論文の概要: Development of FDD-ON: an Ontology for VAV HVAC System Fault Detection and Diagnostics
- arxiv url: http://arxiv.org/abs/2607.29657v1
- Date: Fri, 31 Jul 2026 17:37:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.835002
- Title: Development of FDD-ON: an Ontology for VAV HVAC System Fault Detection and Diagnostics
- Title（参考訳）: VAV HVACシステム故障検出と診断のためのオントロジーFDD-ONの開発
- Abstract要約: 本稿では, 可変空気量(VAV) HVACシステムコンポーネント, 故障タイプ, 症状状況, 故障影響, 関連属性を表すFDDオントロジー(FDD-ON)を提案する。
FDD-ONは、VAV HVACシステムにおける幅広い運用上の異常とその影響を捉えるために、包括的な障害、症状、衝撃ライブラリを提供する。
- 参考スコア（独自算出の注目度）: 13.934616542614476
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fault detection and diagnosis (FDD) technology is essential for improving HVAC system reliability, energy efficiency, and maintenance effectiveness. However, effective deployment of FDD solutions in buildings requires structured domain knowledge that can bridge heterogeneous data sources, diverse equipment types, and varied diagnostic outputs. Limited data interpretability and interoperability within the FDD domain have led to fragmented information silos, hindering the implementation of FDD and related applications, such as the digital twin-enabled FDD frameworks and artificial intelligence (AI)-driven maintenance decision-making systems. This paper presents an FDD Ontology (FDD-ON), a modular and extensible ontology to formally represent variable air volume (VAV) HVAC system components, fault types, symptom statuses, fault impacts and associated attributes. FDD-ON integrates HVAC system FDD semantics to provide comprehensive representations of fault and symptom attributes, supported by the well-defined controlled vocabulary. Additionally, FDD-ON offers comprehensive fault, symptom, and impact libraries to capture a broad spectrum of operational abnormalities and their consequences in VAV HVAC systems. Through explicit contributing cause-fault-symptom-impact relations, FDD-ON serves as a machine-interpretable basis for querying diagnostic knowledge, mapping heterogeneous FDD outputs, and developing interoperable FDD-related applications. FDD-ON is evaluated using publicly available VAV HVAC system datasets and demonstrated through FDD development applications. Results indicate that FDD-ON provides a foundational semantic framework for advancing scalable, transparent, and interoperable FDD solutions across various applications.
- Abstract（参考訳）: 故障検出・診断(FDD)技術は,HVACシステムの信頼性,エネルギー効率,メンテナンス効率の向上に不可欠である。
しかし、FDDソリューションを建物に効果的に展開するには、異種データソース、多様な機器タイプ、様々な診断出力を橋渡しできる構造化されたドメイン知識が必要である。
FDDドメイン内の限られたデータ解釈性と相互運用性は、断片化された情報サイロをもたらし、デジタルツイン対応のFDDフレームワークや人工知能(AI)によるメンテナンス決定システムなど、FDDとその関連アプリケーションの実装を妨げている。
本稿では, 可変空気量(VAV) HVACシステムコンポーネント, 故障タイプ, 症状状況, 故障影響, 関連属性を形式的に表現するモジュール型で拡張可能なオントロジーであるFDDオントロジー(FDD-ON)を提案する。
FDD-ON は HVAC システム FDD セマンティクスを統合し、適切に定義された制御語彙によってサポートされている欠点と症状属性の包括的表現を提供する。
さらに、FDD-ONは、VAV HVACシステムにおける幅広い運用上の異常とその影響を捉えるために、包括的な障害、症状、インパクトライブラリを提供する。
FDD-ONは、明確な因果-症状-影響関係を通じて、診断知識のクエリ、異種FDD出力のマッピング、相互運用可能なFDD関連アプリケーションの開発のための機械解釈可能な基盤として機能する。
FDD-ONは、VAV HVACシステムデータセットを用いて評価され、FDD開発アプリケーションを通じて実証される。
FDD-ONは、スケーラブルで透明で相互運用可能なFDDソリューションを様々なアプリケーションに展開するための基本的なセマンティックフレームワークを提供する。
関連論文リスト
- VRAG-DFD: Verifiable Retrieval-Augmentation for MLLM-based Deepfake Detection [49.88962095967614]
本稿では,正確な動的偽情報検索と強力なクリティカル推論機能を備えたVRAG-DFDフレームワークを提案する。
