Unsupervised classification in the system of electromechanical traction process evaluation from motion disturbances point of view

• Autorzy: Cygan M.

Warianty tytułu

PL

Klasyfikacja nienadzorowana w systemie oceniania elektromechanicznych procesów trakcyjnych ze względu na zaburzenia ruchu

• Języki publikacji: EN

Abstrakty

EN

The case of the classification under discussion constitutes a stage in realisation of the algorithm of the electromechanical traction process evaluation from the point of view of disturbances. The active safety connected with the level of the possessed knowledge on hazards is determined by means of "quantity of information" about monitored processes and with evaluation of that information. Within the system of the process evaluation in the case under discussion it means that classes of input information sample vectors are not a priori known. In the unsupervised classification a finite set of categories is determined according to the accepted evaluation criteria and the process run. The unsupervised classification constitutes the base for a supervised classification within the procedure of the traction exploitation process evaluation from the point of view of disturbances and thus it determines the rules of the mass information processing within the evaluation system.

PL

Omawiane w pracy zagadnienia dotyczą tworzenia systemu maszynowego oceniania i klasyfikacji elektromechanicznych procesów trakcyjnych ze względu na zaburzenia ruchu. Prezentowany etap realizacji algorytmu systemu oceniania elektromechanicznych procesów trakcyjnych ze względu na zaburzenia jest próbą przedstawienia zagadnienia oceniania procesów eksploatacyjnych za pomocą kategorii właściwych systemom sztucznej inteligencji i przetwarzania informacji. Klasyfikacja nienadzorowana stanowi podstawę klasyfikacji nadzorowanej w procedurze oceniania eksploatacyjnych procesów trakcyjnych ze względu na zaburzenia, a co za tym idzie - określa zasady masowego przetwarzania informacji w systemie oceniania. Przynależność do klasy określają jakościowe znaczenia jednoczesnych wartości par kryterialnych funkcjonałów, mających elektrodynamiczne znaczenie, odpowiednio: współczynnika zastępczego elektromechanicznego tłumienia zaburzeń i zastępczego współczynnika elektromechanicznej sztywności zaburzeń. Klasyfikacja nienadzorowana, po rozpoznaniu wzornika wektora informacji wejściowej, wyznacza system klas oraz określa przynależność do nich próbek sygnałów. Klasyfikacja nienadzorowana i klasyfikacja nadzorowana tworzą podstawy samoorganizującego się systemu maszynowego uczenia i realizacji struktury procesora typu neuronowego do zadań oceniania elektromechanicznych procesów trakcyjnych ze względu na zaburzenia ruchu. Praca finansowana ze środków na naukę w latach 2006/2007 jako projekt badawczy Nr 4T12C 012 29.

Słowa kluczowe

EN

electromechanical traction process; motion disturbances

PL

procesy trakcyjne; elektromechaniczne procesy trakcyjne; zaburzenia ruchu

• Wydawca: Warsaw University of Technology, Faculty of Transport
• Czasopismo: Archives of Transport
• Rocznik: 2007
• Tom: Vol. 19, iss. 3
• Strony: 47--58
• Opis fizyczny: Bibliogr. 12 poz., rys.

Twórcy

autor

Cygan M.

• Politechnika Warszawska, Wydział Transportu, 00-662 Warszawa, ul. Koszykowa 75

Bibliografia

• l. Cygan M.: Multidimensional Methods of Disturbances in Operational Investigations of Rail-Vehicle Electromechanical Drives. Transport XXI Wieku, Międzynarodowa Konferencja Naukowa Politechnika. Warszawska, PAN, Warszawa, wrzesień 2001.
• 2. Cygan M.: Evaluation of Electric Locomotive Motion Safety with Use of an Electromechanical Traction Processes Observer. Logitrans '03, Konferencja naukowo-techniczna: Logistyka, Systemy' transportowe, Bezpieczeństwo w transporcie. Prace Naukowe TRANSPORT, Nr 1(17), 2003.
• 3. Cygan M.: Dynamic evaluation of traction vehicle electromechanical drive in transportation traction processes. Archives of Transport, Vol. XV, No. 1, 2003.
• 4. Cygan M.: An inverse problem of electric locomotive drive electromechanics in the transportation traction processes. Archives of Transport, Vol. XVI, No. 2, 2003.
• 5. Cygan M.: Informational Feedback in Safe Operation of Electric Locomotives. Int. Conf. The transport of the 21-st century, Warszawa, 2004.
• 6. Cygan M .: Active Safety in Operation of Electric Locomotives. ESRA - PSRA: European Safety & ReliabiIity Conference, ESREL 2005, 27-30 June 2005, Tri City, Poland.
• 7. Dougherty J., Kohavi R., Sahami M.: Supervised and unsupervised discretizations of continuous features. Proc. 12th Int. Conf. on Machine Learning, Morgan Kaufmann, 1995, p. 194-202.
• 8. Kohonen T.: Self-organization and Associative Memory. Vol. 8 of Springer Series in Information Sciences, Springer Verlag, New York, 1984.
• 9. Pawlak Z.: Rough sets. Int. J. Computer and Information Science, 11, 1982.
• 10. Pawlak Z., Slowiński R.: Rough set approach to multi-attribute decision analysis. European Journal of Operational Research, 72, 1994.
• 11. Polkowski L., Skowron A. (red.): Rough sets in knowledge discovery. Vol. 2, Applications, Case studies and software systems, Physica-Verlag, Heidelberg, 1998.
• 12. Słowiński R. (red.): Intelligent Decision Support. Handbook of Applications and Advances of the Rough Sets Theory. Dordrecht, Kluwer Academic Publishers, 1992.