用于燃烧不稳定性监测的跨模态虚拟感知
机器学习
2021-10-07 v2
摘要
在许多信息物理系统中，成像可能是一种重要但昂贵或“难以部署”的感知模态。一个这样的例子是利用火焰图像检测燃烧不稳定性，其中深度学习框架已展现出最先进的性能。所提框架也被证明相当可信，使领域专家有足够信心在真实系统中使用这些模型以防止不良事件。然而，火焰成像在当今发动机燃烧室中并非一种常见的感知模态。因此，当前的障碍存在于硬件侧，涉及大容量火焰图像的采集与处理。另一方面，声压时间序列在真实燃烧室中是更可行的数据收集模态。为利用声学时间序列作为感知模态，我们提出一种新颖的跨模态编码器-解码器架构，可从燃烧系统中的声压时间序列重建跨模态视觉特征。通过“蒸馏”跨模态特征，结果表明利用虚拟视觉感知模态可提升检测精度。通过提供跨模态重建的优势，我们的框架可证明在发电与交通运输行业之外的不同领域也有用处。
引用
@article{arxiv.2110.01659,
title = {Cross-Modal Virtual Sensing for Combustion Instability Monitoring},
author = {Tryambak Gangopadhyay and Vikram Ramanan and Satyanarayanan R Chakravarthy and Soumik Sarkar},
journal= {arXiv preprint arXiv:2110.01659},
year = {2021}
}