ES2910065T3 - Método para determinar un parámetro de una rueda de un vehículo ferroviario observado y unidad de evaluación - Google Patents
Método para determinar un parámetro de una rueda de un vehículo ferroviario observado y unidad de evaluación Download PDFInfo
- Publication number
- ES2910065T3 ES2910065T3 ES17704672T ES17704672T ES2910065T3 ES 2910065 T3 ES2910065 T3 ES 2910065T3 ES 17704672 T ES17704672 T ES 17704672T ES 17704672 T ES17704672 T ES 17704672T ES 2910065 T3 ES2910065 T3 ES 2910065T3
- Authority
- ES
- Spain
- Prior art keywords
- wheel
- parameter
- rail vehicle
- diagnostic data
- driving
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005259 measurement Methods 0.000 claims abstract description 70
- 230000006870 function Effects 0.000 claims abstract description 41
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000000306 recurrent effect Effects 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 3
- 238000005299 abrasion Methods 0.000 description 5
- 238000003491 array Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/12—Measuring or surveying wheel-rims
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
- B61L25/021—Measuring and recording of train speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
- B61L25/025—Absolute localisation, e.g. providing geodetic coordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/08—Railway vehicles
- G01M17/10—Suspensions, axles or wheels
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
Método para determinar un parámetro de una rueda de un vehículo ferroviario observado, donde - una unidad de evaluación es alimentada con datos de diagnóstico relacionados con la conducción (4) de al menos un vehículo ferroviario de referencia, cuyos datos de diagnóstico (4) comprenden propiedades relacionadas con la conducción, de las que depende el parámetro de una rueda del vehículo ferroviario de referencia, - la unidad de evaluación se alimenta con datos de medición de la rueda (8) del al menos un vehículo ferroviario de referencia, cuyos datos de medición de la rueda (8) comprenden valores medidos del parámetro de la rueda del vehículo ferroviario de referencia, - se determina una función entre los datos de diagnóstico relacionados con la conducción (4) y los datos de medición de la rueda (8) sobre la base de un algoritmo de aprendizaje supervisado (2, 13) por medio de la unidad de evaluación, - la unidad de evaluación se alimenta con datos de diagnóstico relacionados con la conducción (4) del vehículo ferroviario observado, cuyos datos de diagnóstico (4) comprenden propiedades relacionadas con la conducción, de las que depende el parámetro de la rueda del vehículo ferroviario observado, - el parámetro de la rueda del vehículo ferroviario observado es determinado por la unidad de evaluación utilizando la función determinada y los datos de diagnóstico del vehículo ferroviario observado, y - se determina una progresión del parámetro y se determina un punto en el que el parámetro de la rueda del vehículo ferroviario observado alcanza un valor crítico determinado.
Description
DESCRIPCIÓN
Método para determinar un parámetro de una rueda de un vehículo ferroviario observado y unidad de evaluación La invención se refiere a un método para determinar un parámetro de una rueda de un vehículo ferroviario observado. Los parámetros de las ruedas, como el diámetro, la anchura y la altura de la pestaña de la rueda, cambian con el tiempo debido a la abrasión. Estos cambios afectan a las características dinámicas del vehículo ferroviario e incluso pueden influir en la seguridad del mismo. Por lo tanto, los parámetros de las ruedas se miden regularmente. Si la anchura de la pestaña de la rueda y/o la altura de la pestaña de la rueda alcanzan algún valor crítico, la rueda debe ser reperfilada. Además, debido a la abrasión y al reperfilado, el diámetro de la rueda disminuye con el tiempo. Si el diámetro de la rueda alcanza un valor crítico, es necesario cambiar la rueda.
Las mediciones periódicas de las ruedas requieren mucho tiempo y, por tanto, son caras. Sin embargo, son necesarias para encontrar el momento óptimo para reperfilar o cambiar la rueda.
La publicación de la solicitud de patente US 2009/326733 A1 divulga un método para determinar una circunferencia de rueda actualizada de una rueda dispuesta en un vehículo. El artículo profesional “Estudio de predicción del control antideslizamiento de vehículos ferroviarios basado en redes neuronales RBF” [Prediction Study on Anti-Slide Control of Railway Vehicle Based on RBF Neural Networks] de Lijun Yang y Jimin Zhang, PHYSICS PROCEDIA, vol. 25, 1 de enero de 2012, enseña a utilizar una red neuronal RBF para predecir el estado de deslizamiento de las ruedas. El sistema antideslizamiento puede utilizar la señal predicha con la precisión adecuada para rastrear activamente y ajustar la tendencia de deslizamiento del juego de ruedas, con el fin de adaptarse a la variación de la adherencia rueda-carril y reducir el riesgo de bloqueo del juego de ruedas.
Un objetivo de la invención es proporcionar un método mejorado para determinar un parámetro de una rueda de un vehículo ferroviario, particularmente en el que se puede reducir el número de mediciones de la rueda.
Este objetivo se logra mediante un método según la reivindicación 1. En el método para determinar un parámetro de una rueda de un vehículo ferroviario observado, según la invención, se alimenta una unidad de evaluación con datos de diagnóstico relacionados con la conducción de al menos un vehículo ferroviario de referencia, cuyos datos de diagnóstico comprenden propiedades relacionadas con la conducción, de las que depende el parámetro de una rueda del vehículo ferroviario de referencia. Según la invención, la unidad de evaluación se alimenta con datos de medición de la rueda del al menos un vehículo ferroviario de referencia, cuyos datos de medición de la rueda comprenden valores medidos del parámetro de la rueda del vehículo ferroviario de referencia. Además, según la invención, se determina una función entre los datos de diagnóstico relacionados con la conducción y los datos de las mediciones de las ruedas sobre la base de un algoritmo de aprendizaje supervisado por medio de la unidad de evaluación. Además, la unidad de evaluación se alimenta con datos de diagnóstico relacionados con la conducción del vehículo ferroviario observado, cuyos datos de diagnóstico comprenden propiedades relacionadas con la conducción, de las que depende el parámetro de la rueda del vehículo ferroviario observado. La unidad de evaluación determina el parámetro de la rueda del vehículo ferroviario observado utilizando la función determinada y los datos de diagnóstico del vehículo ferroviario observado. El al menos un vehículo ferroviario de referencia puede ser el vehículo ferroviario observado y/o al menos otro vehículo ferroviario. En una realización preferida de la invención, la unidad de evaluación se alimenta con datos de diagnóstico relacionados con la conducción de varios vehículos ferroviarios de referencia y con datos de medición de las ruedas de esos varios vehículos ferroviarios.
