文献

J-GLOBAL ID：201802288376435976   整理番号：18A1679249

高速鉄道システムのための工業的AI可能な予測【JST・京大機械翻訳】

Industrial AI Enabled Prognostics for High-speed Railway Systems

著者 (7件)： Liu Zongchang (NSF Industry/University Cooperative Research Center on Intelligent Maintenance Systems (IMS), University of Cincinnati, Cincinnati, OH, United States) ,  Jin Chao (CyberInsight Technologies Ltd., Beijing, China) ,  Jin Wenjing (CyberInsight Technologies Ltd., Beijing, China) ,  Lee Jay (NSF Industry/University Cooperative Research Center on Intelligent Maintenance Systems (IMS), University of Cincinnati, Cincinnati, OH, United States) ,  Zhang Zhiqiang (CRRC Qingdao Sifang Co., Ltd., Qingdao, China) ,  Peng Chang (CRRC Qingdao Sifang Co., Ltd., Qingdao, China) ,  Xu Guanji (CRRC Qingdao Sifang Co., Ltd., Qingdao, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICPHM  ページ： 1-8  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 人工知能(AI)の広汎な応用のビジョンとハードウェアがより携帯的で計算的に強力になっているという事実は,工業的AIの開発を奨励した。高速鉄道(HSR)輸送は,最大の安全性,信頼性,アベイラビリティ,および最小化コストを要求するので,産業用AIの焦点の領域である。システムの複雑さを考えると,高速鉄道の予測保全は,生の実験ベースのシステムではほとんど維持できなかった。本論文は,HSRのためのPHMシステムを可能にする産業AIのためのフレームワークを提示して,それは条件透明性と決定効率性を改良するために物理的キーサブシステムと構成要素のサイバー双晶を作り出した。歴史的データに関するドメイン洞察による高度な信号処理と機械学習によって可能になり,サイバー双晶はリアルタイム性能を監視し,予想外のダウンタイムを防ぎ,最適化された決定をサポートするための潜在的故障を予測する。クラウドに関する大量の生データによる分析を実行する代わりに,サイバー鉄道輸送システムは,リアルタイム特徴抽出と異常検出のためにエッジコンピューティングの利点を活用した。提案したフレームワークは,工業的AIを実行する一般的なアプローチを導入する。本論文では,選択した臨界サブシステムに対するデータ駆動解の重要な方法についても論じた。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ハードウェア ,  最適化 ,  信号処理 ,  停止時間 ,  機械学習 ,  *高速鉄道 ,  人工知能 ,  信頼性 ,  双晶 ,  アベイラビリティ ,  故障
準シソーラス用語： 生データ ,  実時間 ,  サブシステム ,  透明性 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 鉄道システム ,  工業 ,  AI ,  予測