CN112351927A - 轨道基础设施中的智能传感器数据传输 - Google Patents
轨道基础设施中的智能传感器数据传输 Download PDFInfo
- Publication number
- CN112351927A CN112351927A CN201980042883.3A CN201980042883A CN112351927A CN 112351927 A CN112351927 A CN 112351927A CN 201980042883 A CN201980042883 A CN 201980042883A CN 112351927 A CN112351927 A CN 112351927A
- Authority
- CN
- China
- Prior art keywords
- sensor data
- data
- sensor
- component
- server
- 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.)
- Pending
Links
- 230000005540 biological transmission Effects 0.000 title claims description 65
- 238000000034 method Methods 0.000 claims abstract description 87
- 238000005070 sampling Methods 0.000 claims abstract description 21
- 238000004891 communication Methods 0.000 claims description 36
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000001914 filtration Methods 0.000 claims description 27
- 238000012423 maintenance Methods 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 23
- 230000001133 acceleration Effects 0.000 claims description 16
- 238000007689 inspection Methods 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 230000003213 activating effect Effects 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 claims description 4
- 238000013442 quality metrics Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 description 10
- 230000007547 defect Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000001556 precipitation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000002604 ultrasonography Methods 0.000 description 5
- 241001669679 Eleotris Species 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000035882 stress Effects 0.000 description 4
- 238000013523 data management Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000011045 prefiltration Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003137 locomotive effect Effects 0.000 description 2
- 230000005389 magnetism Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010012411 Derailment Diseases 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013476 bayesian approach Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000005339 levitation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Images
Classifications
-
- 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
- B61L27/40—Handling position reports or trackside vehicle data
-
- 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
- B61L27/53—Trackside diagnosis or maintenance, e.g. software upgrades for trackside elements or systems, e.g. trackside supervision of trackside control system conditions
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明涉及用于在轨道中、特别是在轨道基础设施中自动传送传感器数据的方法和系统。该方法可以包括以下步骤中的任何步骤:确定传感器数据的相关性标准;通过至少一个传感器对传感器数据进行采样;根据相关性标准自动地将传感器数据分类;根据传感器数据的类别发送传感器数据;以及至少在一个服务器中接收传感器数据。
Description
技术领域
本发明涉及在轨道中、尤其是在轨道基础设施中的传感器数据的传输。传感器通常被装配在广泛分布的网络中,并且至少在很大程度上装配在非不利的轨道基础设施中。传感器也可以包括附着到轨枕、辙叉、转辙机、轨上的辙叉和尖轨(blade)的智能传感器。它们中的许多没有硬连线到相应的分析设备。
背景技术
铁路、轨道或有轨运输已经被发展用于在轨——也被称为轨道——上借助轮式车辆运送货物和乘客。与车辆在准备好的平坦表面上行驶的公路运输相反,有轨车辆(轨道车辆(rolling stock))被其行驶的轨道定向地引导。轨道通常包括安装在枕木或轨枕和道砟上的钢轨,通常设置有金属轮的轨道车辆在钢轨上移动。其他变型也是可能的,例如板式轨道,在板式轨道中,轨紧固到搁置在次表面上的混凝土地基。替选方案是磁悬浮系统等。
有轨运输系统中的轨道车辆通常比公路车辆遇到的摩擦阻力更低,因此客运车厢和货运车厢(客车厢和货车厢)可以耦接成较长的列车。动力由机车提供,该机车从轨道电气化系统汲取电力或者通常通过柴油发动机产生其自身的电力。大多数轨道配有传信系统。当与其他运输形式相比时,铁路是安全的陆地运输系统,并且能够实现高水平的客运和货运利用以及能量效率,但是当考虑到较低的交通水平时,铁路与公路运输相比通常不太灵活并且更加是投资密集型。
轨道设备的检查对于列车的安全移动是必要的。现在许多类型的缺陷检测器正在使用中。这些装置利用的技术从简单化的桨状物(paddle)和道岔到红外和激光扫描,甚至是超声音频分析。在过去的几十年中,它们的使用已经避免了许多铁路事故。
轨道必须跟上定期检查和维护,以使可能干扰货运收入运营和客运服务的基础设施故障的影响最小化。因为乘客被认为是最重要的货物,并且通常以更高的速度、更陡的坡度和更高的容量/频率运行,所以他们的线路尤其重要。检查实践包括车厢检查或行走检查。特别是用于运输服务的弯道维护包括测量、紧固件紧固和轨更换。
由于大量的轻型车轴、车轮通过导致轮/轨界面的碾磨,所以轨波磨是运输系统的常见问题。由于维护可能与运行交叠,因此必须严格遵循维护窗口(夜间时间、非高峰时间、更改列车时间表或路线)。此外,必须始终考虑维护工作期间的乘客安全(轨道间围栏、材料的适当存储、轨道工作通知、设备靠近州的危害)。此外,由于隧道、高架结构和拥挤的城市风貌,可能出现维护入口问题。这里,使用专用设备或常规维护工具的更小版本。
与容量被分解为各个路线段上的无链接的行程的高速公路或公路网不同,轨道容量基本上被认为是网络系统。因此,许多组成部分可能导致系统中断。维护必须确认大量的路线效能(列车服务类型、起点/目的地、季节性影响)、线路的容量(长度、地形、轨道的数目、列车控制的类型)、列车吞吐量(最大速度、加速/减速率)和具有共享客运-货运轨道的服务特征(侧线、终端容量、切换路线和设计类型)。
