Login for students

Login for employees

Publication detail

Využití neuronových sítí k detekci poruchových stavů jedoucích vozidel metra
Authors: Zelenka Jaromír | Musil Michal | Kohout Martin | Hába Aleš | Havlíček Petr
Year: 2015
Type of publication: ostatní do riv
Page from-to: nestránkováno
Titles:
Language Name Abstract Keywords
cze Využití neuronových sítí k detekci poruchových stavů jedoucích vozidel metra Prezentován postup implementace neuronových sítí v oblasti analýzy příznaků poruch v signálech získaných při měření zrychlení během průjezdu vozidel metra měřicím úsekem. Je prezentován princip aplikace neuronových sítí, stanovení referenčního signálu pro bezporuchový stav. Příznak poruchy v signálu je detekován metodou predikce signálu neuronovou sítí naučenou na bezporuchový signál a následném porovnání vstupního a predikovaného signálu. Výsledky jsou prezentovány pro několik souprav metra. Na základě dlouhodobého měření vibrací při průjezdu souprav a následné analýzy příznaků poruch lze vytvořit „slovník poruch“ a potom následně neuronovou sítí analyzovat konkrétní poruchu. Součástí zprávy je i ověření možnosti využití neuronových sítí pro rozpoznávání signálů, kde je toto ověřováno na rozpoznávání průjezdu jednoho dvojkolí celkem 23 různých souprav, je zde realizováno rozpoznávání časových průběhů signálů a frekvenčních FFT spekter. implementace neuronových sítí; analýza příznaků poruchy; predikce signálů; slovník poruch
eng Using of neural networks for detection of error conditions of running metro vehicles The report aims to present the progress in the implementation of neural networks in the analysis of the symptoms of errors of the signals obtained when measuring the acceleration during the passage of vehicles metro measuring section. It is presented here the principle applications of neural networks, the determination of the reference signal for fault-free condition. Symptom fault in the signal is detected by the signal prediction neural network trained to trouble the signal and then comparing the input signal and predicted. Results are presented for several metro trains. Based on the long-term measurement of vibration when passing trains and the subsequent analysis of the symptom of the problem can create a "fault dictionary" and then followed by a neural network to analyze particular fault. The report also check on the possibility of using neural networks for signal recognition, where it is verified to recognize the passage of one wheelset total of 23 different sets, there is recognition of realized waveforms and frequency spectra FFT. implementation of neural networks; analysis the symptoms of errors; prediction of signals; dictionary of errors

Departments

Other Parts

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives