Fugu-MT 論文翻訳(概要): A WT-ResNet based fault diagnosis model for the urban rail train transmission system

論文の概要: A WT-ResNet based fault diagnosis model for the urban rail train transmission system

arxiv url: http://arxiv.org/abs/2406.06031v1
Date: Mon, 10 Jun 2024 05:43:55 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-10 22:09:04.953265
Title: A WT-ResNet based fault diagnosis model for the urban rail train transmission system
Title（参考訳）: WT-ResNetを用いた都市鉄道送電システムの故障診断モデル
Authors: Zuyu Cheng, Zhengcai Zhao, Yixiao Wang, Wentao Guo, Yufei Wang, Xiang Gao,
Abstract要約: 本研究では,Wavelet Transform Residual Neural Network(WT-ResNet)に基づく都市鉄道交通システムの新しい故障診断モデルを提案する。このモデルは、特徴抽出のためのウェーブレット変換とパターン認識のためのResNetの利点を統合し、診断精度と堅牢性を向上させる。
参考スコア（独自算出の注目度）: 12.148492931557719
License:
Abstract: This study presents a novel fault diagnosis model for urban rail transit systems based on Wavelet Transform Residual Neural Network (WT-ResNet). The model integrates the advantages of wavelet transform for feature extraction and ResNet for pattern recognition, offering enhanced diagnostic accuracy and robustness. Experimental results demonstrate the effectiveness of the proposed model in identifying faults in urban rail trains, paving the way for improved maintenance strategies and reduced downtime.
Abstract（参考訳）: 本研究では,Wavelet Transform Residual Neural Network(WT-ResNet)に基づく都市鉄道交通システムの新しい故障診断モデルを提案する。このモデルは、特徴抽出のためのウェーブレット変換とパターン認識のためのResNetの利点を統合し、診断精度と堅牢性を向上させる。実験により, 都市鉄道車両の故障の同定, メンテナンス戦略の改善, ダウンタイムの削減に提案手法の有効性が示された。

関連論文リスト

Degradation-Guided One-Step Image Super-Resolution with Diffusion Priors [75.24313405671433]
拡散に基づく画像超解像法 (SR) は、事前訓練された大規模なテキスト・画像拡散モデルを先行として活用することにより、顕著な成功を収めた。本稿では,拡散型SR手法の効率問題に対処する新しい一段階SRモデルを提案する。既存の微調整戦略とは異なり、SR専用の劣化誘導低ランク適応 (LoRA) モジュールを設計した。
論文参考訳（メタデータ） (2024-09-25T16:15:21Z)
WiNet: Wavelet-based Incremental Learning for Efficient Medical Image Registration [68.25711405944239]
深部画像登録は異常な精度と高速な推測を示した。近年の進歩は、粗大から粗大の方法で密度変形場を推定するために、複数のカスケードまたはピラミッドアーキテクチャを採用している。本稿では,様々なスケールにわたる変位/速度場に対して,スケールワイブレット係数を漸進的に推定するモデル駆動WiNetを提案する。
論文参考訳（メタデータ） (2024-07-18T11:51:01Z)
Driver Fatigue Prediction using Randomly Activated Neural Networks for Smart Ridesharing Platforms [0.21847754147782888]
ライドシェアリングプラットフォームのドライバーは、一日中ライドオファーを受けると認知萎縮と疲労を示す。本稿では,ドライバーの移動時の乗車決定をモデル化し,予測するための新しい動的満足度(DDS)を提案する。本報告では,シカゴのタクシーのシミュレーション実験と実際のタクシーデータを用いて,提案手法の有効性を実証する。
論文参考訳（メタデータ） (2024-04-16T16:04:11Z)
Reinforcement Learning for Scalable Train Timetable Rescheduling with Graph Representation [28.5828807787632]
列車のダイヤ改正(TTR)は、混乱や混乱の後、列車の当初の運行を迅速に復旧することを目的としている。本研究では,TTRに対する強化学習に基づくアプローチを提案する。
論文参考訳（メタデータ） (2024-01-13T02:14:35Z)
A Tricycle Model to Accurately Control an Autonomous Racecar with Locked Differential [71.53284767149685]
自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
論文参考訳（メタデータ） (2023-12-22T16:29:55Z)
A Novel Transfer Learning Method Utilizing Acoustic and Vibration Signals for Rotating Machinery Fault Diagnosis [12.631120583797518]
回転機械の故障診断は, 近代産業システムの安全性と安定性に重要な役割を担っている。実世界の運用シナリオのデータとトレーニングデータの間には,分散の相違がある。本稿では,この分布差に対処する音響信号と振動信号を用いた伝達学習手法を提案する。
論文参考訳（メタデータ） (2023-10-20T10:50:14Z)
A Global Transport Capacity Risk Prediction Method for Rail Transit Based on Gaussian Bayesian Network [2.639145056127198]
本稿では,鉄道輸送網の輸送能力と旅客輸送需要のミスマッチに起因する輸送能力リスクの予測問題について述べる。鉄道交通システムのシミュレーションモデルに基づいて,予測モデルのトレーニングデータを取得する。
論文参考訳（メタデータ） (2023-08-03T06:36:13Z)
Developing Hybrid Machine Learning Models to Assign Health Score to Railcar Fleets for Optimal Decision Making [5.342987153978944]
本研究では,密度に基づく空間クラスタリングとノイズ(DBSCAN)と主成分分析(PCA)を組み合わせたハイブリッド故障診断エキスパートシステムを提案する。実験結果によると、我々の専門家モデルはサンプルの50%以内に96.4%の障害を検出できる。
論文参考訳（メタデータ） (2023-01-21T03:48:05Z)
Safety-compliant Generative Adversarial Networks for Human Trajectory Forecasting [95.82600221180415]
群衆における人間予測は、社会的相互作用をモデル化し、衝突のないマルチモーダル分布を出力するという課題を提示する。 SGANv2は、動き時間相互作用モデリングと変圧器に基づく識別器設計を備えた安全に配慮したSGANアーキテクチャである。
論文参考訳（メタデータ） (2022-09-25T15:18:56Z)
System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
論文参考訳（メタデータ） (2022-08-30T20:16:17Z)
Learning to Reweight Imaginary Transitions for Model-Based Reinforcement Learning [58.66067369294337]
モデルが不正確または偏りがある場合、虚構軌跡はアクション値とポリシー関数を訓練するために欠落する可能性がある。虚構遷移を適応的に再重み付けし, 未生成軌跡の負の効果を低減させる。提案手法は,複数のタスクにおいて,最先端のモデルベースおよびモデルフリーなRLアルゴリズムより優れる。
論文参考訳（メタデータ） (2021-04-09T03:13:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。