文献

J-GLOBAL ID：201802252382169521   整理番号：18A1325050

ヒューリスティックQ(λ)学習に基づく鉄道碍子位置決め研究【JST・京大機械翻訳】

Research on Location of Railway Insulators Based on Heuristic Q(λ) Learning

著者 (5件)： Fu Hong (西南交通大学机械工程学院,成都,610031) ,  Wang Guozhi (西南交通大学机械工程学院,成都,610031) ,  Ke Jian (西南交通大学机械工程学院,成都,610031) ,  Deng Bin (西南交通大学机械工程学院,成都,610031) ,  Wu Wenhai (西南交通大学机械工程学院,成都,610031)
資料名： Tiedao Biaozhun Sheji  (Tiedao Biaozhun Sheji)
巻： 62  号： 4  ページ： 151-155  発行年： 2018年 
JST資料番号： C3752A  ISSN： 1004-2954  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： インテリジェントフラッシングは,電気鉄道碍子の人工フラッシングの欠点を解決する効果的方法であるが,インテリジェントフラッシングのキーは,碍子の認識と位置決めである。既存のインテリジェント洗浄装置の分析を通して,本論文は,センサ情報に基づく発見的Q(λ)学習アルゴリズムを用いて,高速かつ正確に碍子を見つけるために,鉄道碍子の位置決めと追跡方法を提案した。最初に,従来のQ(λ)学習アルゴリズムのブラインド学習による収束速度の遅い問題を解明するために,鉄道碍子の水フラッシング環境モデルを築き上げて,次に,検索支柱の特性を調整することによって,報酬関数を調整した。最後に,従来のQ(λ)学習アルゴリズムと発見的Q(λ)学習アルゴリズムのMatlabシミュレーション実験を行い,最適パラメータ設定を決定した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： フラッシング ,  シミュレーション ,  支柱 ,  電気鉄道 ,  高速度 ,  *学習 ,  *位置決め ,  洗浄装置 ,  環境モデル ,  学習アルゴリズム ,  *碍子
準シソーラス用語： 最適パラメータ ,  MATLAB ,  収束速度 ,  *ヒューリスティック , 【Automatic Indexing@JST】

著者キーワード (4件)： Electrified railway ,  Railway insulator ,  Heuristic Q(λ) Learning ,  Location

分類 (1件)： 電力線路要素・工事  (NB05020V)

タイトルに関連する用語 (5件)： ヒューリスティック ,  学習 ,  鉄道 ,  碍子 ,  研究