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 an artificial-intelligence-based diagnostic algorithm that combines residual feature learning with a Ghost module to reliably identify weak AC series arc faults at the output of a three-phase pulse-width-modulated (PWM) inverter. The current waveform and spectral content of an output-side AC series arc vary with the output fundamental frequency, switching frequency, load inductance, and arc intensity. A weak arc produces substantially smaller waveform distortions and spectral changes than a strong arc, making robust detection difficult using conventional signal-processing methods based on a single fixed threshold. In this study, strong and weak arcs are distinguished according to arc power and the electrode-gap opening condition, and the model is evaluated using output AC-current data acquired over a wide range of operating conditions. With fast Fourier transform (FFT) magnitude spectra as the input, the proposed Ghost-ResNet achieved a diagnostic accuracy of 96.89% on the test set, outperforming all comparison models. It also achieved high precision and recall for the AC-arc class, including weak-arc samples. These results demonstrate that the proposed model is effective for detecting output-side AC series arcs in three-phase PWM inverters, including weak arcs and arcs occurring under varying operating conditions.
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
