論文の概要: Cascade-Forward Neural Network Based on Resilient Backpropagation for
Simultaneous Parameters and State Space Estimations of Brushed DC Machines
- arxiv url: http://arxiv.org/abs/2104.04348v1
- Date: Wed, 31 Mar 2021 08:56:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-06 00:16:47.023379
- Title: Cascade-Forward Neural Network Based on Resilient Backpropagation for
Simultaneous Parameters and State Space Estimations of Brushed DC Machines
- Title（参考訳）: 回復性バックプロパゲーションに基づくカスケードフォワードニューラルネットワークによるブラシdcマシンの同時パラメータと状態空間推定
- Authors: Hacene Mellah, Kamel Eddine Hemsas, Rachid Taleb
- Abstract要約: 本稿では,ニューラルネットワーク(NN)に基づくセンサレス速度,平均温度,抵抗推定手法を提案する。
本研究の目的は, ブラシ直流機の速度, 温度, 抵抗を同時に推定するために, レジリエントBPに基づくインテリジェントセンサを導入することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A sensorless speed, average temperature and resistance estimation technique
based on Neural Network (NN) for brushed DC machines is proposed in this paper.
The literature on parameters and state spaces estimations of the Brushed DC
machines, shows a variety of approaches. However, these observers are sensitive
to a noise, on the model accuracy also are difficult to stabilize and to
converge. Furthermore, the majority of earlier works, estimate either the speed
or the temperature or the winding resistance. According to the literatures, the
Resilient backpropagation (RBP) as is the known as the faster BP algorithm,
Cascade-Forward Neural Network (CFNN), is known as the among accelerated
learning backpropagation algorithms, that's why where it is found in several
researches, also in several applications in these few years. The main objective
of this paper is to introduce an intelligent sensor based on resilient BP to
estimate simultaneously the speed, armature temperature and resistance of
brushed DC machines only from the measured current and voltage. A comparison
between the obtained results and the results of traditional estimator has been
made to prove the ability of the proposed method. This method can be embedded
in thermal monitoring systems, in high performance motor drives.
- Abstract（参考訳）: 本稿では, ブラシ直流機のニューラルネットワーク(NN)に基づくセンサレス速度, 平均温度, 抵抗推定手法を提案する。
ブラッシュDCマシンのパラメータと状態空間の推定に関する文献は、様々なアプローチを示している。
しかし、これらの観測者はノイズに敏感であり、モデルの精度も安定して収束することが難しい。
さらに、初期の作業の大半は、速度または温度または巻線抵抗を見積もっている。
文献によると、高速BPアルゴリズムとして知られるレジリエントバックプロパゲーション(RBP)は、加速学習バックプロパゲーションアルゴリズムの1つであるカスケード・フォワードニューラルネットワーク(CFNN)として知られている。
本研究の目的は, レジリエントbpに基づくインテリジェントセンサを導入し, 測定電流と電圧のみから, ブラシdc機械の速度, 電機子温度, 抵抗を同時に推定することである。
提案手法の有効性を実証するために, 得られた結果と従来の推定値との比較を行った。
この方法は、熱監視システムや高性能モータドライブに組み込むことができる。
関連論文リスト
- SecONN: An Optical Neural Network Framework with Concurrent Detection of Thermal Fault Injection Attacks [0.7262345640500065]
本稿では,まず,Mach-Zhender干渉計を用いたベクトル行列乗算器(VMM)に基づくSPAAのサーマルフォールトインジェクション攻撃の脅威を提案する。
そこで本研究では,推論だけでなく,同時検出が可能な光ニューラルネットワークフレームワークSecONNを提案する。
論文 参考訳（メタデータ） (2024-11-22T05:31:36Z) - Parameter Estimation of Long Memory Stochastic Processes with Deep Neural Networks [0.0]
時系列モデルの長いメモリパラメータを推定するために,純粋にディープなニューラルネットワークに基づくアプローチを提案する。
ハースト指数のようなパラメータは、プロセスの長距離依存、粗さ、自己相似性を特徴づけるのに重要である。
論文 参考訳（メタデータ） (2024-10-03T03:14:58Z) - REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。
グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。
本モデルは,発作検出と分類作業において高い精度を示す。
論文 参考訳（メタデータ） (2024-06-03T16:30:19Z) - Continuous time recurrent neural networks: overview and application to
forecasting blood glucose in the intensive care unit [56.801856519460465]
連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。
重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
論文 参考訳（メタデータ） (2023-04-14T09:39:06Z) - Deep Learning Architectures for FSCV, a Comparison [0.0]
適合性は、"out-of-probe"の場合の予測性能、人工的に誘導される電気ノイズに対する応答、与えられたプローブに対してモデルがいつ不完全になるかを予測する能力によって決定される。
深い畳み込みニューラルネットワークであるInceptionTimeアーキテクチャは、テストされたモデルの最高の絶対的な予測性能を持つが、ノイズの影響を受けやすい。
単純多層型パーセプトロンアーキテクチャは2番目に低い予測誤差を有しており、人工ノイズの影響を受けていないため、畳み込みは疑わしいほど重要でない可能性がある。
論文 参考訳（メタデータ） (2022-12-05T00:20:10Z) - Physics-constrained deep neural network method for estimating parameters
in a redox flow battery [68.8204255655161]
バナジウムフローバッテリ(VRFB)のゼロ次元(0D)モデルにおけるパラメータ推定のための物理拘束型ディープニューラルネットワーク(PCDNN)を提案する。
そこで, PCDNN法は, 動作条件のモデルパラメータを推定し, 電圧の0Dモデル予測を改善することができることを示す。
また,PCDNNアプローチでは,トレーニングに使用しない操作条件のパラメータ値を推定する一般化能力が向上することが実証された。
論文 参考訳（メタデータ） (2021-06-21T23:42:58Z) - Data-driven Full-waveform Inversion Surrogate using Conditional
Generative Adversarial Networks [0.0]
フル波形インバージョン(FWI)速度モデリングは、正確で詳細な速度場モデルを提供する反復的な高度な技術です。
本研究では,複数の入力を持つ条件付き生成逆数ネットワーク(cGAN)を用いて,FWIによって得られた速度場モデルを生成する手法を提案する。
論文 参考訳（メタデータ） (2021-04-30T21:41:24Z) - A Novel Hybrid Deep Learning Approach for Non-Intrusive Load Monitoring
of Residential Appliance Based on Long Short Term Memory and Convolutional
Neural Networks [0.0]
エネルギーの分解または非侵入負荷監視(NILM)は、単一入力ブラインド源の識別問題です。
本稿では、畳み込みニューラルネットワーク(CNN)を併用したLSTM(Deep Recurrent long term memory)ネットワークによる電力分散の新しいアプローチを提案する。
論文 参考訳（メタデータ） (2021-04-15T22:34:20Z) - Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。
我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。
私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
論文 参考訳（メタデータ） (2020-11-17T12:52:18Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z) - Temporal Pulses Driven Spiking Neural Network for Fast Object
Recognition in Autonomous Driving [65.36115045035903]
スパイキングニューラルネットワーク(SNN)を用いた生時間パルスで直接物体認識問題に対処する手法を提案する。
各種データセットを用いて評価した結果,提案手法は最先端の手法に匹敵する性能を示しながら,優れた時間効率を実現している。
論文 参考訳（メタデータ） (2020-01-24T22:58:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。