La invención se basa en la idea de utilizar datos de diagnóstico relacionados con la conducción de un vehículo ferroviario, que comprenden propiedades relacionadas con la conducción, para determinar el parámetro de la rueda. Además, la invención se basa en la constatación de que las propiedades relacionadas con la conducción del vehículo ferroviario pueden influir directamente en el desgaste de la rueda, también en la abrasión de la rueda. Por lo tanto, los datos de diagnóstico relacionados con la conducción pueden influir directamente en el parámetro de la rueda.
Ventajosamente, el número de mediciones de la rueda puede reducirse determinando el parámetro de la rueda del vehículo ferroviario observado sobre la base de los datos de diagnóstico (relacionados con la conducción) del vehículo ferroviario observado.
Además, el parámetro de la rueda del vehículo ferroviario observado puede determinarse sobre la base de los datos de medición de la rueda del vehículo ferroviario observado (en particular, del pasado). Adicionalmente o alternativamente, el parámetro de la rueda del vehículo ferroviario observado puede determinarse sobre la base de un estado original/inicial conocido de la rueda.
Preferiblemente, el parámetro de la rueda del vehículo ferroviario observado es determinado por la unidad de evaluación teóricamente. Además, el parámetro de la rueda del vehículo ferroviario observado puede ser predicho por la unidad de evaluación. El parámetro determinado puede desviarse de un parámetro real, que puede ser medido. El parámetro determinado puede ser un parámetro presente y/o prospectivo/futuro.
Además, la invención se basa en la idea de utilizar un algoritmo de aprendizaje supervisado para determinar la función entre los datos de diagnóstico relacionados con la conducción y los datos de las mediciones de las ruedas. Por lo tanto, el algoritmo de aprendizaje supervisado puede utilizar los datos de diagnóstico como datos de entrada.
La función, que se determina mediante el algoritmo de aprendizaje supervisado, puede no ser extraíble. En particular, la función puede ser aprendida por medio del algoritmo de aprendizaje supervisado.
Los datos de diagnóstico pueden comprender varios puntos de datos (también conjuntos de datos). Cada uno de los puntos de datos puede comprender al menos una propiedad relacionada con la conducción, en particular varias propiedades relacionadas con la conducción. Además, es ventajoso que cada uno de los puntos de datos comprenda un sello de tiempo.
La propiedad relacionada con la conducción puede comprender una señal de sensor, que comprende en particular un valor de sensor y un identificador de sensor. Además, la propiedad relacionada con la conducción puede comprender un código de error. Por lo tanto, cada punto de datos (también conjunto de datos) puede ser un punto de datos multidimensional, particularmente un vector.
Además, el algoritmo de aprendizaje supervisado puede utilizar los datos de medición de las ruedas del vehículo ferroviario de referencia como valores objetivo. Los valores objetivo pueden ser números, vectores o similares.
Un valor objetivo en el sentido de la invención puede ser un valor de salida deseado, particularmente del algoritmo de aprendizaje supervisado. El algoritmo de aprendizaje supervisado puede determinar la función por medio del valor objetivo.
Se determina una progresión del parámetro. En particular, la progresión puede depender del tiempo, del kilometraje y/o de otro parámetro. La progresión puede extenderse hasta el presente. Además, la progresión puede extenderse hasta que el parámetro determinado alcance un valor crítico dado. Se determina un punto en el que el parámetro de la rueda del vehículo ferroviario observado alcanza un valor crítico dado, también umbral. El punto puede ser un punto de tiempo, un kilometraje o similar. El punto en el que el parámetro de la rueda del vehículo ferroviario observado alcanza un valor crítico dado se determina mediante la progresión.
De este modo, se predice cuándo el parámetro de la rueda del vehículo ferroviario observado alcanza el valor crítico dado. En particular, se puede predecir un momento en el que el parámetro respectivo de la rueda alcanza el valor crítico dado. Además, se puede predecir un kilometraje en el que el parámetro respectivo de la rueda alcanza el valor crítico dado.
Además, mediante el método se puede predecir cuándo/en qué momento una diferencia de diámetro de la rueda del vehículo ferroviario observado con respecto a otra rueda del mismo eje del vehículo ferroviario observado alcanza un valor crítico determinado.
Preferiblemente, cuando el parámetro de la rueda del vehículo ferroviario observado alcanza un valor crítico determinado, la rueda del vehículo ferroviario observado tiene que ser reperfilada o cambiada. Además, es ventajoso que la rueda del vehículo ferroviario observado tenga que ser reperfilada o cambiada, si la diferencia de diámetro con la otra rueda del mismo eje alcanza un valor crítico dado.
Mediante el método, se puede predecir el momento/el kilometraje en que una rueda del vehículo ferroviario observado tiene que ser reperfilada y/o cambiada. Ventajosamente, la rueda es reperfilada y/o cambiada en el punto de tiempo predicho/en el kilometraje predicho. A este respecto, la invención está relacionada con un método para operar y/o reparar un vehículo ferroviario, en el que se ejecuta el método mencionado anteriormente (para determinar el desgaste de la rueda de un vehículo ferroviario observado) o una realización del mismo. Cuando el parámetro de la rueda alcanza un valor crítico dado, la rueda del vehículo ferroviario observado puede ser reperfilada y/o cambiada.
Preferentemente, el parámetro determinado depende de las propiedades relacionadas con la conducción. Además, el parámetro determinado puede depender del desgaste de la rueda, también de la abrasión de la rueda.
Es ventajoso que el parámetro determinado sea un diámetro. Además, preferiblemente el parámetro determinado es una altura de la pestaña de la rueda, también la altura de la cresta de la rueda. Además, ventajosamente el parámetro determinado es una anchura de la pestaña de la rueda, también la anchura de la cresta de la rueda.
Además, se prefiere que los datos de medición de la rueda comprendan valores medidos del diámetro, valores medidos de la altura de la pestaña de la rueda, y/o valores medidos de la anchura de la pestaña de la rueda, en particular de una rueda (medida) del vehículo ferroviario de referencia. Además, los datos de medición de la rueda pueden incluir la hora de la medición respectiva.
Además, se prefiere que los datos de medición de la rueda comprendan valores medidos de ese parámetro, que
preferentemente es del mismo tipo que el parámetro determinado. Por lo tanto, ventajosamente el parámetro de la rueda del vehículo ferroviario de referencia es del mismo tipo que el parámetro determinado.
