文献

J-GLOBAL ID：202102285255965459   整理番号：21A2572793

都市鉄道輸送インフラストラクチャー監視のための車両内部騒音分類の利用【JST・京大機械翻訳】

Using Vehicle Interior Noise Classification for Monitoring Urban Rail Transit Infrastructure

著者 (7件)： Wang Yifeng (Key Laboratory of High-Speed Railway Engineering of the Ministry of Education, School of Civil Engineering, Southwest Jiaotong University, Chengdu 610031, China) ,  Wang Ping (Key Laboratory of High-Speed Railway Engineering of the Ministry of Education, School of Civil Engineering, Southwest Jiaotong University, Chengdu 610031, China) ,  Wang Qihang (Key Laboratory of High-Speed Railway Engineering of the Ministry of Education, School of Civil Engineering, Southwest Jiaotong University, Chengdu 610031, China) ,  Chen Zhengxing (Key Laboratory of High-Speed Railway Engineering of the Ministry of Education, School of Civil Engineering, Southwest Jiaotong University, Chengdu 610031, China) ,  He Qing (Key Laboratory of High-Speed Railway Engineering of the Ministry of Education, School of Civil Engineering, Southwest Jiaotong University, Chengdu 610031, China) ,  He Qing (Department of Industrial and Systems Engineering, University at Buffalo, The State University of New York, Buffalo, NY 14260, USA) ,  He Qing (Department of Civil, Structural and Environmental Engineering, University at Buffalo, The State University of New York, Buffalo, NY 14260, USA)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 4  ページ： 1112  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本研究では,スマートフォン上で収集した地下鉄システムからの車両内部騒音に対するマルチ分類モデルを開発した。提案モデルは,統計的方法を用いて異常ノイズの原因を分析するのに使用される可能性があり,レール保全作業の効果を評価する。この目的のために,まず,スマートフォンビルトインセンサによるマルチソースデータ(オーディオ,加速度,および角速度)収集フレームワークを開発した。次に,Shannonエントロピーを考慮して,1秒ウィンドウを選択して時系列信号をセグメント化した。本研究では,時間-および周波数領域から45の特徴を抽出し,分類器を確立した。次に,訓練データセットと合成少数オーバサンプリング技術(SMOTE)とのバランスをとる効果を調べた。重要性ベースおよび相互情報ベースの特徴選択法の分類結果を比較し,解析することによって,研究は,重要度スコアによってトップ10特徴から成る特徴集合を採用した。他の分類器との比較は,提案したXGBoostベースの分類器が,良好な精度を維持しながら高速に走ることを示した。最後に,事例研究を,異常な車両内部騒音事象の分析へのこの分類器の応用を拡張し,レール研削の効果を評価するために提供した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *騒音 ,  セグメンテーション ,  保全 ,  研削 ,  加速度 ,  レール ,  統計的方法 ,  特徴選択 ,  角速度 ,  オーディオ機器 ,  *インフラストラクチャー ,  事例研究 ,  周波数領域 ,  スマートフォン

著者キーワード (4件)： 都市鉄道輸送の内部騒音 ,  スマートフォンセンシング ,  XGBoost分類器 ,  鉄道保守

分類 (5件)： 信頼性  (KB04040H) ,  音響測定  (BB03040R) ,  計算機利用技術一般  (JE01000C) ,  波形,周波数,波長,位相の計測法・機器  (AD07040Y) ,  流体の実験・試験・測定方法及び装置  (BC01020K)

引用文献 (46件)：

• China Urban Rail Transit Association. Urban Rail Transit 2018 Annual Statistical Report; China Urban Rail Transit Association: Beijing, China, 2019.
• Atmaja, B.; Puabdillah, M.; Farid, M.; Asmoro, W. Prediction and simulation of internal train noise resulted by different speed and air conditioning unit. J. Phys. Conf. Ser. 2018, 1075, 012038.
• Zhang, J.; Xiao, X.; Sheng, X.; Li, Z.; Jin, X. A Systematic Approach to Identify Sources of Abnormal Interior Noise for a High-Speed Train. Shock Vib. 2018, 2018.
• Talotte, C. Aerodynamic noise: A critical survey. J. Sound Vib. 2000, 231, 549-562.
• Han, J.; Xiao, X.; Wu, Y.; Wen, Z.; Zhao, G. Effect of rail corrugation on metro interior noise and its control. Appl. Acoust. 2018, 130, 63-70.

タイトルに関連する用語 (4件)： 都市鉄道輸送 ,  インフラストラクチャー ,  騒音 ,  分類