文献

J-GLOBAL ID：202202234129197179   整理番号：22A1086854

アンサンブル学習法による高分子汚染絶縁体中の超音波信号の解析【JST・京大機械翻訳】

Analysis of the Ultrasonic Signal in Polymeric Contaminated Insulators Through Ensemble Learning Methods

著者 (6件)： Stefenon Stefano Frizzo (Fondazione Bruno Kessler, Povo, Trento, Italy) ,  Bruns Rafael (Department of Electrical Engineering, Regional University of Blumenau, Blumenau, Brazil) ,  Sartori Andreza (Department of Electrical Engineering, Regional University of Blumenau, Blumenau, Brazil) ,  Meyer Luiz Henrique (Department of Electrical Engineering, Regional University of Blumenau, Blumenau, Brazil) ,  Ovejero Raul Garcia (Expert Systems and Applications Laboratory, E.T.S.I.I. of Be ́jar, Universidad de Salamanca, Salamanca, Spain) ,  Leithardt Valderi Reis Quietinho (COPELABS, Luso ́fona University of Humanities and Technologies, Lisboa, Portugal)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 33980-33991  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： 屋外碍子は汚染や汚染などの厳しい環境条件によりストレスを経験する可能性がある。超音波ノイズによる部分放電の同定を通して,電力グリッド故障の可能性を評価することが可能である。本論文では,アンサンブルモデルを用いて超音波マイクロホンPettersson M500からの超音波信号を解析した。絶縁体は不可逆的故障の発生に影響されやすいので,超音波信号が時間とともに残留するかどうかを評価し,放出が捕捉された放電が汚染高分子碍子の故障をもたらし,制御条件下で高電圧実験室で評価した。アンサンブルモデルは,通常,深い学習に基づく技術よりも少ない計算努力を必要とし,手で問題に対して許容可能な性能を必要とするので,この論文で使用された。バギング,ブースティング,ランダム部分空間,バギングプラスランダム部分空間,および積層一般化アンサンブルモデルを評価し,各モデルの最良の結果を用いてモデル間の差を比較した。バギングアンサンブル学習モデルは,他のアンサンブルモデル,長い短期メモリ(LSTM),および非線形自己回帰(NAR)よりも,より速く,低い誤差を持つことを証明した。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： 記憶装置 ,  雑音 ,  *超音波 ,  故障 ,  電力 ,  碍子 ,  計算 ,  *高分子 ,  空間 ,  モデル ,  部分放電 ,  *機械学習 ,  *絶縁体
準シソーラス用語： 環境条件 ,  *アンサンブル学習 ,  ブースティング ,  部分空間 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (6件)： アンサンブル ,  高分子 ,  汚染 ,  絶縁体 ,  音波信号 ,  解析