2016 Fiscal Year Annual Research Report
Development of signal learning method by wavelet packet transform and application in identification of working appliances by their current waveform
| Project/Area Number |
25330221
|
|---|
| Research Institution | Yuge National College of Maritime Technology |
|---|
Principal Investigator |
葛目 幸一 弓削商船高等専門学校, その他部局等, 教授 (80225151)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
田房 友典 弓削商船高等専門学校, その他部局等, 教授 (20321507) [Withdrawn]
|
|---|
| Project Period (FY) |
2013-04-01 – 2017-03-31
|
| Keywords | ウェーブレットパケット変換 / 統計量 / 信号学習法 / リフティング / 分電盤 / EMS / 機械学習 |
|---|
| Outline of Annual Research Achievements |
分電盤の電流波形から稼働中の電気機器を高精度で識別し、電力量を推定するための識別推定システムを検討している。そのために、学習能力を持つウェーブレットパケット（ＷＰ）変換を用いた識別アルゴリズムを構築することを目的に下記項目について研究を実施した。
①ダイアディック・リフティングウェーブレット変換に含まれる学習パラメータをECG信号のQES波に適応して学習させたときに得られる学習パラメータの統計的性質をリリーフォース検定により調べた。その結果、各スケールの学習パラメータの統計分布は、ほぼ正規分布に従うことを明らかにした。統計的性質を明らかにできたことで、機械学習を用いた波形識別への研究の道筋をつけることができた。
②２０１５年の報告で述べたように冷蔵庫やコーヒーメーカー、電子レンジ等の電気機器の消費電流は、ステップ状あるいはインパルス性の波形である。研究では、前解析としてステップ信号とインパルス信号について学習パラメータを①の方法で計算し、各信号の特長ベクトルを求めることができた。
③開発したアルゴリズムを用いて、実際に消費電流波形の解析を行ったが、稼働機器数が少ない場合は、稼働機器のON/OFF状態は概ね学習パラメータで識別できるが、稼働機器の数が増加すると各機器固有の消費電流波形の低周波成分を加味する必要がある。今後、ダイアディック・リフティングウェーブレット変換で得られる学習パラメータに加え、稼働する各機器の消費電流波形の低周波成分を学習データに用いる機械学習法の検討を行う予定である。
|
