WO2021024423A1 - 軌条車両の異常検出装置 - Google Patents

軌条車両の異常検出装置 Download PDF

Info

Publication number
WO2021024423A1
WO2021024423A1 PCT/JP2019/031152 JP2019031152W WO2021024423A1 WO 2021024423 A1 WO2021024423 A1 WO 2021024423A1 JP 2019031152 W JP2019031152 W JP 2019031152W WO 2021024423 A1 WO2021024423 A1 WO 2021024423A1
Authority
WO
WIPO (PCT)
Prior art keywords
rail vehicle
detection device
vehicle
abnormality detection
rail
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.)
Ceased
Application number
PCT/JP2019/031152
Other languages
English (en)
French (fr)
Inventor
康介 原
了 古谷
克行 岩崎
隆夫 渡邊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to EP19915577.1A priority Critical patent/EP4012370B1/en
Priority to JP2020535259A priority patent/JP6935595B2/ja
Priority to EP25180229.4A priority patent/EP4592664A1/en
Priority to PCT/JP2019/031152 priority patent/WO2021024423A1/ja
Publication of WO2021024423A1 publication Critical patent/WO2021024423A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00—Indicators provided on the vehicle or train for signalling purposes
    • B61L15/0081—On-board diagnosis or maintenance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
    • B61L27/57—Trackside diagnosis or maintenance, e.g. software upgrades for vehicles or trains, e.g. trackside supervision of train conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M7/00—Vibration-testing of structures; Shock-testing of structures

