複雑な故障診断のためのプラグ&プレイデータ処理モジュール
Runfang Hao1, Chaoqian He1, Yongqiang Cheng2
1Shanxi Key Laboratory of Micro Nano Sensors & Artificial Intelligence Perception, College of Electronic Information and Optical Engineering, Taiyuan University of Technology, Taiyuan 030024, China; Key Lab of Advanced Transducers and Intelligent Control System of the Ministry of Education, Taiyuan 030024, China.
この研究では,訓練サンプルを拡大し,モデルの堅実性を向上させることで,インテリジェントな故障診断を強化するためのデータ処理モジュールが導入されます. 新しい方法は,複雑な機器の故障を検出する精度を大幅に高めます.
科学分野:
- エンジニアリング
- 人工知能
- 機械学習
背景:
- インテリジェントな故障診断は現代の機器に不可欠ですが,小さなデータセットと複雑な故障によって制限されています.
- 既存の方法はデータ不足と複雑な故障パターンを抱えており,産業での広範な応用が困難です.
研究 の 目的:
- インテリジェントな故障診断の限界を克服するために,プラグ&プレイデータ処理モジュールを開発する.
- サンプルサイズを拡大し,データ関係を改善することにより,ディープラーニングモデルのパフォーマンスを向上させる.
主な方法:
- ディスクリート・フーリエ変換を用いた振幅相複合データ強化 (APCUP) 方法で,故障型を融合させ,新しいサンプルを生成する.
- ラベルを処理するための隣接ラベルスムージング (ALS) 戦略で,過度の分類を防止し,モデルの堅実性を高めます.
- これらの方法を新しいデータ処理モジュールに統合する.
主要な成果:
- 産業用ロボットアームプラットフォームと 2 つの公開データセットで有効性と実行可能性が実証されました.
- 複雑な故障を診断するためのモデルの能力が顕著に向上しました.
- モジュールを組み込んだ後の診断精度の大幅な増加と誤差の減少
結論:
- 開発されたデータ処理モジュールは,トレーニングデータセットを効果的に拡張し,内部データ関係を改善します.
- APCUPとALSの戦略は,特に複雑な産業機器のインテリジェント故障診断のためのディープラーニングモデルを強化します.
- このモジュールは,故障診断システムの精度と強さを向上させるための実用的な解決策を提供します.
さらに関連する動画
08:27A New Hybrid Quantitative Evaluation Model for Axillary Junctional Hemorrhage in Swine
Published on: December 6, 2024
09:00Investigating the Function of Deep Cortical and Subcortical Structures Using Stereotactic Electroencephalography: Lessons from the Anterior Cingulate Cortex
Published on: April 15, 2015
関連する概念動画
Fault Types
For line-to-line faults occurring between phases B and C, the...
Differential Relays
