論文の概要: Energy-Based Fault Detection and Isolation Framework for Flat Port-Hamiltonian Mechanical Systems

• arxiv url: http://arxiv.org/abs/2610.33679v1
• Date: Sat, 24 Oct 2026 13:50:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.419775
• Title: Energy-Based Fault Detection and Isolation Framework for Flat Port-Hamiltonian Mechanical Systems
• Title（参考訳）: フラットポート・ハミルトン機械系のエネルギーベース故障検出・分離フレームワーク
• Abstract要約: 制御運動中の故障診断は、フィードバックが逸脱を追跡するのを減衰させたとしても、情報信号を必要とする。 本稿では,専用の動的オブザーバを使わずに,機械的ポートパワー残差を構成するエネルギーベースの診断フレームワークを開発する。
• 参考スコア（独自算出の注目度）: 1.8388880538913268
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fault diagnosis during regulated motion requires informative signals even when feedback attenuates tracking deviations. This paper develops an energy-based diagnostic framework that constructs mechanical port-power residuals without a dedicated dynamic observer. Spectral Hamiltonian Algebraic Power Evaluation (SHAPE) combines port-Hamiltonian variables and differential flatness to generate nominal power references from planned motion for fully actuated mechanical systems with collocated actuation. Subtracting these references from commanded effort multiplied by measured flow yields residuals whose final evaluation requires neither recursive observer updates nor measured-state dynamics calculations. Continuous wavelet transform (CWT) scalograms and a shared-encoder convolutional neural network are used to distinguish nominal operation, actuator loss of effectiveness, anomalous friction, and vibration from complete trajectories. Evaluation uses a simulated six degree of freedom Kinova manipulator under model predictive control and fixed plant-model mismatch, with single faults at a specified joint. Across five training seeds and 3000 held-out test runs, SHAPE-CWT achieves a mean accuracy of 84.69 percent, versus 81.67 percent for torque residuals and 97.17 percent for the generalized momentum observer under common CWT processing. The respective sample standard deviations are 0.70, 0.70, and 0.37 percentage points. These results demonstrate useful fault-type discrimination from algebraic power residuals, while severity-excitation profiles and offline velocity perturbations reveal limits to their diagnostic capability.
• Abstract（参考訳）: 制御運動中の故障診断は、フィードバックが逸脱を追跡するのを減衰させたとしても、情報信号を必要とする。 本稿では,専用の動的オブザーバを使わずに,機械的ポートパワー残差を構成するエネルギーベースの診断フレームワークを開発する。 スペクトルハミルトニアン代数パワー評価(SHAPE)は、ポート・ハミルトン変数と微分平坦性を組み合わせて、完全に作動する機械系のための計画運動から名目上のパワー基準を生成する。 これらの基準を計測フローで乗じて抽出すると、最終的な評価は再帰的なオブザーバの更新や測定状態の動的計算を必要としない残余が得られる。 連続ウェーブレット変換 (CWT) と共有エンコーダ畳み込みニューラルネットワークを用いて, 固有動作, アクチュエータ損失, 異常摩擦, 完全軌道からの振動を識別する。 モデル予測制御と固定型モデルミスマッチによる6自由度キノバマニピュレータのシミュレーションによる評価を行った。 SHAPE-CWTは5つのトレーニングシードと3000回のホールドアウトテスト実行で平均84.69パーセントの精度を達成し、トルク残差は81.67パーセント、一般的なCWT処理では97.17パーセントである。 各サンプル標準偏差は0.70、0.70、0.37ポイントである。 これらの結果は,重度励起プロファイルとオフライン速度摂動が診断能力に限界を示す一方で,代数的電力残差から有用な断層型判別を示す。

関連論文リスト

• Physics-Informed and Data-Driven Composite Disturbance Separation and Predictive Control for Airborne Electro-Optical Gimbals with Multiple Constraints [6.375246440398176]
  キャリア振動、入力遅延、アクチュエータ制約の下では、視線安定化と追跡が困難である。 不均質な外乱を補うために、外乱分離モデル予測制御方式を提案する。 UAV搭載の2軸プラットフォームは、比較的屋内でのホバリング実験のために組み立てられている。
  論文  参考訳（メタデータ） (2026-10-26T05:06:52Z)
• Causal world models under physical parameter shifts [3.3965115081590436]
  本研究では,因果モデリングの2つの要素について検討する。 CausalWorldにおけるロボットのリンク質量外挿において,リンク質量が慣性および動的バイアス項に入る指局所世界モデルを開発する。
  論文  参考訳（メタデータ） (2026-10-21T02:26:00Z)
• Markovian Dynamics Enforcer: Feasibility Preserving Correction on Learned Dynamics Manifolds [9.895328002477754]
  状態遷移提案を学習可能な動的多様体にマッピングするためにマルコフ力学エンコーサー(MaDE)を導入する。 MaDEは、完全に指定されたシミュレートされたシステム上で、動的残差を本質的にゼロに駆動する。 平均変位誤差は1.57から1.83に上昇する。
  論文  参考訳（メタデータ） (2026-09-30T14:57:24Z)
• Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
  Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。 平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
  論文  参考訳（メタデータ） (2026-09-29T11:24:19Z)
• Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems [47.027290803102666]
  通常の行動は、多くの不均衡で、曲がりくねった、細い範囲の運営体制の結合である。 我々は正規法則を、共同学習された潜在表現と明示的なガウス混合モードクラスタリングでモデル化する。 ポイント調整のない生のポイントワイドメトリクス、自明な検出困難分割、頻度整合F1、列車正規化のみのキャリブレーションを意図的に評価する。
  論文  参考訳（メタデータ） (2026-07-07T10:10:00Z)
• TimeLAVA: Learning-Agnostic Data Valuation for Time Series [48.76711740818533]
  TimeLAVAは、評価データと参照データの間の分布差を最小限に抑えるために、時間セグメントを限界貢献によって評価する学習非依存のフレームワークである。 モデルに依存しない一般化にバリュエーションをリンクする理論的保証を提供し、汚染に対する有界感度を証明する。
  論文  参考訳（メタデータ） (2026-06-17T06:16:16Z)
• Extended Hybrid Timed Petri Nets with Semi-Supervised Anomaly Detection for Switched Systems, Modelling and Fault Detection [0.0]
  本稿では,ハイブリッド力学系のための統合障害検出フレームワークを提案する。 拡張時間連続ペトリネットモデルと半教師付き異常検出を統合している。 その結果,高い検出精度,高速収束,ロバスト性能が得られた。
  論文  参考訳（メタデータ） (2026-04-05T10:54:15Z)
• Information Fidelity in Tool-Using LLM Agents: A Martingale Analysis of the Model Context Protocol [69.11739400975445]
  モデルコンテキストプロトコル(MCP)エージェントにおけるエラー蓄積を解析するための最初の理論的枠組みを紹介する。 累積歪みが線形成長と高確率偏差を$O(sqrtT)$で表すことを示す。 主な発見は、意味重み付けは歪みを80%減らし、周期的再接地は、エラー制御の約9ステップごとに十分である。
  論文  参考訳（メタデータ） (2026-02-10T21:08:53Z)
• 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)

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。