Abstract: E. Gatmaitan, D. Lagazo, J. De, A. Coronel, J. Jimenez (2021)

AI and Machine Learning have become ubiquitous in many industries. Automated condition monitoring is a popular application for AI, and has been widely studied in recent years. This study provides a case for the usage of a Variational Autoencoder based approach for automated condition monitoring based on vibration data from accelerometers. We show that when trained in a semi-supervised manner, even with limited data, the VAE latent space is able to distinguish between normal and idle machine activity. We also show that the VAE is able to learn to group data from similar sensors together in latent space, even without a sensor label provided during training. We explore the applicability of Joint Recurrence Plots as a image representation of accelerometer data for fault diagnostic applications.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Variational Autoencoder and Joint Recurrence plot based automated condition monitoring in the context of wire manufacturing in the Philippines