文献

J-GLOBAL ID：202002286806879885   整理番号：20A2260608

畳込みニューラルネットワークに基づく高電圧送電線の故障分類【JST・京大機械翻訳】

Fault Classification of High Voltage Transmission Line Based on Convolutional Neural Network

著者 (7件)： Ye Wanyu (Qingyuan Power Supply Bureau Guangdong Power Grid Co., Ltd.,Qingyuan,China) ,  Jian Shengchao (School of Automation Guangdong University of Technology,Guangzhou,China) ,  Ou Ruiming (Qingyuan Power Supply Bureau Guangdong Power Grid Co., Ltd.,Qingyuan,China) ,  Huang Shaochuan (Qingyuan Power Supply Bureau Guangdong Power Grid Co., Ltd.,Qingyuan,China) ,  Gong Xiang (Qingyuan Power Supply Bureau Guangdong Power Grid Co., Ltd.,Qingyuan,China) ,  Peng Xiangang (School of Automation Guangdong University of Technology,Guangzhou,China) ,  Yuan Haoliang (School of Automation Guangdong University of Technology,Guangzhou,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICIST  ページ： 294-300  発行年： 2020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： 大きいデータと深い学習アルゴリズムの開発によって,従来の故障解析と診断法は,段階的にデータ駆動方式によって置換する。伝送線故障分類にデータ駆動法を適用するとき,パターン認識における成功のため,畳込みニューラルネットワークとの関連付けが容易である。故障記録信号の時間的特性を考慮して,著者らは,一次元畳込みニューラルネットワーク(CNN-ID)に基づく生記録データを用いた方式を提案した。本論文では,ネットワーク訓練と調整のためにシミュレーションサンプルを使用し,最終評価のための実際のサンプルを節約する。また,固定モデルが種々のサンプリング周波数の実際のサンプルに適合するように,スプライン補間によって入力データサイズを統一した。実験結果は,提案方法が簡便に使用することができ,低いサンプリング頻度で高速分類精度を達成して,それは電圧レベル,故障距離,故障開始角度,故障抵抗などによって影響されないことを示した。CNN-IDは,送電線故障分類において高い一般化とロバスト性を示し,従って,現代のインテリジェント診断システムの構築に適用する大きな可能性を有する。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： シミュレーション ,  パターン認識 ,  *故障 ,  *ネットワーク ,  *送電線 ,  故障解析 ,  伝送線路 ,  一次元 ,  ロバスト性 ,  学習アルゴリズム
準シソーラス用語： サンプリング周波数 ,  分類精度 ,  データ駆動 ,  *故障分類 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  高電圧 ,  送電線 ,  故障分類