Domain knowledge-informed Synthetic fault sample generation with Health Data Map for cross-domain Planetary Gearbox Fault Diagnosis

要約

振動信号と深層学習 (DL) アプローチを使用した遊星ギアボックスの故障診断について、広範な研究が行われてきました。
ただし、DL ベースの方法は、ギアボックスの動作条件の変化によって引き起こされるドメイン シフトの問題の影響を受けやすくなります。
このようなドメインのシフトを克服するためにドメイン適応およびデータ合成方法が提案されていますが、これらはターゲット ドメインで健全なデータのみが利用可能な現実の状況では直接適用できないことがよくあります。
ターゲット ドメインで健全なデータのみが利用可能な極端なドメイン シフト シナリオの課題に取り組むために、この論文では、ヘルス データ マップ (HDMap) を利用した 2 つの新しいドメインの知識に基づくデータ合成方法を提案します。
提案された 2 つのアプローチは、スケーリングされた CutPaste と FaultPaste と呼ばれます。
HDMap は、遊星ギアボックスの振動信号を画像のようなマトリックスとして物理的に表現するために使用され、障害関連の特徴を視覚化することができます。
その後、CutPaste と FaultPaste が適用され、ソース ドメインから抽出されたドメインの知識と障害の署名をそれぞれ使用して、ターゲット ドメインの正常なデータに基づいて障害のあるサンプルが生成されます。
現実的な障害を生成することに加えて、提案された方法では、さまざまな重大度レベルの障害の制御された合成のための障害シグネチャのスケーリングが導入されます。
ケーススタディは、提案されたアプローチを評価するために、遊星ギアボックスのテストベッドで実施されます。
その結果、提案手法は極端なドメインシフトの場合でも正確に故障を診断でき、対象ドメインでこれまで観測されていなかった故障の重大度を推定できることが示された。

要約(オリジナル)

Extensive research has been conducted on fault diagnosis of planetary gearboxes using vibration signals and deep learning (DL) approaches. However, DL-based methods are susceptible to the domain shift problem caused by varying operating conditions of the gearbox. Although domain adaptation and data synthesis methods have been proposed to overcome such domain shifts, they are often not directly applicable in real-world situations where only healthy data is available in the target domain. To tackle the challenge of extreme domain shift scenarios where only healthy data is available in the target domain, this paper proposes two novel domain knowledge-informed data synthesis methods utilizing the health data map (HDMap). The two proposed approaches are referred to as scaled CutPaste and FaultPaste. The HDMap is used to physically represent the vibration signal of the planetary gearbox as an image-like matrix, allowing for visualization of fault-related features. CutPaste and FaultPaste are then applied to generate faulty samples based on the healthy data in the target domain, using domain knowledge and fault signatures extracted from the source domain, respectively. In addition to generating realistic faults, the proposed methods introduce scaling of fault signatures for controlled synthesis of faults with various severity levels. A case study is conducted on a planetary gearbox testbed to evaluate the proposed approaches. The results show that the proposed methods are capable of accurately diagnosing faults, even in cases of extreme domain shift, and can estimate the severity of faults that have not been previously observed in the target domain.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google