Abstract
В данной статье рассматривается актуальная задача обнаружения аномалий в работе оборудования и её решение методами кластеризации на примере анализа работы оборудования в железнодорожной области. Приводится описание различных стратегий обслуживания и выделяется проактивная стратегия обслуживания в качестве наиболее перспективной. Рассматриваются основные компоненты и задачи системы проактивной стратегии обслуживания в применении к железнодорожному сектору. Подробно рассматривается модуль диагностики и ставится задача обнаружения аномалий на примере значений выборки электрических параметров, характеризующих функционирование контактной сети. Предполагается, что исходными данными для задачи обнаружения аномалий являются временные ряды значений электрических сигналов. Для предварительной обработки данных выбраны методы спектрального анализа: оценка спектральной плотности мощности, и используется метрика, основанная на периодограмме. Для обработки данных используется метод временного окна. Производится сравнение работы метода опорных векторов и метода кластеризации К-средних на тестовых данных и оценивается доля правильных ответов. Были подобраны оптимальные параметры процедур.
Highlights
МАТЕРИАЛЫ И МЕТОДЫ ИССЛЕДОВАНИЯИсходная информация для решения задачи обнаружения аномалий задается в форме временных рядов
ВВЕДЕНИЕ и грузового движения становится необходимым оптимизировать все процессы для Техническое обслуживание железнодо- сокращения времени и расходов на ремонт рожного сектора обладает рядом специфиче- и обслуживание
The article considers in detail the implementation of the diagnostics module and formulates the anomaly detection problem based on the sample measurements of the electrical parameters of the functioning of a wired railway system
Summary
Исходная информация для решения задачи обнаружения аномалий задается в форме временных рядов. Применение кластеризации для обнаружения аномалий тельными колебаниями активной и реактив- ный параметр требует тщательной настройной мощностей, что вызывает провалы и вы- ки. Ввиду характера входных данных для собросы питающего напряжения и возникнове- кращения размерности можно использовать ние гармоник [18, 19]. Обработка входных данных состоит из следующих шагов: Сегментация исходного временного ряда на n непересекающихся временных рядов с размером окна m:. Обработка входных данных торые уже стали своего рода универсальными и наиболее распространенными для решения различных задач обнаружения аномалий. Тем Для обнаружения аномалий в исходном не менее, методы, учитывающие специфику временном ряду воспользуемся методом вре- конкретной задачи, обычно показывают лучменного окна. Для рассматриваемой нами сваивается каждому окну временного ряда. Представленный метод опорных векторов требует выбора функции ядра k и параметра C
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
