JRTTJRTT

Journal of Railway Transportation and TechnologyJournal of Railway Transportation and Technology

Sirkuit rel adalah perangkat yang digunakan untuk menentukan apakah ada kendaraan di rel. Perangkat ini dipasang di rel dan perlu dipantau agar berfungsi dengan baik. Semua objek yang terdeteksi dalam praktik dianggap sebagai kendaraan kereta api, meskipun objek yang terdeteksi mungkin bukan kendaraan kereta api. Teknologi deteksi yang akurat dan dapat diandalkan sangat penting untuk mencegah kecelakaan dan menjaga keselamatan lalu lintas kereta api. Sistem deteksi ini menggunakan sensor logam untuk mengidentifikasi objek sebagai aset rel atau non-rel. Ini dilakukan berdasarkan dua variabel: frekuensi logam objek dan kecepatan objek. Hasil uji menunjukkan bahwa alat ini dapat mengklasifikasikan objek sesuai kelasnya. Kelas tanpa objek memiliki tingkat akurasi 100%, sedangkan kelas non-rel memiliki tingkat akurasi 86,67%. Uji kelas rel menggunakan poros kereta inspeksi menunjukkan tingkat akurasi 93,33%.

Pembuatan algoritma KNN dalam bentuk program Arduino melibatkan pemanggilan perpustakaan KNN, penambahan data sampel ke setiap titik data yang akan diklasifikasikan, dan input data kelas untuk menyimpan hasil klasifikasi yang dilakukan oleh algoritma KNN.Untuk kelas tanpa objek, tingkat akurasinya adalah 100%, untuk kelas yang bukan fasilitas rel, tingkat akurasinya adalah 86,67%.Untuk kelas fasilitas rel, pengujian dilakukan menggunakan kereta inspeksi dengan tingkat akurasi 93,33%.Persentase ini diperoleh dari 25 kali uji untuk setiap kelas.Jarak antara sensor dan rel memengaruhi hasil klasifikasi objek.Oleh karena itu, jarak antara sensor dan rel ditetapkan pada 4 cm.

Penelitian lanjutan dapat fokus pada pengembangan sensor dengan resolusi deteksi yang lebih tinggi untuk mengurangi kesalahan akibat gangguan lingkungan seperti perubahan suhu. Selain itu, penggunaan algoritma hybrid seperti KNN dikombinasikan dengan metode lain seperti SVM atau Random Forest bisa meningkatkan akurasi klasifikasi. Terakhir, penelitian juga dapat mengeksplorasi integrasi data tambahan seperti suara atau getaran untuk memperkaya parameter klasifikasi objek di rel.

  1. Client Challenge. client challenge javascript disabled browser please enable proceed required part site... link.springer.com/book/10.1007/978-1-4842-4470-8Client Challenge client challenge javascript disabled browser please enable proceed required part site link springer book 10 1007 978 1 4842 4470 8
  2. Four-station laser tracer-based geometric error measurement of rotary table - IOPscience. four station... iopscience.iop.org/article/10.1088/1361-6501/ab64abFour station laser tracer based geometric error measurement of rotary table IOPscience four station iopscience iop article 10 1088 1361 6501 ab64ab
  3. Detection of Railways Through Axle Detection Patterns Using Inductive Proximity Sensors | Atlantis Press.... doi.org/10.2991/978-94-6463-384-9_18Detection of Railways Through Axle Detection Patterns Using Inductive Proximity Sensors Atlantis Press doi 10 2991 978 94 6463 384 9 18
Read online
File size550.17 KB
Pages8
DMCAReport

Related /

ads-block-test