文献

J-GLOBAL ID：202102239809449615   整理番号：21A0752843

改良コンボリューションニューラルネットワークに基づく無絶縁軌道回路同調領域の故障診断【JST・京大機械翻訳】

Fault diagnosis of tuning zone of jointless track circuit based on improved convolutional neural network

著者 (4件)： Tian Fenxia (北京交通大学 電子信息工程学院,北京 100044) ,  Yang Shiwu (北京交通大学 電子信息工程学院,北京 100044) ,  Cui Yong (北京交通大学 電子信息工程学院,北京 100044) ,  Wu Pei (北京交通大学 電子信息工程学院,北京 100044)
資料名： Tielu Jisuanji Yingyong  (Tielu Jisuanji Yingyong)
巻： 29  号： 6  ページ： 58-63,74  発行年： 2020年 
JST資料番号： C4461A  ISSN： 1005-8451  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 既存の故障診断において,列車の安全に及ぼす故障の影響を無視するために,分路状態の下の機関車信号電圧モデルを確立し,そして,正常状態および異なる故障状態の下の機関車信号電圧を,得た。補償コンデンサの故障,異なる道床抵抗が機関車信号電圧に及ぼす影響を考慮し,既存のデータベースを拡張して,チューニング領域の故障データセットを得た。これに基づいて、畳込みニューラルネットワーク(CNN、ConvolutionalNeuralNetworks)を用いて、同調領域の故障診断を実現し、特徴抽出はCNN中巻積層により実現し、異なる巻き積層パラメータで診断精度と訓練時間を比較した。最適の巻積層パラメータを選択した。dropout関数を用いて訓練中に過適合現象を避け、CNNにおける第2全連結層を通して故障分類を実現した。データラベルエラーを人工的に構築する問題のために,ラベルエラーデータセットを構築する方式を通して,トレーニングプロセスに及ぼすエラーラベルデータの影響を減らすことができた。テスト結果は,SNRが40dBであるとき,テストセットの正解率が97.92%であり,ノイズ環境の下で,この診断方式が効果的であることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： コンデンサ ,  雑音 ,  *故障 ,  データベース ,  道床 ,  機関車 ,  *故障診断 ,  特徴抽出 ,  *同調 ,  バイパス
準シソーラス用語： 診断精度 ,  正解率 ,  故障分類 ,  無絶縁軌道回路 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  電動機  (NB07030U)

タイトルに関連する用語 (3件)： 無絶縁軌道回路 ,  同調 ,  故障診断