文献
J-GLOBAL ID:202202233604074081   整理番号:22A0944387

zernikeモーメントと改良型細菌採餌最適化アルゴリズムに基づく部分放電故障診断【JST・京大機械翻訳】

Partial discharge fault diagnosis based on zernike moment and improved bacterial foraging optimization algorithm
著者 (6件):
資料名:
巻: 207  ページ: Null  発行年: 2022年 
JST資料番号: C0994A  ISSN: 0378-7796  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
特徴抽出と分類器最適化は部分放電(PD)の診断において重要な部分である。従来の特徴抽出法は,一般的に画像ではなく構造化データを標的とする。従来の分類器最適化法は,調整する必要がある多くのパラメータ,最良パラメータの決定の困難さ,および局所最適解への落下の容易さのような多くの欠点を持っている。これらの欠陥を除去するために,Zernikeモーメントと改良サポートベクトルマシン(SVM)に基づくガス絶縁スイッチギア(GIS)のPD診断法を提案した。最初に,コロナ放電,金属粒子放電,浮遊電極放電,ボイド放電,および表面放電の5つの典型的PDモデルを設計した。次に,UHFセンサを,PD位相分解パルスシーケンス(PRPS)パターンライブラリを構築するために,種々の欠陥の放電信号と異なるタイプの干渉信号を収集するために使用した。その後,PRPS画像のZernikeモーメントをPD特徴として抽出した。最後に,微分進化適応細菌採餌最適化(DEABFO)アルゴリズムに基づくSVMモデルを,GIS PD診断を満たすために使用した。その結果,Zernikeモーメント特徴抽出法はPD PRPS画像に適し,DEABFOはSVMパラメータ最適化プロセスの収束速度を改善し,局所最適に陥る確率を効果的に回避できることを示した。他の画像特徴抽出法および他のSVM最適化アルゴリズムと比較して,この方法はGIS PD故障診断において高精度であり,認識率は91.23%に達した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
電力系統一般 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る