Además, los datos de medición de la rueda pueden comprender un estado original/inicial de la rueda del vehículo ferroviario de referencia. En particular, los datos de medición de la rueda pueden incluir un valor original/inicial del parámetro.
Ventajosamente, los datos de diagnóstico de los vehículos ferroviarios están disponibles durante un periodo de tiempo determinado, particularmente durante más de 1 año, preferiblemente durante un par de años.
De forma expeditiva, la rueda del vehículo ferroviario observado forma parte de un vagón del vehículo ferroviario observado.
Si la unidad de evaluación se alimenta con datos de diagnóstico relacionados con la conducción de varios vehículos ferroviarios de referencia y con datos de medición de las ruedas de esos varios vehículos ferroviarios, preferiblemente los datos de diagnóstico de los varios vehículos ferroviarios de referencia se clasifican en categorías. En particular, los datos de diagnóstico de los diversos vehículos ferroviarios de referencia pueden clasificarse en categorías según el tipo de vehículo ferroviario, especialmente según la configuración del respectivo vehículo ferroviario. Además, los datos de diagnóstico de los diversos vehículos ferroviarios pueden clasificarse en categorías según el tipo de vagón del respectivo vehículo ferroviario, en particular según el peso de los vagones del respectivo vehículo ferroviario. Además, los datos de diagnóstico de los diversos vehículos ferroviarios se clasifican en categorías según el tipo de material de la rueda del respectivo vehículo ferroviario. Además, los datos de diagnóstico de los distintos vehículos ferroviarios se clasifican en categorías según el tipo de sistema de frenado del respectivo vehículo ferroviario.
Es ventajoso que la función se determine en función de los datos de diagnóstico de estos vehículos ferroviarios de referencia, que son de la misma categoría que el vehículo ferroviario observado.
Además, los datos de diagnóstico de estos vehículos ferroviarios de referencia, que son de la misma categoría que el vehículo ferroviario observado, pueden tener más peso que los datos de diagnóstico de otros vehículos ferroviarios de referencia. Así, al determinar la función, puede tenerse en cuenta el peso de los respectivos datos de diagnóstico. Ventajosamente, las propiedades relacionadas con la conducción comprenden señales de kilometraje. Por lo tanto, los datos de diagnóstico pueden incluir información sobre el kilometraje del vehículo ferroviario respectivo en diferentes momentos. En particular, los datos de diagnóstico pueden comprender una progresión temporal del kilometraje del respectivo vehículo ferroviario. Las señales de kilometraje pueden generarse mediante un cuentakilómetros y/o un tacómetro. Además, las señales de kilometraje pueden determinarse sobre la base de una señal de localización.
Además, se prefiere que las propiedades relacionadas con la conducción comprendan señales de velocidad. Por lo tanto, los datos de diagnóstico pueden incluir información relativa a la velocidad del vehículo ferroviario respectivo en diferentes momentos. En particular, los datos de diagnóstico pueden comprender una progresión temporal de la velocidad del respectivo vehículo ferroviario. Las señales de velocidad pueden generarse por medio de un tacómetro del vehículo ferroviario respectivo. Además, la señal de velocidad puede determinarse sobre la base de una señal de localización.
Además, es ventajoso que las propiedades relacionadas con la conducción comprendan señales de frenado. Así, los datos de diagnóstico pueden incluir información sobre el frenado del vehículo ferroviario respectivo en diferentes momentos. Cualquiera de las señales de frenado puede comprender una duración de frenado, es decir, cuánto tiempo se aplican los frenos del respectivo vehículo ferroviario. Además, cualquiera de las señales de frenado puede incluir un identificador de freno, que especifica el tipo de freno aplicado. Además, cualquiera de las señales de frenado puede incluir una potencia/presión de frenado, que se aplicó a los frenos.
Preferiblemente, las propiedades relacionadas con la conducción comprenden señales de deslizamiento. Por lo tanto, los datos de diagnóstico pueden incluir información sobre el deslizamiento del vehículo ferroviario respectivo en diferentes momentos. Cualquiera de las señales de deslizamiento puede incluir una duración de deslizamiento, es decir, el tiempo que dura el deslizamiento del vehículo ferroviario respectivo.
En una realización preferida de la invención, las propiedades relacionadas con la conducción comprenden señales de localización. Así, los datos de diagnóstico pueden comprender información relativa a la ubicación del vehículo ferroviario respectivo en diferentes momentos, en particular una progresión temporal de la ubicación del vehículo ferroviario respectivo. Las señales de localización pueden determinarse por medio del sistema global de navegación por satélite (GNNS), en particular por medio del sistema de posicionamiento global (GPS). Por lo tanto, las señales de localización pueden ser señales g Ps . Además, las señales de localización pueden determinarse mediante balizas.
La vía recorrida por los respectivos vehículos ferroviarios puede reconstruirse sobre la base de las señales de localización del respectivo vehículo ferroviario. Sobre la base de la vía reconstruida puede determinarse la información relativa a la vía recorrida. La información relativa a la vía conducida puede ser las curvas conducidas y, si es necesario,
su agudeza, y/o las pendientes conducidas y/o los grados.
En una realización preferida de la invención, la información relativa a la pista conducida se aprende mediante el algoritmo de aprendizaje supervisado.
Preferentemente, las propiedades relacionadas con la conducción comprenden señales antideslizantes. Así pues, los datos de diagnóstico pueden incluir información relativa a las influencias de un sistema antideslizante del vehículo ferroviario respectivo en diferentes momentos. Cualquiera de las señales de antideslizamiento puede comprender una duración de antideslizamiento, es decir, cuánto tiempo está activado el sistema antideslizamiento del vehículo ferroviario respectivo. Las señales antideslizantes pueden determinarse mediante el sistema antideslizante del vehículo ferroviario respectivo.
Además, las propiedades relacionadas con la conducción pueden comprender señales de par de al menos un motor del respectivo vehículo ferroviario. Por lo tanto, los datos de diagnóstico pueden comprender información relativa al par motor del al menos un motor del vehículo ferroviario respectivo en diferentes momentos. Además, los datos de diagnóstico pueden comprender información relativa a las diferencias de par entre diferentes motores del vehículo ferroviario respectivo en diferentes momentos.
