Разработка обучаемого классификатора состояний рельсовых линий с многомерными информативными признаками
Ключевые слова:
классификатор состояний, решающая функция, множество признаковАннотация
Значительное количество отказов в системах интервального управления движением поездов связано с воздействием возмущающих факторов в широком диапазоне изменения на единственный информационный признак, характеризующий состояние рельсовых линий. В работе предложено определять состояния объекта контроля принципами распознавания образов с многомерными информативными признаками. В качестве признаков предложено использовать амплитуды напряжений и токов на входе и выходе рельсового четырехполюсника. В качестве полинома решающей функции – ортогональный многочлен Эрмита, позволяющий путем усложнения порядка и размерности увеличить глубину распознавания и обеспечить относительную инвариантность к возмущающим воздействиям. При решении задачи распознавания состояний рельсовых линий в качестве критерия качества использована относительная погрешность вычисления границ классов решающими функциями. Работоспособность предложенной методики демонстрируется результатами исследования распознавания состояний рельсовых линий с «обученной» решающей функцией.Литература
1. Лябах Н.Н., Умрихин Н.Г. Автоматизация процесса классификации интеллектуальных транспортных комплексов на основе экспертных систем // Вестник Ростовского государственного университета путей сообщения. 2013. № 2(50). С. 98–103.
2. Тарасов Е.М. Принципы распознавания в классификаторах состояний рельсовых линий // М.: Маршрут. 2003. 156 с.
3. Ивахненко А.Г. Самообучающиеся системы // Киев.: АН УССР. 1963. 328 с.
4. Ту Дж., Гонсалес Р. Принципы распознавания образов / Пер. с англ. И.Б. Гуревича / под ред. Ю.И. Журавлева // М.: Мир. 1978. 412 с.
5. Михеева Т.И., Сапрыкин О.Н. Нейросетевое управление пространственно-координированными объектами транспортной инфраструктуры // Самара: D.S. Style. 2011. 217 с.
6. Фомин Я. А., Тарловский Г.Р. Статистическая теория распознавания образов // М.: Радио и связь. 1986. 286 с.
7. Баранов Р.П., Белоконь А.В., Фаворская М.Н. Определение и приоретизация признаков объектов на изображении в системах распознавания // Актуальные проблемы авиации и космонавтики. 2012. Т. 1. № 8. С. 328–329.
8. Борисова И.А., Загоруйко Н.Г., Кутненко О.А. Критерии информативности и пригодности подмножества признаков, основанные на функции сходства // Заводская лаборатория. Диагностика материалов. 2008. Т.74. №1. С. 68–71.
9. Галушкин А.И. Синтез многослойных систем распознавания образов // М.: Энергия. 1974. 367 с.
10. E.M. Tarasov, D.V. Zheleznov Development of an Intelligent System of Determinating the Coordinates and the Speed of the Train // Transport and Telecommunication Journal. 2015. vol. 17. no. 2. pp. 138–143.
11. Потапов А.С. Распознавание образов и машинное восприятие: Общий подход на основе минимальной длины описания // СПб.: Политехника. 2007. 548 с.
12. Суетин П. К. Классические ортогональные многочлены: 3-е изд., перераб. и доп. // М.: ФИЗМАТЛИТ. 2005. 480 с.
13. Орлов А.И. Математические методы теории классификации // Научный журнал КубГАУ. 2014. №95(01). С. 1–37.
14. Tarasov E.M., Isaicheva A.G. Technique of measurement of ultralow resistance of current conductive junction of rail lines as the problem of states object identification // Proceedings of Information Technology and Nanotechnology (ITNT - 2015). 2015. vol. 1490. pp. 397–401.
15. Журавлёв Ю.И., Рязанов В.В., Сенько О.В. Распознавание. Математические методы. Программная система. Практические применения // М.: ФАЗИС. 2006. 176 с.
16. Белоногов А.С., Куров М.Б. Выбор решающей функции в задаче оценки электрических параметров рельсовых цепей // Наука и образование транспорту. Самара: СамГУПС. 2011. № 1. С. 69–71.
17. Загоруйко Н. Г., Кутненко О. А. Количественная мера компактности образов и метод ее повышения // Интеллектуализация обработки информации: Сб. докл. Девятой Международной конф. М.: Торус Пресс. 2012. С. 29–32.
18. Неделько В.М. Некоторые вопросы оценивания качества методов построения решающих функций // Вестник Томского государственного университета. 2013. №3 (24). С. 123–132.
