論文の概要: Parametric Generalized Adaptive Moment Features (PG-AMF) for Bearing Fault Diagnosis and Machine Health Monitoring

• arxiv url: http://arxiv.org/abs/2606.26317v1
• Date: Wed, 24 Jun 2026 19:02:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.06081
• Title: Parametric Generalized Adaptive Moment Features (PG-AMF) for Bearing Fault Diagnosis and Machine Health Monitoring
• Title（参考訳）: Parametric Generalized Adaptive Moment Features (PG-AMF) による異常診断とマシンヘルスモニタリング
• Authors: Rajeev Kumar,
• Abstract要約: 本研究では,データから直接特徴を学習するパラメトリック適応型特徴抽出フレームワークを提案する。 学習された表現は、幅広い信号特性を効果的に捉え、産業監視システムにおける診断性能の向上と実用性の両方をサポートする。
• 参考スコア（独自算出の注目度）: 3.1854529627213277
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate fault diagnosis of rolling element bearings in rotating machinery is considered essential for ensuring industrial safety and enabling predictive maintenance. Conventional statistical feature-based methods rely on predefined descriptors, whose diagnostic sensitivity is constrained by fixed configurations and limited adaptability across varying fault conditions. Although deep learning approaches offer strong representational capacity, their effectiveness is often restricted by high data requirements and reduced interpretability. In this work, a parametric adaptive feature extraction framework is proposed, in which feature characteristics are learned directly from data rather than being manually specified. Multiple complementary representations are extracted from vibration signals, including absolute features capturing signal energy distribution, signed moment features reflecting waveform asymmetry, and AC-coupled moment features emphasizing dynamic fluctuations, while interactions between multiple sensor channels are modeled through a structured fusion mechanism to enhance fault representation. The proposed approach is evaluated on a benchmark gearbox bearing dataset comprising five health conditions, including normal operation and multiple fault types. Improved classification performance is observed compared to conventional methods, with consistent results under cross-validation, indicating strong generalization capability. Additionally, enhanced feature separability is demonstrated through clearer clustering patterns in low-dimensional projections. The learned representations effectively capture a wide range of signal characteristics, supporting both improved diagnostic performance and practical applicability in industrial monitoring systems.
• Abstract（参考訳）: 回転機械の転がり要素軸受の正確な故障診断は, 産業安全の確保と予測保守の実現に不可欠であると考えられる。 従来の統計的特徴に基づく手法は事前に定義された記述子に依存しており、診断感度は一定の構成と様々な故障条件にまたがる適応性に制約される。 ディープラーニングアプローチは強力な表現能力を提供するが、その有効性は高いデータ要求と解釈可能性の低下によって制限されることが多い。 本研究では,手動で指定するのではなく,データから直接特徴を学習するパラメトリック適応型特徴抽出フレームワークを提案する。 信号エネルギー分布を捉える絶対特徴、波形非対称性を反映する符号モーメント特徴、交流結合モーメント特徴などの振動信号から複数の相補的表現を抽出し、また複数のセンサチャネル間の相互作用を構造的融合機構によりモデル化して断層表現を強化する。 提案手法は,正常な動作と複数種類の故障を含む5つの健康状態からなるベンチマーク歯車軸受データセットを用いて評価した。 分類性能は従来の手法と比較して改善され, クロスバリデーションでは一貫した結果が得られ, 強い一般化能力を示す。 さらに、低次元射影におけるより鮮明なクラスタリングパターンを通じて、機能分離性の向上が示される。 学習された表現は、幅広い信号特性を効果的に捉え、産業監視システムにおける診断性能の向上と実用性の両方をサポートする。