Además, las propiedades relacionadas con la conducción pueden comprender un peso de los vagones del respectivo vehículo ferroviario. Además, las propiedades relacionadas con la conducción pueden comprender una configuración del respectivo vehículo ferroviario. La configuración puede comprender el número de vagones y/o el número de motores de arrastre del respectivo vehículo ferroviario, respectivamente. Además, la configuración puede comprender la secuencia de vagones y/o de locomotoras del vehículo ferroviario respectivo.
Además, las propiedades relacionadas con la conducción pueden comprender señales de temperatura de los ejes, especialmente si se extienden en un rango determinado. De este modo, los datos de diagnóstico pueden comprender información relativa a las temperaturas de los ejes del vehículo ferroviario respectivo en diferentes momentos. En particular, si la temperatura de los ejes se extiende en un rango determinado, por ejemplo, durante el frenado, puede influir en el desgaste de la rueda y/o en el parámetro de la rueda.
Además, las propiedades relacionadas con la conducción pueden comprender señales de temperatura exterior y/o señales de humedad exterior, especialmente si se extienden en un rango determinado. Por lo tanto, los datos de diagnóstico pueden comprender información relativa a la temperatura exterior y/o a la humedad exterior del vehículo ferroviario respectivo en diferentes momentos. La temperatura exterior y/o la humedad exterior pueden ser una temperatura/humedad del entorno.
Los datos de diagnóstico del vehículo ferroviario observado pueden comprender propiedades relacionadas con la conducción del mismo tipo que los datos de diagnóstico del vehículo ferroviario de referencia.
Si la unidad de evaluación se alimenta con los datos de diagnóstico relacionados con la conducción de varios vehículos ferroviarios de referencia y con los datos de medición de las ruedas de esos varios vehículos ferroviarios, ventajosamente se comprueba la integridad y la plausibilidad de los datos de diagnóstico de los varios vehículos ferroviarios de referencia. Preferiblemente, la función se determina en función de los datos de diagnóstico de este o estos vehículos ferroviarios de referencia, cuyos datos de diagnóstico son completos y plausibles.
Los datos de medición de la rueda pueden comprender valores medidos de al menos un parámetro de la rueda del vehículo ferroviario de referencia. Preferentemente, los datos de medición de la rueda comprenden valores medidos de un diámetro, particularmente de una rueda medida del vehículo ferroviario de referencia. Además, ventajosamente, los datos de medición de la rueda comprenden valores medidos de la altura de la pestaña de la rueda, en particular de la rueda medida del vehículo ferroviario de referencia. Además, los datos de medición de la rueda pueden comprender valores medidos de la anchura de la pestaña de la rueda, en particular de la rueda medida del vehículo ferroviario de referencia. Preferentemente, los datos de medición de la rueda comprenden valores medidos de los tres parámetros de las ruedas mencionados anteriormente, en particular valores medidos del diámetro, de la altura de la pestaña de la rueda y de la anchura de la pestaña de la rueda.
Un parámetro de una rueda medida puede ser un parámetro de al menos una rueda medida, en particular de todas las ruedas medidas, del vehículo ferroviario de referencia. Además, los datos de medición de la rueda pueden comprender una hora de la respectiva medición (de la rueda).
Se prefiere que la rueda medida (del vehículo ferroviario de referencia) sea del mismo tipo que la rueda del vehículo ferroviario observado. Por lo tanto, la rueda medida puede estar hecha del mismo material que la rueda del vehículo ferroviario observado. Además, la rueda medida puede estar montada en el mismo lado del vehículo ferroviario (izquierda/derecha en el sentido de la marcha) que una rueda del vehículo ferroviario observado. Además, la rueda medida puede estar montada en el mismo tipo de vagón (en un vagón sin motor (rueda de arrastre) / en un motor de arrastre (rueda motriz)) que una rueda del vehículo ferroviario observado. Además, la rueda medida puede ser una rueda del mismo tipo de vehículo ferroviario, en particular con el mismo tipo de sistema de frenado y/o con la misma
configuración, que el vehículo ferroviario observado.
Preferentemente, la función que se determina puede ser una función entre los datos de diagnóstico relacionados con la conducción y los valores medidos del al menos un parámetro de la rueda de aquellas ruedas medidas (del vehículo ferroviario de referencia), que convenientemente son del mismo tipo que la rueda del vehículo ferroviario observado. Mediante el método, pueden determinarse/supervisarse del mismo modo varios parámetros de la rueda del vehículo ferroviario observado. En particular, los diversos parámetros a determinar pueden ser varios de los parámetros determinados mencionados anteriormente. Por ejemplo, los varios parámetros a determinar pueden ser al menos dos de los siguientes, particularmente los tres siguientes: un diámetro de la rueda del vehículo ferroviario observado, una altura de la pestaña de la rueda del vehículo ferroviario observado, una anchura de la pestaña de la rueda del vehículo ferroviario observado.
Se utiliza un algoritmo de aprendizaje supervisado para determinar la función. El algoritmo de aprendizaje supervisado puede comprender varios ciclos de aproximación. La función determinada por un ciclo de aproximación posterior puede ser más precisa que la función determinada en el ciclo anterior. Para optimizar la aproximación (y por lo tanto la función), se puede realizar una propagación de errores hacia atrás ("backpropagation").
Además, para el algoritmo de aprendizaje supervisado, los datos proporcionados pueden dividirse en varias partes de datos, particularmente en datos de entrenamiento, datos de validación y datos de prueba. Por lo tanto, la unidad de evaluación puede ser alimentada con datos de entrenamiento, datos de validación y datos de prueba, particularmente cada uno con la misma forma.
Preferentemente, el algoritmo de aprendizaje supervisado utiliza una red neuronal recurrente (RNN). La RNN puede ser una red de memoria a corto plazo (LSTM). La r Nn puede ser modificada para el problema a resolver.
Para crear la RNN, convenientemente una arquitectura de la RNN tiene que ser ajustada a los datos de diagnóstico y/o al problema a resolver. En particular, la arquitectura de la RNN puede comprender un número de neuronas, un número de capas y/o la conexión de las neuronas.
Como se ha mencionado anteriormente, los datos de diagnóstico pueden comprender puntos de datos. Además, como se mencionó anteriormente, cada uno de los puntos de datos puede comprender un sello de tiempo. El sello de tiempo puede comprender un tiempo absoluto. Además, el sello de tiempo puede comprender un tiempo relativo. Por ejemplo, el sello de tiempo puede comprender una diferencia de tiempo con respecto a un punto de datos anterior. Además, se puede calcular una diferencia de tiempo entre un punto de datos y un punto de datos anterior.
