Study of Informative Value of Features in Rail Condition Monitoring

Abstract

Введение. Многомерность пространства состояний рельсовых линий, близость границ классов из-за воздействия внешних возмущений существенно усложняют задачу распознавания и классификации данных состояний, вследствие чего ее возможно решить только с использованием множества информативных признаков. Вместе с тем расширение априорного алфавита признаков приводит к существенному увеличению экономических потерь для создания сложной системы распознавания, появлению ошибок измерения множества признаков, увеличению времени обработки информации, что отрицательно отражается на распознавании в реальном времени. В работе рассмотрена задача уменьшения размерности пространства признаков распознающей системы состояний рельсовых линий и формирования рабочего множества признаков с определением наиболее информативных сочетаний. Материалы и методы. Оценка информативности признаков осуществлялась методом корреляционных коэффициентов, а также с помощью обученного классификатора с решающей функцией, аргументами которой являлись входные и выходные электрические параметры четырехполюсника рельсовой линии. В качестве решающей функции был использован полином Колмогорова-Габора второй степени сложности, обученный решением несовместной системы уравнений. Математические и технические расчеты проводились в программе Mathcad. Результаты исследования. Наиболее информативными первичными признаками для надежной классификации состояний рельсовых линий являются входные и выходные параметры четырехполюсника рельсовой линии. При использовании данных признаков все классы надежно распознаются, а функции качества распознавания превышают 1,2. Обсуждение и заключения. Результаты, полученные в ходе исследования, подтверждают возможности подходов при формировании рабочего множества признаков и могут быть использованы при разработке обучаемых классификаторов состояний. Сочетание двух методов позволяет синтезировать сложные, многоуровневые системы распознавания, что является основным вкладом данной работы в развитие принципов распознавания образов.

Computational approach based on use of multilayer neural networks in classification of rail line states

“…The results of the research shall be illustrated on the example of learning based on error correction [7,8]. The neural network of the forward propagation of a neuron k , shown in Fig.…”