Shaoyao Chen
Om
Forskning
Med de raske fremskrittene innen kunstig intelligens, kan overvåking og vedlikehold av infrastruktur og mekaniske systemer nå utnytte passende AI-algoritmer for å oppnå både økonomisk og arbeidsmessig effektivitet. Som en del av det større Metint-prosjektet har doktorgradsprosjektet mitt som mål å kontinuerlig overvåke jernbanekjøretøyer og infrastruktur ved å bruke de nyeste datavitenskap og maskinlæringsteknikker.
Fokuset i arbeidet mitt er å utvinne dataene som er fra målesystemet installert på et regelmessig betjent persontog og utvikle algoritmer som gir informasjon om status for jernbanekledninger og togboggier. Målesystemet er designet for å fungere samtidig med togets daglige kjøring, og unngår å forstyrre togtrafikken.
Gjennom mitt doktorgradsarbeid vil jeg bidra til Metint-prosjektets mål om å bestemme togsettet og jernbaneinfrastrukturens tilstand ved å analysere data fra ombordsystemer på norske persontog. Resultatet av arbeidet mitt vil hjelpe jernbaneindustrien med å gå over fra tradisjonelt korrigerende vedlikehold til prediktivt vedlikehold, oppnå større effektivitet og redusere kostnader.
Forskningsområder og interesser
Deep Learning, Machine Learning, Artificial Intelligence, Data Mining, Data Science
Publikasjoner
2024
-
Chen, Shaoyao;
Frøseth, Gunnstein Thomas;
Derosa, Stefano;
Lau, Albert;
Rønnquist, Anders.
(2024)
Railway Catenary Condition Monitoring: A Systematic Mapping of Recent Research.
Sensors
Vitenskapelig oversiktsartikkel/review
Tidsskriftspublikasjoner
-
Chen, Shaoyao;
Frøseth, Gunnstein Thomas;
Derosa, Stefano;
Lau, Albert;
Rønnquist, Anders.
(2024)
Railway Catenary Condition Monitoring: A Systematic Mapping of Recent Research.
Sensors
Vitenskapelig oversiktsartikkel/review