文献

J-GLOBAL ID：201702268672058211   整理番号：17A1265420

EEMDとRBF(動径基底関数)ニューラルネットワークに基づく高電圧遮断器の機械故障診断法【Powered by NICT】

Machinery fault diagnosis method of HV circuit breaker based on EEMD and RBF neural network

著者 (5件)： Bing Li (1HLJ Province Key Lab of Senior-Education for Electronic Engineering (Heilongjiang University), Harbin, China, 150080) ,  Mingliang Liu (1HLJ Province Key Lab of Senior-Education for Electronic Engineering (Heilongjiang University), Harbin, China, 150080) ,  Ping Yang (1HLJ Province Key Lab of Senior-Education for Electronic Engineering (Heilongjiang University), Harbin, China, 150080) ,  Yaowen Xing (1HLJ Province Key Lab of Senior-Education for Electronic Engineering (Heilongjiang University), Harbin, China, 150080) ,  Quanwei Peng (1HLJ Province Key Lab of Senior-Education for Electronic Engineering (Heilongjiang University), Harbin, China, 150080)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCDC  ページ： 2115-2120  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： HV回路は電力系統の分野で重要な交換機の一種である。電力系統の安全性と信頼性を改善するために,高電圧遮断器の故障診断についての研究が必要であり,特に機械的故障である。HV回路遮断器の機械的故障診断の研究分野では,診断プロセスは三段階:信号取得,特徴抽出と故障同定を含んでいる。故障同定の方法は主に三つの側面に分割でき,モデル同定,信号識別と知識同定である。本論文では,アンサンブル経験的モード分解(EEMD)は特徴抽出のために使用し,次にエエムド カラクテリスト酸エントロピーを得ることができた。しかし,高電圧回路遮断器の機械的作用の頻度が非常に少ない,エエムド カラクテリスト酸エントロピーに関する実験データが貴重な,既存の試料に強く依存。分類問題に対して,本研究では,認識ツールとして作用する動径基底関数(RBF)ニューラルネットワークは,故障診断に用いた。本研究の全過程はつぎのものを含む:信号取得,特徴抽出,故障診断。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *故障 ,  エントロピー ,  信頼性 ,  *動径基底関数 ,  電力系統 ,  *故障診断 ,  *ニューラルネットワーク ,  信号弁別 ,  交換機 ,  特徴抽出 ,  *遮断器 ,  安全性
準シソーラス用語： アンサンブル経験的モード分解 ,  モデル同定 ,  *機械故障 , 【Automatic Indexing@JST】

分類 (3件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： RbF ,  動径基底関数 ,  ニューラルネットワーク ,  高電圧 ,  遮断器 ,  機械故障 ,  診断法