文献

J-GLOBAL ID：201802260729848550   整理番号：18A2212392

連結車両応答とウェーブレット解析を用いた道路プロファイル再構成【JST・京大機械翻訳】

Road profile reconstruction using connected vehicle responses and wavelet analysis

著者 (4件)： Zhang Zhiming (Department of Civil and Environmental Engineering, Louisiana State University, 3240K Patrick F. Taylor, Baton Rouge, LA 70803, USA) ,  Sun Chao (Department of Civil and Environmental Engineering, Louisiana State University, 3240K Patrick F. Taylor, Baton Rouge, LA 70803, USA) ,  Bridgelall Raj (Upper Great Plains Transportation Institute, North Dakota State University, 1340 Administration Ave., Fargo, ND 58108, USA) ,  Sun Mingxuan (Computer Science and Engineering Division, School of Electrical Engineering and Computer Science, Louisiana State University, 102F Electrical Engineering Building, Baton Rouge, LA 70803, USA)
資料名： Journal of Terramechanics  (Journal of Terramechanics)
巻： 80  ページ： 21-30  発行年： 2018年 
JST資料番号： B0724A  ISSN： 0022-4898  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 専門家は,局所的な欠陥を検出し,国際的な粗さ指標を生成するために,道路の標高プロファイルを分析する。道路プロファイルを測定する一般的な方法は,特別に装備された車両と訓練された技術者を使用し,通常,高いコストと不十分な測定周波数をもたらす。接続車両からのプローブデータの最近の利用可能性は,費用対効果が高く,連続的で,全道路網をカバーする方法を提供する。しかし,現在,車両慣性応答信号の多重解像度特徴から標高プロファイルを再現できる方法は存在しない。本研究では,車両慣性応答のウェーブレット分解と,外部入力による非線形自己回帰人工ニューラルネットワークを用いて,高度分布を再構成した。車両の慣性応答は,車両のサスペンション特性とその速度の両方の関数である。したがって,著者らは,走行速度によって車両応答モデルを正規化し,次に,車両動的応答をシミュレーションするために,それらの慣性応答方程式を数値的に解いた。結果は,ウェーブレット分解慣性応答信号に人工ニューラルネットワークを適用することが,道路プロファイルの有効な推定を提供することを実証した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 正規化 ,  *連結式車両 ,  *再構成 ,  *道路 ,  動的応答 ,  道路網 ,  表面粗さ ,  ニューラルネットワーク ,  走行速度 ,  プローブ
準シソーラス用語： 自己回帰 ,  ウェーブレット分解 ,  多重解像度 ,  費用対効果 ,  *ウェーブレット解析 , 【Automatic Indexing@JST】

著者キーワード (5件)： 道路の粗さ ,  プロファイル再構成 ,  自動車の応答 ,  ウェーブレット解析 ,  ニューラルネットワーク

分類 (2件)： 特殊自動車・特装車・特用車一般  (QG07010Q) ,  舗装一般  (RC04010K)

タイトルに関連する用語 (6件)： 連結車両 ,  応答 ,  ウェーブレット解析 ,  道路 ,  プロファイル ,  再構成