論文の概要: How Mobile Gas Sensor Trajectories Govern Hydrogen Leak Detection: A Safety Gap in Manual Leak Inspection of Hydrogen System Components
- arxiv url: http://arxiv.org/abs/2607.09527v1
- Date: Fri, 10 Jul 2026 15:36:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-13 16:48:13.453586
- Title: How Mobile Gas Sensor Trajectories Govern Hydrogen Leak Detection: A Safety Gap in Manual Leak Inspection of Hydrogen System Components
- Title（参考訳）: ガスセンサによる水素漏れ検出方法:水素系部品の手動漏れ検査における安全ギャップ
- Authors: Christian Masuhr, Arne Wendt, Thorsten Schüppstuhl,
- Abstract要約: 水素インフラの統合性は、電解器製造において手動トレーサガススニッフィングによってほぼ独占的に行われる信頼性の高い漏れ検出に依存している。
本研究は,スニッファー軌道キネマティクスが小型パイプおよびフィッティングにおける検出信頼性に与える影響を定量的に評価する。
その結果, 走査速度と空間プローブの向きが検出可能性を強く予測することがわかった。
- 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: The integrity of hydrogen infrastructure relies on reliable leak detection, performed almost exclusively via manual tracer gas sniffing in electrolyzer manufacturing. Although mandated by standards, the lack of spatial probe guidance instructions leaves detection reliability entirely to operator execution, further compromised by sensor signal delays. This study quantifies how sniffer trajectory kinematics affect detection reliability at small-scale pipes and fittings, a near-field regime largely neglected by macroscopic dispersion research. Using a robotically guided test bench to eliminate operator variability, static concentration fields and dynamic trajectory passes were acquired across representative geometries under standardized leak rates (5 vol% hydrogen in nitrogen) and varying scanning velocities. Results demonstrate that scanning velocity and spatial probe orientation strongly dictate detectability. Conventional linear trajectories frequently miss leaks under dynamic conditions, causing severe false negatives. Conversely, geometry-specific routing, such as circumferential plunging paths around sealing points, maintains a high safety margin. From these observations, geometry-specific routing rules and a reduction-factor model for dynamic signal loss are derived. The findings reveal that current standard operating procedures pose a tangible safety risk. To operationalize these rules, a proof-of-concept software pipeline is presented, generating validated trajectories directly from 3D models for visualization in assistance systems.
- Abstract（参考訳）: 水素インフラの完全性は、電解器製造において手動トレーサガススニッフィングによってほぼ独占的に行われる信頼性の高い漏れ検出に依存している。
標準によって強制されるが、空間プローブ誘導指示の欠如により、検出の信頼性は完全にオペレータの実行に委ねられ、さらにセンサー信号の遅延によって損なわれる。
本研究では,スニッファー軌道キネマティクスが小型パイプやフィッティングの検知信頼性にどのように影響するかを定量的に検討する。
オペレーターの変動を除去するためにロボット誘導試験ベンチを用いて, 標準リークレート(窒素中5vol%水素)と種々の走査速度の下で, 静的濃度場と動的軌道パスを代表地にわたって取得した。
その結果, 走査速度と空間プローブの向きが検出可能性を強く予測することがわかった。
従来の線形軌道はしばしば動的条件下での漏れを見逃し、深刻な偽陰性を引き起こす。
