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

要約

振動信号とディープラーニング（DL）アプローチを用いた遊星ギアボックスの故障診断に関する広範な研究が行われてきた。しかし、DLベースの手法は、ギアボックスの動作条件の変化によって生じるドメインシフトの影響を受けやすい。このようなドメインシフトを克服するために、ドメイン適応法やデータ合成法が提案されているが、ターゲットドメインで健全なデータしか利用できない実世界の状況では、直接適用できないことが多い。そこで本論文では、健康データマップ(HDMap)を利用した2つの新しいドメイン知識情報データ合成法を提案する。提案する2つのアプローチは、スケーリングされたCutPasteとFaultPasteと呼ばれる。HDMapはプラネタリギアボックスの振動信号を画像のような行列として物理的に表現するために使用され、故障に関連する特徴を可視化することを可能にする。CutPasteとFaultPasteは、それぞれソースドメインから抽出されたドメイン知識と故障シグネチャを使用して、ターゲットドメインの健全なデータに基づいて故障サンプルを生成するために適用されます。現実的な故障を生成することに加え、提案手法は、様々な重大度レベルの故障を制御された形で合成するために、故障シグネチャのスケーリングを導入する。提案手法を評価するために、遊星ギアボックスのテストベッドを用いたケーススタディを実施した。その結果、提案手法は、極端なドメインシフトの場合であっても、故障を正確に診断することが可能であり、対象ドメインで過去に観測されたことのない故障の深刻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, DeepL