Los sellos de tiempo de los puntos de datos y/o las diferencias de tiempo pueden formar parte de los datos de entrada, que se introducen en el algoritmo de aprendizaje supervisado. El comportamiento de la abrasión puede cambiar a lo largo del tiempo, lo que puede considerarse de forma expeditiva teniendo en cuenta el sello de tiempo y/o las diferencias de tiempo.
En una realización ventajosa de la invención, los puntos de datos de una medición de la rueda a la siguiente medición de la rueda se agrupan en un grupo por medio de sus sellos de tiempo. Además, el valor medido del parámetro de la rueda, que se ha medido en la última medición de la rueda, puede utilizarse como valor objetivo para el algoritmo de aprendizaje supervisado, en particular para el grupo de puntos de datos mencionado anteriormente.
Ventajosamente, los puntos de datos pueden agruparse en varios grupos. Cada grupo puede comprender los puntos de datos desde una medición de la rueda hasta la siguiente medición de la rueda, respectivamente. Por ejemplo, el primer grupo puede comprender los puntos de datos hasta la primera medición de la rueda. Además, por ejemplo, el segundo grupo puede comprender puntos de datos desde la primera medición de la rueda hasta la segunda medición de la rueda.
El algoritmo de aprendizaje supervisado puede ser una red neuronal recurrente, en la que se puede determinar el número máximo de puntos de datos por grupo. Si el número de puntos de datos dentro de cualquier grupo es menor que el número máximo determinado, el grupo respectivo puede ser rellenado con ceros hasta que se alcance el número máximo de puntos de datos.
Por ejemplo, mediante la agrupación de los puntos de datos en grupos, particularmente por medio de su sello de tiempo, se pueden crear varias matrices. Cada una de las matrices puede comprender los puntos de datos de un grupo. Se puede determinar el tamaño máximo de las matrices (como número máximo de puntos de datos por grupo). Además, si el tamaño de alguna de las matrices es inferior al tamaño máximo, la matriz respectiva puede rellenarse con ceros hasta alcanzar el tamaño máximo.
Los datos de medición de la rueda pueden utilizarse como valores objetivo para los grupos. Por ejemplo, el valor medido del parámetro, que se ha medido dentro de una primera medición de la rueda, puede utilizarse como valor objetivo para el primer grupo, y así sucesivamente.
Según una realización preferida de la invención, los datos de diagnóstico se dividen en segmentos con un número determinado de puntos de datos. Los puntos de datos dentro de cualquier segmento pueden ser consecutivos. Además, los segmentos pueden ser consecutivos. Además, la RNN puede modificarse en el sentido de que los datos de medición de la rueda interpolados pueden utilizarse como valores objetivo. Los datos interpolados de medición de la rueda pueden ser valores interpolados del parámetro medido de la rueda.
Por ejemplo, un número determinado de puntos de datos consecutivos puede formar una matriz. Por lo tanto, los datos de diagnóstico pueden dividirse en matrices (particularmente consecutivas) con un número determinado de puntos de datos (particularmente consecutivos). La diferencia de tiempo entre el primer punto de datos y el último punto de datos de una matriz, en particular entre el sello de tiempo del primer punto de datos y el sello de tiempo del último punto de datos de una matriz, puede ser menor que la diferencia de tiempo entre dos mediciones de la rueda. Los datos interpolados de las mediciones de las ruedas pueden utilizarse como valores objetivo. Cada uno de los valores objetivo puede ser un valor objetivo en un momento, que es igual al sello de tiempo del último punto de datos del segmento respectivo. Por lo tanto, cada uno de los valores objetivo puede ser un valor objetivo en un momento, que puede ser igual al sello de tiempo del último dato punto de la matriz respectiva.
En el primer ciclo de aproximación, la interpolación puede realizarse mediante cualquier función. La función resultante puede utilizarse para la interpolación en el siguiente ciclo de aproximación.
Además, una primera aproximación puede realizarse utilizando únicamente los datos de medición de la rueda como valores objetivo. Las siguientes aproximaciones pueden realizarse utilizando los datos de medición de la rueda interpolados como valores objetivo, en los que la función resultante de la primera aproximación puede utilizarse para la interpolación.
La invención y/o las realizaciones descritas de la misma pueden realizarse al menos parcial o completamente en software y/o en hardware, este último, por ejemplo, mediante un circuito eléctrico especial.
Además, la invención y/o las realizaciones descritas de la misma pueden realizarse al menos parcial o completamente mediante un medio legible por ordenador que tenga un programa de ordenador, cuyo programa de ordenador, cuando se ejecuta en un ordenador, realiza el método según la invención y/o según las realizaciones de la misma.
Además, la invención está relacionada con una unidad de evaluación para determinar un parámetro de una rueda de un vehículo ferroviario observado. De acuerdo con la invención, la unidad de evaluación se encarna para ejecutar los pasos descritos anteriormente.
Por lo tanto, la unidad de evaluación está incorporada para ser alimentada con datos de diagnóstico relacionados con la conducción de al menos un vehículo ferroviario de referencia, cuyos datos de diagnóstico comprenden propiedades relacionadas con la conducción, de las que depende un parámetro de una rueda del vehículo ferroviario de referencia. Además, la unidad de evaluación está diseñada para ser alimentada con datos de medición de la rueda del al menos un vehículo ferroviario de referencia, cuyos datos de medición de la rueda comprenden valores medidos del parámetro de la rueda del vehículo ferroviario de referencia. Además, según la invención, la unidad de evaluación está incorporada para determinar una función entre los datos de diagnóstico relacionados con la conducción y los datos de las mediciones de las ruedas sobre la base de un algoritmo de aprendizaje supervisado. Además, la unidad de evaluación está incorporada para ser alimentada con datos de diagnóstico relacionados con la conducción del vehículo ferroviario observado, cuyos datos de diagnóstico comprenden propiedades relacionadas con la conducción, de las que depende el parámetro de la rueda del vehículo ferroviario observado. Además, la unidad de evaluación está incorporada para determinar el parámetro de la rueda del vehículo ferroviario observado utilizando la función determinada y los datos de diagnóstico del vehículo ferroviario observado.
Las características que se mencionan en relación con el método también pueden referirse a la unidad de evaluación. Incluso si los términos se utilizan en singular o en una forma numérica específica, el alcance de la invención no debe restringirse al singular o a la forma numérica específica.
La descripción anteriormente dada de las realizaciones ventajosas de la invención contiene numerosas características que se combinan parcialmente entre sí en las reivindicaciones dependientes. Convenientemente, estas características también pueden considerarse individualmente y combinarse entre sí en otras combinaciones adecuadas. Más concretamente, estas características pueden combinarse con la unidad de evaluación y el método según la reivindicación independiente respectiva, tanto individualmente como en cualquier combinación adecuada. Además, las características del método, formuladas como características del aparato, pueden considerarse como características de la unidad de evaluación y, en consecuencia, las características de la unidad de evaluación, formuladas como características del proceso, pueden considerarse como características del método.
Las características, los rasgos y las ventajas de la invención descritos anteriormente, así como la manera en que se consiguen, pueden entenderse más claramente en relación con la siguiente descripción de las realizaciones ejemplares
que se explicarán con referencia a los dibujos. Las realizaciones ejemplares pretenden ilustrar la invención, pero no se supone que restrinjan el alcance de la invención a las combinaciones de características dadas en las mismas, ni tampoco con respecto a las características funcionales. Además, las características adecuadas de cada una de las realizaciones ejemplares también pueden considerarse explícitamente de forma aislada, eliminarse de una de las realizaciones ejemplares, introducirse en otra de las realizaciones ejemplares, y/o combinarse con cualquiera de las reivindicaciones anexas.
En la visualización de las figuras:
FIG. 1 un resumen esquemático de un algoritmo de aprendizaje supervisado para determinar una función, que se utiliza para determinar un parámetro de una rueda de un vehículo ferroviario observado; y
La FIG. 2 es un resumen esquemático de otro algoritmo de aprendizaje supervisado para determinar la función.
La FIG. 1 muestra esquemáticamente un algoritmo de aprendizaje supervisado 2. El algoritmo de aprendizaje supervisado utiliza una red neuronal recurrente (RNN), en este caso una red de memoria a corto plazo (LSTM). Una unidad de evaluación (no mostrada) determina una función mediante el algoritmo de aprendizaje supervisado 2, cuya función se utiliza para determinar un parámetro de una rueda de un vehículo ferroviario observado.
La unidad de evaluación se alimenta con datos de diagnóstico relacionados con la conducción 4 de al menos un vehículo ferroviario de referencia como datos de entrada. Los datos de diagnóstico 4 comprenden propiedades relacionadas con la conducción, de las que depende un parámetro de la rueda del vehículo ferroviario de referencia. Los datos de diagnóstico 4 comprenden varios puntos de datos 6, que se introducen en la unidad de evaluación.
Además, la unidad de evaluación se alimenta con datos de medición de la rueda 8 del al menos un vehículo ferroviario de referencia como datos objetivo. Los datos de medición de la rueda 8 comprenden valores medidos 9 del parámetro de la rueda del al menos un vehículo ferroviario de referencia.
Los puntos de datos 6 de los datos de diagnóstico 4 se agrupan en grupos y/o en intervalos de tiempo mediante sellos de tiempo de los puntos de datos. Un intervalo es el tiempo que transcurre entre una medición de la rueda y la siguiente. Además, un grupo comprende los datos de diagnóstico 4 con un sello de tiempo desde una medición de la rueda hasta la siguiente. En la figura 1, una línea discontinua 10 muestra esquemáticamente la frontera de dos intervalos/grupos. La arquitectura de la RNN está dada. Además, la arquitectura de la RNN puede ajustarse manualmente antes y/o después de cada ciclo de aproximación realizado por el algoritmo de aprendizaje supervisado 2.
El primer punto de datos 6 es un punto de datos 6 con el sello de tiempo más temprano. El primer punto de datos 6 se alimenta a la RNN en su primer estado 12 (ilustrado como primera caja sombreada superior). El resultado se alimenta junto con el siguiente punto de datos 6 a la RNN en su estado 12 (en ese momento), y así sucesivamente. Los datos de medición de la rueda 8 se utilizan como valores objetivo al final de cada intervalo. Por lo tanto, los datos de medición de la rueda 8 se utilizan como valores objetivo para los grupos. El procedimiento que utiliza la RNN es conocido por otros medios.
Con este procedimiento, la RNN aprende la función entre los datos de diagnóstico relacionados con la conducción 4 y los datos de medición de las ruedas 8.
La función entre los datos de diagnóstico relacionados con la conducción 4 y los datos de medición de la rueda 8 se determina sobre la base del algoritmo de aprendizaje supervisado 2 por medio de la unidad de evaluación.
La primera función obtenida puede ser una primera aproximación. Sin embargo, la ejecución del algoritmo de aprendizaje supervisado 2 durante varios ciclos conducirá a una mejor aproximación, y por lo tanto a una mejor función. El parámetro de la rueda del vehículo ferroviario observado se determina por medio de la función determinada sobre la base de los datos de diagnóstico del vehículo ferroviario observado. Por lo tanto, la RNN (en su estado resultante) se alimenta con los datos de diagnóstico del vehículo ferroviario observado. Además, los datos de medición de las ruedas del vehículo ferroviario observado pueden utilizarse como valores objetivo.
El parámetro determinado es un parámetro en un momento y/o kilometraje posterior a la última medición de la rueda del vehículo ferroviario observado.
El parámetro determinado puede ser un parámetro presente y/o un parámetro futuro.
La FIG. 2 muestra esquemáticamente un algoritmo análogo de aprendizaje supervisado 13.
La siguiente descripción se limita esencialmente a las diferencias con respecto a la realización de la FIG. 1, a la que se hace referencia con respecto a las características y funciones no modificadas. Los elementos esencialmente idénticos
se denotan generalmente por los mismos números de referencia, y las características no mencionadas se incluyen en la siguiente realización sin ser descritas de nuevo.
En este caso, los datos de diagnóstico 4 se dividen en segmentos con un número determinado de puntos de datos 6. En la FIG. 2, una línea discontinua 14 muestra esquemáticamente el límite de dos segmentos.
Los datos interpolados de medición de las ruedas 16 se utilizan como valores objetivo. Los datos interpolados de medición de las ruedas 16 comprenden valores interpolados 18 del parámetro medido de las ruedas.
Se puede utilizar cualquier función para la interpolación en el primer ciclo del algoritmo de aprendizaje supervisado 13. Sin embargo, una función obtenida por el método descrito en la FIG. 1 puede ser utilizada para la interpolación en el primer ciclo del algoritmo de aprendizaje supervisado 13.
La función resultante del algoritmo de aprendizaje supervisado 13 puede utilizarse para la interpolación dentro del siguiente ciclo de aproximación/dentro del siguiente ciclo del algoritmo de aprendizaje supervisado.
