25705

بررسي روشهاي انتخاب ويژگي و بهكارگيري و تحليل حداقل دو روش در شناسايي خطاي ماشين سوزن

كارشناسي ارشد

مهندسي برق گرايش كنترل وعلائم

1396

1400/06/22

دكتر احمد ميرآبادي

راه آهن

تجهيزات ماشين سوزن در راه‌آهن يكي از ساختارها در زيرساخت‌هاي راه‌آهن هستند كه براي كنترل مسير حركت قطارها از راه دور استفاده مي‌‌شود؛ بنابراين، براي افزايش قابليت اطمينان عملكرد آن‌ها، در دسترس بودن و ايمني مسافران، كنترل وضعيت سلامت اجزاي سيستم ماشين سوزن بسيار حائز اهمت است. صحت روش‌هاي ارزيابي سلامت مبتني بر داده، به استخراج و انتخاب ويژگي‌هاي متمايز-كننده¬ي وضعيت ماشين سوزن در حالت سالم و معيوب از داده‌هاي خام بستگي دارد. هر چه ويژگي¬هاي انتخاب‌شده وجود نقص در عملكرد ماشين¬ سوزن را دقيق¬تر گزارش كنند، اطلاعات كامل¬تري از ارزيابي وضعيت سلامت ماشين سوزن به دست خواهد آمد. در اين تحقيق، هدف بررسي سه روش انتخاب ويژگي از جمله روش‌هاي مبتني بر منحني (CFS)، Relief و NCA بر روي ويژگي¬هاي استخراج‌شده از داده-هاي جريان حاصل از حسگرهاي منصوب بر روي جريان موتور ماشين¬هاي سوزن ايستگاه آپرين است. لذا، بيش از 30 ويژگي برجسته حاصل از تحليل¬هاي حوزه زمان، فركانس و زمان- فركانس از ماشين‌هاي سوزني كه داراي عملكرد سالم و ماشين سوزن‌هايي كه دارايي عيوبي در يكي از ادوات داخلي از جمله چرخ¬دنده، ميله مارپيچ، صفحه سرسره هستند، استخراج مي¬گردد. سپس به‌منظور ارزيابي نحوه عملكرد در رتبه¬بندي بين ويژگي¬هاي استخراج‌شده از الگوريتم‌هاي بيز ساده (NB)، ماشين بردار پشتيبان (SVM) استفاده مي¬گردد. روش‌هاي انتخاب ويژگي با استفاده از معيارهايي چون دقت تشخيص، ريشه ميانگين مربعات خطا و ... محاسبه مي¬گردند.

1400/09/13

Investigate the methods of feature selection and application and analysis of at least two Method in detecting point machine error

9/13/2022 12:00:00 AM

Railway point equipment is one of the structures in railway infrastructure that is used to control the movement of trains remotely; Therefore, to increase the reliability of their operation, availability and safety of passengers, it is very important to control the health status of the components of the point machine system. The accuracy of data-based health assessment methods depends on the extraction and selection of distinguishing features of healthy and defective point machine status from raw data. The more accurately the selected features report defects in point machine performance, the more complete information will be obtained from a point machine health assessment. In this research, the aim of this study is to investigate three feature selection methods including curve based methods (), CFS Relief and NCA on the characteristics extracted from the flow data obtained from sensors installed on the motor current of the Aperin station point machines. Therefore, more than 30 outstanding features obtained from time, frequency and time-frequency domain analysis of point machines that have healthy performance and point machines that have defects in one of the internal devices such as gear, spiral rod, slide plate, Is extracted. Then, in order to evaluate the performance in ranking among the features extracted, simple Bayesian algorithms (NB), support vector machine (SVM) are used. Feature selection methods using criteria such as detection accuracy, root mean square error, etc. Are calculated.

ماشين سوزن، الگوريتم CFS، الگوريتم Relief، ماشين بردار پشتيبان، شبكه عصبي.

Curvature-based Feature selection Neighborhood component analysis Naïve bayes Support Vector Machine