文献

J-GLOBAL ID：202202257677273365   整理番号：22A0920683

伝送線路絶縁体故障検出を指向したエッジ知的認識法の研究【JST・京大機械翻訳】

Research on edge intelligent recognition method oriented to transmission line insulator fault detection

著者 (7件)： Deng Fangming (School of Electrical and Automation Engineering, East China JiaoTong University, Nanchang 330013, China) ,  Xie Zhongxin (School of Electrical and Automation Engineering, East China JiaoTong University, Nanchang 330013, China) ,  Mao Wei (School of Electrical and Automation Engineering, East China JiaoTong University, Nanchang 330013, China) ,  Li Bing (School of Electrical Engineering and Automation, Hefei University of Technology, Hefei 230009, China) ,  Shan Yun (School of Electrical and Automation Engineering, East China JiaoTong University, Nanchang 330013, China) ,  Wei Baoquan (School of Electrical and Automation Engineering, East China JiaoTong University, Nanchang 330013, China) ,  Zeng Han (School of Electrical and Automation Engineering, East China JiaoTong University, Nanchang 330013, China)
資料名： International Journal of Electrical Power & Energy Systems  (International Journal of Electrical Power & Energy Systems)
巻： 139  ページ： Null  発行年： 2022年 
JST資料番号： A0596B  ISSN： 0142-0615  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： 既存の集中クラウド碍子故障検出法における高遅延の問題を目的として,モバイルエッジコンピューティング(MEC)と深層学習を統合する碍子自己爆発故障検出方式を本論文で提案した。限られた計算資源を有するエッジ装置に関する深いニューラルネットワークを実行するために,軽量ネットワークMobileetv3をYOLOv4のバックボーンネットワークCSPDarknet53によって置換して,それは効果的にネットワークパラメータを減らすことができる。モデル検出率と一般化能力は,MobileNetv3ネットワークの活性化機能およびYOLOv4の損失機能を改善することによって,さらに改良した。さらに,碍子故障検出のリアルタイム要求を満たし,UAV(無人機)コンピューティング資源の利用を最大化するために,バイナリ粒子群最適化に基づく深層ニューラルネットワーク分割アルゴリズムを提案した。このアルゴリズムは,UAVエネルギー消費とシステム遅延の制約の下で,深いニューラルネットワークの最適分割点の分割を実現する。実験結果は,エッジインテリジェント認識法が碍子自己爆発の端末レベル認識を実現できることを示した。提案したオブジェクト検出アルゴリズムの検出精度は94.5%に達し,検出率は58.5フレーム/sであった。同時に,本論文で提案した深層ニューラルネットワーク分割アルゴリズムは,UAVエネルギー消費,システムコスト,およびネットワーク遅延の低減に著しい影響を持っている。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： アルゴリズム ,  ネットワーク ,  碍子 ,  ニューラルネットワーク ,  *故障検出 ,  計算 ,  基幹回線 ,  *伝送線路 ,  無人機 ,  端末装置
準シソーラス用語： 検出率 ,  ネットワーク遅延 ,  検出アルゴリズム ,  バイナリー ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 絶縁体自己爆発 ,  深層学習 ,  MEC ,  深層ニューラルネットワーク ,  分割戦略

分類 (4件)： 計算機網  (JC03000K) ,  電話・データ通信・交換一般  (ND11010T) ,  移動通信  (ND08030H) ,  通信網  (ND07030A)

タイトルに関連する用語 (5件)： 伝送線路 ,  絶縁体 ,  故障検出 ,  エッジ ,  研究