文献

J-GLOBAL ID：202202247502128095   整理番号：22A0203951

ハイブリッドHCNN-SVMベースモデルを用いた電気駆動システムにおける初期ターン間故障検出と重症度評価【JST・京大機械翻訳】

Incipient Interturn Fault Detection and Severity Evaluation in Electric Drive System Using Hybrid HCNN-SVM Based Model

著者 (2件)： Husari Fatima (Department of Electrical Engineering, Indian Institute of Technology Roorkee, Roorkee, India) ,  Seshadrinath Jeevanand (Department of Electrical Engineering, Indian Institute of Technology Roorkee, Roorkee, India)
資料名： IEEE Transactions on Industrial Informatics  (IEEE Transactions on Industrial Informatics)
巻： 18  号： 3  ページ： 1823-1832  発行年： 2022年 
JST資料番号： W1434A  ISSN： 1551-3203  CODEN： ITIICH  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： 産業応用,特に再生可能エネルギー部門における誘導電動機(IM)駆動の重要性は,それらの高速動的応答のために不可解である。それらのモニタリングは,ダウンタイムと経済損失を避けるのに重要である。誘導機械における初期故障診断に多くの研究が集中しているが,電力電子駆動供給機械の早期診断は依然として課題である。本論文では,サポートベクトルマシン(HCNN-SVM)による新しい2レベルハイブリッド階層畳込みニューラルネットワークを,駆動供給機械の初期ターン間故障診断のために提案した。提案した構造の最初のレベルは,駆動供給IMにおけるターン間故障のパターンを認識することを意図し,一方,第2の水準は故障重症度を同定するために開発した。最初に,故障診断のためのHCNNの共有層と同時に故障重度評価を用いて,有効特徴を自動的に抽出した。HCNNを用いて得られた特徴は,分類のためにSVMを訓練するために適切に使用された。既存のアーキテクチャ,すなわちHCNNとSVMとの比較は,提案したハイブリッド法の有効性を示した。実験結果は,ハイブリッドHCNN-SVMが,ターン間故障パターンを同定し,その厳しさを評価することにおいて,高速で高精度であることを示した。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： *故障 ,  初期故障 ,  電力 ,  動的応答 ,  故障診断 ,  *故障検出 ,  再生エネルギー ,  停止時間 ,  誘導電動機 ,  有効性 ,  計算機アーキテクチャ ,  早期診断 ,  重症度診断 ,  サポートベクトルマシン
準シソーラス用語： 高精度 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  信頼性  (KB04040H) ,  電動機  (NB07030U)

タイトルに関連する用語 (6件)： SVM ,  モデル ,  電気駆動 ,  初期 ,  故障検出 ,  重症度評価