Definitions

  • the present invention relates to an abnormality detection device for rail vehicles.
  • CBM Condition Based Maintenance
  • a detection device capable of detecting an abnormality related to vibration comfort and safety of a railway vehicle at an early stage and determining the cause of the abnormality is required.
  • Patent Document 1 As such an abnormality detection device, for example, there is a technique disclosed in Patent Document 1.
  • Patent Document 1 discloses an abnormality detection device that detects an abnormality in a bogie by using an acceleration of the bogie frame acquired by an acceleration sensor provided in the bogie frame and an acceleration of the wheel set acquired by an acceleration sensor provided in the wheel set. Has been done.
  • the acceleration of the trolley is estimated by using a physical model that inputs the acceleration of the wheel set acquired by the acceleration sensor and outputs the acceleration of the trolley at the normal time. Then, it is possible to determine whether or not there is an abnormality in the bogie based on whether or not the estimated value of the acceleration and the actually measured value are close to each other.
  • the abnormality detection device disclosed in Patent Document 1 it is necessary to provide acceleration sensors on both the wheel set and the bogie frame for one bogie in order to detect the abnormality of the bogie.
  • the wheel sets and bogie frames generate vibration acceleration larger than that of the vehicle body, it is necessary to use an acceleration sensor having a high measurable range, which has led to an increase in installation cost.
  • the wheel set and the bogie frame have less space for installing the acceleration sensor than the vehicle body, there is also a problem that the degree of freedom in installing the acceleration sensor is limited.
  • the abnormality detection device disclosed in Patent Document 1 requires a large number of acceleration sensors, there are problems such as an increase in maintenance time and cost.
  • the present invention has been made in view of the above-mentioned problems, and when an abnormal vibration of a vehicle occurs based on sensor information installed on a vehicle body while suppressing installation cost and maintenance cost, the vibration is generated in any part of the vehicle. It is an object of the present invention to provide an abnormality detection device for a rail vehicle capable of determining whether or not the abnormality is present.
  • one of the representative abnormality detection devices for rail vehicles is a vibration data acquisition unit that acquires vibration data of the rail vehicle and operation data that acquires operation data of the rail vehicle. Based on the acquisition unit, the vibration data, and the operation data, it is identified whether the rail vehicle traveling on the same track is in a normal state or an abnormal state, and the vibration data of the rail vehicle is extracted in association with the normal state or the abnormal state.
  • a comparison processing unit that calculates the comparison result by comparing the vibration data of the rail vehicle in the normal state with the vibration data of the rail vehicle in the abnormal state, and the abnormal state based on the comparison result. Achieved by having a diagnostic unit that determines anomalous causes of vibration in the identified rail vehicle.
  • the present invention when an abnormal vibration of a vehicle occurs, it is possible to determine which part of the vehicle the vibration is abnormal based on the sensor information installed on the vehicle body while suppressing the installation cost and the maintenance cost. Anomaly detection device can be provided. In addition, this makes it possible to reduce vehicle downtime and maintenance costs. Issues, configurations and effects other than those described above will be clarified by the following description of the embodiments.
  • FIG. 1 is a system configuration diagram of an abnormality detection device for a railway vehicle showing the first embodiment of the present invention.
  • FIG. 2 is a diagram showing a time history waveform of vehicle body left-right vibration acceleration when abnormal vibration occurs in vehicle B in the abnormality detection device for a railway vehicle of the first embodiment.
  • FIG. 3 is a flowchart illustrating a processing procedure in the data analysis unit 100 in the abnormality detection device for the railway vehicle of the first embodiment.
  • FIG. 4 is a flowchart illustrating a processing procedure in the comparison processing unit 200 in the abnormality detection device for a railway vehicle according to the first embodiment.
  • FIG. 5A is a diagram showing the relationship between the measured value of the vehicle body lateral acceleration PSD of the vehicle A in the normal state and the frequency.
  • FIG. 5B is a diagram showing the relationship between the measured value of the vehicle body lateral acceleration PSD of the vehicle B in an abnormal state and the frequency.
  • FIG. 6 is a diagram showing the PSD ratio between the vehicle body left-right acceleration PSD of the vehicle A in the normal state and the vehicle body left-right acceleration PSD of the vehicle B in the abnormal state in the comparison processing unit of the first embodiment.
  • FIG. 7 is a flowchart illustrating a processing procedure in the parameter estimation unit 400 in the abnormality detection device for the railway vehicle of the first embodiment.
  • FIG. 8A is a characteristic diagram showing both the measured value (solid line) and the analyzed value (dotted line) before the estimation of the parameter estimation unit of the first embodiment.
  • FIG. 8B is a characteristic diagram showing both the measured value (solid line) and the analyzed value (dotted line) after the estimation of the parameter estimation unit of the first embodiment.
  • FIG. 9 is a flowchart illustrating a processing procedure in the abnormality factor estimation unit 400 in the abnormality detection device for the railway vehicle of the first embodiment.
  • FIG. 10 is a diagram showing the estimation result of the abnormal factor in the abnormal factor estimation unit of the first embodiment.
  • FIG. 11 is a diagram showing a processing flow in the parameter estimation unit in the abnormality detection device for the railway vehicle of the second embodiment.
  • FIG. 12 is a diagram showing a processing flow in the parameter estimation unit in the abnormality detection device for the railway vehicle of the third embodiment.
  • Rail vehicles are vehicles that are operated along the track to be laid, and include railway vehicles, monorail vehicles, trams, new transportation vehicles, and the like.
  • An embodiment of the present invention will be described by taking up a railroad vehicle as a typical example of a rail vehicle.
  • FIG. 1 is a functional block diagram showing a system configuration of an abnormality detection device for a railway vehicle.
  • the railroad vehicles A and B traveling on the track 20 include a vehicle body 1 and a bogie 16, respectively.
  • the vehicle body 1 is mounted on the bogie 16 via an air spring 8.
  • the bogie 16 is composed of a bogie frame 11, an air spring 8, a yaw damper 4, an axle box body 12, an axle 13, an axle spring device 14, an axle box support rubber 15 for an axle box serving as a bearing housing for the axle 13, and the like. ..
  • the wheel set 13 is rotatably held with respect to the axle box body 12, and the axle box body 12 and the bogie frame 11 are elastically supported in the vertical direction by the axle spring device 14 and also by the axle box support rubber 15. It is elastically supported in the horizontal direction.
  • An air spring 8 is arranged between the vehicle body 1 and the bogie frame 11, and the vehicle body 1 is elastically supported by the bogie frame 11 by the air spring 8.
  • a vibration data detection unit (vibration data acquisition unit) 60 for acquiring data related to the vibration of the vehicle body 1 is installed on the floor surface of the vehicle body 1.
  • the physical quantity detected by the vibration data detection unit 60 in order to acquire data related to vibration is not limited to acceleration, but may be speed, displacement, strain, sound, or the like. However, in the present embodiment, the vibration data detection unit 60 will be described as detecting the acceleration.
  • the vibration data detection unit 60 is installed in the vehicle body 1 having a relatively large installation space, it can be installed not only in the vehicle body 1 but also in the bogie frame 11, the axle box body 12, and the like. It is also possible to detect vibration. In the present embodiment, the vibration data detection unit 60 will be described as being installed on the vehicle body 1.
  • vibration data detection units 60 may be installed for one vehicle, in the present embodiment, it is assumed that a single vibration data detection unit 60 is installed. Further, the installation position of the vibration data detection unit 60 may be the central position of the vehicle body 1, the position directly above the bogie 16, or the end portion of the vehicle body 1 such as the vehicle equipment room position.
  • the vibration acquisition direction of the vibration data detection unit 60 is a translation (forward / backward translation / left / right translation / vertical translation) direction and a rotation (roll / pitch / yaw) direction with respect to the front-back, left-right, and vertical directions with respect to the traveling direction of the railway vehicle. It is applicable to any of the above. In the present embodiment, the vibration data detection unit 60 will be described as detecting vibration in the left-right translation direction.
  • the vehicle body 1 includes, for example, an operation data detection unit (operation data acquisition unit) 50 having a function of acquiring operation data such as a travel speed, a travel position, and a occupancy rate from an operation management system that manages operation data.
  • an operation data detection unit (operation data acquisition unit) 50 having a function of acquiring operation data such as a travel speed, a travel position, and a occupancy rate from an operation management system that manages operation data.
  • FIG. 1 shows an example in which the vibration data detection unit 60 and the operation data detection unit 50 are provided only on two rail vehicles (hereinafter, simply referred to as vehicles), they are provided on three or more plurality of vehicles. You may. Further, the vibration data detection unit 60 and the operation data detection unit 50 may be provided for a plurality of vehicles in one train formation, or may be provided for each vehicle of different train formations traveling on the same track.
  • the abnormality factor detection device 30 includes a data analysis unit 100, a comparison processing unit 200, a parameter estimation unit 300, an abnormality factor determination unit 400, and a determination result output unit 500, and detects anomalies that detect the cause of abnormal vibration of a railway vehicle. Configure the device.
  • the parameter estimation unit 300 and the abnormality factor determination unit 400 constitute a diagnosis unit.
  • the abnormality factor detection device 30 is preferably installed on the ground side such as a depot for inspecting and servicing the vehicle, but may be installed on the upper side of the vehicle.
  • the data analysis unit 100, the comparison processing unit 200, the parameter estimation unit 300, the abnormality factor determination unit 400, and the determination result output unit 500 execute, for example, each process described later according to a program stored inside the abnormality factor detection device 30. It is composed of arithmetic units.
  • the data analysis unit 100 acquires vibration data detected by the vibration data detection unit 60 and operation data detected by the operation data detection unit 50 from a plurality of vehicles, analyzes the acquired data, and determines whether the vehicle is in a normal state or abnormal. It has a function to identify the state and output vibration data and operation data of those vehicles. The specific processing flow executed by the data analysis unit 100 will be described later.
  • the comparison processing unit 200 acquires vibration data and operation data of the vehicle in the abnormal state and the normal state output by the data analysis unit 100, and compares the vehicle in the abnormal state with the vehicle in the normal state based on the acquired data. It has a function to output the result.
  • the specific processing flow executed by the comparison processing unit 200 will be described later.
  • the parameter estimation unit 300 has a function of estimating parameters related to the internal state of the vehicle from the comparison result between the vehicle in the abnormal state and the vehicle in the normal state output by the comparison processing unit 200.
  • the parameters related to the internal state of the vehicle are parameters that can cause abnormal vibration of the railway vehicle.
  • the rigidity of the axle box support rubber 15 of the axle box support device installed in the railway vehicle the yaw damper 4 Refers to the damping coefficient of, the wheel tread gradient of the wheelset 13, and the like.
  • the specific processing flow executed by the parameter estimation unit 300 will be described later.
  • the abnormality factor determination unit 400 has a function of determining an abnormality factor from the estimated value of the parameter output by the parameter estimation unit 300. The specific processing flow executed by the abnormality factor determination unit 400 will be described later.
  • the determination result output unit 500 has a function of notifying the driver of the vehicle body 1 and the operation manager and maintenance personnel on the ground of the abnormality factor output by the abnormality factor determination unit 400 via a monitor, a speaker, or the like.
  • the processing flow for detecting an abnormality will be described by taking as an example a case where abnormal vibration occurs in the vehicle B due to a decrease in the damping coefficient due to oil leakage of the yaw damper 4 (see the vibration waveform b in FIG. 2).
  • a case where an acceleration sensor in the left-right translation direction (hereinafter referred to as a left-right acceleration sensor) installed directly above the trolley position is used for the vibration data detection unit 60 will be described.
  • the vibration waveform a in FIG. 2 is a chart showing the vehicle body lateral acceleration 621 measured by the left-right acceleration sensor installed in the vehicle A corresponding to the position of the track, and the vibration waveform b in FIG. 2 corresponds to the position of the track. Then, it is a chart which shows the vehicle body lateral acceleration 622 measured by the lateral acceleration sensor installed in the vehicle B. In the vibration waveforms a and b, it is shown that the higher the measured acceleration, the larger the amplitude of the waveform.
  • FIG. 3 is a flowchart illustrating a processing procedure of the data analysis unit 100 in the abnormality detection device for the railway vehicle of FIG. The operation based on the flowchart of FIG. 3 is as follows.
  • step S111 the data analysis unit 100 acquires the vehicle body left-right acceleration from the left-right acceleration sensors of a plurality of vehicles, and at the same time, acquires the operation data such as the traveling position, the traveling speed, and the occupancy rate from the operation data detection unit 50. To do.
  • step S112 the data analysis unit 100 filters the vehicle body lateral acceleration acquired in step S111 using a well-known filtering technique.
  • step S113 As filtering, before the analysis process performed in step S113, such as the process of extracting only the frequency band that is easily perceived by humans from the left-right acceleration of the vehicle body and the process of calculating the RMS (Root Mean Square) value and the maximum value of the acceleration. Processing etc. are performed.
  • RMS Root Mean Square
