文献

J-GLOBAL ID：202102213728050510   整理番号：21A0009801

IoTエッジコンピューティングを用いた機械学習ベースの変圧器健全性監視【JST・京大機械翻訳】

Machine Learning Based Transformer Health Monitoring Using IoT Edge Computing

著者 (3件)： Ahmad Imtiyaz (Harcourt Butler Technical University,Department of Electrical Engineering,Kanpur,India,208002) ,  Singh Yaduvir (Harcourt Butler Technical University,Department of Electrical Engineering,Kanpur,India,208002) ,  Ahamad Jameel (Harcourt Butler Technical University,Department of Electrical Engineering,Kanpur,India,208002)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCCS  ページ： 1-5  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： インドのような発展途上国では,クラウドベースのIoTアプローチによる変圧器の健康状態の一定のモニタリングは,実行可能ではない。変圧器の大部分は遠隔地に位置しており,従って,クラウドベースのIoTアプローチは,複雑なまたは機械学習アルゴリズムを実行するための中断されていないインターネット接続を必要とする。しかしながら,エッジコンピューティングは,クラウドの電力をデバイスにもたらす。本論文では,ハンミング音と機械学習法を用いた変圧器の一定監視のためのIoTエッジ計算アプローチを提案した。著者らは,正常および故障カテゴリのハンミング音データを収集し,次に,2秒セグメントに音節音を分割するために,ウィンドウ化アプローチを適用した。Mel周波数ケプストラム係数(MFCC)を用いて音から特徴を抽出し,データセットをSVM分類器を用いて訓練した。多項式カーネルを有するSVMは,より良く実行して,98.77%の平均交差検証精度を与えた。訓練されたモデルは,IoTエッジ計算ハードウェア構成に従って最適化され,一定の健康監視のためにデバイスに展開された。装置は,常にヒューミング音を記録し,各2秒セグメントを正常または故障カテゴリに分類し,規則的間隔でクラウドへの洞察を送る。Copyright 2021 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： 最適化 ,  多項式 ,  *変圧器 ,  故障 ,  電力 ,  音響 ,  音節 ,  発展途上国 ,  ハードウェア ,  インターネット ,  *機械学習 ,  学習アルゴリズム ,  健全性
準シソーラス用語： 健康状態 ,  *モノのインターネット , 【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 (5件)： IoT ,  エッジコンピューティング ,  機械学習 ,  変圧器 ,  健全性