データに関しては、DFD知識アノテーションのためのForensic Knowledge Database(FKD)と、重要なCoT構築のためのForensic Chain-of-Thoughtデータセット(F-CoT)の2つのデータセットを構築した。
性能面では、VRAG-DFD は SOTA と DFD の一般化テストにおける競合性能を達成した。
論文 参考訳（メタデータ） (2026-04-15T09:27:49Z) - FaultExplainer: Leveraging Large Language Models for Interpretable Fault Detection and Diagnosis [7.161558367924948]
本稿では,テネシー・イーストマン・プロセス(TEP)における障害検出,診断,説明の改善を目的とした対話型ツールであるFactExplainerを提案する。
FaultExplainerは、リアルタイムセンサデータ可視化、主成分分析(PCA)に基づく障害検出、および大規模言語モデル(LLM)を利用した対話型ユーザインタフェースにおける上位コントリビューション変数の識別を統合する。
2つのシナリオでLLMの推論能力を評価する。1つは歴史的根本原因が提供される場合であり、もう1つは以前に見つからなかった障害の課題を模倣しない場合である。
論文 参考訳（メタデータ） (2024-12-19T03:35:06Z) - DeltaPhi: Physical States Residual Learning for Neural Operators in Data-Limited PDE Solving [54.605760146540234]
DeltaPhiは、PDE解決タスクを、直接入力出力マッピングの学習から、類似の物理的状態間の残差学習に変換する、新しい学習フレームワークである。
大規模な実験は、様々な物理的システムにまたがって一貫した、重要な改善を示す。
論文 参考訳（メタデータ） (2024-06-14T07:45:07Z) - TDANet: A Novel Temporal Denoise Convolutional Neural Network With Attention for Fault Diagnosis [0.5277756703318045]
本稿では,音環境における故障診断性能を向上させるため,TDANet(Tunal Denoise Convolutional Neural Network With Attention)を提案する。
TDANetモデルは、その周期特性に基づいて1次元信号を2次元テンソルに変換し、マルチスケールの2次元畳み込みカーネルを用いて周期内および周期間の信号情報を抽出する。
CWRU (single sensor) とReal Aircraft Sensor Fault (multiple sensor) の2つのデータセットに対する評価は、TDANetモデルがノイズの多い環境下での診断精度において既存のディープラーニングアプローチを大幅に上回っていることを示している。
論文 参考訳（メタデータ） (2024-03-29T02:54:41Z) - Integrating LLMs for Explainable Fault Diagnosis in Complex Systems [0.0]
本稿では,原子力プラントなどの複雑なシステムにおける故障診断の説明可能性を高めるための統合システムを提案する。
物理に基づく診断ツールとLarge Language Modelを組み合わせることで、障害を識別するだけでなく、その原因と意味を明確かつ理解可能な説明を提供する新しいソリューションを提供する。
論文 参考訳（メタデータ） (2024-02-08T22:11:21Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - A Sparse Bayesian Learning for Diagnosis of Nonstationary and Spatially
Correlated Faults with Application to Multistation Assembly Systems [3.4991031406102238]
本稿では,空間的に相関したスパースベイズ学習(CSSBL)をクラスタリングする新しい故障診断手法を提案する。
提案手法の有効性は,実際の自己体組立システムを用いた数値および実世界のケーススタディによって検証される。
提案手法の一般化により,コミュニケーションや医療システムなど他の領域の故障診断に応用できる。
論文 参考訳（メタデータ） (2023-10-20T23:56:53Z) - 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) - Smart filter aided domain adversarial neural network for fault diagnosis
in noisy industrial scenarios [11.094903196524404]
本稿では,スマートフィルタ支援ドメイン適応ニューラルネットワーク (SFDANN) と呼ばれる非教師付きドメイン適応 (UDA) 手法を提案する。
提案手法は、2つのステップから構成される。第1ステップでは、時間周波数領域におけるソースとターゲットドメインデータの類似性を動的に適用するスマートフィルタを開発する。
2番目のステップでは、スマートフィルタによって再構成されたデータをドメイン逆ニューラルネットワーク(DANN)に入力する。
論文 参考訳（メタデータ） (2023-07-04T01:47:00Z) - System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。
このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
論文 参考訳（メタデータ） (2022-08-30T20:16:17Z) - Decompose to Adapt: Cross-domain Object Detection via Feature
Disentanglement [79.2994130944482]
本研究では,DDF(Domain Disentanglement Faster-RCNN)を設計し,タスク学習のための特徴のソース固有情報を排除した。
DDF法は,グローバルトリプルト・ディアンタングルメント(GTD)モジュールとインスタンス類似性・ディアンタングルメント(ISD)モジュールを用いて,グローバルおよびローカルステージでの機能ディアンタングルを容易にする。
提案手法は,4つのUDAオブジェクト検出タスクにおいて最先端の手法より優れており,広い適用性で有効であることが実証された。
論文 参考訳（メタデータ） (2022-01-06T05:43:01Z) - On-board Fault Diagnosis of a Laboratory Mini SR-30 Gas Turbine Engine [54.650189434544146]
データ駆動型故障診断・隔離方式は, 燃料供給システムにおける故障とセンサ測定のために, 明確に開発されている。
モデルは機械学習の分類器を使用してトレーニングされ、トレーニングされた障害シナリオのセットをリアルタイムで検出する。
提案手法の利点, 性能, 性能を実証し, 実証するために, いくつかのシミュレーション実験を行った。
論文 参考訳（メタデータ） (2021-10-17T13:42:37Z)
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。