逆に、シール点周辺の周方向の引き抜き経路のような幾何学固有のルーティングは、高い安全性のマージンを維持している。
これらの観測から、幾何学固有のルーティングルールと動的信号損失に対する還元因子モデルが導出される。
この結果は、現在の標準的な手術手順が明確な安全性のリスクをもたらすことを示している。
これらのルールを運用するために、概念実証ソフトウェアパイプラインが提示され、補助システムにおける可視化のための3Dモデルから直接検証された軌跡を生成する。
関連論文リスト
- A UAV-Based Multi-Modal Vision System for Automated Sideslope Deformation Monitoring and Hazard Detection [22.798047516914185]
本研究の目的は、無人航空機(UAV)搭載光検出・照準器(LiDAR)を用いた斜面危険度検出のための高度自動化ワークフローの開発である。
提案するワークフローは,共有データ取得と地表面抽出の段階,RandLA-Netに基づく単一観測ハザードスクリーニングブランチ,グリッドワイド標高差に基づくマルチエポック変形監視ブランチから構成される。
その結果, 植生被覆下での利用可能な地表面点雲を抽出し, 単一観測点雲から潜在的な危険領域を特定し, マルチを用いたセンチメートルレベルの標高変化を定量化できることが示唆された。
論文 参考訳（メタデータ） (2026-06-13T19:20:49Z) - Conditional Flow Matching for Continuous Anomaly Detection in Autonomous Driving on a Manifold-Aware Spectral Space [0.0]
安全クリティカルな異常検出のための教師なしフレームワークであるDeep-Flowを提案する。
不安定で高次元の座標空間で動作する標準的な生成的アプローチとは異なり、Deep-Flowは生成過程を低ランクのスペクトル多様体に制約する。
これにより、設計によるキネマティックな滑らかさが保証され、数値的に安定で決定論的な対数類似度推定の計算が可能になる。
論文 参考訳（メタデータ） (2026-02-19T18:10:16Z) - Axle Sensor Fusion for Online Continual Wheel Fault Detection in Wayside Railway Monitoring [1.1199585259018456]
本研究は,鉄道断層診断のためのセマンティック・アウェア,ラベル効率のよい連続学習フレームワークを提案する。
このモデルは、フラットやポリゴン化による小さな欠陥を検出しながら、進化する運用条件に適応する。
論文 参考訳（メタデータ） (2026-02-18T00:14:18Z) - AquaSentinel: Next-Generation AI System Integrating Sensor Networks for Urban Underground Water Pipeline Anomaly Detection via Collaborative MoE-LLM Agent Architecture [11.644739814142502]
AquaSentinelは、都市地下パイプラインネットワークにおけるリアルタイムな異常検出のための物理インフォームドAIシステムである。
1) ネットワーク全体の可観測性を最小限のインフラから実現するために,高分散ノードでの戦略的スパースセンサ展開と物理ベースの状態拡張を併用する。
論文 参考訳（メタデータ） (2025-11-19T20:53:50Z) - Online Reliable Anomaly Detection via Neuromorphic Sensing and Communications [58.796149594878585]
本稿ではニューロモルフィック無線センサネットワークに基づく低消費電力オンライン異常検出フレームワークを提案する。
検討したシステムでは、中央受信ノードが各時間フレームでニューロモルフィックセンサノード(ニューロSN)のサブセットを積極的にクエリする。
ニューロモルフィックセンサーは事象駆動であり、モニターされたシステムの関連する変化に対応してスパイクを発生させる。
論文 参考訳（メタデータ） (2025-10-16T13:56:54Z) - Infrastructure Sensor-enabled Vehicle Data Generation using Multi-Sensor Fusion for Proactive Safety Applications at Work Zone [8.125809724901366]
インフラベースセンシングとリアルタイム軌道生成は、ワークゾーンなどの高リスク道路セグメントの安全性向上を約束する。
本研究では、路面カメラとLiDARセンサーを協調環境に組み込むことにより、これらの障壁に対処する。
シミュレーションでは、融合アルゴリズムは個々のセンサーと比較して、長手誤差を最大70%削減した。
論文 参考訳（メタデータ） (2025-09-29T19:58:27Z) - AdvGPS: Adversarial GPS for Multi-Agent Perception Attack [47.59938285740803]
本研究は,マルチエージェント認識システムにおいて,特定のGPS信号が容易に誤認できるかどうかを考察する。
我々は,システム内の個々のエージェントに対してステルス性を持つ逆GPS信号を生成可能なtextscAdvGPSを紹介する。
OPV2Vデータセットに対する実験により、これらの攻撃が最先端の手法の性能を著しく損なうことを示した。
論文 参考訳（メタデータ） (2024-01-30T23:13:41Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。
異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
論文 参考訳（メタデータ） (2021-07-28T10:19:58Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z)
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。