모터 3상 전류 신호의 Space-Filling Curve기반 데이터정렬에 따른 2D-CNN 학습 특성 분석
Analysis of 2D-CNN Learning Characteristics Based on Space-Filling Curve–Driven Data Ordering of Three-Phase Motor Current Signals
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 3상 모터 전류 신호를 SFC(Space-Filling Curve) 기반으로 2D 이미지로 정렬하여 ResNet50에 적용하고, 데이터 정렬 방식이 CNN 학습에 미치는 영향을 분석하였다. Hilbert, Z-order, Peano 방식으로 이미지를 구성한 뒤, Convolution Layer의 Feature Map을 Mean, Variance, Sparsity, CKA, Gradient 지표로 비교하였다. Normal, ITSC, 4Turn단락의 데이터를 이용한 실험 결과, Hilbert는 정상ㆍ고장 상태 간 특징을 가장 명확히 구분하며 우수한 학습 성능을 보였다. 반면, Z-order는 일관적이지만 차별성이 낮았고, Peano는 깊은 계층에서의 특징 강화가 부족하였다
Abstract
This study examines how SFC-based data ordering of three-phase motor current signals affects feature learningin a 2D-CNN. Hilbert, Z-order, and Peano ordering methods were applied to construct 2D images for ResNet50,and Feature Maps were compared using Mean, Variance, Sparsity, CKA, and Gradient. Experiments using Normal,ITSC, and 4Turn data show that Hilbert learns the most discriminative features, Z-order exhibits consistent but lessdistinctive patterns, and Peano shows limited feature enhancement.