文献

J-GLOBAL ID：201702272253120145   整理番号：17A0537873

EMD-ISOMAP高速列車におけるわずかにの異常な特徴抽出【JST・京大機械翻訳】

Feature extraction of small hunting of high speed train based on EMD-ISOMAP

著者 (5件)： Cui Wanli (School of Mechanical Engineering,Southwest Jiaotong University) ,  Ning Jing (School of Mechanical Engineering,Southwest Jiaotong University) ,  Chong Chuanjie (School of Mechanical Engineering,Southwest Jiaotong University) ,  Li Yanping (School of Mechanical Engineering,Southwest Jiaotong University) ,  Chen Chunjun (School of Mechanical Engineering,Southwest Jiaotong University)
資料名： Zhongguo Ceshi  (Zhongguo Ceshi)
巻： 42  号： 12  ページ： 105-110  発行年： 2016年 
JST資料番号： C3059A  ISSN： 1674-5124  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： わずかにの異常は激しい蛇行不安定性の徴候であり、それは乗り心地に影響するだけでなく、車輪/レールの疲労接触をもたらし、しかも車輪/レールの摩耗の激化、列車のサービス時間の増加、運行速度それは,列車安全性を引き起こす可能性があり,列車安全性に深刻な影響を及ぼすかもしれない。しかし,既存の高速列車列車は,わずかにの異常を監視することができない。この問題を解決するために,経験的モード分解と多様体学習に基づく特徴抽出法を提案する。まず第一に,EMDによって固有モード関数(IMF)を得て,各々のIMFのエントロピー値を計算して,特徴抽出の初期特性として使用した。次に,多様体学習法を用いて,予備抽出の特徴をさらに抽出した。最後に,最小二乗法サポートベクトルマシン(LS-SVM)を用いて,特徴抽出法を評価し,高速列車の320~350KM/Hの状態でのわずかにの異常認識に適用したところ,わずかにの異常な認識結果は以下を示す。EMD-ISOMAP法は,わずかにの異常を効果的に認識することができ,ウェーブレット変換に基づく特徴抽出法よりも優れている。この方法は,特徴データの複雑性を減少させるだけではなく,状態認識の分類性能も強化する。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 乗り心地 ,  *特徴抽出 ,  最小二乗法 ,  レール ,  蛇行 ,  サポートベクトルマシン ,  不安定性 ,  ウェーブレット変換 ,  安全性 ,  エントロピー ,  複雑性 ,  *高速列車
準シソーラス用語： 固有モード関数 ,  多様体学習 ,  経験的モード分解 , 【Automatic Indexing@JST】

著者キーワード (7件)： high -speed train ,  small hunting ,  manifold learning ,  ISOMAP ,  empirical mode decomposition ,  feature extraction ,  least squares support vector machine

分類 (3件)： 信号理論  (ND02020G) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 高速列車 ,  特徴抽出