  • the data analysis unit 100 sets a traveling section having a particularly large vibration as a representative section from the filtered acceleration, and in this representative section, the vehicle body lateral acceleration data of each vehicle such as vehicle A and vehicle B. And, it performs processing to extract operation data such as running speed and occupancy rate.
  • vibration data in the same section can be extracted for vehicle A and vehicle B.
  • the representative section is not limited to the traveling section with large vibration, and can be arbitrarily determined. Further, the representative section may be one, or may be two or more sections.
  • the section where there is data that the measurement conditions are relatively close such as the traveling speed of each vehicle such as vehicle A and vehicle B being the same or close, the occupancy rate being close, and the measurement date and time being close. You can set it.
  • step S114 the data analysis unit 100 compares the vehicle body left-right acceleration data of each vehicle in the representative section, and performs a process of identifying whether each vehicle is in a normal state or an abnormal state.
  • a threshold value may be set in advance for the vehicle body acceleration and a threshold value process may be used to determine whether or not the threshold value is exceeded, or the Mahalanobis-Taguchi System (Mahalanobis-Taguchi System).
  • Mahalanobis-Taguchi System Mohalanobis-Taguchi System
  • the vehicle B in which a large vibration exceeding the threshold value 922 shown in FIG. 2 is generated by the threshold value processing or the like is determined to be in an "abnormal state", and the vehicle A not exceeding the threshold value 922 is ". It shall be judged as "normal state”.
  • step S115 the data analysis unit 100 compares the vehicle body lateral acceleration and operation data in the representative section extracted in step S113 with the identification information that each vehicle is in an “abnormal state” or “normal state”. Output to 200.
  • FIG. 4 is a flowchart illustrating a processing procedure of the comparison processing unit 200 in the abnormality detection device for the railway vehicle of FIG. The operation based on the flowchart of FIG. 4 is as follows.
  • step S211 the comparison processing unit 200 outputs identification information such as that the vehicle A is in a normal state and the vehicle B is in an abnormal state, and the vehicle body lateral acceleration and operation data in the representative section, which are output from the data analysis unit 100. To get.
  • step S212 the comparison processing unit 200 calculates the vehicle body lateral acceleration PSD (Power Spectrum Density) with respect to the vehicle body lateral acceleration of each vehicle from the acquired vehicle body lateral acceleration.
  • PSD is a spectral function expressed as a power value per unit frequency width (1 Hz width).
  • the vehicle A is calculated as the vehicle body lateral acceleration PSD721 of the vehicle in the normal state as shown in FIG. 5A
  • the vehicle B is calculated as the vehicle body lateral acceleration PSD722 of the vehicle in the abnormal state as shown in FIG. 5B.
  • the vehicle body left-right acceleration PSD722 of the vehicle B is larger than the vehicle body left-right acceleration PSD721 of the vehicle A in the predetermined frequency band 900.
  • step S213 the comparison processing unit 200 calculates the PSD ratio 821, which is the ratio of the vehicle body left-right acceleration PSD721 of the vehicle A in the normal state to the vehicle body left-right acceleration PSD722 of the vehicle B in the abnormal state.
  • This PSD ratio 821 represents a frequency band in which PSD differs from the normal state in the abnormal state and the degree thereof.
  • the PSD ratio 821 is significantly increased in the frequency band 900.
  • the data analysis unit 100 extracts the vibration data of the same section in advance, the influence of the difference in response due to the difference in the section of the track is reduced, and then the transmission characteristics change in the normal state and the abnormal state of the vehicle.
  • the change in response due to can be extracted as the PSD ratio 821.
  • any value that represents the feature amount related to the change between the abnormal state and the normal state can be used instead of the PSD ratio.
  • the ratio of the RMS value of the vehicle body lateral acceleration between the abnormal state and the normal state, etc. Can also be used.
  • step S214 the comparison processing unit 200 outputs this PSD ratio 821 to the parameter estimation unit 300.
  • the parameters estimated as abnormal factors are the spring constant of the axle box support rubber 15, the damping coefficient of the yaw damper 4, and the wheel tread gradient of the wheelset 13 will be described.
  • step S311 the parameter estimation unit 300 acquires the PSD ratio 821 output by the comparison processing unit 200. This is called the measured PSD ratio 821.
  • the parameter estimation unit 300 calculates the analysis value of the vehicle body left-right acceleration PSD when the parameters related to the internal state of the vehicle are in the normal state using the mechanical model.
  • This mechanical model is a model for predicting the vibration characteristics of railway vehicles.
  • the vehicle body 1, the bogie 16, and the wheel shaft are placed on a virtual track that simulates track irregularities such as track deviation (degree of unevenness in the length direction of the rail side surface) and rail deviation (error with respect to the basic dimensions of the left and right rail spacing).
  • Vehicle left-right system dynamics that predicts vehicle body left-right vibration when a virtual vehicle with each rigid body connected by springs and dampers runs by imitating 13 with a rigid body and the axle box support rubber 15 and yaw damper 4 with springs and dampers.
  • Various dynamic models can be used according to the type of vibration to be predicted, such as a model and a vehicle vertical system dynamic model that predicts vehicle vertical vibration.
  • the orbital irregularity data may be used. However, if there is no actual measurement data of track irregularity, prepare typical track irregularity data according to the track condition (track condition: "good”, “normal”, “bad”, etc.) in advance, and run a commercial vehicle. A method of defining a virtual orbit by selecting and using it according to a route or the like may be adopted.
  • parameters such as the spring constant of the axle box support rubber 15, the damping coefficient of the yaw damper 4, and the wheel tread gradient of the wheel axle 13 are set to normal values, and the analysis value of the vehicle body lateral acceleration PSD is set using a mechanical model. Is calculated.
  • the normal values are the spring constant of the axle box support rubber 15, the damping coefficient of the yaw damper 4 is the design value and the element test value, and the wheel tread gradient of the wheelset 13 is the value in the new state and management during maintenance. Values etc. are used.
  • step S313 and subsequent steps the parameter estimation unit 300 estimates the parameters of the vehicle in the abnormal state.
  • the parameter estimation unit 300 sets the initial estimation value of the parameter.
  • the initial estimated value of the parameter may be a normal value of the parameter or a randomly generated value.
  • the parameter estimation unit 300 sets initial estimation values such as the spring constant of the axle box support rubber 15, the damping coefficient of the yaw damper 4, and the wheel tread gradient of the wheelset 13.
  • step S314 the parameter estimation unit 300 estimates the parameters in the abnormal state using the actually measured PSD ratio 821 processed by the comparison processing unit 200.
  • the parameter estimation unit 300 calculates the analysis value of the vehicle body left-right acceleration PSD in the initial estimated value of the parameter by the mechanical model.
  • step S314 the parameter estimation unit 300 compares the analysis value of the vehicle body left / right acceleration PSD in the initial estimation value of this parameter with the analysis value of the vehicle body left / right acceleration PSD in the parameter in the normal state calculated in step S312.
  • the analysis PSD ratio 822 is calculated.
  • the parameter estimation unit 300 determines the parameter estimation value so that the analysis PSD ratio 822 matches the actually measured PSD ratio 821, that is, the error is minimized. ..
  • any one that can evaluate the error can be used without restriction, but in the present embodiment, as shown in FIGS. 8A and 8B, the measured PSD ratio 821 for each frequency of the PSD ratio and the analyzed PSD ratio 822.
  • the value obtained by integrating the differences hereinafter referred to as the integrated difference value).
  • the calculated PSD ratio is analyzed as the measured PSD ratio 821 with respect to the spring constant of the axle box support rubber 15, the damping coefficient of the yaw damper 4, the wheel tread gradient of the wheelset 13, and the like. Obtain an estimate of the parameters such that the PSD ratio 822 matches.
  • FIG. 8A shows the frequency on the horizontal axis, the PSD ratio on the vertical axis, the measured PSD ratio 821 shown by the solid line before parameter estimation, and the characteristic diagram showing the analyzed PSD ratio 822 shown by the dotted line.
  • FIG. 8B shows the frequency on the horizontal axis.
  • the vertical axis shows the PSD ratio, and it is a characteristic diagram showing the measured PSD ratio 821 after parameter estimation and the analyzed PSD ratio 822 shown by the dotted line.
  • step S315 the parameter estimation unit 300 outputs the estimated value of this parameter to the abnormality factor determination unit 400.
  • one left-right acceleration sensor is installed in the vehicle body 1.
  • the left-right acceleration sensors are installed on the vehicle body 1, the bogie 16, the axle box body 12, etc.
  • the parameters are set so that the measured values of the plurality of left-right accelerations detected from them and the analysis values match. By updating, the parameter estimation can be made more accurate.
  • the abnormality factor determination unit 400 acquires the estimated value of the parameter output by the parameter estimation unit 300.
  • the abnormality factor determination unit 400 acquires the spring constant of the axle box support rubber 15, the damping coefficient of the yaw damper 4, and the estimated value of the wheel tread gradient of the wheelset 13.
  • step S412 the abnormality factor determination unit 400 calculates the ratio between the estimated value and the normal value of each parameter.
  • step S413 the abnormality factor determination unit 400 compares this ratio with the preset threshold value for each parameter, and determines between the normal state and the abnormal state.
  • the abnormality factor determination unit 400 can be said to be close to the normal state, and therefore determines the normal state (step S414). On the other hand, if the ratio is a parameter exceeding the threshold value, the abnormality factor determination unit 400 determines that it is in an abnormal state (step S415).
  • the abnormality factor determination unit 400 outputs to the determination result output unit 500 in step S416 with the parameter determined to be the abnormal state as the abnormality factor.
  • FIG. 10 schematically shows an example of determining normality and abnormality of the parameters in step S413, with respect to abnormal factor elements such as the spring rigidity of the axle box support rubber 15, the damping coefficient of the yaw damper 4, and the wheel tread gradient. It is a schematic diagram which showed the ratio of the estimated value of a parameter, a normal value, and a threshold value.
  • the attenuation coefficient of the yaw damper 4 in which the ratio of the estimated value and the normal value of the parameter exceeds the threshold value 91 is determined to be an abnormal state. Then, the determination result that the decrease in the damping coefficient of the yaw damper 4 is the abnormality factor is output from the abnormality factor determination unit 400 to the determination result output unit 500.
  • the determination result output unit 500 notifies the driver on the vehicle, the operation manager on the ground, the maintenance staff, etc. of the estimation result of this abnormal factor by using a well-known communication technology.
  • an abnormality factor such as a decrease in the damping coefficient of the yaw damper 4.
  • the vehicle abnormality detection device has the same configuration as that of the first embodiment, but the parameter estimation unit 300 executes a process as described below using the flowchart of FIG. In addition, only the points different from Example 1 will be described below.
  • step S312a is added as a process when the orbital irregularity data used in the analysis by the mechanical model is not used as the orbital irregularity data prepared in advance such as the measured data. It was done.
  • step S311 the parameter estimation unit 300 acquires the measured PSD ratio 821 processed by the comparison processing unit 200.
  • step S312a the parameter estimation unit 300 performs a process of identifying the track irregularity based on the measured value of the vehicle body lateral acceleration PSD of the vehicle in the normal state.
  • the parameter estimation unit 300 performs a process of identifying track irregularity data so that the analysis value of the vehicle body left-right acceleration PSD calculated using the dynamic model and the measured value of the vehicle body left-right acceleration PSD match. ..
  • the track irregularity data is identified by using the dynamic model from the vehicle body lateral acceleration PSD of the vehicle A in the normal state.
  • the parameter estimation unit 300 performs the same process as in the first embodiment using the orbital irregularity data identified in step S312a.
  • vehicle body left-right acceleration PSD Although an example using the vehicle body left-right acceleration PSD has been described in this embodiment, it is not limited to the vehicle body left-right acceleration PSD as long as the track irregularity data can be identified.
  • the railroad vehicle abnormality detection device of the present embodiment can determine the cause of the vehicle abnormality without preparing track irregularity data in advance.
  • the vehicle abnormality detection device has the same configuration as that of the first embodiment, but the parameter estimation unit 300 executes a process as described below using the flowchart of FIG. In addition, only the difference from the said Example will be described below.
  • the abnormality detection device of the present embodiment is obtained by adding steps S314a and S315a to the abnormality detection device of the above embodiment as processing when the parameter estimation accuracy is low in the parameter estimation unit 300.
  • the parameter estimation unit 300 estimates the parameters so that the integrated difference value between the measured PSD ratio 821 and the analysis PSD ratio 822 of the PSD ratio is minimized.
  • the integrated difference value serves as an index indicating the estimation accuracy.
  • step S314a when the integrated difference value is equal to or less than a preset threshold value, the parameter estimation unit 300 determines that the estimation accuracy is equal to or higher than the reference level, and determines that the parameter is in step S315 as in the first embodiment.
  • the estimated value of is output to the abnormality factor determination unit 400.
  • the parameter estimation unit 300 determines that the estimation accuracy is lower than the reference level, and outputs only the information regarding the abnormality of the vehicle in step S315a. , Does not output the estimated value of the parameter (parameter estimated to be an abnormal factor).
  • the railcar abnormality detection device of the present embodiment can output at least that there is an abnormality in the vehicle without interrupting the abnormality detection even when the parameter estimation accuracy is not sufficient.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

