文献
J-GLOBAL ID:202202273975189151   整理番号:22A1045805

レーザ誘起蛍光技術に基づく変圧器の故障診断に関する研究【JST・京大機械翻訳】

Research on fault diagnosis of transformer based on laser induced fluorescence technology
著者 (6件):
資料名:
巻: 1258  ページ: Null  発行年: 2022年 
JST資料番号: B0948B  ISSN: 0022-2860  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。
変圧器故障診断は電力装置の正常運転の不可欠な部分である。従来のガスクロマトグラフィーと他の方法が故障タイプを検出するために長い時間を取るという問題に照準を定めて,本論文はレーザ誘発蛍光分光法(LIF)技術を提案して,微分突然変異脳ストーム最適化アルゴリズム(DBSO)と結合して,変圧器故障診断タイプを同定するためのELMモデルを最適化した。4つの異なる変圧器油を,熱故障油,電気故障油,局所湿気油および原油を含む実験サンプルとして選択した。LIF技術を用いて4つの油試料の異なるスペクトル画像を得た。最初に,得られた蛍光スペクトルをMSCと正規化によって前処理し,次元をPLSによって減らした。次に,次元縮小の後のデータを訓練のためにELMモデルに入力して,BSOアルゴリズムとDBSOアルゴリズムを使用してELMのパラメータを最適化した。最後に,実験は,MSCによって前処理されたDBSO-ELMモデルが最高の認識精度を持ち,適合度(R2)が1であり,平均二乗誤差(MSE)が3.205e-31に達し,それはELMモデルとBSO-ELMモデルのものより高いことを示した。同じ前処理の場合,訓練集合の平均二乗誤差速度に基づく適応度値は,他のタイプの認識アルゴリズムモデルのものより低かった。したがって,MSC-PLS-DBSO-ELMモデルは最良の認識効果を持ち,変圧器故障診断に拡張でき,電力装置検出の精度と安全性を改善する。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:
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。

分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
変圧器 
タイトルに関連する用語 (4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