文献

J-GLOBAL ID：202202247894357277   整理番号：22A1189873

遷移学習に基づく複雑な環境における送電塔の異常振動同定【JST・京大機械翻訳】

Abnormal Vibration Identification of Transmission Line Tower Based on Transfer Learning

著者 (5件)： Zhang Heng (国電南瑞科技股fen有限公司,江蘇南京 211106) ,  Xu Guanghui (国電南瑞科技股fen有限公司,江蘇南京 211106) ,  Rao Dan (国電南瑞科技股fen有限公司,江蘇南京 211106) ,  Li Linfeng (国電南瑞科技股fen有限公司,江蘇南京 211106) ,  Zhou Hualiang (国電南瑞科技股fen有限公司,江蘇南京 211106)
資料名： Dainlixinxi yu Tongxinjishu  (Dainlixinxi yu Tongxinjishu)
巻： 20  号： 1  ページ： 61-67  発行年： 2022年 
JST資料番号： C4277A  ISSN： 1672-4844  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 架空送電線塔における環境は複雑であり,伝統的方法において仮定した標準サンプルと実際のサンプル分布が一致する前提は破壊され,単一識別モデルは異なる環境の下で棒塔の異常振動識別精度を低下させる。認識モデルの偏差を改善するために,本論文は,領域適合深さマイグレーション学習に基づくロッドタワー異常振動同定法を提案した。一次元コンボリューションニューラルネットワークを用いて異なる環境条件における異常振動信号の自動特徴抽出を実現し、遷移学習を導入し、複雑な環境における異常振動の正確な識別を実現した。提案方法は,場面差異性正則化損失関数の最適化を通して,複雑な現実の場面と典型的場面の間の分布差異を縮小して,有効な領域適合モデルを得る。実験結果は,提案した方法が,複雑な環境における送電塔の異常な振動認識効果を明らかに改善でき,認識精度を改善することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *振動 ,  *学習 ,  損失関数 ,  信号 ,  *送電塔 ,  特徴抽出 ,  精度 ,  異常 ,  架空線路 ,  *塔状構造物 ,  一次元 ,  正則化 ,  認知モデル
準シソーラス用語： 環境条件 , 【Automatic Indexing@JST】

分類 (2件)： 設備管理  (KB02020X) ,  その他の特殊構造物  (RA05020W)

タイトルに関連する用語 (6件)： 遷移 ,  学習 ,  環境 ,  送電塔 ,  異常振動 ,  同定