論文の概要: Fault Diagnosis for Power Electronics Converters based on Deep Feedforward Network and Wavelet Compression

• arxiv url: http://arxiv.org/abs/2211.02632v1
• Date: Thu, 27 Oct 2022 07:34:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-13 23:46:20.436627
• Title: Fault Diagnosis for Power Electronics Converters based on Deep Feedforward Network and Wavelet Compression
• Title（参考訳）: ディープフィードフォワードネットワークとウェーブレット圧縮を用いたパワーエレクトロニクスコンバータの故障診断
• Authors: Lei Kou, Chuang Liu, Guowei Cai, Zhe Zhang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.70513135030323
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A fault diagnosis method for power electronics converters based on deep feedforward network and wavelet compression is proposed in this paper. The transient historical data after wavelet compression are used to realize the training of fault diagnosis classifier. Firstly, the correlation analysis of the voltage or current data running in various fault states is performed to remove the redundant features and the sampling point. Secondly, the wavelet transform is used to remove the redundant data of the features, and then the training sample data is greatly compressed. The deep feedforward network is trained by the low frequency component of the features, while the training speed is greatly accelerated. The average accuracy of fault diagnosis classifier can reach over 97%. Finally, the fault diagnosis classifier is tested, and final diagnosis result is determined by multiple-groups transient data, by which the reliability of diagnosis results is improved. The experimental result proves that the classifier has strong generalization ability and can accurately locate the open-circuit faults in IGBTs.
• Abstract（参考訳）: 本稿では,ディープフィードフォワードネットワークとウェーブレット圧縮に基づく電力変換器の故障診断手法を提案する。 ウェーブレット圧縮後の過渡履歴データを用いて故障診断分類器の訓練を実現する。 まず、様々な故障状態で動作する電圧または電流データの相関解析を行い、冗長な特徴とサンプリング点を除去する。 次に、ウェーブレット変換を使用して、機能の冗長なデータを削除し、トレーニングサンプルデータが大幅に圧縮される。 ディープフィードフォワードネットワークは特徴の低周波成分によってトレーニングされ、トレーニング速度は大幅に加速される。 故障診断分類器の平均精度は97%以上に達する。 最後に、故障診断分類器のテストを行い、診断結果の信頼性を向上させる多群過渡データにより最終診断結果を決定する。 実験の結果, 分類器の一般化能力は強く, IGBT の開回路欠陥を正確に検出できることがわかった。

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)
• Achieving Reliable and Fair Skin Lesion Diagnosis via Unsupervised Domain Adaptation [43.1078084014722]
  教師なしドメイン適応(UDA)は、信頼性の高い分類器を開発するために、大きな外部データセットを統合することができる。 UDAは少数派に対する偏見を効果的に軽減し、診断システムの公平性を高めることができる。
  論文  参考訳（メタデータ） (2023-07-06T17:32:38Z)
• 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 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)
• 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)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• 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。