車両の異常振動の発生時に、その振動が車両のどの部位の異常であるかを判定できる軌条車両の異常検出装置を提供する。この異常検出装置は、２つ以上の複数の軌条車両の振動データ、および走行位置、走行速度や乗車率などの運行データを取得し、取得した振動データと運行データを分析して、軌条車両が正常状態または異常状態かを識別し、その正常状態の車両の振動データと異常状態の車両の振動データとの比較結果に基づいて、前記軌条車両における振動の異常要因を判定する。

Description

軌条車両の異常検出装置
　本発明は、軌条車両の異常検出装置に関する。
　鉄道車両におけるメンテナンス性向上の需要が高まっているが、頻繁なメンテナンスは列車の運行効率を低下させる。そこで、鉄道車両において、運用中のシステムやサービスの停止時間であるダウンタイム削減や保守コスト低減などを目的として、必要なタイミングでメンテナンスを行うＣＢＭ（Ｃｏｎｄｉｔｉｏｎ　Ｂａｓｅｄ　Ｍａｉｎｔｅｎａｎｃｅ）という技術思想が注目されている。ＣＢＭを実現するためには、鉄道車両の振動快適性や安全性に関する異常を早期に検知し、その異常要因を判定できる異常検出装置が必要とされている。
　このような異常検出装置として、例えば特許文献１に開示された技術がある。
特開２００４－１７００８０号公報
　特許文献１には、台車枠に備えられた加速度センサにより取得する台車枠の加速度と、輪軸に備えられた加速度センサにより取得する輪軸の加速度を用いて台車の異常を検出する異常検出装置が開示されている。特許文献１に開示された異常検出装置によれば、加速度センサにより取得した輪軸の加速度を入力とし、正常時の台車の加速度を出力する物理モデルを用いて、台車の加速度を推定する。そして、この加速度の推定値と実測値が近似しているか否かによって、台車の異常の有無を判断することができる。
　ここで、特許文献１に開示された異常検出装置では、台車の異常検出のために、１台の台車に対して輪軸と台車枠の両者に加速度センサを設ける必要がある。しかし、輪軸や台車枠には、車体よりも大きな振動加速度が発生するため、測定可能レンジが高い加速度センサを用いる必要があり、設置コストの増大を招いていた。又、輪軸や台車枠は、車体に比べれば加速度センサを設置するスペースが少ないため、加速度センサの設置の自由度が制限されるという課題もあった。更に、特許文献１に開示された異常検出装置では多数の加速度センサが必要になるため、そのメンテナンス時間やコストが増加するなどの課題もあった。
　本発明は、上述した課題に鑑みてなされたものであり、設置コストやメンテナンスコストを抑えつつ、車体に設置したセンサ情報に基づいて、車両の異常振動の発生時に、その振動が車両のどの部位の異常であるかを判定できる軌条車両の異常検出装置を提供することを目的とする。
　上記課題を解決するために、代表的な本発明にかかる軌条車両の異常検出装置の一つは、軌条車両の振動データを取得する振動データ取得部と、軌条車両の運行データを取得する運行データ取得部と、前記振動データと前記運行データに基づいて、同じ軌道を走行する軌条車両が正常状態か異常状態かを識別し、正常状態又は異常状態に対応付けて軌条車両の振動データを抽出するデータ分析部と、正常状態の軌条車両の前記振動データと、異常状態の軌条車両の前記振動データとを比較して、比較結果を算出する比較処理部と、前記比較結果に基づき、異常状態と識別された軌条車両における振動の異常要因を判定する診断部と、を有することにより達成される。
　本発明によれば、設置コストやメンテナンスコストを抑えつつ、車体に設置したセンサ情報に基づいて、車両の異常振動の発生時に、その振動が車両のどの部位の異常であるかを判定できる軌条車両の異常検出装置を提供することができる。また、それにより車両のダウンタイム削減や保守コスト低減が可能となる。
　上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
図１は、本発明の実施形態１を示す鉄道車両の異常検出装置のシステム構成図である。 図２は、実施形態１の鉄道車両の異常検出装置において、車両Ｂに異常振動が生じた場合における車体左右振動加速度の時刻歴波形を示した図である。 図３は、実施形態１の鉄道車両の異常検出装置において、データ分析部１００における処理手順を説明するフローチャートである。 図４は、実施形態１の鉄道車両の異常検出装置において、比較処理部２００における処理手順を説明するフローチャートである。 図５Ａは、正常状態である車両Ａの車体左右加速度ＰＳＤの実測値と周波数との関係を示した図である。 図５Ｂは、異常状態である車両Ｂの車体左右加速度ＰＳＤの実測値と周波数との関係を示した図である。 図６は、実施形態１の比較処理部において、正常状態である車両Ａの車体左右加速度ＰＳＤと、異常状態である車両Ｂの車体左右加速度ＰＳＤとのＰＳＤ比率を示した図である。 図７は、実施形態１の鉄道車両の異常検出装置において、パラメータ推定部４００における処理手順を説明するフローチャートである。 図８Ａは、実施形態１のパラメータ推定部の推定前における、実測値（実線）と解析値（点線）を併せて示す特性図である。 図８Ｂは、実施形態１のパラメータ推定部の推定後における、実測値（実線）と解析値（点線）を併せて示す特性図である。 図９は、実施形態１の鉄道車両の異常検出装置において、異常要因推定部４００における処理手順を説明するフローチャートである。 図１０は、実施形態１の異常要因推定部において、異常要因の推定結果を示した図である。 図１１は、実施形態２の鉄道車両の異常検出装置において、パラメータ推定部における処理フローを示す図である。 図１２は、実施形態３の鉄道車両の異常検出装置において、パラメータ推定部における処理フローを示す図である。
　以下、本発明の軌条車両の異常検出装置について図面を参照して説明する。軌条車両は、敷設される軌道に沿って運行される車両であり、鉄道車両、モノレール車両、路面電車、新交通車両等を含む。軌条車両の代表例として、鉄道車両を取り上げて本発明の実施の形態を説明する。
［実施形態１］
　はじめに、鉄道車両の異常検出装置の構成について図１を参照して説明する。
　図１は、鉄道車両の異常検出装置のシステム構成を示す機能ブロック図である。
　軌道２０上を走行する鉄道車両Ａ，Ｂ（以下、車両Ａ，Ｂという）は、それぞれ車体１と台車１６とを備える。車体１は、空気ばね８を介して台車１６に搭載されている。台車１６は、台車枠１１、空気ばね８、ヨーダンパ４、軸箱体１２、輪軸１３、軸ばね装置１４、輪軸１３の軸受けハウジングとなる軸箱の軸箱支持ゴム１５、などで構成されている。
　輪軸１３は、軸箱体１２に対して回転可能に保持され、軸箱体１２と台車枠１１の間は、軸ばね装置１４で鉛直方向に弾性支持されており、また軸箱支持ゴム１５で水平方向に弾性支持されている。車体１と台車枠１１との間には、空気ばね８が配置されており、この空気ばね８により、車体１が台車枠１１に弾性支持されている。
　車体１の床面上には、例えば、車体１の振動に関するデータを取得するための振動データ検出部（振動データ取得部）６０が設置されている。
　なお、振動に関するデータを取得するために振動データ検出部６０が検出する物理量としては、加速度に限るものではなく、速度、変位、ひずみ、音などでも良い。ただし、本実施形態では振動データ検出部６０が加速度を検出するものとして説明する。
　また、振動データ検出部６０は、設置スペースに比較的余裕がある車体１に設置されているが、車体１のみでなく、台車枠１１や軸箱体１２などへ設置されることにより、これらの振動を検出することも可能である。本実施形態では、振動データ検出部６０を車体１に設置したものとして説明する。
　また、振動データ検出部６０は、１つの車両に対して複数台設置しても良いが、本実施形態では単一の振動データ検出部６０を設置したものとして説明する。また、振動データ検出部６０の設置位置は、車体１の中央位置でも良いし、台車１６の直上位置や、車両機器室位置などの車体１の端部でも良い。
　振動データ検出部６０の振動取得方向は、鉄道車両の進行方向に対する前後、左右、および鉛直方向に対して、並進（前後並進・左右並進・上下並進）方向および回転（ロール・ピッチ・ヨー）方向のいずれにおいても適用可能である。本実施形態では、振動データ検出部６０が左右並進方向の振動を検出するものとして説明する。
　車体１は、例えば、運行データを管理する運行管理システムから、走行速度、走行位置や乗車率などの運行データを取得する機能を有する運行データ検出部（運行データ取得部）５０を備えている。
　なお、図１では、２つの軌条車両（以下、単に車両という）のみに振動データ検出部６０と運行データ検出部５０を備えた例を示しているが、３つ以上の複数車両にそれらを備えても良い。
　また、振動データ検出部６０と運行データ検出部５０は、１列車編成中の複数の車両に備えても良いし、同じ軌道上を走行する異なる列車編成それぞれの車両に備えることもできる。
　異常要因検出装置３０は、データ分析部１００、比較処理部２００、パラメータ推定部３００、異常要因判定部４００、および判定結果出力部５００を有し、鉄道車両の異常振動の要因を検出する異常検出装置を構成する。なお、パラメータ推定部３００と異常要因判定部４００が、診断部を構成する。
　なお、異常要因検出装置３０は、車両の点検や整備を行う車両基地などの地上側に設置することがのぞましいが、車上側に設置しても良い。
　データ分析部１００、比較処理部２００、パラメータ推定部３００、異常要因判定部４００、および判定結果出力部５００は、例えば、異常要因検出装置３０の内部に格納されたプログラムに従って後述する各処理を実行する演算装置から構成される。
