機械学習による車両機器状態監視のための代表データ選択法

カテゴリ: 研究会(論文単位)

論文No: TER18036

グループ名: 【D】産業応用部門 交通・電気鉄道研究会

発行日: 2018/03/01

タイトル(英語): Prototype selection method for vehicle condition monitoring using machine learning

著者名: 近藤 稔(鉄道総合技術研究所)

著者名(英語): Minoru Kondo(Railway Technical Research Institute)

キーワード: 代表データ選択|機械学習|状態監視|鉄道車両|近傍法|prototype selection|machine learning|condition monitoring|railway vehicle|nearest neighbor

要約(日本語): 鉄道車両機器の状態監視を目的とし，振動分析と機械学習による状態監視法の開発を行っている。鉄道車両では長期的な状態変化により振動が変化するため，学習には長期間のデータを用いる。その際には，全てのデータではなく，一部の代表データのみを用いるのが現実的である。そこで，近傍法を応用した代表データ選択法を提案する。提案方法を，異常模擬試験時の振動データに適用した結果，期待した通りの効果を確認した。

要約(英語): We are developing a vibration monitoring system using machine learning for railway vehicle equipment. When long-term data is used for training, it is realistic to use only some prototype data, not all data. Therefore, we proposed a prototype selection method and verified it with engine bench test results.

原稿種別: 日本語

PDFファイルサイズ: 1,822 Kバイト