Nonlinear Regression Model for Ride on Railway

Żółtowski, B.; Castaneda, L.; Żółtowski, M.

Artykuł - szczegóły

Tytuł artykułu

Nonlinear Regression Model for Ride on Railway

Autorzy

Żółtowski B. , Castaneda L. , Żółtowski M.

Treść / Zawartość

Pełne teksty:

Pobierz

Identyfikatory

Warianty tytułu

Nieliniowy model regresji w kolejnictwie

Języki publikacji

Abstrakty

The portable diagnosis system – SPD – evaluates the safety and ride quality aspects of the railway vehicles and the technical condition of the rail-vehicle interface. The objective of this article is to estimate the nonlinear regression model associated with the ride quality or motion behavior, by applying fuzzy clustering algorithms to the geometric data obtained from the technical condition of the railway-vehicle interface and measuring quasi-static lateral acceleration y^*_qst in different vehicles. The performance will be evaluated by comparing the measured acceleration y^*_qst with the acceleration calculated in our model y^*_qstM for 15 different vehicles. The obtained results will be then compared with the results of the multiple linear regression model used previously for the same purpose.

Przenośny system diagnostyczny – SPD ocenia aspekty bezpieczeństwa i jakości biegu pojazdów kolejowych oraz stanu technicznego pojazdu kolejowego. Celem niniejszego artykułu jest oszacowanie nieliniowego modelu regresji związanego z zachowaniem jakości jazdy, przez zastosowanie rozmytego algorytmu klastrowania danych geometrycznych stanu technicznego pojazdu kolejowego i pomiary quasi-statyczne przyspieszeń poprzecznych pojazdów szynowych. Będzie to ocena porównawcza zmierzonego realnego przyspieszenia z przyspieszeniem obliczonym skonfigurowanego modelu dla 15 różnych pojazdów. Uzyskane wyniki będą porównane z wynikami modelu liniowej regresji wielokryterialnej, które były dotychczas w tym celu stosowane.

Słowa kluczowe

rail vehicle heat release rate fire EU499 Eureka Project transfeu Project Metro Project CFD

model regresji kolejnictwo zbiór rozmyty

Wydawca

Instytut Kolejnictwa

Czasopismo

Problemy Kolejnictwa

Rocznik

2016

Tom

Z. 173

Strony

73--82

Opis fizyczny

Bibliogr. 24 poz., rys., tab., wz.

Twórcy

autor

Żółtowski B.

bogzol@utp.edu.pl

Uniwersytet Technologiczno-Przyrodniczy, Bydgoszcz

autor

Castaneda L.

lcasta@eafi t.edu.co

EAFIT University, Medellin, Colombia

autor

Żółtowski M.

