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
- 학술저널
- 저자정보
- 발행연도
- 2022.1
- 수록면
- 225 - 232 (8page)
- DOI
- 10.5370/KIEE.2022.71.1.225
이용수
이 논문의 연구 히스토리 (11)
2022
2021
2020
2019
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
The data mainly used for motor fault diagnosis is FFT. However, preprocessing such as continuous discrete wavelet transform is used. When using deep learning algorithms, the performance of the data is evaluated by the model output. However, in order to improve the learning possibilities and preprocessing performance of data, performance evaluation from a model perspective is required. For this purpose, data performance evaluation using the LRP algorithm, one of the XAI techniques, is studied. Initial fault state diagnosis using current data, which is difficult to solve with FFT data, is performed with STFT and CWT data, and performance is evaluated through LRP. Experimental Results STFT and CWT are preprocessing techniques that enable the use of current signals for early fault diagnosis. Among the two preprocessing methods, the use of CWT is more preferable because the flexibility of the preprocessing is increased.
목차
Abstract
1. 서론
2. 주파수 영역에서의 신호 표현
3. 딥 러닝 모델 및 XAI
4. 연속 웨이블릿 신호 평가 실험
5. 결론
References
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2022-560-000128908