文献

J-GLOBAL ID：202202212754167078   整理番号：22A0780890

電力変圧器故障診断法ベースのハイブリッド改良Seagull最適化アルゴリズムとサポートベクトルマシン【JST・京大機械翻訳】

A Power Transformer Fault Diagnosis Method-Based Hybrid Improved Seagull Optimization Algorithm and Support Vector Machine

著者 (5件)： Wu Yuhan (School of Information Engineering, Hubei Minzu University, Enshi, Hubei, China) ,  Sun Xianbo (School of Information Engineering, Hubei Minzu University, Enshi, Hubei, China) ,  Zhang Yi (School of Information Engineering, Hubei Minzu University, Enshi, Hubei, China) ,  Zhong Xianjing (School of Information Engineering, Hubei Minzu University, Enshi, Hubei, China) ,  Cheng Lei (School of Information Engineering, Hubei Minzu University, Enshi, Hubei, China)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 17268-17286  発行年： 2022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： 溶解ガス分析(DGA)に基づくサポートベクトルマシン(SVM)の方法を,電力変圧器故障診断の分野で研究した。しかし,DGAデータのファジィ境界のようないくつかの欠点があり,SVMパラメータは決定が困難である。したがって,本論文は,カーネル主成分分析(KPCA)に基づく電力変圧器故障診断方式と,SVM(TISOA-SVM)を最適化するためにハイブリッド改良Seagull最適化アルゴリズムを提案する。最初に,KPCAを用いて,DGA特徴量から特徴を抽出した。さらに,SVMパラメータを最適化するためにTISOAをさらに提案し,SVMに基づく最適診断モデルを構築した。SOAに対して,3つの改良法を提案した。改良テントマップを用いて,母集団多様性を改善するために,元の母集団初期化を置き換えた。さらに,非線形慣性重量とランダム二重螺旋公式を提案し,SOAの最適化精度と効率を改善した。次に,ベンチマーク関数を用いて,TISOAと6つのアルゴリズムの最適化性能をテストして,結果は,TISOAが最良の最適化精度と収束速度を有することを示した。最後に,KPCAとTISOA-SVMに基づく故障診断方法を得て,3つの用例をテストして,提案した方法の診断性能を確かめた。これらの結果は,提案方法が他の方法より高い診断精度,より短い診断時間,より強い有意性と妥当性を有することを示した。したがって,故障診断の分野における実用的工学問題を解決するために,研究アイデアを提供した。Copyright 2022 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 ,  *最適化 ,  速度 ,  データ ,  *最適化手法 ,  *電力変圧器 ,  *故障診断 ,  精度 ,  二重螺旋 ,  母集団 ,  主成分分析 ,  ベンチマーク ,  曖昧さ ,  *サポートベクトルマシン
準シソーラス用語： 収束速度 ,  カーネル主成分分析 ,  診断モデル , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (4件)： 電力変圧器 ,  故障診断 ,  最適化アルゴリズム ,  サポートベクトルマシン