지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 오성권
- 발행연도
- 2020
- 저작권
- 수원대학교 논문은 저작권에 의해 보호받습니다.
이용수3
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
In this study, the algorithm for deterioration diagnosis model design and partial discharge pattern classification was applied.
In the first experiment, fuzzy rules are made for the degradation model to create a health index and noise is added to the RBFNN model. Through this, we would like to confirm the possibility of application in the field. We compared the performance of various machine learning algorithms with Weka Software. The results show that RBFNN is more robust to noise and is likely to be applied in the field.
In the second experiment, the partial discharge data obtained through the UHF sensor is preprocessed by PCA (Principal Component Analysis) using the Phase Resolved Partial Discharge Analysis (PRPDA) method. In addition, five statistical parameters (Skewness, Kurtosis, Standard Derivation, Variance, Average) were used to analyze the waveform of partial discharge. As a result, it is confirmed that the performance is better when applied than when not applied, which may help to understand the characteristics of the waveform.
In the first experiment, fuzzy rules are made for the degradation model to create a health index and noise is added to the RBFNN model. Through this, we would like to confirm the possibility of application in the field. We compared the performance of various machine learning algorithms with Weka Software. The results show that RBFNN is more robust to noise and is likely to be applied in the field.
In the second experiment, the partial discharge data obtained through the UHF sensor is preprocessed by PCA (Principal Component Analysis) using the Phase Resolved Partial Discharge Analysis (PRPDA) method. In addition, five statistical parameters (Skewness, Kurtosis, Standard Derivation, Variance, Average) were used to analyze the waveform of partial discharge. As a result, it is confirmed that the performance is better when applied than when not applied, which may help to understand the characteristics of the waveform.
목차
Ⅰ. 서 론 11. 연구배경 및 목적 1Ⅱ. 뉴로퍼지 네트워크 기반 부분방전 열화진단모델 및 패턴 분류기 설계 41. 부분방전 건전성 지수를 이용한 열화진단모델 61) 퍼지추론 기반 건전성 지수 62) RBFNNs을 이용한 열화 진단모델 182. UHF센서를 이용한 부분방전 패턴 분류기 설계 221) 부분방전 패턴 분류를 위한 전처리 방법 222) 취득된 데이터를 이용한 통계 변수 데이터 생성 263) FCM-based RBFNNs을 이용한 패턴 분류기 설계 26Ⅲ. 실험결과 및 고찰 281. 전체 실험 및 평가방법 282. RBFNNs모델을 이용한 열화진단모델 실험 313. FCM-based RBFNNs 부분방전 패턴분류기 실험 361) 특징데이터의 패턴 분석 362) 실험 및 평가 39Ⅳ. 결 론 44참 고 문 헌 45ABSTRACT 47
최근 본 자료
댓글(0)
0