論文の概要: Optimal Transport Image Representation and Deep Covariance Alignment (CORAL) for Control Valve Stiction Detection
- arxiv url: http://arxiv.org/abs/2607.22486v2
- Date: Mon, 27 Jul 2026 05:20:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 14:56:47.048793
- Title: Optimal Transport Image Representation and Deep Covariance Alignment (CORAL) for Control Valve Stiction Detection
- Title（参考訳）: 制御弁触覚検出のための最適輸送画像表現と深部共分散アライメント(コラル)
- Abstract要約: 制御弁スティクションは、産業プロセスにおける不要な振動と制御ループ性能の低下の一般的な原因である。
データ駆動方式は、自動的にスティクションを検出することができるが、シミュレーションデータに基づいて純粋に訓練されたモデルは、しばしば実際の産業制御ループに一般化するのに苦労する。
本研究は、最適な輸送(OT)イメージング技術と深い相関アライメントアルゴリズムを組み合わせた新しいスティクション検出手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Control valve stiction is a common cause of unwanted oscillations and poor control-loop performance in industrial processes. Data-driven methods can automatically detect stiction, but models trained purely on simulated data often struggle to generalize to real industrial control loops due to domain shift. To bridge this gap, this work propose a novel stiction detection methodology that combines optimal transport (OT) imaging technique with deep correlation alignment (Deep CORAL) algorithm. Closed loop signals: controller output and process variable are converted into two-dimensional OT images. These images capture the dynamic behaviour of control loops. The proposed methodology includes a convolutional neural network (CNN) encoder (or feature extractor) trained to learn domain-invariant representations by optimizing a combined objective: a cross-entropy loss on labeled simulation data and a Deep CORAL (covariance-alignment) loss between simulation data and unlabeled target-domain industrial data. Downstream classifiers trained on the domain-invariant target features were evaluated on an independent test set of 20 benchmark loops from industrial stiction data benchmark. The proposed methodology successfully diagnosed 18 out of the 20 loops and achieved100% recall across all 13 stiction cases, an accuracy of 90.00% and an F1-score of 92.86%. Compared to standard baseline approach (hand-crafted features-based method), the proposed methodology significantly mitigates domain shift, providing robust, highly reliable stiction detection for real-world industrial control loops.
- Abstract（参考訳）: 制御弁スティクションは、産業プロセスにおける不要な振動と制御ループ性能の低下の一般的な原因である。
データ駆動方式は、自動的にスティクションを検出することができるが、シミュレーションデータに基づいて純粋に訓練されたモデルは、ドメインシフトによる実際の産業制御ループへの一般化に苦慮することが多い。
このギャップを埋めるために、最適な輸送(OT)イメージング技術とディープ相関アライメント(Deep Corral)アルゴリズムを組み合わせた新しいスティクション検出手法を提案する。
閉ループ信号: コントローラ出力とプロセス変数を2次元OT画像に変換する。
これらの画像は制御ループの動的挙動を捉えている。
提案手法は、ラベル付きシミュレーションデータに対するクロスエントロピー損失と、シミュレーションデータとラベルなしターゲットドメイン産業データとの間のディープコーラル(共分散配向)損失とを最適化することにより、ドメイン不変表現を学習するよう訓練された畳み込みニューラルネットワーク(CNN)エンコーダ(または特徴抽出器)を含む。
産業統計データベンチマークから20個のベンチマークループの独立したテストセットを用いて、ドメイン不変なターゲット特徴を訓練した下流分類器の評価を行った。
提案手法は20ループ中18ループの診断に成功し、90.00%の精度、92.86%のF1スコアを含む13ケースすべてで100%リコールを達成した。
提案手法は, 標準ベースラインアプローチ(手作り特徴ベース手法)と比較して, ドメインシフトを著しく軽減し, 実世界の産業制御ループに対して, 堅牢で信頼性の高いスタイクション検出を提供する。
関連論文リスト
- From Open Loop to Closed Loop: A Test-Time Iterative Optimization Framework for Reference-Consistent Image Generation [108.02425846269234]
制御可能な画像生成は、視覚的参照条件を組み込むことで、大きな進歩を遂げた。
既存の方法は、主にオープンループシステムとして動作する。
本稿では,閉ループ動的トラッキング問題として参照一貫性生成を再構成する新しいテスト時間反復最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-06T05:36:30Z) - A Framework for Evaluating and Benchmarking Concept Drift Detection Methods [18.74827879168727]
筆者らは,4つのドリフトタイプにわたる7つの実世界のデータセット上で,広く使用されているドリフト検出手法を14のベンチマークで評価した。
その結果,現在のドリフト検出手法の長所と短所について考察した。
論文 参考訳（メタデータ） (2026-06-05T19:02:17Z) - Information-Theoretic Digital Twins for Stealthy Attack Detection in Industrial Control Systems: A Closed-Form KL Divergence Approach [0.0]
デジタル双生児(DT)は産業制御システム(ICS)の監視・確保にますます利用されている
しかし、通常の物理的境界内でシステム状態を操作するステルスな偽データ注入攻撃(FDIA)を検出することは依然として困難である。
リアルタイム異常検出のためのクローズドループ情報理論デジタルツイン(IT-DT)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-02T08:56:11Z) - Diffuse to Detect: A Generalizable Framework for Anomaly Detection with Diffusion Models Applications to UAVs and Beyond [2.4449457537548036]
UAVセンサーの読み取りなどの複雑な高次元データにおける異常検出は、運用上の安全性に不可欠である。
本稿では,拡散モデルを適用して異常検出を行うDiffuse to Detect(DTD)フレームワークを提案する。
DTDは1ステップの拡散プロセスを用いてノイズパターンを予測し、再構成エラーのない異常の迅速かつ正確な同定を可能にする。
論文 参考訳（メタデータ） (2025-10-27T02:08:08Z) - Robust Distribution Alignment for Industrial Anomaly Detection under Distribution Shift [51.24522135151649]
異常検出は産業アプリケーションの品質管理において重要な役割を担っている。
既存の方法は、一般化可能なモデルをトレーニングすることで、ドメインシフトに対処しようとする。
提案手法は,最先端の異常検出法や領域適応法と比較して,優れた結果を示す。
論文 参考訳（メタデータ） (2025-03-19T05:25:52Z) - Unsupervised Fault Detection using SAM with a Moving Window Approach [0.0]
本稿では、SAM(High End Segment Anything Model)と移動ウィンドウアプローチを用いた教師なし手法を提案する。
我々は、微調整やラベル付きデータを必要とせずに、これらの課題を克服することを目指している。
論文 参考訳（メタデータ） (2024-07-08T18:12:29Z) - Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である
CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。
CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
論文 参考訳（メタデータ） (2023-10-01T05:07:17Z) - Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D
Object Detection [85.11649974840758]
3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。
そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
論文 参考訳（メタデータ） (2021-11-30T18:42:42Z) - Semantic Perturbations with Normalizing Flows for Improved
Generalization [62.998818375912506]
我々は、非教師付きデータ拡張を定義するために、潜在空間における摂動が利用できることを示す。
トレーニングを通して分類器に適応する潜伏性対向性摂動が最も効果的であることが判明した。
論文 参考訳（メタデータ） (2021-08-18T03:20:00Z) - SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。
効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。
構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
論文 参考訳（メタデータ） (2020-07-26T12:32:38Z)
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。