Claims (14)
1. Método para determinar un parámetro de una rueda de un vehículo ferroviario observado, donde
- una unidad de evaluación es alimentada con datos de diagnóstico relacionados con la conducción (4) de al menos un vehículo ferroviario de referencia, cuyos datos de diagnóstico (4) comprenden propiedades relacionadas con la conducción, de las que depende el parámetro de una rueda del vehículo ferroviario de referencia,
- la unidad de evaluación se alimenta con datos de medición de la rueda (8) del al menos un vehículo ferroviario de referencia, cuyos datos de medición de la rueda (8) comprenden valores medidos del parámetro de la rueda del vehículo ferroviario de referencia,
- se determina una función entre los datos de diagnóstico relacionados con la conducción (4) y los datos de medición de la rueda (8) sobre la base de un algoritmo de aprendizaje supervisado (2, 13) por medio de la unidad de evaluación, - la unidad de evaluación se alimenta con datos de diagnóstico relacionados con la conducción (4) del vehículo ferroviario observado, cuyos datos de diagnóstico (4) comprenden propiedades relacionadas con la conducción, de las que depende el parámetro de la rueda del vehículo ferroviario observado,
- el parámetro de la rueda del vehículo ferroviario observado es determinado por la unidad de evaluación utilizando la función determinada y los datos de diagnóstico del vehículo ferroviario observado, y
- se determina una progresión del parámetro y se determina un punto en el que el parámetro de la rueda del vehículo ferroviario observado alcanza un valor crítico determinado.
2. Método según la reivindicación 1,
caracterizado porque el parámetro determinado es un diámetro, una altura de la pestaña de la rueda o una anchura de la pestaña de la rueda.
3. Método según cualquiera de las reivindicaciones anteriores, caracterizado porque, si la unidad de evaluación se alimenta con datos de diagnóstico relacionados con la conducción (4) de varios vehículos ferroviarios de referencia, los datos de diagnóstico (4) de los varios vehículos ferroviarios de referencia se clasifican en categorías
- según el tipo de vehículo ferroviario,
- según el tipo de vagón del respectivo vehículo ferroviario,
- según el tipo de material de la rueda del respectivo vehículo ferroviario, y/o
- según el tipo de sistema de frenado del respectivo vehículo ferroviario,
y la función se determina en función de los datos de diagnóstico (4) de estos vehículos ferroviarios de referencia, que son de la misma categoría que el vehículo ferroviario observado.
4. Método según cualquiera de las reivindicaciones anteriores, caracterizado porque las propiedades relacionadas con la conducción comprenden señales de kilometraje y señales de velocidad y señales de frenado y señales de deslizamiento.
5. Método según cualquiera de las reivindicaciones anteriores, caracterizado porque las propiedades relacionadas con la conducción comprenden señales de localización, en particular señales GPS.
6. Método según cualquiera de las reivindicaciones anteriores, caracterizado porque las propiedades relacionadas con la conducción comprenden señales antideslizantes y/o porque las propiedades relacionadas con la conducción comprenden señales de par de al menos un motor del respectivo vehículo ferroviario.
7. Método según cualquiera de las reivindicaciones anteriores, caracterizado porque las propiedades relacionadas con la conducción comprenden un peso de los vagones del respectivo vehículo ferroviario y/o una configuración del respectivo vehículo ferroviario.
8. Método según cualquiera de las reivindicaciones anteriores, caracterizado porque las propiedades relacionadas con el accionamiento comprenden señales de temperatura de los ejes, señales de temperatura exterior y/o señales de humedad exterior si se extienden en un rango respectivo.
9. Método según cualquiera de las reivindicaciones anteriores, caracterizado porque, si la unidad de evaluación se alimenta con datos de diagnóstico relacionados con la conducción (4) de varios vehículos ferroviarios de referencia, se comprueba la integridad y la plausibilidad de los datos de diagnóstico (4) de los varios vehículos ferroviarios de referencia y se determina la función en función de los datos de diagnóstico (4) de estos vehículos ferroviarios de referencia, cuyos datos de diagnóstico son completos y plausibles.
10. Método según cualquiera de las reivindicaciones anteriores, caracterizado porque el algoritmo de aprendizaje supervisado (2, 13) utiliza una red neuronal recurrente.
11. Método según cualquiera de las reivindicaciones anteriores, caracterizado porque los datos de diagnóstico (4) comprenden puntos de datos (6), donde cada uno de los puntos de datos (6) comprende un sello de tiempo.
12. Método según la reivindicación 11,
caracterizado porque los puntos de datos (6) de una medición de la rueda a la siguiente medición de la rueda se agrupan en un grupo por medio de su sello de tiempo, y
el valor medido del parámetro de la rueda, que se ha medido en la última medición de la rueda, se utiliza como valor objetivo para el algoritmo de aprendizaje supervisado, en particular para el grupo de puntos de datos.
13. Método según cualquiera de las reivindicaciones anteriores, caracterizado porque los datos de diagnóstico (4) se dividen en segmentos con un número determinado de puntos de datos (6) y los datos interpolados de la medición de la rueda (16) se utilizan como valores objetivo.
