論文の概要: An adaptive multi-fuzzy logic model for diagnosing transformer faults using dynamic weight optimization

• arxiv url: http://arxiv.org/abs/2607.23486v1
• Date: Sun, 26 Jul 2026 06:21:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.128711
• Title: An adaptive multi-fuzzy logic model for diagnosing transformer faults using dynamic weight optimization
• Title（参考訳）: 動的重み最適化を用いた変圧器故障診断のための適応型多重ファジィ論理モデル
• Abstract要約: 早期電源変圧器故障の診断には, 溶存ガス分析(DGA)が重要である。 従来のDGA法は不整合であり、特に複数の故障条件において精度が異なる。 本稿では,複数のDGA手法とファジィ論理と動的重み調整機構を組み合わせた適応型マルチファジィ論理モデルを提案する。
• 参考スコア（独自算出の注目度）: 0.15293427903448018
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dissolved gas analysis (DGA) is crucial for diagnosing early power transformer failures. Traditional DGA interpretation methods like Duval Triangle, IEC ratio, Roger ratio, Doernenburg ratio and Key Gas are inconsistent and vary in accuracy, especially for multiple fault conditions. We propose an Adaptive Multi-Fuzzy Logic (AMFL) model integrating multiple DGA methods with fuzzy logic and a dynamic weight adjustment mechanism. Unlike existing approaches with fixed weights, this system iteratively evaluates each method's diagnostic performance, identifies multiple fault types, and adjusts weights based on fault prediction accuracy. A feedback-based optimization recalibrates weights after each cycle to ensure optimal solution convergence. The model, implemented in MATLAB/Simulink, is validated against DGA datasets with known error conditions. Results show the AMFL model significantly improves diagnostic accuracy, especially in complex error scenarios, and enhances adaptability to new datasets. Comparative analysis demonstrates the proposed method outperforms traditional fixed weight multi-fuzzy systems in accuracy, consistency, and reliability of error detection. This work provides a robust, flexible diagnostic tool for transformer condition monitoring and supports more accurate asset management decisions.
• Abstract（参考訳）: 早期電源変圧器故障の診断には, 溶存ガス分析(DGA)が重要である。 Duval Triangle、IEC ratio、Roger ratio、Doernenburg ratio、Key Gasといった従来のDGA解釈法は不整合であり、特に複数の故障条件において精度が異なる。 本稿では,複数のDGA手法とファジィ論理と動的重み調整機構を組み合わせた適応型マルチファジィ論理(AMFL)モデルを提案する。 固定重み付き既存手法とは異なり、本システムは各手法の診断性能を反復的に評価し、複数の故障タイプを特定し、故障予測精度に基づいて重みを調整する。 フィードバックに基づく最適化は、各サイクル後の重みを補正し、最適解収束を保証する。 MATLAB/Simulinkで実装されたこのモデルは、既知のエラー条件を持つDGAデータセットに対して検証される。 その結果、AMFLモデルは、特に複雑なエラーシナリオにおいて、診断精度を大幅に改善し、新しいデータセットへの適応性を高めた。 比較分析により,提案手法は従来の固定重み付き多重ファジィシステムよりも精度,一貫性,エラー検出の信頼性に優れていた。 この作業は、トランスフォーマー条件監視のための堅牢で柔軟な診断ツールを提供し、より正確なアセット管理決定をサポートする。