轨道检查用于检测轨道的可能导致灾难性故障的缺陷。根据美国联邦铁路管理局办公室的安全分析,在美国,轨道缺陷是轨道上的事故的第二主要原因。轨道事故的主要原因是由于人为错误。每年,北美铁路部门花费数百万美元来检查轨的内部和外部缺陷。非破坏性测试(NDT)方法被用作针对轨道故障和可能的脱轨的预防措施。
随着现今有轨交通以较高速度增加并且轴负荷更重,临界裂纹尺寸不断缩小并且轨检查变得更加重要。1927年,磁感应已经被引入用于首批轨检查车。这是通过使大量磁场穿过轨并用搜索线圈检测磁通泄漏来实现的。从那时起,许多其他检查车已经遍历轨以搜索缺陷。
存在许多影响轨缺陷和轨故障的效应。这些效应包括弯曲和剪切应力、轮/轨接触应力、热应力、残余应力和动态效应。由于接触应力或滚动接触疲劳(RCF)而引起的缺陷可以是道岔尖轨翘起(tongue-lipping)、轨头开裂(轨距角开裂)以及下坠(squat)(其从小的表面断裂裂纹开始)。
其他形式的表面和内部缺陷可以是腐蚀、夹杂物、接缝、剥离、横向裂缝和/或车轮擦伤。
可引起裂纹扩展的一个效应是存在水和其他液体。当液体填充小裂纹并且列车经过时,水被困在空隙中并且可以使裂纹尖端扩张。同样,被困的液体可能冻结和膨胀或引发腐蚀过程。
随着以更高速度承载更重的负荷的轨道交通的增加,需要更快更高效的检查轨道的方式。除此之外,对列车-轨相互作用的控制也将是有利的;即检查负荷、不适当的负荷、由于高负荷而增加铁路磨损的铁路上的列车的负荷相关费用、列车的维护或其未来的故障的监督等。
EP2862778A1涉及一种用于根据由一个或更多个单独的传感器生成的传感器信号生成测量结果的方法。信号包括来自同一事件的两个或更多个数据点,传感器各自布置在被配置成承载有轨车辆的轨处。传感器被配置成测量轨的物理性质。传感器各自包括被配置成将传感器信号发送到物理上隔开的数据管理装置的发送器。物理上隔开的数据管理装置包括被配置成接收传感器信号的接收器、被配置成评估传感器信号的处理器以及存储器。该方法包括接收传感器信号和评估传感器信号的步骤。数据管理装置将接收到的传感器信号存储在存储器中,并且评估包括将来自一个或更多个存储的传感器信号的至少两个数据点彼此组合和/或比较的步骤。该文献还通过比较和/或组合来自传感器信号的数据点来解决传感器信号的评估。由此,据称可以根据传感器信号计算多个不同的测量结果。
可以对这样的传感器进行测量以确定用于维护或修理或预测维护或修理的地点。
数据的传送可能是耗时的,因此已经尝试实时传送该数据。
在CN104442931B中,一种轨道交通综合维护管理系统,包括车站子系统、服务器子系统、客户端浏览器;车站子系统、服务器子系统、客户端浏览器通过网络进行通信;车站子系统设置在车站,用于采集计算机联锁子系统的维护数据、区域控制器的维护数据和微机监测系统采集的设备监测数据,将采集的数据进行处理之后发送到服务器子系统,并接收服务器子系统的命令;服务器子系统,设置在系统维护中心,用于接收列车自动监控子系统、车载控制单元的维护数据,并接收所述车站子系统的数据,对数据进行存储、处理,并实时推送到客户端浏览器。本发明的轨道交通综合维护管理系统能提高轨道交通系统运维的水平和效率。
此外,在US6668216B2中,用于互连移动系统(例如火车)的自动无线短程数据收集和通信的系统和方法包括主控制单元和沿着互连移动系统的集合以菊花链方式通信的多个数据传输单元。主控制单元可以验证所收集的数据,并且用作与外部通信系统的接口,以例如经由路旁读取器、卫星通信、蜂窝电话链接、2路无线电等向中央控制站点提供实时数据。数据可以包括传感器信息、有轨车标识、状态、故障点、位置和警告。
在CN103442055A中,发明公开了一种基于B/S架构的列车实时监控系统。列车实时监控系统包括基于B/S架构的三层模式架构,并且三层模式架构包括最上面的人机交互层、中间的数据处理层和最下面的数据接口层。列车实时监控系统具有以下优点:B/S架构的适应性和可扩展性,维护方便并且总体成本低;列车实时监控系统还具有C/S架构下应用系统的实时通信能力,运行于互联网上,克服了空间和区域的限制,并且可以随地通过浏览器访问系统,随时随地对列车进行及时监控,通信方式简单,节省网络资源,便于实现网络分布,并且列车实时监控系统使用方便,且具有良好的应用前景。
此外,在US20090079560A1中,发明提到了使用为每个铁路装置定义的数据结构来远程监控和诊断铁路装置。铁路装置被配置成用状态数据填充数据结构。铁路装置使用网络协议发送状态数据以便分析。数据的分析导致减少的维护。所有上述文献通过引用被并入本文中。
为了传输信息和控制信号等,存在许多易知的传输方式,特别是有线或无线的。最常见和当前的方式是经由GSM、EDGE、UMTS、LTE以及在将来利用5G通信。
发明内容
本发明的目的是提供用于轨道传感器数据传输的改进的或替选的系统和方法。
该目的通过根据本说明书的实施方式和/或根据实施方式和/或权利要求的主题来实现。
本发明涉及一种用于从轨道中,特别是在轨道基础设施中或从轨道基础设施自动地传送传感器数据的方法。该方法可以包括以下步骤中的任何步骤:确定传感器数据的相关性标准;通过至少一个传感器对传感器数据进行采样;根据相关性标准自动地将传感器数据分类;根据传感器数据的类别发送传感器数据;以及至少在一个服务器中接收传感器数据。
相关性标准可以从如将在下面进一步列出的许多不同方面区分传感器数据。因此,标准可以是不同种类的,并且可以处理任何更形式化的或内容相关的标准或两者。这可以帮助在数据传送、其计算和存储等的成本方面更有效地转移数据,并且进一步帮助更可靠地传送数据以便保持任何网络尽可能开放并且因此能够仅发送相关数据。在适当的时候,也可以处理其他相关性标准。下面讨论另外的示例。
本发明还涉及一种用于从轨道基础设施、特别是轨道基础设施自动地传送传感器数据或在轨道基础设施、特别是轨道基础设施中自动地传送传感器数据并且特别用于执行如上和如下所指定的方法的系统。该系统可以包括用于如之前和之后所指定的那样确定传感器数据的相关性标准的确定部件。该部件可以以硬件和/或软件来实现。它的软件部分,像任何其他软件部分一样,可以是静态的或动态的。在后一种情况下,软件可以通过应用任何分析方法来自适应,如下面进一步讨论的。
此外,该系统可以包括用于对传感器数据进行采样的至少一个传感器。传感器的种类和相应种类的数据在下面进一步讨论。此外,分类部件可以被布置用于根据相关性标准自动地将传感器数据进行分类/归类。分类旨在以自动化方式完成,并且可以利用任何适当的和已知的解释模型,并且可以利用对格式和/或内容的分类。对此尤其也可以使用语义分类器。
此外,该系统可以包括用于根据传感器数据的类别来发送传感器数据的发送部件。这尤其是通过推送(push)功能来完成,但是也可以或替选地可以应用拉取(pull)功能。
该系统还包括用于接收传感器数据的服务器。服务器可以远程放置,并且也可以被布置在也称为云的远程系统中。
根据本发明的方法还可以包括若干相关性标准。这可以是以下中的一个或更多个:传感器数据的量、传感器数据的内容、风险相关信息,例如部件、部分或整个系统的故障风险、轨道车辆的风险、其他交通参与方的风险、不完整传输的风险等。相关性还可以包括以下中的至少之一:用于发送传感器数据的通信信道的质量、用于发送传感器数据的通信信道上的业务、用于发送传感器数据的成本、可用于发送传感器数据的能量、发送传感器数据的能量消耗、通信带宽和得出的每数据量的能量成本、测量数据的分析方法的结果、特定预期数据特征或数据特征的组合、特定预期数据阈值通道(passage)、数据中的检测到的异常、数据中的检测到的趋势、结果与历史结果相比的差异、结果与最近传输的结果相比的差异、结果的趋势分析、用于选择的跟踪质量度量、前些天的通信质量体验和/或发送数据的频率。
根据本系统的确定部件可以包括和/或应用这些相关性标准。
本发明的方法还可以包括自动评定(rating),其将用于确定在服务器中接收传感器数据的顺序。可以通过任何已知的方法,例如记分卡分析或编号等来进行评定。
该系统可以包括传感器和远程部件中的至少一个,这些中的任何一个可以包括评定部件,该评定部件提供将用于确定在服务器中接收传感器数据的顺序的评定。
该系统还可以包括多个不同类型的传感器,其被设置用于对传感器数据尤其也是不同种类的传感器数据进行采样。
该系统还可以包括远程部件,该远程部件被配置成从特别是多个传感器中的一个收集传感器数据。这些传感器特别靠近远程部件,该远程部件然后是这些传感器的中央发送站。这在具有大量传感器的区域中尤其有利,这些传感器仍然远离接收站。示例可以是具有更密集的轨道基础设施的区段。
该方法还可以包括自动分类的步骤,该自动分类的步骤包括以下评定:该评定将用于确定在通信信道阻止发送数据的情况下发送数据传输的最大尝试次数。
因此,该系统可以包括传感器和远程部件中的至少一个,其包括评定部件,该评定部件提供以下评定:该评定将用于确定在通信信道阻止发送数据的情况下发送数据传输的最大尝试次数。