　データ分析部１００は、複数の車両から振動データ検出部６０で検出した振動データおよび運行データ検出部５０で検出した運行データを取得し、取得したデータを分析して、その車両が正常状態か異常状態かを識別し、それらの車両の振動データおよび運行データを出力する機能を有する。データ分析部１００が実行する具体的な処理フローについては後述する。
　比較処理部２００は、データ分析部１００で出力された異常状態および正常状態の車両の振動データおよび運行データを取得し、取得したデータに基づいて、異常状態の車両と正常状態の車両との比較結果を出力する機能を有する。比較処理部２００が実行する具体的な処理フローについては後述する。
　パラメータ推定部３００は、比較処理部２００で出力した異常状態の車両と正常状態の車両との比較結果から、車両の内部状態に関するパラメータを推定する機能を有する。
　なお、この車両の内部状態に関するパラメータとは、鉄道車両の振動の異常要因となりうるパラメータのことであり、例えば、鉄道車両に設置された軸箱支持装置の軸箱支持ゴム１５の剛性、ヨーダンパ４の減衰係数、および輪軸１３の車輪踏面勾配などを指す。パラメータ推定部３００が実行する具体的な処理フローについては後述する。
　異常要因判定部４００は、パラメータ推定部３００で出力したパラメータの推定値から、異常要因を判定する機能を有する。異常要因判定部４００が実行する具体的な処理フローについては後述する。
　判定結果出力部５００は、異常要因判定部４００で出力した異常要因を、モニタやスピーカ等を介して、車体１の運転者および地上の運行管理者やメンテナンス員などに通知する機能を有する。
　次に、図２～図１０を用いて、本実施形態の鉄道車両の異常検出装置が異常要因を判定する具体的な処理フローについて説明する。
　ここでは、車両Ｂにおいて、ヨーダンパ４の油漏れによる減衰係数の低下を要因として、異常な振動が発生した場合（図２の振動波形ｂ参照）を例にとり、異常検出の処理フローを説明する。
　なお、本実施形態では振動データ検出部６０に、台車位置の直上に設置した左右並進方向の加速度センサ（以下、左右加速度センサ）を用いた場合で説明する。
　図２の振動波形ａは、軌道の位置に対応して、車両Ａに設置した左右加速度センサで測定した車体左右加速度６２１を示すチャートであり、図２の振動波形ｂは、軌道の位置に対応して、車両Ｂに設置した左右加速度センサで測定した車体左右加速度６２２を示すチャートである。振動波形ａ，ｂにおいて、測定した加速度が高いほど波形の振幅が大きくなることを示している。
　車両Ａのヨーダンパ４が正常であることを前提に、車両Ｂのヨーダンパ４に油漏れが生じた場合、その減衰係数の低下を要因として、車両Ｂは車両Ａに比べて車体左右加速度の振幅が大きくなり、車両Ｂで異常振動が発生する。かかる状態は、図２に示すように、振動波形ａの振幅（たとえば平均値）よりも振動波形ｂの振幅が顕著に高くなることで判明する。
　図３は、図１の鉄道車両の異常検出装置におけるデータ分析部１００の処理手順を説明するフローチャートである。図３のフローチャートに基づく動作は、以下のとおりである。
　まず、ステップＳ１１１において、データ分析部１００は、複数の車両の左右加速度センサから、車体左右加速度を取得し、同時に、運行データ検出部５０から走行位置、走行速度や乗車率などの運行データを取得する。
　次に、ステップＳ１１２では、データ分析部１００は、ステップＳ１１１で取得した車体左右加速度に対して周知のフィルタリング技術を用いて、フィルタリングを行う。
　フィルタリングとしては、車体左右加速度から、人間が感じ取りやすい周波数帯のみを抽出する処理や、加速度のＲＭＳ（Ｒｏｏｔ　Ｍｅaｎ　Ｓｑｕaｒｅ）値や最大値を算出する処理など、ステップＳ１１３で行う分析処理のための前処理などが行われる。
　さらに、ステップＳ１１３では、データ分析部１００は、フィルタリングした加速度から、特に振動が大きい走行区間などを代表区間に設定して、この代表区間において車両Ａや車両Ｂなどの各車両の車体左右加速度データや、走行速度や乗車率などの運行データを抽出する処理を行う。
　ステップＳ１１３での処理により、車両Ａと車両Ｂについて、同一区間での振動データを抽出することができる。
　なお、代表区間については、振動が大きい走行区間に限るものではなく、任意に定めることができる。また、代表区間は１つでもよいし、２つ以上の複数区間でもよい。
　また、代表区間については、車両Ａや車両Ｂなどの各車両の走行速度が同じもしくは近いこと、乗車率が近いこと、および測定日時が近いことなどの測定条件が比較的近いデータがある区間を設定すればよい。
　ステップＳ１１４では、データ分析部１００は、代表区間において各車両の車体左右加速度データの比較を行い、各車両が正常状態にあるか異常状態にあるかを識別する処理を行う。正常状態および異常状態にあるかの識別については、あらかじめ車体加速度に閾値を設けておいて、閾値を超過するか否かで判断する閾値処理でもよいし、マハラノビス・タグチ法（Ｍａｈａｌａｎｏｂｉｓ－Ｔａｇｕｃｈｉ　Ｓｙｓｔｅｍ）などを用いて識別する周知の方法などを用いてもよい。
　本実施形態の場合は、閾値処理などにより、図２に示す閾値９２２を超過した大きな振動が発生している車両Ｂは「異常状態」と判定され、閾値９２２を超過していない車両Ａは「正常状態」と判定されることとする。
　ステップＳ１１５では、データ分析部１００は、各車両について「異常状態」または「正常状態」であるという識別情報に加えて、ステップＳ１１３で抽出した代表区間における車体左右加速度や運行データを、比較処理部２００へ出力する。
　図４は、図１の鉄道車両の異常検出装置における比較処理部２００の処理手順を説明するフローチャートである。図４のフローチャートに基づく動作は、以下のとおりである。
　まず、ステップＳ２１１において、比較処理部２００は、データ分析部１００から出力された、車両Ａが正常状態で、車両Ｂが異常状態であるなどの識別情報や、代表区間における車体左右加速度および運行データを取得する。
　次に、ステップＳ２１２では、比較処理部２００は、取得した車体左右加速度から、各車両の車体左右加速度に対して、車体左右加速度ＰＳＤ(Ｐｏｗｅｒ　Ｓｐｅｃｔｒｕｍ　Ｄｅｎｓｉｔｙ)を算出する。ＰＳＤとは、単位周波数幅（１Ｈｚ幅）当たりのパワー値として表現するスペクトル関数である。
　本実施形態の場合は、車両Ａについて図５Ａのように正常状態の車両の車体左右加速度ＰＳＤ７２１として算出され、車両Ｂについて図５Ｂのように異常状態の車両の車体左右加速度ＰＳＤ７２２として算出される。
　図５Ａ，５Ｂに示すように、所定の周波数帯９００において、車両Ｂの車体左右加速度ＰＳＤ７２２は、車両Ａの車体左右加速度ＰＳＤ７２１よりも大きくなっている。
　ステップＳ２１３では、図６のように、比較処理部２００は、正常状態の車両Ａの車体左右加速度ＰＳＤ７２１と、異常状態の車両Ｂの車体左右加速度ＰＳＤ７２２との比であるＰＳＤ比率８２１を算出する。
　このＰＳＤ比率８２１は、正常状態に対して異常状態においてＰＳＤが異なる周波数帯域やその度合いを表すものである。ここでは、図６から明らかなように、ＰＳＤ比率８２１は、周波数帯９００で顕著に増加している。
　なお、データ分析部１００であらかじめ同一区間の振動データを抽出しているため、軌道の区間差などによる応答の差の影響を小さくした上で、車両の正常状態および異常状態での伝達特性の変化による応答の変化を、ＰＳＤ比率８２１として抽出できる。
　なお、ステップＳ２１２からステップＳ２１３では、ＰＳＤ比率８２１を用いた例について説明した。しかし、異常状態と正常状態との変化に関する特徴量を表す値であればＰＳＤ比率の代わりに使用することができ、一例としては、異常状態と正常状態との車体左右加速度のＲＭＳ値の比率などを用いることもできる。
　ステップＳ２１４では、比較処理部２００は、このＰＳＤ比率８２１をパラメータ推定部３００へ出力する。
　次に、パラメータ推定部３００の処理フローについて、図７を用いて説明する。図７のフローチャートに基づく動作は、以下のとおりである。
　なお、本実施形態では、異常要因として推定するパラメータを、軸箱支持ゴム１５のばね定数、ヨーダンパ４の減衰係数および輪軸１３の車輪踏面勾配とした場合について説明する。
　まず、ステップＳ３１１において、パラメータ推定部３００は、比較処理部２００で出力したＰＳＤ比率８２１を取得する。これを実測ＰＳＤ比率８２１という。
　次にステップＳ３１２では、パラメータ推定部３００は、力学モデルを用いて車両の内部状態に関するパラメータが正常状態である場合の車体左右加速度ＰＳＤの解析値を算出する。
　この力学モデルは、鉄道車両の振動特性を予測するためのモデルである。例えば、軌道２０の通り狂い（レール側面の長さ方向における凹凸の度合い）や軌間狂い（左右レール間隔の基本寸法に対する誤差）といった軌道不整を模擬した仮想軌道上を、車体１、台車１６や輪軸１３を剛体で、軸箱支持ゴム１５やヨーダンパ４などをばねやダンパで模して、各剛体をばねやダンパで接続した仮想車両が走行した場合の、車体左右振動を予測する車両左右系力学モデルや、車体上下振動を予測する車両上下系力学モデルなど、予測したい振動の種類などに応じて多様な力学モデルを用いることができる。
　なお、軌道不整を模擬する仮想軌道を規定するには、実際に測定した軌道不整データがある場合はその軌道不整データを用いてもよい。しかし、軌道不整の実測データがない場合は、あらかじめ軌道の状態(軌道状態：「良い」、「普通」、「悪い」など)に応じた代表的な軌道不整データを用意し、営業車両の走行路線などに応じて選択して用いて仮想軌道を規定する手法などを採用してもよい。
　また、運行データ検出部５０で検出した走行速度や乗車率などの条件を力学モデルの解析条件として用いることで、実走行条件を反映した高精度な推定ができる。
　本実施形態では、軸箱支持ゴム１５のばね定数や、ヨーダンパ４の減衰係数、輪軸１３の車輪踏面勾配などのパラメータを正常値に設定して、力学モデルを用いて車体左右加速度ＰＳＤの解析値が算出される。
　なお、正常値については、軸箱支持ゴム１５のばね定数や、ヨーダンパ４の減衰係数については設計値や要素試験値、輪軸１３の車輪踏面勾配については新製状態での値や保守時の管理値などが用いられる。
　ステップＳ３１３以降では、パラメータ推定部３００は、異常状態の車両について、パラメータの推定を行う。
　まず、ステップＳ３１３では、パラメータ推定部３００は、パラメータの初期推定値を設定する。パラメータの初期推定値は、パラメータの正常値でも良いし、ランダムに生成した値でも良い。
　本実施形態では、パラメータ推定部３００は、軸箱支持ゴム１５のばね定数や、ヨーダンパ４の減衰係数、輪軸１３の車輪踏面勾配などの初期推定値を設定する。
　ステップＳ３１４では、パラメータ推定部３００は、比較処理部２００で処理した実測ＰＳＤ比率８２１を用いて、異常状態でのパラメータを推定する。
　まず、ステップＳ３１３で設定したパラメータの初期推定値を用いて、パラメータ推定部３００は、力学モデルによりパラメータの初期推定値における車体左右加速度ＰＳＤの解析値を算出する。
　次に、ステップＳ３１４で、パラメータ推定部３００は、このパラメータの初期推定値における車体左右加速度ＰＳＤの解析値と、ステップＳ３１２で算出した正常状態でのパラメータにおける車体左右加速度ＰＳＤの解析値との比である解析ＰＳＤ比率８２２を算出する。
　そして、パラメータ推定部３００は、図８Ａ，８Ｂに示すように、この解析ＰＳＤ比率８２２が、実測ＰＳＤ比率８２１と一致するように、つまり、誤差が最小となるようにパラメータの推定値を決定する。
　誤差の評価指標としては、誤差を評価できるものであれば制約なく利用できるが、本実施形態では、図８Ａ，８Ｂに示すようにＰＳＤ比率の周波数ごとの実測ＰＳＤ比率８２１と、解析ＰＳＤ比率８２２の差分を積算した値（以下、積算差分値）とする。
　本実施形態では、軸箱支持ゴム１５のばね定数や、ヨーダンパ４の減衰係数、輪軸１３の車輪踏面勾配などに対して、図８Ｂに示すように、算出したＰＳＤ比率の実測ＰＳＤ比率８２１と解析ＰＳＤ比率８２２が一致するようなパラメータの推定値を得る。
　図８Ａは、横軸に周波数、縦軸にＰＳＤ比率を示し、パラメータ推定前における実線で示す実測ＰＳＤ比率８２１と、点線で示す解析ＰＳＤ比率８２２を示す特性図、図８Ｂは、横軸に周波数、縦軸にＰＳＤ比率を示し、パラメータ推定後における実測ＰＳＤ比率８２１と、点線で示す解析ＰＳＤ比率８２２を示す特性図である。
　図８Ａのパラメータ推定前では、異常振動が発生した一部の周波数帯において、実測値と解析値に大きな差が見られるが、図８Ｂのパラメータ推定後では、実測値と解析値との差がほぼ一致している。
　推定が終了した後、ステップＳ３１５において、パラメータ推定部３００は、このパラメータの推定値を異常要因判定部４００へ出力する。
　なお、本実施形態では、左右加速度センサを車体１に１台設置したものとして説明した。これに対し、車体１、台車１６および軸箱体１２などに左右加速度センサがそれぞれ設置された場合は、それらから検出される複数の左右加速度の実測値と、解析値が一致するように、パラメータを更新することで、パラメータの推定を高精度化することができる。
　次に、異常要因判定部４００の処理フローについて、図９を用いて説明する。図９のフローチャートに基づく動作は、以下のとおりである。
　まず、ステップＳ４１１において、異常要因判定部４００は、パラメータ推定部３００で出力したパラメータの推定値を取得する。
　本実施形態では、異常要因判定部４００は、軸箱支持ゴム１５のばね定数や、ヨーダンパ４の減衰係数、輪軸１３の車輪踏面勾配の推定値を取得する。
　次に、ステップＳ４１２において、異常要因判定部４００は、各パラメータの推定値と正常値の比率を算出する。
　そして、ステップＳ４１３において、異常要因判定部４００は、各パラメータについて、この比率と予め設定した閾値を比較し、正常状態と異常状態とを判別する。
　具体的には、異常要因判定部４００は、この比率が閾値以下のパラメータであれば、正常状態に近いといえるため正常状態と判定する（ステップＳ４１４）。一方、該比率が閾値を超過したパラメータであれば、異常要因判定部４００は、異常状態と判定する（ステップＳ４１５）。
　そして、異常状態と判定されたパラメータを異常要因として、異常要因判定部４００は、ステップＳ４１６で判定結果出力部５００に出力する。
　図１０は、ステップＳ４１３におけるパラメータの正常および異常の判定例を模式的に示すものであり、軸箱支持ゴム１５のばね剛性、ヨーダンパ４の減衰係数、車輪踏面勾配などの異常要因要素に対し、パラメータの推定値と正常値の比率、および閾値との関係を示した模式図である。
　図１０の例では、パラメータの推定値と正常値の比率が閾値９１を超過しているヨーダンパ４の減衰係数が異常状態と判定される。そして、ヨーダンパ４の減衰係数の低下が異常要因であるという判定結果が、異常要因判定部４００から判定結果出力部５００に出力される。
　なお、パラメータの推定値と正常値の比率が大きいほど、そのパラメータが正常値から大きく変化していることになるため、この比率の大きさにより、そのパラメータの異常の度合いを評価することができる。
　判定結果出力部５００は、この異常要因の推定結果を、車上の運転者および地上の運行管理者やメンテナンス員などに周知の通信技術を用いて通知する。
　以上のように、本実施形態の鉄道車両の異常検出装置では、ヨーダンパ４の減衰係数の低下のような異常要因を推定することができる。
［実施形態２］
　本実施形態に係る車両の異常検出装置は、前記実施形態１と同様の構成を有するが、そのパラメータ推定部３００は、図１１のフローチャートを用いて次に説明するような処理を実行する。なお、実施例１と異なる点のみを主として、以下に説明する。
　本実施形態は、実施形態１にて説明したパラメータ推定部３００において、力学モデルによる解析で用いる軌道不整データについて、実測データなどあらかじめ用意した軌道不整データを用いない場合の処理として、ステップＳ３１２aを追加したものである。
　なお、実施形態１で説明した処理と同様の処理には、同一の符号を付し、その詳細な説明については省略する。
　まず、実施形態１と同様に、ステップＳ３１１において、パラメータ推定部３００は比較処理部２００で処理した実測ＰＳＤ比率８２１を取得する。
　次に、ステップＳ３１２aにて、パラメータ推定部３００は正常状態の車両の車体左右加速度ＰＳＤの実測値に基づいて軌道不整を同定する処理を行う。
　ここでは、パラメータ推定部３００は、力学モデルを用いて算出した車両の車体左右加速度ＰＳＤの解析値と、車両の車体左右加速度ＰＳＤの実測値が一致するように軌道不整データを同定する処理を行う。
　本実施形態の場合は、正常状態である車両Ａの車体左右加速度ＰＳＤから、力学モデルを用いて軌道不整データを同定することになる。
　パラメータ推定部３００は、ステップＳ３１３～Ｓ３１５までの処理では、ステップＳ３１２aで同定した軌道不整データを用いて、実施形態１と同様の処理を行う。
　なお、本実施形態では車体左右加速度ＰＳＤを用いた例を説明したが、軌道不整データを同定できれば、車体左右加速度ＰＳＤに限るものではない。
　以上のように、本実施形態の鉄道車両の異常検出装置では、あらかじめ軌道不整データを用意しておかなくても、車両の異常要因を判定できる。
［実施形態３］
　本実施形態に係る車両の異常検出装置は、前記実施形態１と同様の構成を有するが、そのパラメータ推定部３００は図１２のフローチャートを用いて次に説明するような処理を実行する。なお、前記実施例と異なる点のみを主として、以下に説明する。
　本実施形態の異常検出装置は、前記実施形態の異常検出装置に対して、パラメータ推定部３００において、パラメータの推定精度が低い場合の処理として、ステップＳ３１４aおよびステップＳ３１５aを追加したものである。
　実施形態１で説明したように、ステップＳ３１４では、パラメータ推定部３００は、ＰＳＤ比率の実測ＰＳＤ比率８２１と解析ＰＳＤ比率８２２の積算差分値が最小となるようにパラメータの推定を行う。ここで、積算差分値が推定精度を示す指標となる。
　ステップＳ３１４aで、パラメータ推定部３００は、この積算差分値があらかじめ設定した閾値以下となる場合は、推定精度が基準レベル以上であると判断して、実施形態１と同様にステップＳ３１５にて、パラメータの推定値を異常要因判定部４００へ出力する。
　しかし、積算差分値があらかじめ設定した閾値以下とならない場合は、パラメータ推定部３００は、推定精度が基準レベルより低いと判断して、ステップＳ３１５aにて車両が異常であることに関する情報のみを出力し、パラメータの推定値（異常要因と推定されるパラメータ）を出力しない。
　以上のように、本実施形態の鉄道車両の異常検出装置では、パラメータの推定精度が十分でない場合においても、異常検出を中断することなく、少なくとも車両に異常があることを出力できる。
１　車体、４　ヨーダンパ、８　空気ばね、１１　台車枠、１２　軸箱体、１３　輪軸、１４　軸ばね装置、１５　軸箱支持ゴム、１６　台車、２０　軌道、３０　異常要因検出装置、５０　運行データ検出部、６０　振動データ検出部、１００　データ分析部、２００　比較処理部、３００　パラメータ推定部、４００　異常要因判定部、５００　判定結果出力部

