文献

J-GLOBAL ID：201702221508284308   整理番号：17A1749983

交差ウェーブレット変換と主成分分析に基づく電力電子回路故障特徴抽出【JST・京大機械翻訳】

Fault feature extraction of power electronics circuits based on cross-wavelet transform and principle component analysis

著者 (4件)： Kuang Jing (合肥工業大学 電气与自動化工程学院,合肥,230001) ,  He Yigang (合肥工業大学 電气与自動化工程学院,合肥,230001) ,  Deng Fangming (合肥工業大学 電气与自動化工程学院,合肥,230001) ,  Shi Tiancheng (合肥工業大学 電气与自動化工程学院,合肥,230001)
資料名： Diance yu Yibiao  (Diance yu Yibiao)
巻： 54  号： 11  ページ： 1-7  発行年： 2017年 
JST資料番号： C3447A  ISSN： 1001-1390  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： 既存の電力電子回路の故障特徴抽出の特徴量の精度不足、分類の差異性が明らかでない、及び故障抽出過程がノイズによる影響を受けやすいなどの欠点に対して、交差ウェーブレット変換と主成分分析に基づく電力電子回路故障特徴抽出方法を提案した。まず第一に,交差ウェーブレット変換を用いて故障信号を解析し,次に,交差小スペクトル特性の特性行列を得て,次に,主成分分析法を用いて特徴行列の次元を減らし,特徴ベクトルの冗長情報を除去した。BP神経回路網による故障診断のシミュレーション試験により,診断精度は98.2%に達し,この方法の正確さを証明した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *電子回路 ,  *ウェーブレット変換 ,  故障診断 ,  *特徴抽出 ,  *電力 ,  雑音 ,  シミュレーション ,  *主成分分析 ,  *故障 ,  神経回路網
準シソーラス用語： 診断精度 ,  特徴ベクトル ,  スペクトル特性 ,  特徴量 ,  *回路故障 , 【Automatic Indexing@JST】

著者キーワード (4件)： power electronics circuits ,  feature extraction ,  cross-wavelet ,  principle component analysis

分類 (2件)： その他のシステムプログラミング  (JD03070M) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (6件)： 交差 ,  ウェーブレット変換 ,  主成分分析 ,  電子回路 ,  故障 ,  特徴抽出