文献

J-GLOBAL ID：201802288167473937   整理番号：18A0266219

多重供用中列からの軌道モニタリングのためのデータ融合アプローチ【Powered by NICT】

A data fusion approach for track monitoring from multiple in-service trains

著者 (8件)： Lederman George (Civil and Environmental Engineering, Carnegie Mellon University, USA) ,  Lederman George (Electrical and Computer Engineering, Carnegie Mellon University, USA) ,  Chen Siheng (Electrical and Computer Engineering, Carnegie Mellon University, USA) ,  Garrett James H. (Civil and Environmental Engineering, Carnegie Mellon University, USA) ,  Kovacevic Jelena (Electrical and Computer Engineering, Carnegie Mellon University, USA) ,  Kovacevic Jelena (Biomedical Engineering, Carnegie Mellon University, Pittsburgh, PA 15213, USA) ,  Noh Hae Young (Civil and Environmental Engineering, Carnegie Mellon University, USA) ,  Bielak Jacobo (Civil and Environmental Engineering, Carnegie Mellon University, USA)
資料名： Mechanical Systems and Signal Processing  (Mechanical Systems and Signal Processing)
巻： 95  ページ： 363-379  発行年： 2017年 
JST資料番号： T0514A  ISSN： 0888-3270  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： 多重運行中の列車からのデータ駆動型鉄道インフラストラクチャモニタリングを可能にするためのデータ融合アプローチを提案した。多くの研究者は,軌道形状を監視するための低コストの方法として運行中の列車から収集した振動データを用いて提案した。本研究の大部分は,個々の列車の個々のセンサによって作られたデータからトラックに関する情報を抽出するための新しい特徴を開発することに焦点を当ててきた。複数車両搭載複数センサからのトラック上の多重パスから抽出された特徴を結合する技術を提示することによって,この研究を拡張した。多種データソースの組合せは,列車内のセンサの位置に依存して異なる相対位置座標に挑戦課題が多数見られる。さらに,センサの数が増加するにつれて,いくつかは誤動作する可能性も増加した。データ配置による位置オフセット誤差を最小化する最初に2段手法を使用し,次に,その推定信頼性に従ってデータを重みづけする新しい適応Kalmanフィルタを用いたデータを融合する。シミュレーションと1年期間で動作する二種の設定された列から収集したデータセットにこのアプローチの有効性を示した。多数の運行中の列車からのデータを組合せ,一列のみからのデータを解析するよりもより連続的でより信頼性の高いデータ駆動型モニタリングを可能にする計装列の数が増加すると,提案した融合法は全鉄道網の軌道モニタリングを促進することができた。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： センサ ,  鉄道網 ,  オフセット ,  *データ融合 ,  重みづけ ,  信頼性 ,  *多重化
準シソーラス用語： 適応Kalmanフィルタ ,  相対位置 ,  データ駆動 , 【Automatic Indexing@JST】

著者キーワード (5件)： データ融合 ,  信号処理 ,  適応Kalmanフィルタ ,  車両ベース検査 ,  慣性センシング

分類 (2件)： 構造動力学  (HD02000E) ,  振動の励起・発生・測定  (BB02030Z)

タイトルに関連する用語 (5件)： 多重 ,  供用 ,  軌道 ,  モニタリング ,  データ融合