論文の概要: Empirical Investigation of the Impact of Phase Information on Fault Diagnosis of Rotating Machinery

• arxiv url: http://arxiv.org/abs/2512.15344v1
• Date: Wed, 17 Dec 2025 11:41:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:26.966993
• Title: Empirical Investigation of the Impact of Phase Information on Fault Diagnosis of Rotating Machinery
• Title（参考訳）: 回転機械の故障診断における位相情報の影響に関する実証的研究
• Authors: Hiroyoshi Nagahama, Katsufumi Inoue, Masayoshi Todorokihara, Michifumi Yoshioka,
• Abstract要約: 本稿では,多軸振動データにおけるランダム位相変動に対処する2つの相認識前処理手法を提案する。 新たに構築したロータデータセットを用いて,2段階の学習フレームワークを用いて6つのディープラーニングアーキテクチャを評価する。
• 参考スコア（独自算出の注目度）: 0.6999740786886536
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predictive maintenance of rotating machinery increasingly relies on vibration signals, yet most learning-based approaches either discard phase during spectral feature extraction or use raw time-waveforms without explicitly leveraging phase information. This paper introduces two phase-aware preprocessing strategies to address random phase variations in multi-axis vibration data: (1) three-axis independent phase adjustment that aligns each axis individually to zero phase (2) single-axis reference phase adjustment that preserves inter-axis relationships by applying uniform time shifts. Using a newly constructed rotor dataset acquired with a synchronized three-axis sensor, we evaluate six deep learning architectures under a two-stage learning framework. Results demonstrate architecture-independent improvements: the three-axis independent method achieves consistent gains (+2.7\% for Transformer), while the single-axis reference approach delivers superior performance with up to 96.2\% accuracy (+5.4\%) by preserving spatial phase relationships. These findings establish both phase alignment strategies as practical and scalable enhancements for predictive maintenance systems.
• Abstract（参考訳）: 回転機械の予測的メンテナンスは振動信号にますます依存するが、ほとんどの学習ベースのアプローチはスペクトル特徴抽出時に位相を破棄するか、位相情報を明示的に活用せずに生の時間波形を使用する。 本稿では,多軸振動データにおけるランダム位相変動に対処する2つの相認識前処理手法を提案する。(1)各軸を0相に個別に整列する3軸独立位相調整,(2)一様時間シフトを適用して軸間関係を維持する1軸参照位相調整。 シンクロナイズド3軸センサを用いて新たに構築したロータデータセットを用いて,2段階の学習枠組みの下で6つのディープラーニングアーキテクチャを評価する。 3軸独立法は一貫した利得(トランスフォーマーでは+2.7\%)を達成する一方、単一軸参照法は空間位相関係を保存することにより96.2\%(+5.4\%)の精度で優れた性能を提供する。 これらの知見は, 位相アライメント戦略を, 予測保守システムの実用的かつスケーラブルな拡張として確立した。

