文献

J-GLOBAL ID：202202217220991576   整理番号：22A1148399

機械学習によるDC/DCコンバータの異常診断

Abnormal Diagnosis of DC/DC Converter Based on Machine Learning

著者 (4件)： 王承涛 (東京工大) ,  原田茂樹 (東京工大) ,  浦壁隆浩 (東京工大) ,  中嶋純一 (三菱電機)
資料名： 電気学会全国大会講演論文集(CD-ROM)  (Annual Meeting Record, I.E.E. Japan (CD-ROM))
巻： 2022  ページ： ROMBUNNO.4-038  発行年： 2022年03月01日 
JST資料番号： S0653B  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・パワーエレクトロニクス機器の異常診断への機械学習の適用について,これまでの研究では,複数の診断対象部品に対して様々な機械学習の手法を詳細に検討した例は無い状況。
・本稿では,非絶縁型DC/DCコンバータを例に,3種類の特徴量の抽出法と2種類の機械学習による判別法の組合わせと,複数の回路部品異常の判別精度について,シミュレーションを用いて検証した結果を報告。
・スイッチング素子,インダクタ,コンデンサの異常診断の可能性を検討し,特徴量抽出と機械学習の6つの組合わせについて,シミュレーションにより検証。
・全組合わせで80%以上の総正解率が得られ,正常・異常の診断が可能であることを確認。
・6つの組合わせの中でも,波形の時間分析による特徴量抽出手法とSVMによる機械学習手法と判別の組合わせが,わずかに高精度。

シソーラス用語： パワーエレクトロニクス ,  *異常診断 ,  *機械学習 ,  *DC-DCコンバータ ,  特徴抽出 ,  回路部品 ,  精度 ,  スイッチング素子 ,  インダクタ ,  コンデンサ ,  直直流変換
準シソーラス用語： MATLABシミュレーション ,  診断精度 ,  *特徴量抽出

分類 (2件)： 電力変換器  (NB08030B) ,  人工知能  (JE08000Z)

引用文献 (9件)：

• A. L. M. Toussi, A. S. Bahman, F. Iannuzzo and F. Blaabjerg: IEEE Energy Conversion Congress and Exposition (ECCE), pp. 3652-3658 (2020)
• H. Yamasaki et al.: SISPAD Virtual conf., pp. 335-338 (2020)
• K. Pearson: The London, Edinburgh, and Dublin philosophical magazine and journal of science 2.11, pp. 559-572 (1901)
• X. Gong, N. Wang, Y. Zhang, S. Yin, M. Wang and G. Wu: 39th Chinese Control Conference (CCC), pp. 4078-4082 (2020)
• https://ww2.mathworks.cn/help/predmaint/ug/signal-features.html

タイトルに関連する用語 (4件)： 機械学習 ,  DC ,  コンバータ ,  異常診断