アンサンブル学習モデルによる誘導電動機の異常電磁騒音発生リスク判定

カテゴリ: 全国大会

論文No: 5-050

グループ名: 【全国大会】令和6年電気学会全国大会論文集

発行日: 2024/03/01

タイトル(英語): Determination of Induction Motor's Abnormal Electromagnetic Noise Generation Risk via Ensemble Learning Model

著者名: 若杉直（東芝三菱電機産業システム）,吉武翔（東芝三菱電機産業システム）,小山田将亜（東芝三菱電機産業システム）,服部恵海（熊本大学）,國松禎明（熊本大学）,水本郁朗（熊本大学）

著者名(英語): Sunao Wakasugi (Toshiba Mitsubishi-Electric Industrial Systems Co.),Sho Yoshitake (Toshiba Mitsubishi-Electric Industrial Systems Co.),Masatsugu Oyamada (Toshiba Mitsubishi-Electric Industrial Systems Co.),Megumi Hattori (Kumamoto University),Sadaaki Kuni

キーワード: 誘導電動機|電磁騒音|判定|アンサンブル学習モデル|Induction motor|Electromagnetic noise|Determination|Ensemble Learning Model

要約(日本語): 電動機の騒音には機械騒音と電磁騒音に大別されるが，電磁騒音については相関性の複雑さからその発生を容易に判定する手法は確立されていない。そこで先行研究では多数の電動機の設計・試験データを教師データとして使用したニューラルネットワークを用いた異常電磁音発生のリスクを判定する手法を報告した。今回の報告では，計算コストの削減と正答率の向上を目的に，ニューラルネットワークに代わり，弱学習機を多数組み合わせたアンサンブル学習（ランダムフォレスト，XGBoost，スタッキング）を検討した。その結果，どの手法においても計算コストの削減と，正答率の向上が確認でき，その中でもXGBoostが最も高い正答率であることを確認した。

本誌掲載ページ: 76-78 p

原稿種別: 日本語

PDFファイルサイズ: 237 Kバイト