論文の概要: Explainable AI guided unsupervised fault diagnostics for high-voltage circuit breakers

• arxiv url: http://arxiv.org/abs/2507.19168v1
• Date: Fri, 25 Jul 2025 11:14:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-28 16:16:48.929836
• Title: Explainable AI guided unsupervised fault diagnostics for high-voltage circuit breakers
• Title（参考訳）: 高電圧遮断器のための説明可能なAIガイドによる教師なし故障診断
• Authors: Chi-Ching Hsu, Gaëtan Frusque, Florent Forest, Felipe Macedo, Christian M. Franck, Olga Fink,
• Abstract要約: 商業用高電圧回路ブレーカー (CB) 条件監視システムは直接観測可能な物理パラメータに依存している。 本稿では,振動および音響信号に基づくCBの非教師なし故障検出・セグメント化フレームワークを提案する。 我々は、XAIを用いた教師なし説明可能性誘導型故障診断アプローチを提供し、ドメインの専門家に老朽化や欠陥のあるコンポーネントの可能性を示唆する。
• 参考スコア（独自算出の注目度）: 6.498237940960343
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Commercial high-voltage circuit breaker (CB) condition monitoring systems rely on directly observable physical parameters such as gas filling pressure with pre-defined thresholds. While these parameters are crucial, they only cover a small subset of malfunctioning mechanisms and usually can be monitored only if the CB is disconnected from the grid. To facilitate online condition monitoring while CBs remain connected, non-intrusive measurement techniques such as vibration or acoustic signals are necessary. Currently, CB condition monitoring studies using these signals typically utilize supervised methods for fault diagnostics, where ground-truth fault types are known due to artificially introduced faults in laboratory settings. This supervised approach is however not feasible in real-world applications, where fault labels are unavailable. In this work, we propose a novel unsupervised fault detection and segmentation framework for CBs based on vibration and acoustic signals. This framework can detect deviations from the healthy state. The explainable artificial intelligence (XAI) approach is applied to the detected faults for fault diagnostics. The specific contributions are: (1) we propose an integrated unsupervised fault detection and segmentation framework that is capable of detecting faults and clustering different faults with only healthy data required during training (2) we provide an unsupervised explainability-guided fault diagnostics approach using XAI to offer domain experts potential indications of the aged or faulty components, achieving fault diagnostics without the prerequisite of ground-truth fault labels. These contributions are validated using an experimental dataset from a high-voltage CB under healthy and artificially introduced fault conditions, contributing to more reliable CB system operation.
• Abstract（参考訳）: 商業用高電圧サーキットブレーカー(CB)条件監視システムは、あらかじめ定義された閾値を持つガス充填圧力などの直接観測可能な物理パラメータに依存している。 これらのパラメータは重要であるが、それらは機能不全のメカニズムの小さなサブセットのみをカバーし、CBがグリッドから切断された場合にのみ監視できる。 CBが接続されている状態でのオンライン状態監視を容易にするためには、振動や音響信号などの非侵襲的な計測技術が必要である。 現在、これらの信号を用いたCB条件モニタリング研究は、実験室で人工的に導入された断層のため、地絡断層のタイプが知られている断層診断の監督手法を典型的に利用している。 しかし、この教師付きアプローチは、フォールトラベルが利用できない現実世界のアプリケーションでは実現不可能である。 本研究では,振動および音響信号に基づくCBの非教師付き故障検出・セグメンテーションフレームワークを提案する。 この枠組みは健康状態から逸脱を検出することができる。 故障診断のための検出された故障に対して、説明可能な人工知能(XAI)アプローチを適用した。 本研究は,(1)訓練中に必要となる健全なデータのみを用いて断層を検出し,異なる断層をクラスタリングすることのできる,統合的教師なし断層検出・セグメンテーションフレームワークを提案する。(2)XAIを用いた教師なし説明可能性誘導型断層診断手法により,地中断層ラベルを必要とせずに断層診断を行うことができる。 これらの寄与は、健全で人工的に導入された断層条件下での高電圧CBの実験データセットを用いて検証され、より信頼性の高いCBシステムの運用に寄与する。

関連論文リスト

• Fault detection and diagnosis for the engine electrical system of a space launcher based on a temporal convolutional autoencoder and calibrated classifiers [0.0]
  本稿では,次世代再利用可能な宇宙ランチャーの故障検出・診断機能開発に向けた第一歩を概説する。 文献における既存のアプローチとは異なり、我々のソリューションはより広い範囲の重要な要件を満たすように設計されています。 提案手法は、時間畳み込みオートエンコーダに基づいて、原センサデータから低次元特徴を自動的に抽出する。
  論文  参考訳（メタデータ） (2025-07-17T11:50:29Z)
• CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
  物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。 CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。 物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
  論文  参考訳（メタデータ） (2025-05-14T13:37:07Z)
• Crane: Context-Guided Prompt Learning and Attention Refinement for Zero-Shot Anomaly Detections [50.343419243749054]
  異常検出(AD)は、通常のデータ分布から逸脱を識別する。 本稿では,視覚エンコーダから抽出した画像コンテキストに基づいて,テキストエンコーダのプロンプトを条件付ける手法を提案する。 提案手法は,14のデータセットにおいて,各メトリクスに対して2%から29%の性能向上を実現している。
  論文  参考訳（メタデータ） (2025-04-15T10:42:25Z)
• FedLED: Label-Free Equipment Fault Diagnosis with Vertical Federated Transfer Learning [16.520970191947935]
  FedLEDは、最初の教師なし垂直FTL機器故障診断法である。 ラベルなしのターゲットドメインの知識は、効果的な教師なしモデル転送のためにさらに利用されます。
  論文  参考訳（メタデータ） (2023-12-29T03:31:28Z)
• 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)
• Zero-Shot Motor Health Monitoring by Blind Domain Transition [17.664784126708742]
  本研究では, 作業条件, センサパラメータ, 故障特性に関わらず, 新しい(ターゲット) マシンの故障を検知できるゼロショット軸受故障検出手法を提案する。 実験結果から, 本手法では, 平均リコール率約89%, 95%のベアリング断層を, タイプ, 重症度, 位置に関わらず正確に検出できることが示唆された。
  論文  参考訳（メタデータ） (2022-12-12T18:36:02Z)
• Data-driven design of fault diagnosis for three-phase PWM rectifier using random forests technique with transient synthetic features [2.382536770336505]
  3相パルス幅変調(PWM)は通常、絶縁ゲートバイポーラトランジスタ(IGBT)の開回路欠陥の発生時に動作を維持することができる。 データ駆動型オンライン故障診断手法を提案する。
  論文  参考訳（メタデータ） (2022-11-02T05:48:30Z)
• Fault diagnosis for open-circuit faults in NPC inverter based on knowledge-driven and data-driven approaches [2.22076315914821]
  ニュートラルポイントクランプ(NPC)インバータの開回路異常診断と位置問題について分析する。 NPCインバータの絶縁ゲートバイポーラトランジスタ(IGBT)の開回路障害に対して,知識駆動およびデータ駆動に基づく新しい故障診断手法が提案された。
  論文  参考訳（メタデータ） (2022-10-31T04:33:53Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• 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)
• No Need to Know Physics: Resilience of Process-based Model-free Anomaly Detection for Industrial Control Systems [95.54151664013011]
  本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。 トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
  論文  参考訳（メタデータ） (2020-12-07T11:02:44Z)

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。