14. Unidad de evaluación para determinar un parámetro de una rueda de un vehículo ferroviario observado, donde la unidad de evaluación está incorporada
- para que se alimente de datos de diagnóstico relacionados con la conducción (4) de al menos un vehículo ferroviario de referencia, cuyos datos de diagnóstico (4) comprenden propiedades relacionadas con la conducción, de las que depende el parámetro de una rueda del vehículo ferroviario de referencia,
- ser alimentado con datos de medición de la rueda (8) del al menos un vehículo ferroviario de referencia, cuyos datos de medición de la rueda (8) comprenden valores medidos del parámetro de la rueda del vehículo ferroviario de referencia,
- determinar una función entre los datos de diagnóstico relacionados con la conducción (4) y los datos de medición de la rueda (8) sobre la base de un algoritmo de aprendizaje supervisado (2, 13),
- que se alimente de datos de diagnóstico relacionados con la conducción (4) del vehículo ferroviario observado, cuyos datos de diagnóstico (4) comprenden propiedades relacionadas con la conducción, de las que depende el parámetro de la rueda del vehículo ferroviario observado,
- determinar el parámetro de la rueda del vehículo ferroviario observado utilizando la función determinada y los datos de diagnóstico del vehículo ferroviario observado,
- y determinar una progresión del parámetro y un punto, en el que el parámetro de la rueda del vehículo ferroviario observado alcanza un valor crítico dado.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/EP2017/050883 WO2018133922A1 (en) | 2017-01-17 | 2017-01-17 | Method for determining a parameter of a wheel of an observed railway vehicle and evaluation unit |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2910065T3 true ES2910065T3 (es) | 2022-05-11 |
Family
ID=58018059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES17704672T Active ES2910065T3 (es) | 2017-01-17 | 2017-01-17 | Método para determinar un parámetro de una rueda de un vehículo ferroviario observado y unidad de evaluación |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US11274994B2 (es) |
| EP (1) | EP3538861B1 (es) |
| ES (1) | ES2910065T3 (es) |
| PL (1) | PL3538861T3 (es) |
| RU (1) | RU2715064C1 (es) |
| WO (1) | WO2018133922A1 (es) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ES2910065T3 (es) * | 2017-01-17 | 2022-05-11 | Siemens Mobility GmbH | Método para determinar un parámetro de una rueda de un vehículo ferroviario observado y unidad de evaluación |
| DE102019208865A1 (de) | 2019-06-18 | 2020-12-24 | Siemens Mobility GmbH | Odometrisches Verfahren, insbesondere für ein Schienenfahrzeug oder eine Leitzentrale |
| JP2021178531A (ja) * | 2020-05-12 | 2021-11-18 | 村田機械株式会社 | 学習システム |
| JP7449489B2 (ja) * | 2020-05-12 | 2024-03-14 | 村田機械株式会社 | 有軌道台車システム |
| DE102020128188A1 (de) * | 2020-10-27 | 2022-04-28 | Knorr-Bremse Systeme für Schienenfahrzeuge GmbH | Verfahren zum Überwachen des Zustands eines Rades eines Schienenfahrzeugs |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2203819C2 (ru) * | 2000-08-04 | 2003-05-10 | Открытое акционерное общество "Всероссийский научно-исследовательский институт транспортного машиностроения" | Способ и устройство измерения параметров износа колес рельсового транспортного средства |
| US7184930B2 (en) * | 2002-08-30 | 2007-02-27 | Nsk Ltd. | Method and device for monitoring status of mechanical equipment and abnormality diagnosing device |
| DE102006058567A1 (de) * | 2006-12-12 | 2008-06-26 | Siemens Ag | Verfahren und Anordnung zur Ermittlung eines aktualisierten Radumfanges zumindest eines an einem Fahrzeug angeordneten Rades |
| ES2910065T3 (es) * | 2017-01-17 | 2022-05-11 | Siemens Mobility GmbH | Método para determinar un parámetro de una rueda de un vehículo ferroviario observado y unidad de evaluación |
| US10950071B2 (en) * | 2017-01-17 | 2021-03-16 | Siemens Mobility GmbH | Method for predicting the life expectancy of a component of an observed vehicle and processing unit |
| EP3489641B1 (en) * | 2017-11-27 | 2024-04-17 | Goodrich Actuation Systems Limited | Improved system for detecting a mechanical fault in a rotating shaft |
| US11381096B2 (en) * | 2019-11-11 | 2022-07-05 | Aktiebolaget Skf | Power management scheme for vibration harvester sensor |
-
2017
- 2017-01-17 ES ES17704672T patent/ES2910065T3/es active Active
- 2017-01-17 US US16/478,567 patent/US11274994B2/en active Active
- 2017-01-17 WO PCT/EP2017/050883 patent/WO2018133922A1/en not_active Ceased
- 2017-01-17 RU RU2019125716A patent/RU2715064C1/ru active
- 2017-01-17 EP EP17704672.9A patent/EP3538861B1/en active Active
- 2017-01-17 PL PL17704672T patent/PL3538861T3/pl unknown
Also Published As
| Publication number | Publication date |
|---|---|
| PL3538861T3 (pl) | 2022-04-11 |
| US20190339167A1 (en) | 2019-11-07 |
| EP3538861B1 (en) | 2022-01-12 |
| US11274994B2 (en) | 2022-03-15 |
| WO2018133922A1 (en) | 2018-07-26 |
| RU2715064C1 (ru) | 2020-02-25 |
| EP3538861A1 (en) | 2019-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2910065T3 (es) | Método para determinar un parámetro de una rueda de un vehículo ferroviario observado y unidad de evaluación | |
| ES2718065T3 (es) | Vehículo ferroviario | |
| ES2838123T3 (es) | Clasificación de neumáticos | |
| CN102803045B (zh) | 用于检测沿任务路线的物理缺陷的系统、方法 | |
| US8504272B2 (en) | System and method for verifying the availability of a level of a braking system in a powered system | |
| CN103063864B (zh) | 列车速度测量装置和方法 | |
| AU2018219837B2 (en) | Vehicle control system | |
| MXPA05014041A (es) | Metodo y sistema para compensar el desgaste de la rueda en un tren. | |
| ES2626175T3 (es) | Procedimiento de cálculo de un intervalo de posiciones de un vehículo ferroviario sobre una vía férrea y dispositivo asociado | |
| JP2016532859A (ja) | 車両に基づく測位システムおよびそれを用いる方法 | |
| JP3877055B2 (ja) | 軌道上の車両を位置特定する方法およびシステム | |
| CN114761812A (zh) | 车轮信息传输装置、车轮信息传输方法和具有车轮信息传输装置的车辆 | |
| CN102574536B (zh) | 用于在轨道车辆中监测部件状态的方法和电子装置 | |
| JP2018117478A (ja) | 列車分離検知システム及びその方法 | |
| EP3964735B1 (en) | Vehicle sensor system | |
| US11518354B2 (en) | Weight profile determination system | |
| US11237081B2 (en) | Vehicle sensor system | |
| JP7595494B2 (ja) | 摩耗量推定システム、演算モデル生成システムおよび摩耗量推定方法 | |
| EP4171079A1 (en) | System and method for identifying candidate vehicle systems | |
| US11649759B2 (en) | System and method for thermal management | |
| WO2016175182A1 (ja) | 車軸軸受使用状況管理システム | |
| JP2023069065A (ja) | 列車制御装置、及び列車制御方法 | |
| JP2023094268A (ja) | タイヤ摩耗量推定システム、演算モデル生成システムおよびタイヤ摩耗量推定方法 | |
| EA046112B1 (ru) | Система и способ терморегулирования | |
| CS234201B1 (cs) | Zařízení pro záznam průběhu poslední fáze jízdy motorového vozidla |