文献

J-GLOBAL ID：202202214106946674   整理番号：22A0968178

多重観測可能電気量に基づく10kVシングルコアケーブルのための二重層LSTMの故障診断法【JST・京大機械翻訳】

A fault diagnosis method of double-layer LSTM for 10 kV single-core cable based on multiple observable electrical quantities

著者 (7件)： Chi Peng (Jiangsu Province Laboratory of Mining Electric and Automation, China University of Mining and Technology, Xuzhou, People’s Republic of China) ,  Zhang Zhe (Jiangsu Province Laboratory of Mining Electric and Automation, China University of Mining and Technology, Xuzhou, People’s Republic of China) ,  Liang Rui (Jiangsu Province Laboratory of Mining Electric and Automation, China University of Mining and Technology, Xuzhou, People’s Republic of China) ,  Liang Rui (Faculty of Automation, Huaiyin Institute of Technology, Huaian, People’s Republic of China) ,  Hu Yihua (Department of Electrical Engineering and Electronic, University of Liverpool, Liverpool, UK) ,  Ni Kai (Department of Electrical Engineering and Electronic, University of Liverpool, Liverpool, UK) ,  Li Wei (State Grid International Development Co., Ltd. (SGID), Beijing, People’s Republic of China)
資料名： Electrical Engineering  (Electrical Engineering)
巻： 104  号： 2  ページ： 603-614  発行年： 2022年 
JST資料番号： A0448A  ISSN： 0948-7921  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 現在,人工知能に基づくケーブル故障診断の研究は,主に入力として統計的特性を取り入れて,それは,統計的特性選択の適切性が診断精度に直接関連して,同定結果が一定の偶発性を有するかもしれないことを意味した。さらに,これらの方法のほとんどは,時間における信号の相関を考慮しない。したがって,本論文は,多重観測可能な電気量のタイミング関係を考慮して,二重Layer Long Short Termメモリ(D-LSTM)ネットワークに基づく10kV単一コアケーブルの新しい診断法を提案した。最初に,解析対象を単一電気量から複数の観測可能な電気量まで拡張し,これらの量間の関係を解析した。第二に,複合時系列の特徴的マトリックスを,多重観測可能な電気量から抽出した時系列対によって構築した。第三に,配列入力を処理するためのD-LSTMネットワークを,特性マトリックスの特徴に従って確立した。次に,適応モーメント推定(Adam)法を,教師つき学習の下で訓練をモデル化するために適用して,故障診断のモデルを得た。最後に,認識実験を,3つのケーブル故障と負荷外乱のシミュレーションによって得たサンプルデータによって,提案方法によって実行した。結果は,提案方法の診断精度が99.06%を達成できることを示した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  *故障 ,  ネットワーク ,  *ケーブル ,  *故障診断 ,  時系列 ,  認識 ,  教師つき学習 ,  人工知能 ,  *多重化 ,  コンティンジェンシー ,  モーメント ,  機械学習
準シソーラス用語： 診断精度 ,  深層学習 ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (6件)： 人工知能 ,  深層学習 ,  故障診断 ,  10kVシングルコアケーブル ,  多重観測可能電気量 ,  二重層長短期記憶ネットワーク

分類 (4件)： 信頼性  (KB04040H) ,  電線・ケーブル  (NA05020S) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 多重 ,  観測 ,  電気量 ,  二重層 ,  LSTM ,  故障診断