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.
Development of the Learning Classifier of Rail Lines States with Multivariate Informative Features
Abstract
A considerable number of failures in the system of interval control of train traffic are associated with the impact of disturbing actions in a wide range of change in the only informative feature characterizing the rail lines states. In the paper, it is proposed to determine the state of the control object by the principles of the pattern recognition with multivariate informative features. It is suggested to use as the features the voltages and currents at the input and output of a quadripole, and as a polynomial of the decisive function — the Hermit’s orthogonal polynomial, which allows increasing the depth of recognition and ensuring the relative invariance of disturbing actions by amplifying the order and dimension. In recognition of the rail lines states the relative error of calculating class boundaries by decisive functions is used as a quality criterion. Serviceability of the proposed method is demonstrated by the results of rail lines states recognition with a "trained" decisive function.
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).
