Fugu-MT 論文翻訳(概要): Power Transformer Fault Diagnosis with Intrinsic Time-scale Decomposition and XGBoost Classifier

論文の概要: Power Transformer Fault Diagnosis with Intrinsic Time-scale Decomposition and XGBoost Classifier

arxiv url: http://arxiv.org/abs/2110.11467v1
Date: Thu, 21 Oct 2021 20:36:38 GMT
ステータス: 処理完了
システム内更新日: 2021-10-26 02:58:00.910873
Title: Power Transformer Fault Diagnosis with Intrinsic Time-scale Decomposition and XGBoost Classifier
Title（参考訳）: 固有時間スケール分解とXGBoost分類器を用いた変圧器故障診断
Authors: Shoaib Meraj Sami and Mohammed Imamul Hassan Bhuiyan
Abstract要約: 電力変圧器故障診断のための内在時間分解法(ITD)を提案する。提案手法は,従来の手法よりも95%以上の精度,高感度,F1スコアを実現している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: An intrinsic time-scale decomposition (ITD) based method for power transformer fault diagnosis is proposed. Dissolved gas analysis (DGA) parameters are ranked according to their skewness, and then ITD based features extraction is performed. An optimal set of PRC features are determined by an XGBoost classifier. For classification purpose, an XGBoost classifier is used to the optimal PRC features set. The proposed method's performance in classification is studied using publicly available DGA data of 376 power transformers and employing an XGBoost classifier. The Proposed method achieves more than 95% accuracy and high sensitivity and F1-score, better than conventional methods and some recent machine learning-based fault diagnosis approaches. Moreover, it gives better Cohen Kappa and F1-score as compared to the recently introduced EMD-based hierarchical technique for fault diagnosis in power transformers.
Abstract（参考訳）: 電力変圧器故障診断のための固有時間スケール分解法(itd)を提案する。溶存ガス分析(DGA)パラメータはその歪度に応じてランク付けし、ITDに基づく特徴抽出を行う。 XGBoost分類器によって最適なPRC特徴セットが決定される。分類目的のために、最適なPRC特徴セットにXGBoost分類器を用いる。提案手法は,376基の変圧器のdgaデータとxgboost分類器を用いて,分類性能について検討した。提案手法は従来の手法や最近の機械学習に基づく故障診断手法よりも精度が高く,95%以上の精度と高感度を実現する。さらに,電力変圧器の故障診断のためのEMDに基づく階層的手法と比較して,Cohen Kappa と F1-score が優れている。

関連論文リスト

HEAT: Hardware-Efficient Automatic Tensor Decomposition for Transformer Compression [69.36555801766762]
本稿では,分解可能な指数空間を効率的に探索できるハードウェア対応テンソル分解フレームワークHEATを提案する。ハードウェア対応のBERT変異体は, エネルギー遅延を5.7倍に低減し, 精度が1.1%以下であることを示す。
論文参考訳（メタデータ） (2022-11-30T05:31:45Z)
Fault diagnosis for three-phase PWM rectifier based on deep feedforward network with transient synthetic features [0.0]
過渡的な合成特徴を持つディープフィードフォワードネットワークに基づく断層診断手法を提案する。平均断層診断精度は、過渡的な合成断層データに対して97.85%に達する。オンライン断層診断実験により,本手法が故障IGBTを正確に検出できることが判明した。
論文参考訳（メタデータ） (2022-11-01T02:32:20Z)
Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文参考訳（メタデータ） (2022-06-29T23:22:18Z)
An EMD-based Method for the Detection of Power Transformer Faults with a Hierarchical Ensemble Classifier [0.0]
希釈ガス分析(DGA)データから変圧器断層を検出するための経験的モード分解法を提案する。提案手法は, 変圧器断層の検出において90%以上の感度と精度が得られることを示した。
論文参考訳（メタデータ） (2021-10-21T19:49:35Z)
On-board Fault Diagnosis of a Laboratory Mini SR-30 Gas Turbine Engine [54.650189434544146]
データ駆動型故障診断・隔離方式は, 燃料供給システムにおける故障とセンサ測定のために, 明確に開発されている。モデルは機械学習の分類器を使用してトレーニングされ、トレーニングされた障害シナリオのセットをリアルタイムで検出する。提案手法の利点, 性能, 性能を実証し, 実証するために, いくつかのシミュレーション実験を行った。
論文参考訳（メタデータ） (2021-10-17T13:42:37Z)
Weight Vector Tuning and Asymptotic Analysis of Binary Linear Classifiers [82.5915112474988]
本稿では,スカラーによる判別器の分解をパラメータ化することで,ジェネリックバイナリ線形分類器の重みベクトルチューニングを提案する。また,重みベクトルチューニングは,高推定雑音下での線形判別分析(LDA)の性能を著しく向上させることがわかった。
論文参考訳（メタデータ） (2021-10-01T17:50:46Z)
An Efficient Epileptic Seizure Detection Technique using Discrete Wavelet Transform and Machine Learning Classifiers [0.0]
本稿では,離散ウェーブレット変換(DWT)と機械学習分類器を用いたてんかん検出手法を提案する。 DWTは、周波数帯域の異なる信号のより良い分解を提供するため、特徴抽出に使われてきた。
論文参考訳（メタデータ） (2021-09-26T18:30:04Z)
A Unified Off-Policy Evaluation Approach for General Value Function [131.45028999325797]
一般価値関数(GVF)は、強化学習(RL)における予測的知識と振り返り的知識の両方を表現する強力なツールである。本稿では,GVF評価のためのGenTDと呼ばれる新しいアルゴリズムを提案する。我々は、GenTDが単一の標準スカラー値関数と同じくらい効率的に複数の相互関連多次元GVFを学習することを示す。
論文参考訳（メタデータ） (2021-07-06T16:20:34Z)
A novel Time-frequency Transformer and its Application in Fault Diagnosis of Rolling Bearings [0.24214594180459362]
シーケンス処理における標準変換器の膨大な成功に触発された新しい時間周波数変換器(TFT)モデルを提案する。本稿では,TFTに基づく新しいエンドツーエンドの故障診断フレームワークについて述べる。
論文参考訳（メタデータ） (2021-04-19T06:53:31Z)
Automatic detection of abnormal EEG signals using wavelet feature extraction and gradient boosting decision tree [2.924868086534434]
多チャンネル脳波記録における脳信号の自動二分分類フレームワークを提案する。本稿では,抽出した特徴量の品質を損なうことなく,特徴空間の次元を小さくする手法を提案する。 CatBoostは87.68%のバイナリ分類精度を達成し、同じデータセットの最先端の技術を上回る。
論文参考訳（メタデータ） (2020-12-18T03:36:52Z)
Augmentation of the Reconstruction Performance of Fuzzy C-Means with an Optimized Fuzzification Factor Vector [99.19847674810079]
Fuzzy C-Means (FCM) は情報グラニュラーを構成する最も頻繁に使用される手法の1つである。本稿では, ファジィ化因子のベクトルを導入することにより, FCMに基づく脱顆粒機構を増強する。合成データセットと公開データセットの両方で実験が完了し、提案手法が汎用データ再構成手法より優れていることが示された。
論文参考訳（メタデータ） (2020-04-13T04:17:30Z)

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。