인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
피인용 0
초록·키워드
This paper proposes a real-time ac arc detection method that utilizes frequency-domain feature analysis and Random Forest algorithms to extract key frequency components sensitive to arc faults. These selected components are then used as inputs to a lightweight deep learning model. The proposed approach significantly reduces input dimensionality and computational complexity, while achieving approximately a 50% reduction in detection time without compromising detection accuracy. The deep learning model is designed based on 1D Convolutional layers, Inverted Residual (IR) Blocks, and Squeeze-and-Excitation (SE) structures, and employs non-linear activation functions such as LeakyReLU and h-swish to enhance representation capability. Experimental validation was conducted under various load conditions and circuit configurations in compliance with IEC 62606 standards, and the proposed model maintained high detection accuracy even in complex electrical environments. This study demonstrates the feasibility of implementing a real-time arc detection system on an embedded platform using Raspberry Pi 5.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093096602