评定的系统或步骤还可以包括适应来自一系列服务器或基于云的算法决策模块的命令输入信号的步骤,该命令输入信号包括用于维护决策制定的检查信号、用于部件故障诊断检查信号和/或客户端请求等。
根据所述方法或系统的输入信号可以修改下述一系列中的至少之一:传感器数据的采样频率、目标轨道车辆类型、目标轨道车辆速度、目标加速度特征、目标采样活动跟踪计数、特定数据特征特性、趋势阈值、异常阈值和分布、改变最优策略的计算、激活或停用特定传感器、改变传感器有效载荷;以及传感器数据发送频率。传感器数据发送频率是将数据提交到后端或服务器的频率,而不是对传感器数据进行采样的频率。
该方法还可以包括以下步骤中的至少一个:预测、估计和确定用于发送传感器数据以及相应分量的条件。传感器和远程部件中的至少一个可以包括条件部件。
该方法还可以包括自动地优化传感器数据的发送的步骤。该系统还可以包括用于自动地优化传感器数据的发送的相应优化部件。
根据前述实施方式的方法,其中,在对传感器数据进行分类之后进行自动地优化。传感器和远程部件中的至少一个可以包括可以进一步与分类部件连接的优化部件。优化部件甚至可以进一步被配置成在由分类部件对传感器数据进行分类之后自动地对发送进行优化。
传感器数据的发送,特别是由传感器部件执行的发送,可以实时地完成。
对数据发送的优化可以由服务器、传感器部件和远程部件中的至少一个来控制。
在根据本发明的系统中,分类部件、优化部件、评定部件、条件部件和发送部件中的至少两个可以由服务器、传感器和远程部件中的至少一个包括。
优化和相应优化部件可以被配置成包括以下中的至少之一:减少传感器数据的量、压缩传感器数据、对传感器数据进行加密、对传感器数据的发送进行定时以及/或者通过多个可用发送路线中的一个发送路线路由传感器数据的发送。
可以实现用于在另外的传感器部件和/或在远程部件处预存储传感器数据的另外的步骤或部件,另外的传感器部件与传感器被容纳在一起或邻近传感器,远程部件远离传感器并且优选地比服务器更靠近传感器。
传感器部件可以包括经由硬连线和无线通信网络中的至少一个进行通信的模块,该模块可以进一步被配置成通过该模块向服务器发送数据。
远程部件可以至少部分地与服务器硬连线和/或通过长程无线部件连接。
传感器中的至少一个可以被配置成将相应的传感器数据无线地发送到远程部件。传感器还可以通过短程无线部件连接到远程部件。
此外,该方法可以包括以下步骤:预存储传感器数据、自动确定用于发送数据的时隙以及在已经确定的时隙向服务器发送传感器数据。因此,发送部件可以被配置成在已经由条件部件确定的时隙处自动地发送传感器数据。
传感器数据的预存储分别由传感器部件和/或远程部件执行。
该方法甚至还可以包括以下步骤:对传感器数据进行预滤波,自动地确定用于发送数据的时隙,以及在已经确定的时隙向服务器发送预滤波的传感器数据。因此,该系统可以使传感器和远程部件中的至少一个包括预滤波部件,该预滤波部件被配置成对传感器数据进行预滤波,并且预滤波是根据基于之前和之后提到的实施方式的相关性标准来完成的。
预滤波可以是对传感器所采样的完整传感器数据进行滤波以使得根本不存储传感器数据,或者通过滤除传感器数据的较不相关部分和/或压缩传感器数据来减少传感器数据的量。
传感器数据的预滤波可以分别由传感器部件和/或远程部件执行。
该方法可以具有另外的步骤:在对传感器数据进行滤波之后提高传感器的采样率。服务器还可以被配置成通过至少一种分析方法计算传感器数据或经滤波的传感器数据。
传感器数据可以包括长度、质量、时间、电流、电压、温度、湿度、发光强度和由其得出的任何参数中的至少一个的信息,所述参数例如为加速度、振动、速度、时间、距离、照度、图像、陀螺信息、音响、超声、(空气)压力、磁力、电磁、位置、光学传感器信息、降水。
本发明还涉及将根据前述方法实施方式中的任何一个的方法和/或根据前述系统实施方式中的任何一个的系统用于在轨道中、特别是在轨道基础设施中传送传感器数据。
本发明可以提供传感器数据发送策略,该策略可以由边缘装置本身、控制该装置的计算机或后端针对不同参数进行优化。某些事件可以在现场、以预定义的周期或在时间范围中触发。
本发明的优点可以包括优化来自传感器或智能传感器的数据传递。更具体地,这可以包括延长电池寿命,数据传送在时间、成本、效率等方面的总体改进。在低网络覆盖的相当极端的情况下,也可以更可靠地提供数据传送。
暂时地,可以例如以较高的采样率、改进的数据质量或者数据质量与成本的提高的比率来提高数据分辨率。此外,可以激活其数据可能未被正常发送的不同传感器。因此,可以积极地改变传感器有效载荷。
此外,在例如由于差的传输质量而不允许立即发送数据的状况下,可以从数据集中剥离相关数据,并且可以实现实时发送。因此,更精确的监控将是可能的。
数据发送策略的一个优选优点可以是对测量数据的评定,以使得装置能够决定哪些数据必须被传送到云系统以及以什么顺序传送。顺序可能是至关重要的,因为通信可能被像天气之类的外部因素打断,并且系统可能不能发送它想要发送的所有数据。为此,发送策略还包括重试逻辑,其适于要发送的数据的关键程度和特定情况。例如,对于重要文件,系统可以在不同时间针对其进行5次尝试;对于不太重要的文件,系统可能仅针对其进行1次尝试并且然后将其丢弃。重试逻辑也应当受对文件的评定驱动。评定算法和参数需要本地或远程配置。
另外的优点可以是呈阶段机(stage machine)形式或更先进形式的数据发送算法,甚至可以是能够基于现场发生的事件来决定什么是要发送的最佳数据的神经网络。
以上和以下提到的控制信号可以允许对概率推理层的定制更新,其因此可以改进预测的质量以用于预测性维护。因此,适应性数据发送不仅可以最佳地利用传感器中的可用能量,而且其还通过以最适当和有益的信号数据为目标来改善整体系统性能。
本发明可以基于参数之一或其组合(参见上文)来优化数据发送策略。这些参数可以通过空中传送(over the air)从多个源(参见上文)被配置。
根据所需的复杂度,数据发送可以是对文件的简单评定或针对特定任务优化的改进ML算法。
算法或数据发送策略还能够适应来自其他源的命令输入信号。这些输入信号可以修改一系列系统参数(也参见上文和下文)。
可以进一步优化数据发送策略以使其在嵌入式系统上运行。
术语轨道基础设施在下文进一步定义,并且根据整个说明书和权利要求书是明显的。轨道基础设施基本上包括可以放置传感器的任何位置,该位置将允许提供可能直接或间接与轨道相关的传感器信息。本发明还可以提供以下步骤:通过至少第一分析方法处理第一信号以获得第一分析数据。类似地或不同地,本发明还可以包括:从第二传感器捕获至少第二信号,以及通过第二分析方法处理第二信号以获得第二分析数据。可以无线地和/或硬连线地捕获信号。
根据本发明的系统特别地被配置成执行上文和下文讨论的方法。特别地,该系统包括至少一个、优选地多个另外的传感器以用于捕获另外的信号。
另一示例可以是安装在轨道轨枕上的传感器系统,其测量、记录、处理各种灵敏度、范围、分辨率等的加速度数据并将其发送到远程系统。与现有技术相比,上述适应
术语“轨道基础设施”旨在包括铁路轨道、钢轨、铁路线路、电气化系统、轨枕或枕木、轨道、铁轨、基于轨的高架铁路、道岔、辙叉、转辙机、道口、联锁、岔道、杆、传信装置、电子壳体、建筑物、隧道、铁路站以及/或者信息和计算网络。
术语“轨道车辆”旨在包括例如在轨道上移动的任何车辆、轮式车辆、有动力和无动力车辆,例如机车、铁路车辆、车厢、货运车厢、施工现场车辆、轻型轨道车辆(draisine)和/或有轨电车(trolley)。
术语“轨道系统”旨在包括轨道基础设施和轨道车辆。
术语“传感器”旨在包括至少一个装置、模块、模型和/或子系统,其目的是检测其环境中的参数和/或变化,并向其他装置提供相应的信号。参数可以是长度、质量、时间、电流、电压、温度、湿度、发光强度以及由其得出的任何参数,所述参数例如是加速度、振动、速度、时间、距离、照度、图像、陀螺信息、音响、超声、气压、磁力、电磁、位置、光学传感器信息、降水等。
术语“传感器”旨在包括至少一个装置、模块、模型和/或子系统,其目的是检测其环境中的参数和/或变化,并向其他装置提供相应的信号。参数可以是长度、质量、时间、电流、电压、温度、湿度、发光强度以及由其得出的任何参数,所述参数例如是加速度、振动、速度、时间、距离、照度、图像、陀螺信息、音响、超声、(空气)压力、磁力、电磁、位置、光学传感器信息、降水等。
传感器可以与轨道基础设施中的至少一个相关联或被布置到轨道基础设施中的至少一个,以特别地测量联锁处的电流,所述基础设施中的至少一个例如为轨枕、辙叉、转辙机、轨辙叉、轨道尖轨和/或联锁。该列表不是穷举的。
术语“分析方法”旨在包括用于分析信号或数据的任何分析工具。非限制性示例是数字分析方法,例如滤波处理、模式识别、数据挖掘、统计分析、概率分析、统计模型、主分量分析、ICA、动态时间规整、最大似然估计、建模、估计、机器学习、监督学习、无监督学习、强化学习、神经网络、卷积网络、深度卷积网络、深度学习、超深度学习、遗传算法、马尔可夫模型、隐马尔可夫模型、贝叶斯分数等。这些分析方法可以单独或以其任意组合、顺序和/或并行应用。因此,不同的分析方法可以是在一个或更多个分析方法的种类上不同,以及/或者当甚至使用相同的方法但仅以不同的顺序时,仅在多个分析方法的顺序上是不同的。
