文献

J-GLOBAL ID：202102222295589894   整理番号：21A0439445

深層畳込みニューラルネットワークを用いた送信シフト制御品質を分類するための人工知能の開発【JST・京大機械翻訳】

Development of Artificial Intelligence to Classify Quality of Transmission Shift Control Using Deep Convolutional Neural Networks

著者 (5件)： Kawakami Takefumi (Tokyo Laboratory, EQUOS RESEARCH COMPANY, LTD., Chiyoda-ku, Tokyo, Japan) ,  Ide Takanori (Tokyo Laboratory, EQUOS RESEARCH COMPANY, LTD., Chiyoda-ku, Tokyo, Japan) ,  Moriyama Eiji (Control System Engineering Department, AISIN AW COMPANY, LTD., Anjo, Aichi, Japan) ,  Hoki Kunihito (Graduate School of Informatics and Engineering, The University of Electro-Communications, Chofu, Tokyo, Japan) ,  Muramatsu Masakazu (Graduate School of Informatics and Engineering, The University of Electro-Communications, Chofu, Tokyo, Japan)
資料名： IEEE Transactions on Vehicular Technology  (IEEE Transactions on Vehicular Technology)
巻： 69  号： 12  ページ： 16168-16172  発行年： 2020年 
JST資料番号： C0244A  ISSN： 0018-9545  CODEN： ITVTAB  資料種別： 逐次刊行物 (A)
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： 自動伝送は現代の車両のコア部品であり,良好なシフト品質を達成することは運転経験を高めるために重要である。伝送を行う企業において,専門家技術者は,目標シフト品質を達成する目標で水圧を制御するためのパラメータを調整する際に大きな注意を取る。シフト品質を評価する人の専門家を必要とするので,水圧を制御するシステムを較正するのに要する時間を短くすることは困難である。本論文では,そのような開発時間を低減するために,シフト品質の分類器の新しいフレームワークを提案した。それは,時系列測定データに標準スーパービジョン深層学習技術(CSQ-SDL)を適用する。フレームワークは,測定データ収集,専門家によるラベリング,データ増強,データ標準化,および深層畳込みニューラルネットワークの訓練の5つの手順から成る。さらに,CSQ-SDLを用いて,特定の伝送モデルのロックアップクラッチのエンゲージメントを評価した。前もって通常のセンサで測定した生時系列データを用い,生データで探索したエキスパート技術者により後に書かれたラベルを用いて,二値分類器を構築し,その性能を試験した。専門家の判断を予測する精度は高い;曲線下面積は0.94であった。結果は,提案方法が製品開発時間を短くして,その結果,今日の競争自動車市場の要求を満たすことができることを示した。Copyright 2021 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： 自動車 ,  製品開発 ,  水圧 ,  *人工知能 ,  センサ ,  血中濃度-時間曲線下面積
準シソーラス用語： 時系列データ ,  スーパービジョン ,  データ標準化 ,  深層学習 ,  二値分類 , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (5件)： 深層畳込みニューラルネットワーク ,  シフト ,  分類 ,  人工知能 ,  開発