論文の概要: HEP Statistical Inference for UAV Fault Detection: CLs, LRT, and SBI Applied to Blade Damage

• arxiv url: http://arxiv.org/abs/2603.18546v1
• Date: Thu, 19 Mar 2026 07:01:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:05.991126
• Title: HEP Statistical Inference for UAV Fault Detection: CLs, LRT, and SBI Applied to Blade Damage
• Title（参考訳）: UAV故障検出のためのHEP統計的推測:CL, LRT, SBIのブレード損傷への適用
• Authors: Khushiyant,
• Abstract要約: 本稿では,粒子物理からマルチロータプロペラ故障検出への3つの統計手法の移行について述べる。 UAV-FDでは、実際の18回の飛行で5%と10%のブレード損傷があったため、AUC 0.862 +/-0.007となる。 四面体プラットフォームであるPADREでは、AUCは生成モデルのみを適合させた後0.986に達した。
• 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: This paper transfers three statistical methods from particle physics to multirotor propeller fault detection: the likelihood ratio test (LRT) for binary detection, the CLs modified frequentist method for false alarm rate control, and sequential neural posterior estimation (SNPE) for quantitative fault characterization. Operating on spectral features tied to rotor harmonic physics, the system returns three outputs: binary detection, controlled false alarm rates, and calibrated posteriors over fault severity and motor location. On UAV-FD, a hexarotor dataset of 18 real flights with 5% and 10% blade damage, leave-one-flight-out cross-validation gives AUC 0.862 +/- 0.007 (95% CI: 0.849--0.876), outperforming CUSUM (0.708 +/- 0.010), autoencoder (0.753 +/- 0.009), and LSTM autoencoder (0.551). At 5% false alarm rate the system detects 93% of significant and 81% of subtle blade damage. On PADRE, a quadrotor platform, AUC reaches 0.986 after refitting only the generative models. SNPE gives a full posterior over fault severity (90% credible interval coverage 92--100%, MAE 0.012), so the output includes uncertainty rather than just a point estimate or fault flag. Per-flight sequential detection achieves 100% fault detection with 94% overall accuracy.
• Abstract（参考訳）: 本稿では, 粒子物理からマルチロータプロペラ断層検出への統計的手法として, バイナリ検出のための可能性比検定(LRT), 偽アラームレート制御のためのCLs修正頻繁度法, 定量的な故障評価のための逐次的ニューラルリジェクション推定(SNPE)の3つの方法を提案する。 ローターの高調波物理に関連付けられたスペクトル特性を運用し、二分検出、偽アラーム速度の制御、故障の重大度とモータ位置の校正後部という3つの出力を出力する。 UAV-FDでは、AUC 0.862 +/- 0.007 (95% CI: 0.849--0.876)、CUSUM (0.708 +/- 0.010)、オートエンコーダ (0.753 +/- 0.009)、LSTMオートエンコーダ (0.551) という、5%と10%のブレード損傷を持つ18機の実飛行のヘキサロータデータセットが得られた。 5%の誤報率は、重要な93%と微妙な刃の損傷の81%を検知する。 四面体プラットフォームであるPADREでは、AUCは生成モデルのみを適合させた後0.986に達した。 SNPEは、故障の深刻度(90%の信頼性区間カバレッジ92-100%、MAE 0.012)を完全な後方に与えているため、出力は単に点推定や故障フラグではなく不確実性を含んでいる。 飛行毎のシーケンシャル検出は、全体の94%の精度で100%の故障検出を実現する。

