文献

J-GLOBAL ID：202202276881969484   整理番号：22A1004219

周波数応答解析と画像特徴検出に基づく変圧器巻線故障診断【JST・京大機械翻訳】

Transformer winding fault detection method based on frequency response analysis and image characteristics

著者 (4件)： Gong Ruibang (国网新疆電力有限公司電力科学研究院,新疆 烏魯木斉830001) ,  Cheng Junwen (国网新疆電力有限公司電力科学研究院,新疆 烏魯木斉830001) ,  Wang Yuchen (国网新疆電力有限公司電力科学研究院,新疆 烏魯木斉830001) ,  Sun Xiao (国网新疆電力有限公司電力科学研究院,新疆 烏魯木斉830001)
資料名： Diangong Dianneng Xinjishu  (Diangong Dianneng Xinjishu)
巻： 41  号： 1  ページ： 78-88  発行年： 2022年 
JST資料番号： C2503A  ISSN： 1003-3076  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： 周波数応答解析(FRA)は,変圧器巻線の故障検出に広く用いられている。画像処理技術に基づくFRA識別法を提案した。最初に,異なる巻線の故障を,自己結合変圧器実験を通してシミュレーションし,そして,異なる故障の下のFRA曲線を,測定した。次に,周波数領域分割法と画像処理技術を周波数領域応答曲線に適用し,異なる周波数領域における面積比と重心偏差を新しいアルゴリズムで計算した。最後に,サポートベクトルマシンモデルの入力として画像特徴を用いた。訓練の間,3つの異なるパラメータ最適化アルゴリズムを比較し,最適モードを選択した。結果は,パーティクルスウォーム最適化と画像特徴が巻線故障の識別に最良であることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *変圧器 ,  *故障 ,  最適化手法 ,  *巻線 ,  *故障診断 ,  重心 ,  画像処理 ,  *画像特性 ,  *周波数解析 ,  *応答解析 ,  モデル ,  パラメータ ,  周波数領域 ,  サポートベクトルマシン
準シソーラス用語： 粒子群最適化 ,  *周波数応答解析 , 【Automatic Indexing@JST】

分類 (2件)： 変圧器  (NB08020Q) ,  電力変換器  (NB08030B)

タイトルに関連する用語 (4件)： 周波数応答解析 ,  特徴検出 ,  変圧器巻線 ,  故障診断