mazolto@utp.edu.pl

Uniwersytet Technologiczno-Przyrodniczy, Bydgoszcz

Bibliografia

1. Babuska R.: Fuzzy modeling and identification toolbox, Delft Centre for System and Control. TU Delft – manual 1996.
2. Babuska R.: Fuzzy modeling for control. Kluwer Academic Publishers. Boston 1998, ISBN: 978-0-7923-8154-9.
3. Castañeda L., Żółtowski B.: Diagnostic system for the metro train. International Conference on Maintenance Engineering, (ICME), Cheng Du, China, 2006.
4. Castañeda L., Żółtowski B.: Metoda środowiskowych badań pojazdu szynowego. Inżyniera i Aparatura Chemiczna, SIMPress, Gliwice, Poland, 2006, pp. 100–104, ISSN 0368-0827.
5. Castañeda L., Żółtowski B.: Portable Diagnostic System for the Metro Train. Diagnostyka, vol. 37, Nr 1, (37) 2006, Poland, pp. 39–45, ISSN 641-6414.
6. Chen S., Billings S.A.: Representation of non-linear system the NARMAX model. International Journal of Control, 49, pp. 1012–1032.
7. Debiolles A., Oukhelou L., Aknin P.: Combined use of partial least squares regression and neural network for diagnosis tasks. Pattern Recognition, 2004, ICPR, 2004, Proceedings International Conference, vol.4, 2004, pp. 573–576.
8. Debiolles A., Oukhelou L., Aknin P.: Linear and nonlinear regressions using PLS feature selection and NN on defect diagnosis application. Int. Conf. on Machine Intelligence, ICMI, 2005.
9. Honda K., Ichihashi H.: Regularized linear fuzzy clustering and probabilistic PCA mixture models. IEEE transactions on fuzzy system, vol. 13, No 4, 2005 pp. 508–516 ISSN: 1063-6706.
10. Hornik K., Stinchcombe M., White H.: Multilayer feed forward networks are universal of approximate. Neural Networks, vol. 2, Issue 5, 1985, pp. 359–366, ISSN: 1045-9227.
11. Hwang C., Chung-Hoon Rhee F.: Uncertain fuzzy clustering: inter-vak type-2 fuzzy approach to C-means. IEEE – transactions on fuzzy system, vol.15, No1, 2007 pp. 107–120. ISSN: 1063-6706.
12. International Union of Railways. UIC, Code 518. Testing and approval of railway vehicles from the point of view of their dynamic behaviour – safety – track fatigue – ride quality. 2nd edition, April 2003, 72 p.
13. Ishida M., Akama M., Kashiwaya K., Kapoor A.: The current status of theory and practice on rail integrity in Japanese railways – rolling contact fatigue and corrugations. Fatigue & Fracture of Engineering Materials and Structures, Vol.26, No.10, 2003, pp. 909–919.
14. Kreyszig E.: Introducción a la estadística matemática: principios y métodos. México: Editorial Limusa S.A., 1988, 505 p.
15. Kumar M., Stoll R., Stoll N.: A min-max approach to fuzzy clustering, estimation, and identification. IEEE transactions on fuzzy system, vol. 14, No 2, 2006 pp. 248–262 ISSN: 1063-6706.
16. Mhaskar H.N.: Neural networks for optimal approximation of smooth and analytic functions. Neural computation, vol. 8, 1996, pp. 164–177, ISSN: 0899-7667.
17. Nelles O.: Nonlinear system identification: from classical approaches to neural networks and fuzzy models. Springer, Berlin, 2001, ISBN: 3-540-67369-5.
18. Ottomanelli M., Dell’orco M., Sassanelli D.: A Decision Support System Based on Neuro-Fuzzy System for Railroad Maintenance Planning. http://dblp.uni-trier.de.
19. Specht D.F.: A general regression neural network. IEEE transactions on neural networks, vol.2, Issue 6, 1991, ISSN: 1045-9227.
20. Takagi T., Sugeno M.: Fuzzy identification of systems and its applications to modeling and control. IEEE Transactions on systems, man, and Cybernetics. Vol. 15, 1985, pp. 116–132.
21. Veaux (de) R.D, Schumi J., Schweinsberg J., Ungar L.H.: Predection intervals for Neural Networks via nonlinear regression. Technometrics, vol. 40, Issue 4, 1998, pp. 273–282, ISSN: 0040-1706.
22. Walpole R.E., MYERS R.H.: Probabilidad y estadística. Ed.4, México: McGraw Hill, 1992, 797p, ISBN 968-422-992-5.
23. Zoeteman A., Esveld C.: State of the art in railway maintenance management: planning systems and their application in Europe. Systems, Man and Cybernetics, 2004 IEEE International Conference, Vol.5, 2004, pp. 4165–4170.
24. Żółtowski B., Castañeda L., Betancourt G.: Monitoreo multidimensional de la interfase vía – vehículo de un sistema ferroviario. Congreso Internacional de Mantenimiento – ACIEM – Marzo 2007. Bogotá Colombia

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-ea8ec390-bf05-4036-8223-810eda483484