文献

J-GLOBAL ID：201602253846756056   整理番号：16A0840477

部分放電認識のための人工ニューラルネットワーク適用:調査と今後の方向性

Artificial Neural Network Application for Partial Discharge Recognition: Survey and Future Directions

著者 (7件)： MAS’UD Abdullahi Abubakar (Jubail Industrial Coll., Jubail, SAU) ,  ALBARRACIN Ricardo (Universidad Politecnica de Madrid, Madrid, ESP) ,  ARDILA-REY Jorge Alfredo (Federico Santa Maria Technical Univ., Santiago de Chile, CHL) ,  MUHAMMAD-SUKKI Firdaus (Robert Gordon Univ., Aberdeen, GBR) ,  ILLIAS Hazlee Azil (Univ. Malaya, Kuala Lumpur, MYS) ,  BANI Nurul Aini (Universiti Teknologi Malaysia, Kuala Lumpur, MYS) ,  MUNIR Abu Bakar (Univ. Malaya, Kuala Lumpur, MYS)
資料名： Energies (Web)  (Energies (Web))
巻： 9  号： 8  ページ： WEB ONLY  発行年： 2016年08月 
JST資料番号： U7016A  ISSN： 1996-1073  CODEN： ENERGA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 人工のニューラル・ネットワーク(ANNs)が部分放電(PD)パターン認識のためにどのように適用されたかを調査するために,本論文は文献調査により,PD分類のためのANN開発でなされた最近の進捗をレビューしている。数人の著者からの寄与が,提示され議論されている。高い認識率がくつかのPD失敗により記録されたが,産業環境からの大きな振幅雑音や典型的な広いスペクトル成分,最適なANN決定における試行錯誤手法,同時に作用する複数のPDソース,包括的で今までのPD失敗データバンクの不足,研究者により現在取り組まれている,ソース型の正確な認識を可能にする特性の適切な選択等の,ANNによるPDの正確な認識を妨げる多くの要素が,今なおある。改良のための幾つかの提案が,著者らにより提唱されている;(1)ANN訓練における幾つかの重みづけの決定;(2)ANN訓練における長いストレス期間で捕捉されたPDデータの使用;(3)異なるPD劣化レベルを認識するANN;(4)異なるPDデータ集合を用いてANNを訓練して試験する時,PDパターンの同じ分解能サイズの使用;(5)複数の同時発生PD失敗の特性の理解およびそれらの効果的な理解,ならびに(6)PD認識のために適用されたANNの訓練時間を短縮するための技術の開発。最終的に本論文は,オンラインとオフラインのPD検知のためのANNsの持続性を評価して,現場における関係者の利点を概説している。ANNsはPDの劣化段階を求めることは可能であり,その結果,失敗の深刻度を付与する。(翻訳著者抄録)

シソーラス用語： *部分放電 ,  *ニューラルネットワーク ,  文献調査 ,  *パターン認識 ,  *分類 ,  *認識 ,  試行錯誤学習 ,  学習 ,  データベース ,  CPU時間
準シソーラス用語： *人工ニューラルネットワーク ,  *認識率 ,  シミュレーション訓練 ,  データバンク

分類 (1件)： 電子管,放電管  (NC02020D)

タイトルに関連する用語 (4件)： 部分放電 ,  人工ニューラルネットワーク ,  調査 ,  方向性