Key points are not available for this paper at this time.
운행 상태의 실시간 식별은 스마트 철도 차량을 위한 핵심 기술 중 하나이다. 그러나 IoT 엣지 장치에서 철도 차량의 복잡한 운행 상태를 정확하게 실시간으로 감지하는 것은 도전 과제가 된다. 전통적인 시스템은 일반적으로 차량에서 클라우드로 실시간 데이터를 대량으로 업로드하여 식별하는데, 이는 번거롭고 비효율적이다. 본 논문에서는 Tiny Machine Learning (TinyML) 기술 기반의 철도 차량 운행 상태에 대한 지능형 식별 방법을 제안하며, 소형 및 저전력 소비의 IoT 시스템이 개발된다. 시스템은 Micro-Electro-Mechanical System (MEMS) 센서를 사용하여 기계 학습 훈련을 위한 가속도 데이터를 수집한다. 철도 차량의 운행 상태를 인식하기 위한 신경망 모델이 구축되고, 기계 학습 운행 상태 분류 모델을 정의하여 훈련된다. 훈련된 인식 모델은 차량 측 IoT 엣지 장치에 배치되며, 실시간 상태 감지를 위해 오프셋 시간 창 방법이 활용된다. 또한, 감지 결과는 시각화를 위해 IoT 서버에 업로드된다. 지하철 차량에 대한 실험 결과, 이 시스템은 하나의 IoT 마이크로컨트롤러만 사용하여 99% 이상의 정확도로 실시간으로 여섯 가지 복잡한 운행 상태를 식별할 수 있음을 보여주었다. 삼축 모델이 단축 모델보다 더 빠르게 수렴하였다. 모델 인식 정확도는 각각 철도 차량의 다양한 설치 위치와 MEMS 가속도 센서의 제로 드리프트 현상 하에서 98%와 95% 이상 유지되었다. 제시된 방법과 시스템은 자동차 및 선박과 같은 장비의 엣지 인식 애플리케이션으로도 확장될 수 있다.
Zhou et al. (Sat,) 이 문제를 연구했다.