文献

J-GLOBAL ID：202002291113365093   整理番号：20A1036170

ランダムフォレストに基づく鉄道分岐器の故障診断【JST・京大機械翻訳】

Fault Diagnosis of Railway Turnout Based on Random Forests

著者 (11件)： Zhang Huiyue (State Key Lab of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing, China) ,  Zhang Huiyue (National Engineering Laboratory for System Safety and Operation Assurance of Urban Rail Transit, Beijing Jiaotong University, Guangdong, China) ,  Zhang Huiyue (Beijing Research Center of Urban Traffic Information Sensing and Service Technologies, Beijing Jiaotong University, Beijing, China) ,  Wang Zhipeng (State Key Lab of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing, China) ,  Wang Zhipeng (National Engineering Laboratory for System Safety and Operation Assurance of Urban Rail Transit, Beijing Jiaotong University, Guangdong, China) ,  Wang Zhipeng (Beijing Research Center of Urban Traffic Information Sensing and Service Technologies, Beijing Jiaotong University, Beijing, China) ,  Wang Ning (State Key Lab of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing, China) ,  Wang Ning (National Engineering Laboratory for System Safety and Operation Assurance of Urban Rail Transit, Beijing Jiaotong University, Guangdong, China) ,  Wang Ning (Beijing Research Center of Urban Traffic Information Sensing and Service Technologies, Beijing Jiaotong University, Beijing, China) ,  Long Jing (National Engineering Laboratory for System Safety and Operation Assurance of Urban Rail Transit, Beijing Jiaotong University, Guangdong, China) ,  Tao Tao (National Engineering Laboratory for System Safety and Operation Assurance of Urban Rail Transit, Beijing Jiaotong University, Guangdong, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 639  ページ： 505-515  発行年： 2020年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ターンアウトは鉄道インフラシステムの重要な要素であり,列車運転安全性に関する重要な問題と考えられている。したがって,ターンアウトの故障診断研究は重要である。しかし,鉄道分岐のための故障診断の既存の方法は,低い効率性,適時性を満たすことができない,および不十分な精度のような問題を持っている。これらの問題を解決するために,本論文はランダム森林に基づく故障診断方法を提示した。ランダムフォレストアルゴリズムは多くのCART決定木分類器を構築し,ランダムサンプルとランダム特徴の2つのランダム手順を導入し,各ディシジョンツリー分類器の多様性を強化した。最終分類結果は,大多数投票法により得られ,実行速度と分類精度を改善した。本論文では,S700Kスイッチマシンの電力データを用いて事例研究を示し,ランダムフォレスト分類モデルを構築した。結果は,ランダムフォレストアルゴリズムが正確に,迅速に鉄道分岐の状態のために診断結果を与えることができることを示した。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  電力 ,  列車運転 ,  *分岐器 ,  *故障診断 ,  ディシジョンツリー ,  投票 ,  事例研究 ,  無作為抽出
準シソーラス用語： アンサンブル学習 ,  CART ,  分類精度 ,  *ランダムフォレスト ,  適時性 ,  分類モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： 分岐器 ,  ランダムフォレスト ,  故障診断 ,  アンサンブル学習

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： ランダムフォレスト ,  鉄道 ,  分岐器 ,  故障診断