Claims (12)

  1. 　軌条車両の振動データを取得する振動データ取得部と、
    　軌条車両の運行データを取得する運行データ取得部と、
    　前記振動データと前記運行データに基づいて、同じ軌道を走行する軌条車両が正常状態か異常状態かを識別し、正常状態又は異常状態に対応付けて軌条車両の振動データを抽出するデータ分析部と、
    　正常状態の軌条車両の前記振動データと、異常状態の軌条車両の前記振動データとを比較して、比較結果を算出する比較処理部と、
    　前記比較結果に基づき、異常状態と識別された軌条車両における振動の異常要因を判定する診断部と、を有する、
    ことを特徴とする軌条車両の異常検出装置。
  2. 　請求項１に記載の軌条車両の異常検出装置であって、
    　前記診断部は、
    　前記比較処理部で算出した前記比較結果に基づいて、軌条車両の内部状態に関するパラメータを推定するパラメータ推定部と、
    　推定された前記パラメータに基づいて、前記軌条車両における振動の異常要因を判定する異常要因判定部と、を備えた、
    ことを特徴とする軌条車両の異常検出装置。
  3. 　請求項２に記載の軌条車両の異常検出装置であって、
    　前記パラメータ推定部は、正常状態の軌条車両と異常状態の軌条車両のＰＳＤ比率に基づいて、軌条車両の内部状態に関する前記パラメータを推定する、
    ことを特徴とする軌条車両の異常検出装置。
  4. 　請求項２または３に記載の軌条車両の異常検出装置であって、
    　前記パラメータ推定部は、軌条車両の振動特性を予測するための力学モデルに基づいて、軌条車両の内部状態に関する前記パラメータを推定する、
    ことを特徴とする軌条車両の異常検出装置。
  5. 　請求項４に記載の軌条車両の異常検出装置であって、
    　前記力学モデルが、軌条車両左右系力学モデルあるいは軌条車両上下系力学モデルである、
    ことを特徴とする軌条車両の異常検出装置。
  6. 　請求項２～５のいずれか一項に記載の軌条車両の異常検出装置であって、
    　前記異常要因判定部は、前記パラメータ推定部で推定された軌条車両の内部状態に関する前記パラメータの推定値と、正常値との比較結果に基づいて、前記軌条車両における振動の異常要因を判定する、
    ことを特徴とする軌条車両の異常検出装置。
  7. 　請求項２～６のいずれか一項に記載の軌条車両の異常検出装置であって、
    　前記パラメータ推定部は、前記軌条車両の振動データに基づいて、軌道不整を同定する、
    ことを特徴とする軌条車両の異常検出装置。
  8. 　請求項２～７のいずれか一項に記載の軌条車両の異常検出装置であって、
    　前記パラメータ推定部は、軌条車両の内部状態に関する前記パラメータの推定値の推定精度を求め、求めた前記推定精度が基準レベル以上である場合は、異常要因と推定されるパラメータを出力し、求めた前記推定精度が基準レベルより低い場合は、軌条車両が異常であることを示す情報のみを出力する、
    ことを特徴とする軌条車両の異常検出装置。
  9. 　請求項１～８のいずれか一項に記載の軌条車両の異常検出装置であって、
    　前記振動データ取得部が、前記軌条車両の車体、台車枠、あるいは軸箱体の振動を検出する、
    ことを特徴とする軌条車両の異常検出装置。
  10. 　請求項１～９のいずれか一項に記載の軌条車両の異常検出装置であって、
    　前記振動データ取得部及び前記運行データ取得部は、単独の列車編成中の複数の軌条車両、または同じ軌道上を走行する異なる列車編成それぞれの軌条車両に設けられている、
    ことを特徴とする軌条車両の異常検出装置。
  11. 　請求項１～１０のいずれか一項に記載の軌条車両の異常検出装置であって、
    　前記データ分析部は、軌条車両の走行区間の中から設定された代表区間にて、各軌条車両の振動データを抽出する、
    ことを特徴とする軌条車両の異常検出装置。
  12. 　請求項１～１１のいずれか一項に記載の軌条車両の異常検出装置であって、
    　前記比較処理部は、各軌条車両の振動データが閾値を超える場合は、その軌条車両を異常状態にあると判別し、前記振動データが前記閾値を超えない場合は、その軌条車両は正常状態にあると判別する、
    ことを特徴とする軌条車両の異常検出装置。
PCT/JP2019/031152 2019-08-07 2019-08-07 軌条車両の異常検出装置 Ceased WO2021024423A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP19915577.1A EP4012370B1 (en) 2019-08-07 2019-08-07 Railway vehicle anomaly detection device
JP2020535259A JP6935595B2 (ja) 2019-08-07 2019-08-07 軌条車両の異常検出装置
EP25180229.4A EP4592664A1 (en) 2019-08-07 2019-08-07 Abnormality detection apparatus for rail vehicles
PCT/JP2019/031152 WO2021024423A1 (ja) 2019-08-07 2019-08-07 軌条車両の異常検出装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/031152 WO2021024423A1 (ja) 2019-08-07 2019-08-07 軌条車両の異常検出装置

