文献

J-GLOBAL ID：201902267000103322   整理番号：19A2177172

鉄道車両ドアシステムのための密度ピーククラスタリングに基づく教師なし異常検出法【JST・京大機械翻訳】

An Unsupervised Anomaly Detection Method Based on Density Peak Clustering for Rail Vehicle Door System

著者 (5件)： Shi Wen (Nanjing University of Aeronautics & Astronautics, Nanjing, 211106, China) ,  Lu Ningyun (Nanjing University of Aeronautics & Astronautics, Nanjing, 211106, China) ,  Jiang Bin (Nanjing University of Aeronautics & Astronautics, Nanjing, 211106, China) ,  Zhi Youran (Nanjing Kangni Mechanical & Electrical Co., Ltd, Nanjing, 210009, China) ,  Xu Zhixing (Nanjing Kangni Mechanical & Electrical Co., Ltd, Nanjing, 210009, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CCDC  ページ： 1954-1959  発行年： 2019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： レール車両システム(RVD)の頻繁な故障は,鉄道車両の安全運転に対して強い負の影響を持つ。効果的な条件に基づく保全のために,故障の初期段階において異常な扉を検出することは緊急の必要である。本論文では,密度ピーククラスタリング(DPC)アルゴリズムに基づくRVDのための教師なし異常検出法を提案した。この方法は,鉄道車両の複数のドアから収集されたドアの位置,モータの速度および電流のリアルタイム情報に依存する。ドアの健康状態に関連する特徴をこれらのデータから抽出することができて,次に,DPCアルゴリズムを用いて異常なものを同定した。広州地下鉄ライン3の北の拡張に関する検証は,本方法が正確に非健全なドアを見つけることができて,鉄道車両のための遠隔知的保全システムのために有効な技術を提供することができることを示した。Copyright 2019 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： 保全 ,  *鉄道車両 ,  アルゴリズム ,  電流 ,  電動機 ,  レール
準シソーラス用語： 健康状態 ,  実時間 ,  安全運転 ,  *異常検出 , 【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 (6件)： 鉄道 ,  車両ドア ,  密度 ,  クラスタリング ,  教師 ,  検出法