関連論文リスト

• Severe Domain Shift in Skeleton-Based Action Recognition:A Study of Uncertainty Failure in Real-World Gym Environments [0.0]
  本稿では,新しいGym2DデータセットとUCF101データセットを用いて,厳しい領域シフトの体系的研究を行う。 我々の研究は、標準的なデプロイメント仮定に挑戦し、セマンティックスケルトン認識と幾何学的スケルトン認識の両方のデプロイの安全性を原則として分析する。
  論文  参考訳（メタデータ） (2026-03-16T17:37:17Z)
• GRAD: Real-Time Gated Recurrent Anomaly Detection in Autonomous Vehicle Sensors Using Reinforced EMA and Multi-Stage Sliding Window Techniques [0.0]
  本稿では,自動運転車センサのリアルタイム異常検出手法であるGRADを紹介する。 提案手法は,スムーズな要因に適応するReinforced Exponential moving Average (REMA) と,短期パターンと長期パターンの両方をキャプチャするMulti-Stage Sliding Window (MS-SW) 技術を組み合わせたものである。 GRADはGRUの2つの層からなる軽量なアーキテクチャで、ニューロンの数が限られており、リアルタイムアプリケーションに適している。
  論文  参考訳（メタデータ） (2025-10-27T13:44:15Z)
• Fusing Spectral Correlation Density Imaging with Deep Learning for Intelligent Fault Diagnosis in Rotating Machinery [0.0]
  本研究は, スペクトル相関密度(SCD)画像による振動データのサイクロ定常特性を活用し, 故障検出の高度化を図る。 3つの畳み込みニューラルネットワーク(CNN)モデル、Custom CNN、ResNet152V2、EfficientNetB0は、7つのベアリング条件を分類するために開発された。 異なる住宅にまたがる高い精度のモデルでは、センシングプラットフォーム近傍に展開可能なコスト効率の高い状態監視に適した堅牢なソリューションが示される。
  論文  参考訳（メタデータ） (2025-09-20T08:58:08Z)
• Probabilistic Soundness Guarantees in LLM Reasoning Chains [37.440902632372904]
  ARES(Autoregressive Reasoning Entailment Stability)は、事前に検証された前提のみに基づいて、各推論ステップを評価する確率的フレームワークである。 ARESは4つのベンチマークで最先端のパフォーマンスを達成し、非常に長い合成推論チェーン上で優れた堅牢性を示す。
  論文  参考訳（メタデータ） (2025-07-17T09:40:56Z)
• An Improved Fault Diagnosis Strategy for Induction Motors Using Weighted Probability Ensemble Deep Learning [1.438310481395707]
  誘導電動機の故障早期検出は, 産業環境での未中断運転の確保に不可欠である。 WPEDL法は振動と電流の特徴から抽出した高次元データを用いて誘導電動機故障を効果的に診断する。 提案モデルは他のモデルよりも優れ,98.89%の精度を実現している。
  論文  参考訳（メタデータ） (2024-12-24T08:02:44Z)
• AI-Powered Dynamic Fault Detection and Performance Assessment in Photovoltaic Systems [44.99833362998488]
  太陽光発電(PV)の断続的な性質により、電力損失は10-70%、エネルギー生産量は25%減少する。 現在の故障検出戦略はコストが高く、複雑なデータ信号プロファイルのために信頼性の低い結果が得られることが多い。 本研究では,PythonのPVlibライブラリを用いた動的損失量子化アルゴリズムを取り入れた計算モデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T23:52:06Z)
• Enhanced Anomaly Detection in Automotive Systems Using SAAD: Statistical Aggregated Anomaly Detection [0.0]
  本稿では,SAADと呼ばれる新しい異常検出手法を提案する。 SAADアプローチは、高度な統計技術と機械学習を統合し、その有効性は、自動車領域内のハードウェア・イン・ザ・ループ(HIL)環境からの実センサデータを検証することによって実証される。
  論文  参考訳（メタデータ） (2024-06-11T12:41:24Z)
• RULSurv: A probabilistic survival-based method for early censoring-aware prediction of remaining useful life in ball bearings [39.58317527488534]
  Kullback-Leibler分散とRUL推定を用いた早期故障検出のための新しいフレキシブルな手法を提案する。 我々は,XJTU-SYデータセットにおいて,3つの異なる操作条件にまたがる5倍のクロスバリデーション戦略を用いてアプローチを実証する。 提案手法は,最大荷重下での5軸受の平均累積相対精度(CRA)を0.7586で達成し,複数の最先端ベースラインを改良する。
  論文  参考訳（メタデータ） (2024-05-02T16:17:29Z)
• Predicting Overtakes in Trucks Using CAN Data [51.28632782308621]
  CANデータからトラックの積載量の検出について検討する。 私たちの分析では、オーバーテイクイベントの最大10秒前をカバーしています。 我々は、オーバーテイク・トリガーに近づくと、オーバーテイク・クラスの予測スコアが増加する傾向にあることを観察する。
  論文  参考訳（メタデータ） (2024-04-08T17:58:22Z)
• A Multi-Stage model based on YOLOv3 for defect detection in PV panels based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
  本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。 このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。 提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
  論文  参考訳（メタデータ） (2021-11-23T08:04:32Z)

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。