Publications (1)

Publication Number Publication Date
WO2021024423A1 true WO2021024423A1 (ja) 2021-02-11

Family

ID=74503992

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/031152 Ceased WO2021024423A1 (ja) 2019-08-07 2019-08-07 軌条車両の異常検出装置

Country Status (3)

Country Link
EP (2) EP4592664A1 (ja)
JP (1) JP6935595B2 (ja)
WO (1) WO2021024423A1 (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023000741A (ja) * 2021-06-18 2023-01-04 株式会社日立製作所 乗り心地向上支援装置
WO2023199369A1 (ja) * 2022-04-11 2023-10-19 株式会社日立製作所 寿命評価装置および方法
JP2023172234A (ja) * 2022-05-23 2023-12-06 株式会社日立製作所 鉄道車両の状態監視システム
JP2024064145A (ja) * 2022-10-27 2024-05-14 日立Astemo株式会社 車両用制振装置および鉄道車両
CN119198145A (zh) * 2024-11-27 2024-12-27 常州中量高新技术有限公司 一种用于列车制动状态下的智能测试系统
US20250108842A1 (en) * 2023-09-29 2025-04-03 Robert Bosch Gmbh Prediction and identification of potential railway system anomalies

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN121019646B (zh) * 2025-10-24 2025-12-30 中数智科(杭州)科技有限公司 一种铁路轨道磨耗线检测系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6196440A (ja) * 1984-10-13 1986-05-15 フリード・クルツプ・ゲゼルシヤフト・ミツト・ベシユレンクテル・ハフツング 車両の要修理構成部材を特定する方法
JPH1020930A (ja) * 1996-07-04 1998-01-23 Hitachi Ltd 予防保全方法
JP2004170080A (ja) 2002-11-15 2004-06-17 Kawasaki Heavy Ind Ltd 車両の異常検出方法及び装置、並びに車両
JP2011245917A (ja) * 2010-05-24 2011-12-08 Hitachi Ltd 鉄道車両の状態監視装置及び状態監視方法、並びに鉄道車両
CN103592122A (zh) * 2013-10-25 2014-02-19 北京交通大学 城市轨道交通列车走行部故障诊断设备及方法
US20150051792A1 (en) * 2011-12-07 2015-02-19 Railway Metrics And Dynamics Sweden Ab Method and system for detection and analysis of railway bogie operational problems
WO2018155348A1 (ja) * 2017-02-23 2018-08-30 三菱重工エンジニアリング株式会社 異常監視装置、異常監視方法およびプログラム
JP2018179986A (ja) * 2017-04-11 2018-11-15 公益財団法人鉄道総合技術研究所 異常診断装置およびプログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017064734A1 (en) * 2015-10-16 2017-04-20 Politecnico Di Bari Method for determining the modal parameters of road or rail vehicles and for the indirect characterization of road or rail profiles

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6196440A (ja) * 1984-10-13 1986-05-15 フリード・クルツプ・ゲゼルシヤフト・ミツト・ベシユレンクテル・ハフツング 車両の要修理構成部材を特定する方法
JPH1020930A (ja) * 1996-07-04 1998-01-23 Hitachi Ltd 予防保全方法
JP2004170080A (ja) 2002-11-15 2004-06-17 Kawasaki Heavy Ind Ltd 車両の異常検出方法及び装置、並びに車両
JP2011245917A (ja) * 2010-05-24 2011-12-08 Hitachi Ltd 鉄道車両の状態監視装置及び状態監視方法、並びに鉄道車両
US20150051792A1 (en) * 2011-12-07 2015-02-19 Railway Metrics And Dynamics Sweden Ab Method and system for detection and analysis of railway bogie operational problems
CN103592122A (zh) * 2013-10-25 2014-02-19 北京交通大学 城市轨道交通列车走行部故障诊断设备及方法
WO2018155348A1 (ja) * 2017-02-23 2018-08-30 三菱重工エンジニアリング株式会社 異常監視装置、異常監視方法およびプログラム
JP2018179986A (ja) * 2017-04-11 2018-11-15 公益財団法人鉄道総合技術研究所 異常診断装置およびプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4012370A4

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023000741A (ja) * 2021-06-18 2023-01-04 株式会社日立製作所 乗り心地向上支援装置
JP7570979B2 (ja) 2021-06-18 2024-10-22 株式会社日立製作所 乗り心地向上支援装置
WO2023199369A1 (ja) * 2022-04-11 2023-10-19 株式会社日立製作所 寿命評価装置および方法
JP2023172234A (ja) * 2022-05-23 2023-12-06 株式会社日立製作所 鉄道車両の状態監視システム
JP2024064145A (ja) * 2022-10-27 2024-05-14 日立Astemo株式会社 車両用制振装置および鉄道車両
JP7843211B2 (ja) 2022-10-27 2026-04-09 Ａｓｔｅｍｏ株式会社 車両用制振装置および鉄道車両
US20250108842A1 (en) * 2023-09-29 2025-04-03 Robert Bosch Gmbh Prediction and identification of potential railway system anomalies
CN119198145A (zh) * 2024-11-27 2024-12-27 常州中量高新技术有限公司 一种用于列车制动状态下的智能测试系统

Also Published As

Publication number Publication date
EP4012370A1 (en) 2022-06-15
EP4012370B1 (en) 2025-06-04
JP6935595B2 (ja) 2021-09-15
JPWO2021024423A1 (ja) 2021-09-13
EP4592664A1 (en) 2025-07-30
EP4012370A4 (en) 2023-05-17

Similar Documents

Publication Publication Date Title
JP6935595B2 (ja) 軌条車両の異常検出装置
JP4298433B2 (ja) 鉄道車両の異常検知装置
JP6838176B2 (ja) 鉄道車両の異常検出装置および方法
JP5525404B2 (ja) 鉄道車両の状態監視装置及び状態監視方法、並びに鉄道車両
JP5595266B2 (ja) 軌道車両の台車コンポーネントのエラー監視装置
JP5583006B2 (ja) 軌道車両の台車コンポーネントのエラー監視装置
JP5382991B2 (ja) 軌道系交通システムの異常診断方法及び異常診断システム
KR20120095977A (ko) 적어도 하나의 휠 세트를 포함하는 철도 차량의 보기의 상태를 모니터링하는 방법
JP7776973B2 (ja) 状態監視装置及び状態監視方法
CN108698622A (zh) 轨道状态评价方法、装置以及程序
GB2554014A (en) Status-monitoring device for railroad vehicle, status monitoring system, and train vehicle
JP6867826B2 (ja) 異常監視装置、異常監視方法およびプログラム
CN116252820B (zh) 改进频域积分法驱动的高速列车车轮多边形定量检测方法
CN111444574A (zh) 基于动力学分析的传感器布局优化方法
KR102094105B1 (ko) 다수 개의 매개변수에 의한 철도 차량의 진단 시스템 및 그에 의한 철도 차량의 안전 진단 방법
WO2023199369A1 (ja) 寿命評価装置および方法
JP6669600B2 (ja) 鉄道車両の状態監視システム
CN112284775B (zh) 铁路客车故障评判方法及系统
JP2025015512A (ja) 鉄道車両運行安全診断システムおよび診断方法
JP7788947B2 (ja) 車両検査システム、車両検査方法、および車両検査プログラム
Elia et al. Condition monitoring of the railway line and overhead equipment through onboard train measurement-an Italian experience
JP7445406B2 (ja) 監視装置、監視方法及びプログラム
KR200488973Y1 (ko) 철도차량의 승차감 분석장치
JP6498102B2 (ja) 車両の一次ばね系診断装置
JP7402127B2 (ja) 軌道の保守要否判断方法、保守要否判断装置および車両

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2020535259

Country of ref document: JP

Kind code of ref document: A

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19915577

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019915577

Country of ref document: EP

Effective date: 20220307

WWG Wipo information: grant in national office

Ref document number: 2019915577

Country of ref document: EP