関連論文リスト

• Dynamic Spectral Denoising with Global-Context Attention for Multi-Behavior Recommendation [58.33732779555114]
  重要なボトルネックは、2つの結合した不均一性によって引き起こされる表現レベルの失敗である、と我々は主張する。 マルチビヘイビアレコメンデーション(SpectraMB)のためのグローバルコンテキストを考慮した動的スペクトルデノベーションを提案する。 SpectraMBは、ほとんどの評価設定で最高の結果を達成し、ノイズのある相互作用下での堅牢性の向上を示す。
  論文  参考訳（メタデータ） (2026-06-01T15:58:13Z)
• Polarized Direct Cross-Attention Message Passing in GNNs for Machinery Fault Diagnosis [4.542148087324063]
  安全クリティカルな産業システムの信頼性は、回転機械の正確で堅牢な故障診断に依存している。 機械故障診断のための従来のグラフニューラルネットワーク(GNN)は、複雑な動的相互作用をモデル化する際、制限に直面している。 本稿では,データ駆動グラフ構築による適応的メッセージパッシングを可能にする新しい関係学習フレームワークであるPolaDCAを紹介する。
  論文  参考訳（メタデータ） (2026-03-06T14:08:07Z)
• Exploring Robust Intrusion Detection: A Benchmark Study of Feature Transferability in IoT Botnet Attack Detection [46.724153214302184]
  クロスドメイン侵入検出は、ネットワークのトラフィック特性と環境間の特徴分布に大きなばらつきがあるため、依然として重要な課題である。 本研究では、異種IoTおよび産業用IoTネットワーク条件を表す4つの広く使用されているデータセット間で、広く使用されている3つのフローベースの特徴セット(Argus、Zeek、CICFlowMeter)の転送可能性を評価する。
  論文  参考訳（メタデータ） (2026-02-27T10:16:28Z)
• Digital Twin-Driven Zero-Shot Fault Diagnosis of Axial Piston Pumps Using Fluid-Borne Noise Signals [4.11115562060457]
  軸方向ピストンポンプは流体発電システムにおいて重要な構成要素である。 従来のデータ駆動手法は広範なラベル付き障害データを必要とする。 本稿では,ディジタルツイン駆動型ゼロショット故障診断フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-22T11:24:42Z)
• Towards a more realistic evaluation of machine learning models for bearing fault diagnosis [0.28873930745906956]
  本稿では,振動を用いた軸受故障診断におけるデータ漏洩問題とそのモデル評価への影響について検討する。 本研究では, 軸受データ分割に着目したリークフリー評価手法を提案し, トレーニングやテストに使用する物理部品の重複を防止した。 CWRU、パダーボーン大学(PU)、オタワ大学(UORED-VAF)の3つの広く採用されているデータセットに対する方法論の評価を行った。
  論文  参考訳（メタデータ） (2025-09-26T12:35:02Z)
• ERIS: An Energy-Guided Feature Disentanglement Framework for Out-of-Distribution Time Series Classification [51.07970070817353]
  理想的な時系列分類(TSC)は不変表現をキャプチャできるべきである。 現在の手法は、真に普遍的な特徴を分離するために必要な意味的な方向性を欠いている。 本稿では,シフト・ロバストネス・フレームワークのためのエンドツーエンドのエネルギー規則化情報を提案する。
  論文  参考訳（メタデータ） (2025-08-19T12:13:41Z)
• GNN-ASE: Graph-Based Anomaly Detection and Severity Estimation in Three-Phase Induction Machines [0.0]
  本稿では,誘導機の故障診断にグラフニューラルネットワーク(GNN)を用いたモデルフリーアプローチを提案する。 提案したGNN-ASEモデルは,生の入力から関連する特徴を自動的に学習し,抽出する。 個別断層検出と複合断層条件の多クラス分類について評価した。
  論文  参考訳（メタデータ） (2025-07-23T01:50:07Z)
• Counterfactual Explanation for Auto-Encoder Based Time-Series Anomaly Detection [0.3199881502576702]
  オートエンコーダは意思決定プロセスに固有の不透明さを示し、大規模な実践を妨げている。 本研究では,機能セレクタを用いて特徴を抽出し,モデル出力にコンテキストを与える。 実験結果から,提案手法がモデル決定過程に有意義かつ有意義な洞察を与える可能性が示唆された。
  論文  参考訳（メタデータ） (2025-01-03T19:30:11Z)
• A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
  本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。 工業画像から抽出した55個の特徴を統計的手法を用いて解析した。 これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
  論文  参考訳（メタデータ） (2024-12-11T22:12:21Z)
• Evaluating ML Robustness in GNSS Interference Classification, Characterization & Localization [42.14439854721613]
  ジャミング装置はグローバルナビゲーション衛星システム(GNSS)からの信号を妨害する 本稿では、低周波アンテナから得られたスナップショットからなる広範囲なデータセットを提案する。 本研究の目的は,機械学習モデル(ML)の環境変化に対するレジリエンスを評価することである。
  論文  参考訳（メタデータ） (2024-09-23T15:20:33Z)
• 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)

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。