术语“优化”(或进行优化)旨在包括从可用替选元素的一定集合中(半)自动选择最佳可用元素(关于一定标准)。其可以是给定定义的域(或输入)的一些目标函数的最佳值,包括各种不同类型的目标函数和不同类型的域。
术语“估计”(或进行估计)旨在表示(半)自动查找估计值或近似值,其是即使输入数据对于查找精确值而言大、不完整、不确定或不稳定,仍可用于某种目的值。
术语“预测”(或进行预测)旨在表示预测分析,其涵盖来自预测建模、机器学习和数据挖掘的各种统计技术,其分析当前和历史事实以做出关于未来或其他方面未知事件的预测。
术语“服务器”可以是计算机程序和/或装置以及/或者多个计算机程序和/或装置,每个计算机程序和/或装置或计算机程序和装置两者为其他程序或装置提供功能。服务器可以提供通常称为“服务”的各种功能,例如在多个客户端之间共享数据或资源或者执行计算和/或存储功能。单个服务器可以服务多个客户端,并且单个客户端可以使用多个服务器。客户端进程可以在同一装置上运行,或者可以通过网络连接到不同装置上的服务器,例如远程服务器或云。服务器可以具有相当基本的功能,例如仅向另一层基础设施发送相当短的信息,或者可以具有更复杂的结构,例如存储、处理和发送单元。
术语“通信网络”可以包括任何硬连线或无线网络,例如IEEE 802标准中提到的。
术语“GSM”可以包括任何种类的移动通信系统,例如2G、CSD、HSCSD、PGRS、EDGE、3G、LTE、4G、5G、BOS-GSM、流、通用接入、小区广播等。
本技术还由以下编号的实施方式来限定。
实施方式
下面将讨论样本检测方法实施方式。后面跟着数字的字母M将缩写这些实施方式。无论何时在本文提及方法实施方式时,都意指这些实施方式。
M1.一种用于从轨道或在轨道中、特别是从轨道基础设施或在轨道基础设施中自动传送传感器数据的方法,包括以下步骤:
a.确定传感器数据的相关性标准;
b.通过至少一个传感器对传感器数据进行采样;
c.根据所述相关性标准自动地将所述传感器数据分类;
d.根据所述传感器数据的类别发送所述传感器数据;以及
e.至少在一个服务器中接收所述传感器数据。
M2.根据前述实施方式所述的方法,其中,所述相关性标准是以下中的至少一个:
a.所述传感器数据的量;
b.所述传感器数据的内容;
c.风险相关信息;
d.用于发送所述传感器数据的通信信道的质量;
e.用于发送所述传感器数据的所述通信信道上的业务;
f.发送所述传感器数据的成本;
g.能够用于发送所述传感器数据的能量;以及
h.发送所述传感器数据的能量消耗;
i.通信带宽和得出的每数据量的能量成本;
j.测量数据的分析方法的结果;
k.特定预期数据特征或数据特征的组合;
l.特定预期数据阈值通道;
m.所述数据中的检测到的异常;
n.所述数据中的检测到的趋势;
o.结果与历史结果相比的差异;
p.结果与最近传输的结果相比的差异;
q.结果的趋势分析;
r.用于选择的跟踪质量度量;
s.前些天的通信质量体验;以及
t.发送数据的频率。
M3.根据前述实施方式中任一项所述的方法,其中,自动化分类的步骤包括以下评定:所述评定将用于确定在所述服务器中接收所述传感器数据的顺序。
M4.根据前述实施方式中任一项所述的方法,其中,自动化分类的步骤包括以下评定:所述评定将用于确定在所述通信信道阻止发送数据的情况下发送数据传输的最大尝试次数。
M5.根据前两项实施方式中任一项所述的方法,评定步骤还包括适应来自一系列服务器或基于云的算法决策模块的命令输入信号,包括:
a.用于维护决策制定的检查信号;
b.用于部件故障诊断的检查信号;
c.客户端请求;
M6.根据前一实施方式所述的方法,其中,所述输入信号可以修改包括以下的一系列:
a.所述传感器数据的采样频率;
b.目标轨道车辆类型;
c.目标轨道车辆速度;
d.目标加速度特征;
e.目标采样活动跟踪计数;
f.特定数据特征特性;
g.趋势阈值;
h.异常阈值和分布;
i.改变最优策略的计算;
j.激活或停用特定传感器;
k.改变传感器有效载荷;以及
l.传感器数据发送频率。
M7.根据前述实施方式中任一项所述的方法,其中,所述方法还包括以下步骤:预测、估计和确定用于发送所述传感器数据的条件中的至少一个。M8.根据前述实施方式中任一项所述的方法,还包括以下步骤:对所述传感器数据的发送进行自动优化。
M9.根据前一实施方式所述的方法,其中,在对所述传感器数据进行分类之后进行所述自动优化。
M10.根据前述实施方式中任一项所述的方法,其中,实时地进行所述传感器数据的发送。
M11.根据前两项权利要求中任一项所述的方法,其中,对数据发送的优化由所述服务器、传感器部件和远程部件中的至少一个控制。
M12.根据前述实施方式中任一项所述的方法,其中,所述优化能够包括以下中的至少一个:
a.减少所述传感器数据的量;
b.压缩所述传感器数据;
c.对所述传感器数据进行加密;
d.对所述传感器数据的发送进行定时;
e.通过多个可用发送路线中的一个发送路线路由所述传感器数据的发送。
M13.根据前述实施方式所述的方法,具有以下另外的步骤:将所述传感器数据预存储在另外的传感器部件和/或远程部件处,所述另外的传感器部件与所述传感器被容纳在一起或邻近所述传感器,所述远程部件远离所述传感器且优选地比所述服务器更靠近所述传感器。
M14.根据前一实施方式所述的方法,其中,所述传感器部件包括经由硬连线通信网络和无线通信网络中的至少一个进行通信的模块,并且所述传感器部件被配置成通过所述模块向所述服务器发送数据。
M15.根据前三项实施方式所述的方法,其中,所述远程部件被配置成预存储多个传感器的数据。
M16.根据前三项实施方式所述的方法,其中,所述远程部件至少部分地与所述服务器硬连线和/或通过诸如GSM的长程无线部件被连接。
M17.根据前一实施方式所述的方法,其中,所述传感器中的至少一个被配置成将相应的传感器数据无线地发送到所述远程部件。
M18.根据前一实施方式所述的方法,其中,所述传感器通过短程无线部件连接到所述远程部件。
M19.根据前述实施方式中任一项所述的方法,具有以下另外的步骤:预存储所述传感器数据,自动地确定用于发送所述数据的时隙,以及在已经确定的所述时隙处向所述服务器发送所述传感器数据。
M20.根据前一实施方式所述的方法,其中,所述传感器数据的预存储分别由所述传感器部件和/或所述远程部件执行。
M21.根据前述实施方式中任一项所述的方法,具有以下另外的步骤:对所述传感器数据进行预滤波,自动确定用于发送所述数据的时隙,以及在已经确定的所述时隙处向所述服务器发送预滤波的传感器数据。
M22.根据前一实施方式所述的方法,其中,依据根据实施方式2所述的相关性标准来进行所述预滤波。
M23.根据前一实施方式所述的方法,其中,所述预滤波是对由所述传感器采样的完整传感器数据进行滤波,使得将根本不存储所述传感器数据,或者通过滤除所述传感器数据的较不相关的部分和/或压缩所述传感器数据来减少所述传感器数据的量。
M24.根据前一实施方式所述的方法,其中,所述传感器数据的预滤波分别由所述传感器部件和/或所述远程部件执行。
M25.根据前述实施方式中任一项所述的方法,具有以下另外的步骤:在对所述传感器数据进行滤波之后提高所述传感器的采样率。
M26.根据前述实施方式中任一项所述的方法,具有以下另外的步骤:由所述服务器基于至少一种分析方法来分析所述传感器数据,每个方法包括信号滤波处理、模式识别、概率建模、贝叶斯方案、机器学习、监督学习、无监督学习和/或强化学习中的至少一个。
M27.根据前述实施方式中任一项所述的方法,其中,所述传感器与轨道车辆、轨枕、辙叉、转辙机、轨上辙叉、轨上尖轨和/或联锁中的至少一者相关联或被布置所述至少一者处,以用于特别地测量所述联锁处的电流。
M28.根据前述实施方式中任一项所述的方法,其中,所述传感器数据包括温度、加速度、振动、超声、时间、距离、电流、压力、移动、湿度、降水和/或音响中的至少一个的信息。
下面将讨论样本检测系统实施方式。后面跟着数字的字母S将缩写这些实施方式。无论何时在本文提及系统实施方式时,都意指这些实施方式。
S1.一种用于从轨道或在轨道中、特别是从轨道基础设施或在轨道基础设施中自动传送传感器数据的系统,包括:
a.确定部件,用于确定传感器数据的相关性标准;
b.至少一个传感器(10,11,20,30),用于对传感器数据进行采样;
c.分类部件(14,21),用于根据所述相关性标准自动地将所述传感器数据分类;
d.发送部件(19,25),用于根据所述传感器数据的类别来发送所述传感器数据;以及
e.服务器(50,60),用于接收所述传感器数据。
S2.根据前述实施方式所述的系统,其中,所述确定部件(15,40)包括包含以下中的至少一个的相关性标准:
a.所述传感器数据的量;
b.所述传感器数据的内容;
c.风险相关信息;
d.用于发送所述传感器数据的通信信道的质量;
e.用于发送所述传感器数据的所述通信信道上的业务;
f.发送所述传感器数据的成本;
g.能够用于发送所述传感器数据的能量;以及
h.发送所述传感器数据的能量消耗;
i.通信带宽和得出的每数据量的能量成本;
j.测量数据的分析方法的结果;
k.特定预期数据特征或数据特征的组合;