関連論文リスト

• Flexible Gravitational-Wave Parameter Estimation with Transformers [73.44614054040267]
  本稿では,予測時間における多様な解析設定への適応を可能にする,フレキシブルトランスフォーマーベースのアーキテクチャをトレーニング戦略と組み合わせて導入する。 我々は、Dingo-T1と呼ばれる単一のフレキシブルモデルが、第3のLIGO-Virgo-KAGRA観測ランから48の重力波イベントを解析できることを実証した。
  論文  参考訳（メタデータ） (2025-12-02T17:49:08Z)
• Sensor Calibration Model Balancing Accuracy, Real-time, and Efficiency [4.212937192948915]
  Scare (Sensor model balance, Real-time, Accuracy and efficiency) は8つの顕微鏡的要件を同時に満たす超圧縮トランスである。 Scare は,(1) ビン間の境界情報を保持しながら時系列データを対数的に圧縮するシーケンスレンズプロジェクタ (SLP) ,(2) コストのかかる乗算をバイナリハッシュコードによるビットワイズ操作に置き換える効率的なビットワイズアテンション (EBA) モジュール,(3) 補助損失項のない安定したトレーニングを保証するハッシュ最適化戦略の3つのコアコンポーネントから構成される。
  論文  参考訳（メタデータ） (2025-11-10T05:16:20Z)
• LyTimeT: Towards Robust and Interpretable State-Variable Discovery [7.505092370141079]
  LyTimeTは、解釈可能な変数抽出のためのフレームワークである。 動的ビデオシステムの堅牢で安定した潜伏表現を学習する。 その結果,時間的注意と安定性の制約を組み合わせることで,予測モデルが得られることがわかった。
  論文  参考訳（メタデータ） (2025-10-22T16:03:10Z)
• Holographic Transformers for Complex-Valued Signal Processing: Integrating Phase Interference into Self-Attention [19.574464511943074]
  我々は、波動干渉原理を自己注意に組み込んだ物理に着想を得たアーキテクチャであるホログラフィックトランスフォーマーを紹介する。 デュアルヘッドデコーダは同時に入力を再構築してタスク出力を予測する。 PolSAR画像分類と無線チャネル予測の実験は、高い分類精度とF1スコア、低回帰誤差、位相摂動に対するロバスト性の向上を示す。
  論文  参考訳（メタデータ） (2025-09-14T15:24:43Z)
• Continuous-Time SO(3) Forecasting with Savitzky--Golay Neural Controlled Differential Equations [51.510040541600176]
  この研究は、$SO(3)$で連続時間回転オブジェクトの力学をモデル化することを提案する。 単純化された動作仮定に依存する既存の手法とは異なり、本手法は下層の物体軌道の一般的な潜在力学系を学習する。 実世界のデータに対する実験結果から、既存の手法と比較して魅力的な予測能力が示された。
  論文  参考訳（メタデータ） (2025-06-07T12:41:50Z)
• A Two-Phase Perspective on Deep Learning Dynamics [0.0]
  深層ニューラルネットワークの学習は、高速な曲線フィッティングフェーズと、低速な圧縮または粗粒化フェーズの2段階に進むことを提案する。 私たちは、関連する時間スケールが2つのかなり異なる設定で一致していることを実証的に示します。 第2フェーズは、標準的なトレーニングアルゴリズムによって積極的に最適化されておらず、不要に長期化される可能性がある、と我々は主張する。
  論文  参考訳（メタデータ） (2025-04-17T06:57:37Z)
• Intensity Profile Projection: A Framework for Continuous-Time Representation Learning for Dynamic Networks [50.2033914945157]
  本稿では、連続時間動的ネットワークデータのための表現学習フレームワークIntensity Profile Projectionを提案する。 このフレームワークは3つの段階から構成される: 対の強度関数を推定し、強度再構成誤差の概念を最小化する射影を学習する。 さらに、推定軌跡の誤差を厳密に制御する推定理論を開発し、その表現がノイズに敏感な追従解析に利用できることを示す。
  論文  参考訳（メタデータ） (2023-06-09T15:38:25Z)
• MixSTE: Seq2seq Mixed Spatio-Temporal Encoder for 3D Human Pose Estimation in Video [75.23812405203778]
  近年, 学習時間相関のため, 全フレームのボディジョイントを世界規模で考慮し, 2次元キーポイントシーケンスから3次元人間のポーズを推定する手法が提案されている。 本研究では,各関節の時間的動きを別々にモデル化する時間的変圧器ブロックと,関節間空間相関を有する変圧器ブロックを有するミキシングミキシングを提案する。 さらに、ネットワーク出力は、中央フレームから入力ビデオの全フレームに拡張され、入力と出力のベンチマーク間のコヒーレンスが改善される。
  論文  参考訳（メタデータ） (2022-03-02T04:20:59Z)

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。