文献

J-GLOBAL ID：201802221272858090   整理番号：18A1954302

隠れMarkovモデルに基づく分岐故障診断手法【JST・京大機械翻訳】

Method of Turnout Fault Diagnosis Based on Hidden Markov Model

著者 (3件)： Xu Qingyang (北京交通大学電子信息工程学院,北京,100044) ,  Liu Zhongtian (北京交通大学電子信息工程学院,北京,100044) ,  Zhao Huibing (北京交通大学電子信息工程学院,北京,100044)
資料名： Tiedao Xuebao  (Tiedao Xuebao)
巻： 40  号： 8  ページ： 98-106  発行年： 2018年 
JST資料番号： W1488A  ISSN： 1001-8360  CODEN： TIXUF5  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： 国内外の高速鉄道の急速な発展のため,道路分岐故障は車両の安全と輸送効率に深刻な影響を与えるので,本論文では,隠れMarkovモデルに基づいた分岐故障診断法を提案し,分岐装置の潜在的故障状態を増加させることにより,分岐装置の状態を多状態細分に分割するのが現状である。Fisher基準関数と主成分分析(PCA)に基づく特徴抽出を行い,ベクトル量子化処理の後,異なる故障モードのHMモデルを作り,テストデータと訓練によって得られたHMMモデルのマッチング値を比較することによって,故障診断を行った。北京鉄道の長沙南にあるタイプの分岐連続動作パワーデータを利用して、モデルの性能に対してテストを行い、故障診断の実現と検証を完成した。シミュレーション結果は,4次元の特性情報を用いるとき,トレーニング時間が他の機械学習法と比較して,90%以上の精度を達成して,この解法は,状態間の状態移動の分析を通して,分岐故障を予測できることを示している。その結果,チャネル分岐装置の健康状態モニタリングを行った。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *隠れMarkovモデル ,  道路 ,  高速度 ,  *故障診断 ,  特徴抽出 ,  四次元 ,  *故障 ,  安全性 ,  連続操作 ,  機械学習 ,  シミュレーション ,  チャネル ,  マッチング ,  主成分分析
準シソーラス用語： 北京市 , 【Automatic Indexing@JST】

分類 (3件)： 鉄道車両・鉄道車両工業一般  (QH01000S) ,  動力車  (QH03000G) ,  信号,保安  (TC01040Y)

タイトルに関連する用語 (4件)： 隠れMarkovモデル ,  分岐 ,  故障診断 ,  手法