l.特定预期数据阈值通道;
m.所述数据中的检测到的异常;
n.所述数据中的检测到的趋势;
o.结果与历史结果相比的差异;
p.结果与最近传输的结果相比的差异;
q.结果的趋势分析;
r.用于选择的跟踪质量度量;
s.前些天的通信质量体验;以及
t.发送数据的频率。
S3.根据前述实施方式中任一项所述的系统,其中,提供不同种类的多个传感器(10,11,20,30)以用于对传感器数据进行采样。
S4.根据前述权利要求中任一项所述的系统,还包括远程部件(15,40),所述远程部件被配置成从传感器(10,11,20,30)收集传感器数据。
S5.根据前述实施方式中任一项所述的系统,其中,所述传感器(10,11,20,30)和所述远程部件(15,40)中的至少一个包括评定部件(16,22),所述评定部件提供以下评定:所述评定将用于确定在所述服务器(50,60)中接收所述传感器数据的顺序。
S6.根据前述实施方式中任一项所述的系统,其中,所述传感器(10,11,20,30)和所述远程部件(15,40)中的至少一个包括评定部件(16,22),所述评定部件提供以下评定:所述评定将用于确定在所述通信信道阻止发送所述数据的情况下发送数据传输的最大尝试次数。
S7.根据前两项实施方式中任一项所述的系统,所述评定部件(16,22)还包括适应来自一系列服务器或基于云的算法决策模块的命令输入信号,包括:
a.用于维护决策制定的检查信号;
b.用于部件故障诊断的检查信号;
c.客户端请求;
S8.根据前一实施方式所述的系统,其中,所述输入信号可以修改包括以下的一系列:
a.所述传感器数据的采样频率;
b.目标轨道车辆类型;
c.目标轨道车辆速度;
d.目标加速度特征;
e.目标采样活动跟踪计数;
f.特定数据特征特性;
g.趋势阈值;
h.异常阈值和分布;
i.改变最优策略的计算;
j.激活或停用特定传感器;
k.改变传感器有效载荷;以及
l.传感器数据发送频率。
S9.根据前述实施方式中任一项所述的系统,还包括条件部件(17,23),用于预测发送所述传感器数据的条件、估计发送所述传感器数据的条件和确定发送所述传感器数据的条件中的至少一个。
S10.根据前一实施方式所述的系统,其中,所述传感器(10,11,20,30)和所述远程部件(15,40)中的至少一个包括所述条件部件(17,23)。S11.根据前述实施方式中任一项所述的系统,还包括用于自动地优化所述传感器数据的发送的优化部件(18,24)。
S12.根据前一实施方式所述的系统,其中,所述传感器(10,11,20,30)和所述远程部件(15,40)中的至少一个包括所述优化部件(18,24)。
S13.根据前两项实施方式中任一项所述的系统,其中,所述优化部件(18,24)与所述分类部件(14,21)连接,并且所述优化部件被配置成在由所述分类部件(14,21)对所述传感器数据进行分类之后自动地对发送进行优化。
S14.根据前述实施方式中的任一项所述系统,其中,所述发送部件(19,25)被配置成实时发送所述传感器数据。
S15.根据前两项权利要求中任一项所述的系统,其中,所述分类部件(14,21)、所述优化部件(15,22)、所述评定部件(16,23)、所述条件部件(18,24)和所述发送部件(19,25)中的至少两个由所述服务器(50,60)、所述传感器(10,11,20,30)和所述远程部件(15、40)中的至少一个包括。
S16.根据前一权利要求所述的系统,其中,所述分类部件(14,21)、所述优化部件(15,22)、所述评定部件(16,23)、所述条件部件(18,24)和发送部件(19,25)中的至少两个与所述服务器(50,60)、所述传感器部件(10,11,20,30)和所述远程部件(15、40)构成整体,并且优选地分别与所述服务器、所述传感器部件和所述远程部件容纳在一个壳体中。
S17.根据前述实施方式中任一项所述的系统,其中,所述优化部件(15,22)被配置成优化以下因素中的至少一个:
a.减少所述传感器数据的量;
b.压缩所述传感器数据;
c.对所述传感器数据进行加密;
d.对所述传感器数据的发送进行定时;
e.通过多个可用发送路线中的一个发送路线路由所述传感器数据的发送。
S18.根据前述实施方式所述的系统,还包括预存储部件(13),用于将所述传感器数据预存储在所述传感器(10,11,20,30)中或所述传感器处以及/或者预存储在所述远程部件(15)中或所述远程部件处,所述远程部件远离所述传感器并且优选地比所述服务器(50,60)更靠近所述传感器。
S19.根据前述实施方式中任一项所述的系统,其中,所述发送部件(19,25)包括通信网络模块,并且所述发送部件被配置成向所述服务器(50,60)发送所述数据。
S20.根据前两项实施方式所述的系统,其中,所述远程部件(14)包括预存储器(13),所述预存储器被配置成预存储多个传感器(10,11)的数据。
S21.根据前三项实施方式所述的系统,其中,所述远程部件(14,40)至少部分地与所述服务器硬连线和/或通过长程无线部件连接。
S22.根据前一实施方式所述的系统,其中,所述传感器(10,11,20,30)中的至少一个被配置成将相应的传感器数据无线地发送到所述远程部件(14,40)。
S23.根据前一实施方式所述的系统,其中,所述传感器(10,11,20,30)通过短程无线部件连接到所述远程部件。
S24.根据前述实施方式中任一项所述的系统,其中,所述发送部件(19,25)被配置成在由所述条件部件(17,23)已经确定的时隙处自动地发送所述传感器数据。
S25.根据前述实施方式中任一项所述的系统,具有以下另外的步骤:对所述传感器数据进行预滤波,自动确定用于发送所述数据的时隙,以及在已经确定的所述时隙处向所述服务器发送预滤波的传感器数据。
S26.根据前一权利要求所述的系统,其中,所述传感器和/或所述远程部件被配置成存储和预滤波所述传感器数据。
S27.根据前一实施方式所述的系统,其中,所述传感器(10,11,20,30)和所述远程部件(15,40)中的至少一个包括预滤波部件,所述预滤波部件被配置成对所述传感器数据进行预滤波并且所述预滤波是依据根据实施方式S2的所述相关性标准来进行的。
S28.根据前一实施方式所述的系统,其中,所述预滤波部件被配置成使得:所述预滤波是对由所述传感器采样的完整传感器数据进行滤波以使得将不存储所述传感器数据,或者通过滤除所述传感器数据的不太相关的部分和/或压缩所述传感器数据来减少所述传感器数据的量。
S29.根据前述实施方式中任一项所述的系统,其中,所述传感器被配置成在对所述传感器数据进行的滤波之后提高所述传感器的采样率。
S30.根据前述中任一项所述的系统,其中,所述服务器(50,60)被配置成基于至少一种分析方法来计算所述传感器数据或经滤波的传感器数据。
S31.根据前述权利要求中任一项所述的系统,其中,至少一个传感器与所述轨道基础设施特别是轨枕、辙叉,转辙机,轨辙叉、轨道尖轨和/或联锁中的至少一个相关联或被布置在其上。
S32.根据前述实施方式中任一项所述的系统,其中,所述传感器(10,11,20,30)被配置成测量温度、加速度、振动、超声、时间、距离、电流、压力、移动、湿度、降水和/或音响中的至少一个。
下面将讨论样本检测用途实施方式。后面跟着数字的字母U将缩写这些实施方式。无论何时在本文提及使用实施方式,都意指这些实施方式。
U1.根据前述方法实施方式中任一项所述的方法和/或根据前述系统实施方式中任一项所述的系统用于在轨道中传送传感器数据的用途。
U2.根据前述方法实施方式中任一项所述的方法和/或根据前述系统实施方式中任一项所述的系统用于在轨道基础设施中传送传感器数据的用途。
每当在本说明书中使用相对术语,例如“大约”、“基本上”或“约”时,这样的术语也应该被解释为也包括确切的术语。也就是说,例如,“基本上直”应该被解释为也包括“(完全)笔直”。
每当在上面或也在所附权利要求中叙述步骤时,应该注意,本文中叙述步骤的顺序可以是优选的顺序,但是以所叙述的顺序执行步骤可能不是强制性。也就是说,除非另外指定或除非技术人员清楚,否则叙述步骤的顺序可能不是强制性的。也就是说,当本文件指出例如方法包括步骤(A)和(B)时,这并不一定意味着步骤(A)先于步骤(B),而是步骤(A)也可能与步骤(B)(至少部分)同时进行或步骤(B)在步骤(A)之前。此外,当说步骤(X)在另一个步骤(Z)之前时,这并不意味着在步骤(X)与(Z)之间没有步骤。也就是说,在步骤(Z)之前的步骤(X)包括步骤(X)在步骤(Z)之前直接执行的情况,还包括在步骤(Z)之前的一个或更多个步骤(Y1),...,之前执行(X)的情况。使用诸如“之后”或“之前”的术语时,适用相应的考虑。
附图说明
图1描绘了根据本发明的将若干传感器向轨道基础设施的设置的示例;
图2描绘了根据本发明的相关联的基础设施和根据图1的传感器的设置的示例;
图3描绘了根据本发明的优选实施方式的具有集成在其中或装配到其上的若干部件的传感器的实施方式;以及
图4描绘了根据本发明的优选实施方式的具有集成在其中或装配到其上的若干部件的远程部件的实施方式。
具体实施方式
