• 한국철도학회논문집
• /
• 제13권3호
• /
• pp.304-308
• /
• 2010

본 연구에서는 웨이브렛 변환을 이용하여 궤도틀림을 식별하는 방법을 제시하였다. 궤도틀림과 대차 가속도응답신호에 의한 등가 웨이브렛 SISO 전달함수를 정의하였다. 현장에 적용되는 검측차의 25cm단위 궤도검측 기준에 맞추어 궤도틀림과 대차가속도 응답신호를 조정하였다. 웨이브렛 변환을 적용하기 전 입력데이터는 웨이브렛 변환 정의 조건에 맞추어 범위를 재조정한 회귀신호이다. 또한, 웨이브렛 역전 달 함수를 정의하여, 궤도틀림을 역 추정하였다. 추정된 궤도틀림과 실제의 궤도틀림의 비교를 위해 상관도와 FRF를 비교 분석하였다. 예측된 값과 기준 값 과의 잔 차의 분산비로 정의되는 틀림지수를 사용하여 궤도틀림의 이상을 분석하였으며, 개발될 알고리즘을 검증하기 위하여 시뮬레이션 연구를 수행하였다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2002년도 추계학술발표논문집
• /
• pp.129-132
• /
• 2002

본 논문은 웨이브렛 변환 다중해상도 분해(multi-resolution Analysis : MRA)와 적응성 뉴로-퍼지 인터페이스 시스템(Adaptive Neuro-Fuzzy Inference System : ANFIS)을 기반으로 한 웨이브렛 신경망을 가지고 임의의 비선형 함수 학습 근사화를 개선하는 것이다. ANFIS 구조는 벨형 퍼지 함수로 구성이 되었고, 웨이브렛 신경망은 전파 알고리즘과 역전파 신경망 알고리즘으로 구성되었다. 여기 웨이브렛 구성은 단일 크기이고, ANFIS 기반 웨이브렛 신경망의 학습을 위해 역전파 알고리즘을 사용하였다. 1차원과 2차원 함수에서 웨이브렛 전달 파라미터 학습과 ANFIS의 벨형 소속 함수를 이용한 ANFIS 모델 기반 웨이브렛 신경망의 웨이브렛 기저 수 감소와 수렴 속도 성능이 기존의 알고리즘 보다 개선되었음을 확인하였다.

• 대한전자공학회논문지TE
• /
• 제39권4호
• /
• pp.363-369
• /
• 2002

본 논문은 적응성 뉴로-퍼지 인터페이스 시스템(Adaptive Neuro-Fuzzy Inference System : ANFIS)과 웨이브렛 변환 다중해상도 분해(multi-resolution Analysis : MRA)을 기반으로 한 웨이브렛 신경망을 가지고 임의의 비선형 함수 학습 근사화를 개선하는 것이다. ANFIS 구조는 벨형 퍼지 소속 함수로 구성이 되었으며, 웨이브렛 신경망은 전파 알고리즘과 역전파 신경망 알고리즘으로 구성되었다. 이 웨이브렛 구성은 단일 크기이고, ANFIS 기반 웨이브렛 신경망의 학습을 위해 역전파 알고리즘을 사용하였다. 1차원과 2차원 함수에서 웨이브렛 전달 파라미터 학습과 ANFIS의 벨형 소속 함수를 이용한 ANFIS 모델 기반 웨이브렛 신경망의 웨이브렛 기저 수 감소와 수렴 속도 성능이 기존의 알고리즘 보다 개선되었음을 확인하였다.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2010년도 춘계학술대회 논문집
• /
• pp.330-337
• /
• 2010

This paper shows an algorithm for identifying track irregularities using wavelet transfer function along the railway. An equivalent SISO wavelet transfer function is defined using continuous wavelet transform by the measured track geometry and acceleration at a bogie of a train. The estimated track geometry is made by inverse continuous wavelet transform from the regressed signals of measured acceleration signal and the pre-defined wavelet transfer function. The estimated rail irregularity geometry is evaluated by the coherence function and comparison of FRF(Frequency Response Function). As a result of evaluated outcome, This algorithm is regarded as appropriate for estimation of rail irregularity.