーキテクチャを持つディープラーニングモデルは診断性能を向上する。 Pad\'e Approximant Neural Networks (Pad\'eNets) は従来の畳み込みニューラルネットワーク (CNNs) と自己組織型オペレーショナルニューラルネットワーク (Self-ONNs) を上回り、振動と音響データを用いて電気的および機械的障害を診断できるか? 方法:1次元CNN,Self-ONN,Pad\'eNetsの3つのディープラーニングアーキテクチャの診断能力の評価と比較を行った。 これらのモデルは、振動と音響センサーのデータを含む、オタワ大学が公開している定速誘導電動機データセットでテストされている。 Pad\'eNetモデルは非線形性の向上を目的として設計されており、Leaky ReLUのような非有界活性化関数と互換性がある。 結果と結論:Pad\'eNetsは、それぞれ99.96%、98.26%、97.61%、98.33%の加速度計、1, 2, 3,および音響センサーで診断精度を達成した。 Pad\'eNetsの非線形性の向上は、非有界活性化関数との互換性とともに、誘導モータ状態監視における故障診断性能を著しく向上させる。

関連論文リスト

• MT-NAM: An Efficient and Adaptive Model for Epileptic Seizure Detection [51.87482627771981]
  マイクロツリーベースNAM(MT-NAM)は,最近提案されたニューラル付加モデル(NAM)に基づく蒸留モデルである。 MT-NAMは、標準のNAMと比較して、精度を損なうことなく、100$Times$の推論速度の向上を実現している。 今回我々はCHB-MITの頭皮脳波データを用いて,セッション数や発作回数の異なる24例の脳波データについて検討した。
  論文  参考訳（メタデータ） (2025-03-11T10:14:53Z)
• Comparison of Deep Recurrent Neural Networks and Bayesian Neural Networks for Detecting Electric Motor Damage Through Sound Signal Analysis [0.0]
  本研究ではリカレントニューラルネットワーク(RNN)とベイズニューラルネットワーク(BNN)を用いて,音響信号解析による運動障害の診断を行った。 RNNとBNNの両方のアーキテクチャは、スマートフォンを用いて家電から収集した実世界の音響データに基づいて設計・評価されている。
  論文  参考訳（メタデータ） (2025-02-07T12:57:48Z)
• CEReBrO: Compact Encoder for Representations of Brain Oscillations Using Efficient Alternating Attention [53.539020807256904]
  交互注意(CEReBrO)を用いた脳振動の表現のための圧縮法について紹介する。 トークン化方式は、チャネルごとのパッチで脳波信号を表現します。 本研究では,チャネル内時間的ダイナミックスとチャネル間空間的相関を共同でモデル化し,通常の自己アテンションに比べて6倍少ないメモリで2倍の速度向上を実現するための注意機構を提案する。
  論文  参考訳（メタデータ） (2025-01-18T21:44:38Z)
• Evaluating Spiking Neural Network On Neuromorphic Platform For Human Activity Recognition [2.710807780228189]
  エネルギー効率と低レイテンシは、ウェアラブルAIを活用した人間の活動認識システムにとって重要な要件である。 スパイクベースのワークアウト認識システムは、従来のニューラルネットワークを備えた一般的なミリワットRISC-VベースマルチコアプロセッサGAP8に匹敵する精度を達成することができる。
  論文  参考訳（メタデータ） (2023-08-01T18:59:06Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• Early Bearing Fault Diagnosis of Rotating Machinery by 1D Self-Organized Operational Neural Networks [23.455010509133313]
  現代の電気回転機械(RM)の予防メンテナンスは、信頼性の高い運転の確保、予測不能な故障の防止、コストのかかる修理の回避に重要である。 本研究では1次元自己組織型ONN(Self-ONNs)を提案する。 NSF/IMSベアリング振動データセットに対する実験結果から,提案した1D Self-ONNは,計算複雑性の類似した最先端(1D CNN)に対して,大きな性能ギャップを達成できることが示された。
  論文  参考訳（メタデータ） (2021-09-30T06:32:34Z)
• A Modulation Layer to Increase Neural Network Robustness Against Data Quality Issues [22.62510395932645]
  データ不足と品質は機械学習における一般的な問題であり、特に医療などの高度なアプリケーションにおいて問題となる。 本稿では、低品質データと欠落データの影響を軽減するために、ニューラルネットワークの新たな修正を提案する。 この結果から, 情報品質の低減を全接続層で明示的に考慮することにより, リアルタイムアプリケーションへの人工知能システムの展開が可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-07-19T01:29:16Z)
• Adaptive Anomaly Detection for IoT Data in Hierarchical Edge Computing [71.86955275376604]
  本稿では,階層型エッジコンピューティング(HEC)システムに対する適応型異常検出手法を提案する。 本研究では,入力データから抽出した文脈情報に基づいてモデルを選択する適応的手法を設計し,異常検出を行う。 提案手法を実際のIoTデータセットを用いて評価し,検出タスクをクラウドにオフロードするのとほぼ同じ精度を維持しながら,検出遅延を84%削減できることを実証した。
  論文  参考訳（メタデータ） (2020-01-10T05:29:17Z)

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。