图1提供了被配置用于轨道或轨道基础设施的系统的示意性描述。示出了具有轨道1本身的轨道区段的示例,轨道1本身包括轨2和轨枕3。代替轨枕3,也可以提供用于轨2的整体道床。
此外,示出了杆4,其仅是通常布置在轨道处或轨道附近的结构元件的一个另外的示例。还示出了隧道5。毋庸赘言,可以存在其他结构、建筑物等,并且它们也可以用于如之前和以下所述的本发明。
第一传感器10可以布置在一个或多个轨枕上。传感器10可以是加速度传感器和/或任何其他种类的轨道专用传感器。之前已经提到了示例。
第二传感器11也布置在远离第一传感器10的另一个轨枕上。尽管在本示例中其看起来仅是小的距离,但是这些距离的范围可以从到相邻轨枕的距离到一公里或更多公里。其他传感器也可以用于附于轨枕。
可以将另一种类或相同种类的传感器20附于杆4或任何其他结构。这可以是另一传感器,例如光学传感器、温度传感器、甚至加速度传感器等。可以将另一种类的传感器30布置在轨道上方,如在隧道5的开始处或隧道5内部。该传感器可以是用于确定列车高度的高度传感器、光学传感器、多普勒传感器等。这里和之前提到的所有这些传感器仅是非限制性示例。
传感器可以被配置成经由诸如无线通信网络的通信网络提交传感器数据。由于通信网络具有关于可用性、传输距离、成本等的若干优点和缺点,因此如本文之前和以下所描述的那样对传感器数据的传输进行优化。
图2旨在提供可以针对不同需要而变化的硬件/软件基础设施的示例。传感器10和11可以连接到具有之前提到的功能(预存储、预过滤、发送和/或处理等)的公共部件或远程部件15,例如服务器15。所有传感器10、11、20、30可以另外地或替选地连接到另一个服务器或存储装置或远程部件40,其以之前描述的方式收集数据、存储和发送数据。从远程部件15接收的数据可以与直接从传感器20和30接收的数据以不同方式被处理,因此,任何远程部件可以与传感器和其他远程部件串联或并联或以串联和并联相组合的方式布置。
在所示的示例中,根据需要,数据被定期地或非定期地进一步提交(推送(push)和/或拉取(pull))到远程服务器、多个服务器、云计算、云存储等。这些部件可以用于更复杂的计算,例如用于训练神经网络。
传感器、诸如服务器等的其他部件之间的任何传输可以是硬连线的和/或无线的,这取决于需要和另外的基础设施。在远程部件相当靠近多个传感器的情况下,可以进行短程无线发送或传输,例如蓝牙或者可能也可以是GSM。如前所述,较长的距离可以利用长距离无线传输系统,例如GSM或其任何派生物。因此,可以使系统在成本、故障等方面更有效。
传感器10、11、20、30可以是任何种类的传感器,例如加速度传感器。这样的传感器测量加速度并且根据其值或图案(pattern),并且可以直接或间接地确定若干变量,例如轨道基础设施和/或轨道车辆的磨损。
为了正确地计算垂直运动,经由机器学习算法将所记录的加速度数据拟合到图案。远程系统还将数据与一个或更多个不同的数据源或甚至来自传感器的先前记录组合。在根据图5的示例中,将数据与列车类型列表组合,该列车类型列表提供列车类型属性,如轴数和轴间距离,以识别列车类型。
经由使用任何分析方法例如机器学习方法来解决识别,机器学习方法如可以本地和/或远程训练的人工神经网络。作为列车类型分类和现有列车类型列表的一个结果,本发明计算速度和累积来自列车通过的记录数据的振动能量。在现有技术中,这样的信息不能连续获得,并且因此不能用于状况监测和预测。本发明还使用来自一个资产处的多个传感器的数据,以经由不同的信号处理方法或分析方法来分离所记录信号的不同来源。在该示例中,列车碾过一个资产处的三个连续传感器系统,并且使用独立分量分析来从列车承载信号和资产承载信号中分离噪声。
在先前步骤中得出的信息用于a)检测异常,b)提供健康状况结论,c)诊断故障部件,以及/或者d)预测状况发展趋势、轨道基础设施的几何状况和道砟,其如果可靠则确保列车承载力向地面的最佳转移以确保安全和资产寿命时间。也可以使用列车类型、计算的速度和振动力来针对资产的正常行为建立模型。由于不同的列车类型和速度引起不同的振动,因此模型利用列车类型和速度相关值的统计分布来得到垂直位移和振动力。
正常行为的边界是预先设置的、自动设置的和/或经由机器学习方法(例如通过支持向量机)设置的。异常位于边界之外,但它与已知的故障不类似。与不可能获得这样的导出模型的现有技术相比,本发明可以降低不确定性,并且能够以更高的精度进行自动异常检测。本发明可以使用该信息来识别与几何形状或道砟的故障模式相关的图案,这里是未受支承的轨枕或轨的表面故障。这样的图案由直接揭示故障或无法忍受的状况的单一值形成,所述故障或无法忍受的状况类似于在一定速度和列车类型下的一定垂直移动。替选地或附加地,这样的图案存在于测量和组合数据的频域和时域中,并且经由诸如傅立叶变换或小波变换的信号处理方法进行变换。机器学习分类方法,如人工神经网络,被用于识别部件(这里是辙叉)和/或位置(这里是辙叉的尖端)和/或缺陷(这里是裂纹)的种类。与使用专用时间测量装置来执行特定测量的现有技术相比,本发明使用信号的一个或更多个范围从一个或更多个源得出多个状况评估(例如,为了估计轨道位移,仅<100Hz的信号是相关的,因此信号被低通滤波;然而对于裂纹检测,在kHz区域中对信号进行分析)。本发明还使用组合数据来预测未来健康状态。其传播过去记录的数据或先前经由人工智能和/或信号处理的方法变换的这样的数据。传播通过回归函数和/或通过复杂模型(这里是诸如隐马尔可夫模型的概率推断模型)来完成。
图3示出了根据本发明的传感器20的实施方式。传感器20是之前描述的种类的传感器。无论如何,传感器20可以包括若干其他部件或者可以装配到若干其他部件。它们可以全部布置在一个壳体或若干相邻壳体中。
在所示的示例中,传感器20包括如之前所述的用于测量或确定参数的传感器。传感器20还可以容纳或装配到其他部件,该其他部件为硬件和/或软件部件。
在该示例中,分类部件21可以附属于传感器20。分类部件21及其功能已经在之前描述过。分类部件21将从许多方面,特别是根据之前提到的相关性标准,对传感器数据进行分类。然后可以根据数据的内容对数据进行标记,或者甚至对数据进行预处理、预过滤、压缩等。
又一部件可以是评定部件22,其提供评定,该评定可以用于确定在服务器中接收传感器数据的顺序和/或用于确定在通信信道阻止发送数据的情况下发送数据传输的最大尝试次数。
可以包括的另一部件可以是优化部件23,其可以设置在传感器20处或附近,用于优化传感器数据,特别是根据所检测的标记或标准来优化传感器数据。优化也可以是预优化步骤,使得数据将在下游被进一步处理或计算。然而,可以将数据进行缩短或解释或两者,以便简化在传感器处或传感器附近的数据处理。
再一部件可以是确定传输或发送数据的条件的条件部件24。条件可以被实时检测,可以基于过去的数据被预测,或者被估计,或者其任意组合。根据条件,可以优化要发送的数据的时间、种类、量等。
发送部件25负责发送或提交或转移数据,并且包括用于无线和/或硬连线传输的部件。
图4示出了具有等同子部件的远程部件15的类似种类的结构。远程部件15也可以包括分类部件14、评定部件16、优化部件17、条件部件18和发送部件19。此外,可以提供预存储部件13,用于在来自至少一个、优选地多个传感器(未示出)的数据被预处理和发送之前预存储它们。
分类部件14、21、评定部件16、22、优化部件17、23、条件部件18、24和发送部件19、25中的两个或更多个也可以关于硬件和/或软件被整体实现。在存在属于发送部件19、25的任何天线的情况下,天线可以被布置或嵌入在外壳体或壳中。
Claims (15)
1.一种用于从轨道基础设施来自动化传送传感器数据的方法,包括以下步骤:
a.确定传感器数据的相关性标准;
b.通过传感器对传感器数据进行采样;
c.根据所述相关性标准将所述传感器数据自动化分类;
d.
e.根据所述传感器数据的类别发送所述传感器数据;以及
f.至少在一个服务器中接收所述传感器数据。
2.根据前述权利要求所述的方法,其中,所述相关性标准是以下中的至少一个:
a.所述传感器数据的量;
b.所述传感器数据的内容;
c.风险相关信息;
d.用于发送所述传感器数据的通信信道的质量;
e.用于发送所述传感器数据的所述通信信道上的业务;
f.发送所述传感器数据的成本;
g.能够用于发送所述传感器数据的能量;以及
h.发送所述传感器数据的能量消耗;
i.通信带宽和得出的每数据量的能量成本;
j.测量数据的分析方法的结果;
k.特定预期数据特征或数据特征的组合;
l.特定预期数据阈值通道;
m.所述数据中的检测到的异常;
n.所述数据中的检测到的趋势;
o.结果与历史结果相比的差异;
p.结果与最近传输的结果相比的差异;
q.结果的趋势分析;
r.用于选择的跟踪质量度量;
s.前些天的通信质量体验;以及
t.发送数据的频率。
3.根据前述权利要求中任一项所述的方法,其中,自动化分类的步骤包括以下评定:所述评定将用于确定在所述服务器中接收所述传感器数据的顺序。
4.根据前述权利要求中任一项所述的方法,其中,自动化分类的步骤包括以下评定:所述评定将用于确定在所述通信信道阻止发送所述数据的情况下发送数据传输的最大尝试次数。
5.根据前两项权利要求中任一项所述的方法,评定步骤还包括适应来自一系列服务器或基于云的算法决策模块的命令输入信号,包括:
