論文の概要: A Random Forest and Current Fault Texture Feature-Based Method for
Current Sensor Fault Diagnosis in Three-Phase PWM VSR
- arxiv url: http://arxiv.org/abs/2211.03789v1
- Date: Tue, 8 Nov 2022 04:50:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 16:56:34.105933
- Title: A Random Forest and Current Fault Texture Feature-Based Method for
Current Sensor Fault Diagnosis in Three-Phase PWM VSR
- Title（参考訳）: 3相PWM VSRにおける電流センサ故障診断のためのランダムフォレストと電流故障テクスチャ特性に基づく手法
- Authors: Lei Kou, Xiao-dong Gong, Yi Zheng, Xiu-hui Ni, Yang Li, Quan-de Yuan
and Ya-nan Dong
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 9.474381946731256
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Three-phase PWM voltage-source rectifier (VSR) systems have been widely used
in various energy conversion systems, where current sensors are the key
component for state monitoring and system control. The current sensor faults
may bring hidden danger or damage to the whole system; therefore, this paper
proposed a random forest (RF) and current fault texture feature-based method
for current sensor fault diagnosis in three-phase PWM VSR systems. First, the
three-phase alternating currents (ACs) of the three-phase PWM VSR are collected
to extract the current fault texture features, and no additional hardware
sensors are needed to avoid causing additional unstable factors. Then, the
current fault texture features are adopted to train the random forest current
sensor fault detection and diagnosis (CSFDD) classifier, which is a data-driven
CSFDD classifier. Finally, the effectiveness of the proposed method is verified
by simulation experiments. The result shows that the current sensor faults can
be detected and located successfully and that it can effectively provide fault
locations for maintenance personnel to keep the stable operation of the whole
system.
- Abstract（参考訳）: 3相PWM電圧源整流器 (VSR) システムは様々なエネルギー変換システムで広く使われており、現在のセンサが状態監視とシステム制御の鍵となる。
そこで本稿では,三相PWM VSRシステムにおけるセンサ故障診断のためのランダムフォレスト(RF)と電流故障テクスチャ特徴に基づく手法を提案する。
第1に、三相pwmvsrの三相交流電流(acs)を収集して、現在の断層テクスチャ特徴を抽出し、さらに不安定な要因を生じさせないために、追加のハードウェアセンサは不要である。
次に、データ駆動型CSFDD分類器であるランダムフォレスト電流センサ故障検出診断(CSFDD)分類器を訓練するために、電流故障テクスチャ特徴を採用する。
最後に,提案手法の有効性をシミュレーション実験により検証した。
その結果、現在のセンサの故障を検知して位置決めし、保守要員の故障箇所を効果的に提供し、システム全体の安定した動作を維持することが可能となる。
関連論文リスト
- Rolling Shutter Correction with Intermediate Distortion Flow Estimation [55.59359977619609]
本稿では,グローバルシャッタ(GS)からRSへの歪み流を直接推定することにより,ローリングシャッタ(RS)歪み画像を補正することを提案する。
既存の手法は通常、RSからGSへの非歪流を用いて補正を行う。
本稿では,歪み流を直接推定し,後方ワープ操作でRS像を補正する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-09T14:40:54Z) - A Data-Driven Approach for High-Impedance Fault Localization in
Distribution Systems [5.6874061098584345]
低電流のため, 従来の過電流リレーによるHIFの検出は困難である。
本稿では,HIFイベントの識別のためのデータ駆動型手法を提案する。
論文 参考訳（メタデータ） (2023-11-26T02:52:37Z) - 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) - Sensor Fault Detection and Isolation in Autonomous Nonlinear Systems
Using Neural Network-Based Observers [6.432798111887824]
センサ故障検出分離法(s-FDI)は一般的な非線形システムに適用される。
このアプローチの主な側面は、ニューラルネットワークベースのKazantzis-Kravaris/Luenberger(KKL)オブザーバの利用である。
論文 参考訳（メタデータ） (2023-04-18T09:05:07Z) - 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) - 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) - 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) - Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。
異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
論文 参考訳（メタデータ） (2021-07-28T10:19:58Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z)
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。