文献

J-GLOBAL ID：201702274230713537   整理番号：17A0095026

時間-周波数領域に基づく水力タービン発電機の組局放信号の特徴抽出方法を提案した。【JST・京大機械翻訳】

Feature extraction of generator partial discharge signals using time-frequency manifolds

著者 (4件)： Wu Hua (Institute of Water Resources and Hydro-Electric Engineering, Xi’an University of Technology) ,  Jia Rong (Institute of Water Resources and Hydro-Electric Engineering, Xi’an University of Technology) ,  Luo Xingqi (Institute of Water Resources and Hydro-Electric Engineering, Xi’an University of Technology) ,  Xie Yongtao (Institute of Water Resources and Hydro-Electric Engineering, Xi’an University of Technology)
資料名： Shuili Fadian Xuebao  (Shuili Fadian Xuebao)
巻： 35  号： 9  ページ： 55-62  発行年： 2016年 
JST資料番号： C2170A  ISSN： 1003-1243  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 水力発電機の部分放電信号の特性を正確に抽出することは,発電機のオンライン監視にとって非常に重要である。本論文では,時間領域に基づく発電機の部分放電信号の特徴抽出法を提案した。まず第一に,部分空間再構成アルゴリズムを用いて,PD信号の時間-周波数分布を得て,PD信号の時間-周波数多様体を構築するために,部分放電(PD)の時間領域信号をいくつかの部分列に変換した。次に,局所線形埋込みアルゴリズム(LLE)を用いて,高次元データを低次元空間に写像し,低次元空間におけるPD信号の特徴パラメータを抽出した。最後に,K-最近傍分類装置(KNNC)の故障診断モデルを用いて,発電機の異なる部分放電のパターン認識を実現し,その故障認識率は95%以上であった。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *水力エネルギー ,  故障診断 ,  部分放電 ,  *特徴抽出 ,  *周波数領域 ,  分類装置 ,  *周波数 ,  水力発電
準シソーラス用語： 認識率 ,  特徴パラメータ ,  低次元 ,  部分空間 ,  時間領域 ,  オンライン監視 ,  *タービン発電機 , 【Automatic Indexing@JST】

著者キーワード (5件)： generator ,  partial discharge ,  time-frequency manifold ,  manifold learning ,  locally linear embedding

分類 (3件)： 液体・固体中の放電  (BJ03030E) ,  信号理論  (ND02020G) ,  絶縁材料  (NA04030W)

タイトルに関連する用語 (5件)： 周波数領域 ,  水力 ,  タービン発電機 ,  特徴抽出 ,  提案