a.用于维护决策制定的检查信号;
b.用于部件故障诊断的检查信号;
c.客户端请求;
6.根据前一权利要求所述的方法,其中,所述输入信号能够修改包括以下的一系列:
a.所述传感器数据的采样频率;
b.目标轨道车辆类型;
c.目标轨道车辆速度;
d.目标加速度特征;
e.目标采样活动跟踪计数;
f.特定数据特征特性;
g.趋势阈值;
h.异常阈值和分布;
i.改变最优策略的计算;
j.激活或停用特定传感器;
k.改变传感器有效载荷;以及
l.传感器数据发送频率。
7.根据前述权利要求中任一项所述的方法,还包括对所述传感器数据的发送进行自动优化步骤。
8.根据前述权利要求中任一项所述的方法,其中,所述优化能够包括以下中的至少一个:
a.减少所述传感器数据的量;
b.压缩所述传感器数据;
c.对所述传感器数据进行加密;
d.对所述传感器数据的发送进行定时;
e.通过多个可用发送路线中的一个发送路线路由所述传感器数据的发送。
9.根据前述权利要求所述的方法,具有以下另外的步骤:将所述传感器数据预存储在另外的传感器部件和/或远程部件处,所述另外的传感器部件与所述传感器被容纳在一起或邻近所述传感器,所述远程部件远离所述传感器且优选地比所述服务器更靠近所述传感器。
10.根据前一权利要求所述的方法,其中,所述传感器部件包括GSM模块,并且所述传感器部件被配置成通过GSM向所述服务器发送所述数据。
11.根据前述权利要求中任一项所述的方法,具有以下另外的步骤:在所述传感器或所述远程部件处对所述传感器数据进行预滤波,自动地确定用于发送所述数据的时隙,以及在已经确定的所述时隙处向所述服务器发送预滤波的传感器数据,其中,优选地,依据根据权利要求2所述的相关性标准来执行所述预滤波。
12.根据前三项权利要求所述的方法,其中,所述远程部件被配置成预存储多个传感器的数据,并且其中,优选地,所述远程部件至少部分地与所述服务器硬连线和/或通过诸如GSM的长程无线部件被连接。
13.根据前一权利要求所述的方法,其中,所述传感器通过短程无线部件连接到所述远程部件。
14.根据前述权利要求中任一项所述的方法,具有以下另外的步骤:预存储所述传感器数据,自动地确定用于发送所述数据的时隙,以及在已经确定的所述时隙处向所述服务器发送所述传感器数据。
15.一种用于从轨道基础设施自动传送传感器数据、尤其是用于执行根据前述权利要求所述的方法的系统,包括:
a.确定部件,用于确定传感器数据的相关性标准;
b.至少一个传感器(10,11,20,30),用于对传感器数据进行采样;
c.分类部件(14,21),用于根据所述相关性标准自动地将所述传感器数据分类;
d.发送部件(19,25),用于根据所述传感器数据的类别发送所述传感器数据;以及
e.服务器(50,60),用于接收所述传感器数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18180483.2 | 2018-06-28 | ||
EP18180483 | 2018-06-28 | ||
PCT/EP2019/065836 WO2020002019A1 (en) | 2018-06-28 | 2019-06-17 | Smart sensor data transmission in railway infrastructure |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112351927A true CN112351927A (zh) | 2021-02-09 |
Family
ID=62816422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980042883.3A Pending CN112351927A (zh) | 2018-06-28 | 2019-06-17 | 轨道基础设施中的智能传感器数据传输 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210269077A1 (zh) |
EP (1) | EP3814193A1 (zh) |
JP (1) | JP2021528303A (zh) |
CN (1) | CN112351927A (zh) |
WO (1) | WO2020002019A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3753801A1 (en) * | 2019-06-17 | 2020-12-23 | Mitsubishi Heavy Industries, Ltd. | Surveillance system for an infrastructure and/or a vehicle with event detection |
IT202000005797A1 (it) * | 2020-03-19 | 2021-09-19 | Thermit Italiana S R L | Sistema e metodo per la diagnostica continua dell’infrastruttura ferroviaria |
US20230331272A1 (en) * | 2020-08-31 | 2023-10-19 | Konux Gmbh | Sensor to sensor edge traffic inference, system and method |
US11845483B2 (en) | 2021-03-29 | 2023-12-19 | Safran Landing Systems Canada Inc. | Hyperloop continuous control |
AT524980A1 (de) * | 2021-05-10 | 2022-11-15 | Track Machines Connected Ges M B H | Computerimplementiertes Verfahren zur Erstellung von Messdaten beschreibend ein Eisenbahnnetz oder ein auf einem Gleis fahrenden Fahrzeuges |
WO2023109995A1 (de) * | 2021-12-14 | 2023-06-22 | Bornemann Gewindetechnik GmbH & Co. KG | Gleis-system mit spindelbaugruppe mit integriertem sensor |
WO2023119907A1 (ja) * | 2021-12-20 | 2023-06-29 | 住友電気工業株式会社 | 受信装置及び異常検知システム |
KR102653448B1 (ko) * | 2023-09-14 | 2024-04-01 | 주식회사 태마루 | Ret 프로토콜을 이용한 철도차량 데이터 전송 시스템 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012047529A1 (en) * | 2010-09-28 | 2012-04-12 | Siemens Corporation | Adaptive remote maintenance of rolling stocks |
CN103198638A (zh) * | 2013-04-27 | 2013-07-10 | 上海交通大学 | 基于无线传感器执行器网络的铁路桥梁结构健康监测系统 |
US20140200829A1 (en) * | 2013-01-11 | 2014-07-17 | International Business Machines Corporation | Asset failure prediction with location uncertainty |
EP2862778A1 (en) * | 2013-10-15 | 2015-04-22 | Bayern Engineering GmbH & Co. KG | Method for generating measurement results from sensor signals |
DE102016123895A1 (de) * | 2015-12-14 | 2017-06-14 | GM Global Technology Operations LLC | Verbesserung zellularer Konnektivität nach einem VoLTE-Konnektivitätsausfall |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6487478B1 (en) * | 1999-10-28 | 2002-11-26 | General Electric Company | On-board monitor for railroad locomotive |
