論文の概要: Data-driven design of fault diagnosis for three-phase PWM rectifier
using random forests technique with transient synthetic features
- arxiv url: http://arxiv.org/abs/2211.02631v1
- Date: Wed, 2 Nov 2022 05:48:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 17:11:22.123180
- Title: Data-driven design of fault diagnosis for three-phase PWM rectifier
using random forests technique with transient synthetic features
- Title（参考訳）: 過渡合成特性を有するランダム森林法を用いた3相PWM整流器の故障診断データ駆動設計
- Authors: Lei Kou, Chuang Liu, Guo-wei Cai, Jia-ning Zhou, Quan-de Yuan
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.382536770336505
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A three-phase pulse-width modulation (PWM) rectifier can usually maintain
operation when open-circuit faults occur in insulated-gate bipolar transistors
(IGBTs), which will lead the system to be unstable and unsafe. Aiming at this
problem, based on random forests with transient synthetic features, a
data-driven online fault diagnosis method is proposed to locate the
open-circuit faults of IGBTs timely and effectively in this study. Firstly, by
analysing the open-circuit fault features of IGBTs in the three-phase PWM
rectifier, it is found that the occurrence of the fault features is related to
the fault location and time, and the fault features do not always appear
immediately with the occurrence of the fault. Secondly, different data-driven
fault diagnosis methods are compared and evaluated, the performance of random
forests algorithm is better than that of support vector machine or artificial
neural networks. Meanwhile, the accuracy of fault diagnosis classifier trained
by transient synthetic features is higher than that trained by original
features. Also, the random forests fault diagnosis classifier trained by
multiplicative features is the best with fault diagnosis accuracy can reach
98.32%. Finally, the online fault diagnosis experiments are carried out and the
results demonstrate the effectiveness of the proposed method, which can
accurately locate the open-circuit faults in IGBTs while ensuring system
safety.
- Abstract（参考訳）: 三相パルス幅変調(PWM)整流器は、絶縁ゲートバイポーラトランジスタ(IGBT)で開回路障害が発生した場合の動作を維持でき、不安定で安全ではない。
そこで本研究では, 過渡的な合成特徴を持つランダム森林を指標として, IGBTのオープンサーキット障害をタイムリーかつ効果的に見つけるために, データ駆動型オンライン障害診断法を提案する。
第一に, 3相PWM整流器におけるIGBTの開回路欠陥の特徴を解析した結果, 断層の特徴の発生は断層の位置と時間と関係があり, 断層の特徴が常に直ちに現れるとは限らないことがわかった。
次に,異なるデータ駆動型故障診断法を比較し,評価することで,ランダムフォレストアルゴリズムの性能がサポートベクターマシンやニューラルネットワークよりも優れていることを示す。
一方,過渡的合成特徴量で訓練した故障診断分類器の精度は,元の特徴量よりも高い。
また、乗法的特徴によって訓練されたランダム森林断層診断分類器は、断層診断精度が98.32%に達するのに最適である。
最後に, オンライン断層診断実験を行い, システム安全性を確保しつつ, IGBTの開回路障害を正確に検出できる手法の有効性を実証した。
関連論文リスト
- Unraveling the "Anomaly" in Time Series Anomaly Detection: A
Self-supervised Tri-domain Solution [89.16750999704969]
異常ラベルは時系列異常検出において従来の教師付きモデルを妨げる。
自己教師型学習のような様々なSOTA深層学習技術がこの問題に対処するために導入されている。
自己教師型3領域異常検出器(TriAD)を提案する。
論文 参考訳（メタデータ） (2023-11-19T05:37:18Z) - A Comparison of Residual-based Methods on Fault Detection [6.675805308519987]
本研究では,産業システムにおける欠陥検出のための残差に基づく2つのアプローチを比較した。
性能評価は, 健康指標構築, 断層検出, 健康指標解釈の3つの課題に焦点をあてる。
その結果、両モデルとも平均20サイクルの遅延で故障を検出でき、偽陽性率を低く維持できることがわかった。
論文 参考訳（メタデータ） (2023-09-05T14:39:27Z) - 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) - A Random Forest and Current Fault Texture Feature-Based Method for
Current Sensor Fault Diagnosis in Three-Phase PWM VSR [9.474381946731256]
3相電圧ソース分類器(VSR)は、様々なエネルギー変換システムで広く使われている。
現在のセンサーの欠陥はシステム全体に隠れた危険や損傷をもたらす可能性がある。
本稿では,センサ故障診断のためのランダムフォレスト(RF)と電流断層テクスチャ特徴量に基づく手法を提案する。
論文 参考訳（メタデータ） (2022-11-08T04:50:18Z) - 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) - 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) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳（メタデータ） (2022-09-23T06:09:35Z) - 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) - 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) - 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)
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。