関連論文リスト

• Optimized Fuzzy Logic Approach with the IEEE Key Gas Method for Diagnosing Power Transformer Faults Using Dissolved Gas Analysis [0.15293427903448018]
  IEEE Key Gas Method (KGM) は曖昧なデータに対処し、高い診断精度を保証する。 本研究では,Fuzzy Logic と IEEE Key Gas Method (FL-KGM) を組み合わせた拡張モデルを提案する。 実世界のデータセットを用いた実験的検証は、FL-KGMが最大98.6%の精度で達成し、KGMや他のFLベースのアプローチを著しく上回っていることを示している。
  論文  参考訳（メタデータ） (2026-07-28T12:36:59Z)
• Variational Rectification Inference for Learning with Noisy Labels [74.85528327499662]
  損失関数の適応的補正を定式化するために, 変分補正推論(VRI)を提案する。 VRIは、補正ベクトルを潜在変数として扱うことによって階層ベイズとして構成される。 VRIで変分項を導入することにより、条件付き後部を正確に推定し、ディラックデルタ関数への崩壊を避ける。
  論文  参考訳（メタデータ） (2026-03-18T01:25:08Z)
• Fault Diagnosis and Quantification for Photovoltaic Arrays based on Differentiable Physical Models [8.71780347170974]
  本稿では,微分可能な高速故障シミュレーションモデル(DFFSM)に基づくPV弦の新しい故障定量化手法を提案する。 提案したDFFSMは、複数の断層下でのI-V特性を正確にモデル化し、断層パラメータに関する解析的勾配を提供する。 シミュレーションおよび測定されたI-V曲線の実験結果から,提案したGFPIは異なる断層間で高い定量化精度を示し,I-V再構成誤差は3%以下であった。
  論文  参考訳（メタデータ） (2025-12-18T22:19:25Z)
• Flexible Gravitational-Wave Parameter Estimation with Transformers [73.44614054040267]
  本稿では,予測時間における多様な解析設定への適応を可能にする,フレキシブルトランスフォーマーベースのアーキテクチャをトレーニング戦略と組み合わせて導入する。 我々は、Dingo-T1と呼ばれる単一のフレキシブルモデルが、第3のLIGO-Virgo-KAGRA観測ランから48の重力波イベントを解析できることを実証した。
  論文  参考訳（メタデータ） (2025-12-02T17:49:08Z)
• A many-objective evolutionary algorithm using indicator-driven weight vector optimization [7.849314686124955]
  本研究では,ハイパーボリュームインジケータを簡略化した適応多目的進化アルゴリズムを提案する。 重みベクトルの自己適応的および動的調整を容易にするために、分解に基づく手法でインジケータ評価手法を合成する。 実験結果から,提案アルゴリズムは6つの最先端アルゴリズムと比較して効率的かつ効果的であることが示された。
  論文  参考訳（メタデータ） (2025-10-03T04:14:24Z)
• GNN-ASE: Graph-Based Anomaly Detection and Severity Estimation in Three-Phase Induction Machines [0.0]
  本稿では,誘導機の故障診断にグラフニューラルネットワーク(GNN)を用いたモデルフリーアプローチを提案する。 提案したGNN-ASEモデルは,生の入力から関連する特徴を自動的に学習し,抽出する。 個別断層検出と複合断層条件の多クラス分類について評価した。
  論文  参考訳（メタデータ） (2025-07-23T01:50:07Z)
• Feature-Weighted MMD-CORAL for Domain Adaptation in Power Transformer Fault Diagnosis [2.7898966850590625]
  本研究では,最大平均離散度(MMD)と相関アライメント(CORAL)と特徴特化重み付け(MCW)を組み合わせた特徴重み付きドメイン適応手法を提案する。 MMD-CORAL (MC) よりも7.9%改善し、2.2%改善した電力変圧器用データセットの実験的評価により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2025-05-20T20:44:35Z)
• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• An optimized fuzzy logic model for proactive maintenance [0.0]
  ITTFLMは5msで出力を生成でき、このモデルでは、トラペゾイダルのメンバーシップ関数に基づくモデルが高精度に故障状態を識別することを示した。 ITTFLMは、植物機械からリアルタイムで収集されたファンデータに基づいてテストされた。
  論文  参考訳（メタデータ） (2022-12-24T15:49:46Z)
• Relational Reasoning via Set Transformers: Provable Efficiency and Applications to MARL [154.13105285663656]
  置換不変エージェントフレームワークを用いたMARL(Multi-A gent R einforcement Learning)は,実世界のアプリケーションにおいて大きな実証的成功を収めた。 残念なことに、このMARL問題の理論的理解は、多くのエージェントの呪いと、既存の著作における関係推論の限定的な探索によって欠落している。 モデルフリーアルゴリズムとモデルベースアルゴリズムの最適度差は各エージェント数に独立して対数的であり、多くのエージェントの呪いを和らげる。
  論文  参考訳（メタデータ） (2022-09-20T16:42:59Z)
• System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
  人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。 このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
  論文  参考訳（メタデータ） (2022-08-30T20:16:17Z)
• Stable Prediction with Model Misspecification and Agnostic Distribution Shift [41.26323389341987]
  機械学習アルゴリズムでは、2つの主要な仮定が性能を保証するために必要である。 1つは、トレーニングデータと同じ分布からテストデータが引き出され、もう1つは、モデルが正しく指定されていることである。 モデルのミススペクテーションの下では、トレーニングデータとテストデータの間の分布シフトは、パラメータ推定の不正確さと未知のテストデータ間の予測の不安定性をもたらす。 可変デコリレーション正規化器と重み付き回帰モデルとを協調的に最適化する新しいDecororrelated Weighting Regression (DWR)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-31T08:56:35Z)

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。