論文の概要: Classification of Single and Mixed Partial Discharges under Switching Voltage Using an AWA-CNN Framework

• arxiv url: http://arxiv.org/abs/2605.21352v1
• Date: Wed, 20 May 2026 16:16:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.776496
• Title: Classification of Single and Mixed Partial Discharges under Switching Voltage Using an AWA-CNN Framework
• Title（参考訳）: AWA-CNNを用いたスイッチング電圧下での単一・混合部分放電の分類
• Authors: Md Rafid Kaysar Shagor, Zannatul Ferdousy Mouri, Farhina Haque, Anindya Bijoy Das,
• Abstract要約: 本研究では,スイッチング電圧励振下でのソース指向部分放電(PD)解析のための振幅幅領域(AWA)パターン表現を提案する。 AWAパターンは、スイッチング電圧励起の下での多クラスPDソース分類に適したPDパルスの視覚的表現を提供する。
• 参考スコア（独自算出の注目度）: 2.939891130492345
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The growing use of fast-switching power electronics has made partial discharge (PD) analysis under switching-voltage excitation increasingly important, yet more challenging than under sinusoidal conditions due to activity concentrated at voltage transitions. This work presents an Amplitude-Width-Area (AWA) pattern representation for source-oriented PD analysis under switching-voltage excitation. In the proposed method, time domain PD pulses are characterized using pulse amplitude, width, and area, and mapped into a visual pattern where amplitude and area define the coordinate axes and width is encoded by color. The generated AWA patterns are used to distinguish six single and mixed PD source conditions: corona, internal, surface, corona+internal, corona+surface, and internal+surface. To evaluate the classification capability of the proposed representation, a Random Forest baseline and two Convolutional Neural Network (CNN) models, InceptionV3 and ResNet-18, are compared. The AWA patterns show distinguishable source-dependent distributions, and CNN-based classification achieves testing accuracy above 96%, compared with 73.33% for Random Forest. The results indicate that AWA patterns provide a visual representation of PD pulses suitable for multi-class PD source classification under switching-voltage excitation.
• Abstract（参考訳）: 高速スイッチングパワーエレクトロニクスの使用の増加により、スイッチング電圧励起下での部分放電(PD)分析がますます重要になっているが、電圧遷移に集中した活動により正弦波条件下ではより難しい。 本研究では,スイッチング電圧励起の下でのソース指向PD解析のための振幅幅領域(AWA)パターン表現を提案する。 提案手法では、パルス振幅、幅、面積を用いて時間領域PDパルスを特徴付け、振幅と面積が座標軸と幅を色で符号化する視覚パターンにマッピングする。 生成されたAWAパターンは、コロナ、内部、表面、コロナ+内部、コロナ+表面、および内部+表面の6つのPDソース条件を区別するために使用される。 提案した表現の分類能力を評価するために,ランダムフォレストベースラインと2つの畳み込みニューラルネットワークモデルであるInceptionV3とResNet-18を比較した。 AWAパターンは、ソースに依存した分布を示し、CNNに基づく分類は、ランダムフォレストでは73.33%と、96%以上の精度でテストを行う。 その結果,AWAパターンはスイッチング電圧励起下での多クラスPDソース分類に適したPDパルスの視覚的表現を提供することがわかった。

関連論文リスト

• PhysNeXt: Next-Generation Dual-Branch Structured Attention Fusion Network for Remote Photoplethysmography Measurement [50.524262997433546]
  ハーモグラフィーは、心臓の脈動によって引き起こされる顔の皮膚の色変化を分析し、心拍数やその他の重要な兆候を測定することができる。 現在の手法は主に生のビデオからエンド・ツー・エンドのモデリング、または微妙な心拍マップ(ST)表現に基づいている。 本稿では,ビデオフレームとST表現を併用したデュアルインプットディープラーニングフレームワークであるPhysMapXtを提案する。
  論文  参考訳（メタデータ） (2026-03-20T08:37:02Z)
• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• Power Battery Detection [91.99787495748218]
  電力電池は、内部構造欠陥が深刻な安全リスクを生じさせる電気自動車において必須の部品である。 我々は,X線画像から陰極および陽極板の密集端を局所化し,品質検査を行うことを目的として,電力電池検出(PBD)に関する総合的研究を行った。 PBD5Kは,9種類のバッテリタイプから5,000枚のX線画像と8種類の実世界の視覚的干渉を含む,このタスクのための最初の大規模ベンチマークである。
  論文  参考訳（メタデータ） (2025-08-11T09:35:25Z)
• Investigation of the Effects of the Multiplication Area Shape on the Operational Parameters of InGaAs/InAlAs SPADs [75.38606213726906]
  構造体の活性領域の直径を変えると、電流-電圧曲線の線形部分の暗流が変化する。 現在の電圧曲線のみに基づいて、バッチから特定のSPADを選択するのは合理的である。
  論文  参考訳（メタデータ） (2023-10-06T10:38:14Z)
• Generalizable Classification of UHF Partial Discharge Signals in Gas-Insulated HVDC Systems Using Neural Networks [0.0]
  非検出部分放電(PDs)は、高圧(HV)ガス絶縁系の安全上の重要な問題である。 本稿では,HVDC GISの絶縁体上での金属突起および導電性粒子によるPD信号の分類のためのニューラルネットワークに基づくアプローチを提案し,解析する。
  論文  参考訳（メタデータ） (2023-07-17T13:21:02Z)
• Exploring Invariant Representation for Visible-Infrared Person Re-Identification [77.06940947765406]
  異なるスペクトルを横断する歩行者にアイデンティティを関連付けることを目的とした、クロススペクトルの人物再識別は、モダリティの相違の主な課題に直面している。 本稿では、ロバスト機能マイニングネットワーク(RFM)と呼ばれるエンドツーエンドのハイブリッド学習フレームワークにおいて、画像レベルと特徴レベルの両方の問題に対処する。 RegDBとSYSU-MM01という2つの標準的なクロススペクトル人物識別データセットの実験結果により,最先端の性能が示された。
  論文  参考訳（メタデータ） (2023-02-02T05:24:50Z)
• Fault Detection for Covered Conductors With High-Frequency Voltage Signals: From Local Patterns to Global Features [5.453001435164266]
  本稿では,クラスタリング手法に基づくパルス形状解析手法を提案する。 我々は、洞察に富んだ特徴を構築し、優れた検出性能を持つ新しい機械学習モデルを開発する。 提案したモデルは,カグル競技における勝利モデルよりも優れ,現場におけるリアルタイムな乱れを検出する最先端のソリューションを提供する。
  論文  参考訳（メタデータ） (2020-11-01T02:58:19Z)
• Interpretable Detection of Partial Discharge in Power Lines with Deep Learning [1.3535770763481902]
  部分放電(PD)は、電力系統の異常を示す一般的な指標である。 畳み込みニューラルネットワークに基づく新しいエンドツーエンドフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-13T11:52:02Z)
• EM-GAN: Fast Stress Analysis for Multi-Segment Interconnect Using Generative Adversarial Networks [2.7323347531070974]
  生成対向ネットワーク(GAN)を用いた多セグメント配線の高速過渡応力解析によるエレクトロマイグレーション(EM)故障評価法を提案する。 提案したアルゴリズムはEM-GANと呼ばれ、与えられた老化時間に対して、一般的なマルチセグメントワイヤツリーの正確な応力分布を迅速に得ることができる。
  論文  参考訳（メタデータ） (2020-04-27T21:18:11Z)

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。