19. Куров М.Б., Белоногов А.С., Смирнова Л.Б. Метод удаленного мониторинга проводимости изоляции рельсовой линии // Наука и образование транспорту. Самара: СамГУПС. 2011. № 1. С. 100–101.
20. Волик В.Г., Гуменников В.Б., Шорохов Н.С. Измерение распределенных параметров рельсовой линии // Перспективные информационные технологии (ПИТ 2015): Сб. науч. тр. международной научно-технической конференции. Самара: СамНЦ РАН. 2015. С. 48–51.
2. Тарасов Е.М. Принципы распознавания в классификаторах состояний рельсовых линий // М.: Маршрут. 2003. 156 с.
3. Ивахненко А.Г. Самообучающиеся системы // Киев.: АН УССР. 1963. 328 с.
4. Ту Дж., Гонсалес Р. Принципы распознавания образов / Пер. с англ. И.Б. Гуревича / под ред. Ю.И. Журавлева // М.: Мир. 1978. 412 с.
5. Михеева Т.И., Сапрыкин О.Н. Нейросетевое управление пространственно-координированными объектами транспортной инфраструктуры // Самара: D.S. Style. 2011. 217 с.
6. Фомин Я. А., Тарловский Г.Р. Статистическая теория распознавания образов // М.: Радио и связь. 1986. 286 с.
7. Баранов Р.П., Белоконь А.В., Фаворская М.Н. Определение и приоретизация признаков объектов на изображении в системах распознавания // Актуальные проблемы авиации и космонавтики. 2012. Т. 1. № 8. С. 328–329.
8. Борисова И.А., Загоруйко Н.Г., Кутненко О.А. Критерии информативности и пригодности подмножества признаков, основанные на функции сходства // Заводская лаборатория. Диагностика материалов. 2008. Т.74. №1. С. 68–71.
9. Галушкин А.И. Синтез многослойных систем распознавания образов // М.: Энергия. 1974. 367 с.
10. E.M. Tarasov, D.V. Zheleznov Development of an Intelligent System of Determinating the Coordinates and the Speed of the Train // Transport and Telecommunication Journal. 2015. vol. 17. no. 2. pp. 138–143.
11. Потапов А.С. Распознавание образов и машинное восприятие: Общий подход на основе минимальной длины описания // СПб.: Политехника. 2007. 548 с.
12. Суетин П. К. Классические ортогональные многочлены: 3-е изд., перераб. и доп. // М.: ФИЗМАТЛИТ. 2005. 480 с.
13. Орлов А.И. Математические методы теории классификации // Научный журнал КубГАУ. 2014. №95(01). С. 1–37.
14. Tarasov E.M., Isaicheva A.G. Technique of measurement of ultralow resistance of current conductive junction of rail lines as the problem of states object identification // Proceedings of Information Technology and Nanotechnology (ITNT - 2015). 2015. vol. 1490. pp. 397–401.
15. Журавлёв Ю.И., Рязанов В.В., Сенько О.В. Распознавание. Математические методы. Программная система. Практические применения // М.: ФАЗИС. 2006. 176 с.
16. Белоногов А.С., Куров М.Б. Выбор решающей функции в задаче оценки электрических параметров рельсовых цепей // Наука и образование транспорту. Самара: СамГУПС. 2011. № 1. С. 69–71.
17. Загоруйко Н. Г., Кутненко О. А. Количественная мера компактности образов и метод ее повышения // Интеллектуализация обработки информации: Сб. докл. Девятой Международной конф. М.: Торус Пресс. 2012. С. 29–32.
18. Неделько В.М. Некоторые вопросы оценивания качества методов построения решающих функций // Вестник Томского государственного университета. 2013. №3 (24). С. 123–132.
19. Куров М.Б., Белоногов А.С., Смирнова Л.Б. Метод удаленного мониторинга проводимости изоляции рельсовой линии // Наука и образование транспорту. Самара: СамГУПС. 2011. № 1. С. 100–101.
20. Волик В.Г., Гуменников В.Б., Шорохов Н.С. Измерение распределенных параметров рельсовой линии // Перспективные информационные технологии (ПИТ 2015): Сб. науч. тр. международной научно-технической конференции. Самара: СамНЦ РАН. 2015. С. 48–51.
Опубликован
2017-02-02
Как цитировать
Железнов, Д. В., Тарасов, Е. М., Исайчева, А. Г., & Михеева, Т. И. (2017). Разработка обучаемого классификатора состояний рельсовых линий с многомерными информативными признаками. Труды СПИИРАН, 1(50), 32-54. https://doi.org/10.15622/sp.50.2
Раздел
Средства вычислительной техники и систем управления
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
