文献

J-GLOBAL ID：201802241368262735   整理番号：18A1573890

モジュール化五レベルインバータサブモジュール開路故障の知的診断法【JST・京大機械翻訳】

Intelligent Diagnosis Method for Open-circuit Fault of Sub-modules in Modular Five-level Inverter

著者 (4件)： Yin Qiaoxuan (智能計算与信息処理教育部重点実験室,湘潭大学,湖南省湘潭市 411105;湖南省風電装備与電能変換協同創新中心,湘潭大学,湖南省湘潭市 411105) ,  Duan Bin (智能計算与信息処理教育部重点実験室,湘潭大学,湖南省湘潭市 411105;湖南省風電装備与電能変換協同創新中心,湘潭大学,湖南省湘潭市 411105) ,  Chen Mengjun (智能計算与信息処理教育部重点実験室,湘潭大学,湖南省湘潭市 411105) ,  Qu Xiangshuai (智能計算与信息処理教育部重点実験室,湘潭大学,湖南省湘潭市 411105;湖南省風電装備与電能変換協同創新中心,湘潭大学,湖南省湘潭市 411105)
資料名： Dianli Xitong Zidonghua  (Dianli Xitong Zidonghua)
巻： 42  号： 12  ページ： 127-133,147  発行年： 2018年 
JST資料番号： C2510A  ISSN： 1000-1026  CODEN： DXZIE9  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： 深い学習理論に基づいて,スタックスパース自動符号器(SSAE)に基づくモジュール化五レベルインバータ(MFLI)サブモジュールの開路故障診断方法を提案した。MFLIサブモジュールの開路故障検出と位置決定問題を,最初に,サブモジュールの容量電圧信号を24チャネルシーケンス信号に統合し,次に,24×40スライディングウィンドウの24チャネルシーケンスに沿って,データバンドのサンプルを得た。次に「データベルト」をベクトル入力からSSAEに移し、階層的な教師なし特徴学習を行い、原始故障データセットの深層特徴簡明表現を構築し、最後に深層特徴簡明表現をSoftmax分類器出力故障診断結果に連結する。さらに,この方法の雑音耐性を改善するために,Gauss白色雑音を付加したデータを用いて,SSAEを訓練し,特徴表現のロバスト性を改善した。結果により、提案した故障診断方法の平均精度は98.09%に達し、故障の平均診断時間は31.47msであり、しかも高いロバスト性を有することが明らかになった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ベクトル ,  *開路 ,  学習 ,  白色雑音 ,  チャネル ,  符号器 ,  故障検出 ,  故障診断 ,  ロバスト性 ,  *故障 ,  深層 ,  位置決め ,  雑音安定度
準シソーラス用語： スライディングウィンドウ ,  *モジュール化 , 【Automatic Indexing@JST】

著者キーワード (5件)： modular five-level inverter (MFLI) ,  unsupervised feature learning ,  stacked sparse auto-encoder (SSAE) ,  intelligent diagnosis ,  open-circuit fault

分類 (2件)： 電力系統一般  (NB02000E) ,  送電  (NB05030G)

タイトルに関連する用語 (4件)： モジュール化 ,  開路 ,  故障 ,  診断法