論文の概要: Fault diagnosis for three-phase PWM rectifier based on deep feedforward
network with transient synthetic features
- arxiv url: http://arxiv.org/abs/2211.00228v1
- Date: Tue, 1 Nov 2022 02:32:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 13:33:58.899321
- Title: Fault diagnosis for three-phase PWM rectifier based on deep feedforward
network with transient synthetic features
- Title（参考訳）: 過渡合成特性を有する深部フィードフォワードネットワークに基づく三相PWM整流器の故障診断
- Authors: Kou Lei, Liu Chuang, Cai Guo-Wei, Zhang Zhe, Zhou Jia-Ning, Wang
Xue-Mei
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Three-phase PWM rectifiers are adopted extensively in industry because of
their excellent properties and potential advantages. However, while the IGBT
has an open-circuit fault, the system does not crash suddenly, the performance
will be reduced for instance voltages fluctuation and current harmonics. A
fault diagnosis method based on deep feedforward network with transient
synthetic features is proposed to reduce the dependence on the fault
mathematical models in this paper, which mainly uses the transient phase
current to train the deep feedforward network classifier. Firstly, the features
of fault phase current are analyzed in this paper. Secondly, the historical
fault data after feature synthesis is employed to train the deep feedforward
network classifier, and the average fault diagnosis accuracy can reach 97.85%
for transient synthetic fault data, the classifier trained by the transient
synthetic features obtained more than 1% gain in performance compared with
original transient features. Finally, the online fault diagnosis experiments
show that the method can accurately locate the fault IGBTs, and the final
diagnosis result is determined by multiple groups results, which has the
ability to increase the accuracy and reliability of the diagnosis results. (c)
2020 ISA. Published by Elsevier Ltd. All rights reserved.
- Abstract（参考訳）: 三相pwm整流器はその優れた特性と潜在的な利点のために産業で広く採用されている。
しかし、IGBTは開回路の故障があるものの、システムが突然クラッシュするわけではなく、電圧変動や電流高調波などの性能が低下する。
本稿では, 過渡相電流を主成分とし, 過渡相電流を用いてディープフィードフォワードネットワーク分類器を訓練する, 過渡的合成特徴を有するディープフィードフォワードネットワークに基づく故障診断手法を提案する。
まず, 断層相電流の特徴を解析する。
第2に、深度フィードフォワードネットワーク分類器を訓練するために、特徴合成後の歴史的断層データを使用し、その平均断層診断精度は、過渡合成断層データに対して97.85%に達する。
最後に, オンライン断層診断実験により, 故障IGBTを正確に検出でき, 診断結果の精度と信頼性を高める能力を有する複数のグループの結果によって最終診断結果が決定されることを示した。
(c)2020年ISA。
エルゼビア社出版。
権利は保留。
関連論文リスト
- DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。
The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
論文 参考訳（メタデータ） (2023-12-02T22:57:25Z) - TSViT: A Time Series Vision Transformer for Fault Diagnosis [2.710064390178205]
本稿では,効率的な故障診断のための時系列ビジョン変換器(TSViT)を提案する。
TSViTは畳み込み層を組み込み、振動信号から局所的な特徴を抽出する。
TSViTは2つのテストセットで前例のない平均精度を達成し、もう1つのテストセットで99.99%を達成している。
論文 参考訳（メタデータ） (2023-11-12T18:16:48Z) - Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。
具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。
アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
論文 参考訳（メタデータ） (2023-08-06T05:58:45Z) - Towards Long-Term Time-Series Forecasting: Feature, Pattern, and
Distribution [57.71199089609161]
長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。
トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。
LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
論文 参考訳（メタデータ） (2023-01-05T13:59:29Z) - Data-driven design of fault diagnosis for three-phase PWM rectifier
using random forests technique with transient synthetic features [2.382536770336505]
3相パルス幅変調(PWM)は通常、絶縁ゲートバイポーラトランジスタ(IGBT)の開回路欠陥の発生時に動作を維持することができる。
データ駆動型オンライン故障診断手法を提案する。
論文 参考訳（メタデータ） (2022-11-02T05:48:30Z) - Fault diagnosis for open-circuit faults in NPC inverter based on
knowledge-driven and data-driven approaches [2.22076315914821]
ニュートラルポイントクランプ(NPC)インバータの開回路異常診断と位置問題について分析する。
NPCインバータの絶縁ゲートバイポーラトランジスタ(IGBT)の開回路障害に対して,知識駆動およびデータ駆動に基づく新しい故障診断手法が提案された。
論文 参考訳（メタデータ） (2022-10-31T04:33:53Z) - Fault Diagnosis for Power Electronics Converters based on Deep
Feedforward Network and Wavelet Compression [5.70513135030323]
本稿では, 送電網とウェーブレット圧縮に基づくパワーエレクトロニクスコンバータの故障診断手法を提案する。
故障診断分類器の平均精度は97%を超える。
論文 参考訳（メタデータ） (2022-10-27T07:34:50Z) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳（メタデータ） (2022-08-31T18:19:25Z) - Fault Detection and Diagnosis with Imbalanced and Noisy Data: A Hybrid
Framework for Rotating Machinery [2.580765958706854]
回転機械製造システムの保守コスト低減には, 故障診断が重要な役割を担っている。
従来のフォールト検出および診断(FDD)フレームワークは、現実の状況に対処する際のパフォーマンスが劣っている。
本稿では、上記の3つのコンポーネントを用いて、効果的な信号ベースFDDシステムを実現するハイブリッドフレームワークを提案する。
論文 参考訳（メタデータ） (2022-02-09T01:09:59Z) - Transfer Learning for Fault Diagnosis of Transmission Lines [55.971052290285485]
事前学習されたLeNet-5畳み込みニューラルネットワークに基づく新しい伝達学習フレームワークを提案する。
ソースニューラルネットワークから知識を転送して、異種ターゲットデータセットを予測することで、異なる伝送ラインの長さとインピーダンスの障害を診断することができる。
論文 参考訳（メタデータ） (2022-01-20T06:36:35Z) - Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase
Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。
チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文 参考訳（メタデータ） (2021-12-18T14:17:49Z)
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。