文献

J-GLOBAL ID：202002236146890120   整理番号：20A2277829

直接オンライン誘導電動機のための欲張り勾配最大カットベース故障診断【JST・京大機械翻訳】

Greedy-Gradient Max Cut-Based Fault Diagnosis for Direct Online Induction Motors

著者 (3件)： Zaman Shafi Md Kawsar (Department of Electrical and Computer Engineering, Memorial University of Newfoundland, St. John’s, NL, Canada) ,  Liang Xiaodong (Department of Electrical and Computer Engineering, University of Saskatchewan, Saskatoon, SK, Canada) ,  Zhang Lihong (Department of Electrical and Computer Engineering, Memorial University of Newfoundland, St. John’s, NL, Canada)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 177851-177862  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 本論文では,グラフベースの半教師つき学習(GSSL)アルゴリズム, greedy欲勾配最大カット(GGMC),直接オンライン誘導電動機のための故障診断法を提案した。健康,単一および多重故障条件の下での2つの同一の0.25HP3相スカイレルケージ誘導電動機を,実験室で試験した。2つのモータの三相固定子電流と三次元振動信号を各試験で同時に記録し,本研究でデータセットとして用いた。機械学習の特徴を,離散ウェーブレット変換(DWT)による実験固定子電流と振動データから抽出する。提案したGGMCベース故障診断法の有効性を検証するために,2つのモータの故障に対する二値分類とマルチクラス分類を用いた分類精度を,他の2つのGSSLアルゴリズム,局所と大域的一貫性(LGC)とGauss場と調和関数(GFHF)と比較した。本研究では,監視信号としての固定子電流と振動の性能を評価し,固定子電流がマルチクラス分類に対して振動信号よりも遥かに良好に動作し,一方,それらは両方とも二値分類に対して良好に機能することが分かった。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  電流 ,  *故障 ,  *電動機 ,  固定子 ,  *故障診断 ,  調和関数 ,  多重化 ,  監視信号 ,  *誘導電動機 ,  三次元 ,  機械学習
準シソーラス用語： 離散ウェーブレット変換 ,  半教師つき学習 ,  *オンライン , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： オンライン ,  誘導電動機 ,  勾配 ,  故障診断