US6668216B2 (en) | 2000-05-19 | 2003-12-23 | Tc (Bermuda) License, Ltd. | Method, apparatus and system for wireless data collection and communication for interconnected mobile systems, such as for railways |
DE102007034282A1 (de) * | 2007-07-20 | 2009-01-22 | Siemens Ag | Kommunikationseinrichtung und Verfahren zu deren Betrieb |
US20090079560A1 (en) | 2007-09-26 | 2009-03-26 | General Electric Company | Remotely monitoring railroad equipment using network protocols |
US8244411B2 (en) * | 2008-05-27 | 2012-08-14 | Baker David A | Orientation-based wireless sensing apparatus |
JP2016526317A (ja) * | 2013-05-07 | 2016-09-01 | ヴィド スケール インコーポレイテッド | ビデオアプリケーションのためのQoE−AWAREWiFiエンハンスメント |
US9128638B2 (en) * | 2013-07-22 | 2015-09-08 | Progress Rail Services Corporation | Integrated time-stamped event recorder |
CN103442055A (zh) | 2013-08-26 | 2013-12-11 | 国电南瑞科技股份有限公司 | 基于b/s架构的列车实时监控系统 |
JP6322385B2 (ja) * | 2013-10-28 | 2018-05-09 | 株式会社エイクラ通信 | 情報通信システム |
US9996445B2 (en) * | 2014-01-17 | 2018-06-12 | International Business Machines Corporation | Computer flight recorder with active error detection |
CN104442931B (zh) | 2014-11-20 | 2016-11-30 | 上海富欣智能交通控制有限公司 | 轨道交通综合维护管理系统 |
JP6494420B2 (ja) * | 2015-05-28 | 2019-04-03 | 三菱電機株式会社 | 鉄道沿線監視システム、監視装置および鉄道沿線監視方法 |
US11072356B2 (en) * | 2016-06-30 | 2021-07-27 | Transportation Ip Holdings, Llc | Vehicle control system |
JP6630258B2 (ja) * | 2016-10-03 | 2020-01-15 | 公益財団法人鉄道総合技術研究所 | プログラム及び消費電力予測装置 |
-
2019
- 2019-06-17 JP JP2020569852A patent/JP2021528303A/ja active Pending
- 2019-06-17 CN CN201980042883.3A patent/CN112351927A/zh active Pending
- 2019-06-17 US US17/255,895 patent/US20210269077A1/en active Pending
- 2019-06-17 WO PCT/EP2019/065836 patent/WO2020002019A1/en active Application Filing
- 2019-06-17 EP EP19731957.7A patent/EP3814193A1/en not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012047529A1 (en) * | 2010-09-28 | 2012-04-12 | Siemens Corporation | Adaptive remote maintenance of rolling stocks |
US20140200829A1 (en) * | 2013-01-11 | 2014-07-17 | International Business Machines Corporation | Asset failure prediction with location uncertainty |
CN103198638A (zh) * | 2013-04-27 | 2013-07-10 | 上海交通大学 | 基于无线传感器执行器网络的铁路桥梁结构健康监测系统 |
EP2862778A1 (en) * | 2013-10-15 | 2015-04-22 | Bayern Engineering GmbH & Co. KG | Method for generating measurement results from sensor signals |
DE102016123895A1 (de) * | 2015-12-14 | 2017-06-14 | GM Global Technology Operations LLC | Verbesserung zellularer Konnektivität nach einem VoLTE-Konnektivitätsausfall |
Also Published As
Publication number | Publication date |
---|---|
JP2021528303A (ja) | 2021-10-21 |
EP3814193A1 (en) | 2021-05-05 |
US20210269077A1 (en) | 2021-09-02 |
WO2020002019A1 (en) | 2020-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112351927A (zh) | 轨道基础设施中的智能传感器数据传输 | |
US20210122402A1 (en) | System and method for traffic control in railways | |
US8412393B2 (en) | Apparatus and method for monitoring of infrastructure condition | |
Weston et al. | Perspectives on railway track geometry condition monitoring from in-service railway vehicles | |
US11691655B2 (en) | Planning of maintenance of railway | |
US20140142868A1 (en) | Apparatus and method for inspecting track in railroad | |
Hodge et al. | Wireless sensor networks for condition monitoring in the railway industry: A survey | |
AU2013266826B2 (en) | System and method for inspecting a route during movement of a vehicle system over the route | |
US20170313332A1 (en) | Autonomous vehicle system and method | |
WO2019185873A1 (en) | System and method for detecting and associating railway related data | |
US20150009331A1 (en) | Real time railway disaster vulnerability assessment and rescue guidance system using multi-layered video computational analytics | |
US20210009175A1 (en) | System and method for extracting and processing railway-related data | |
Vale et al. | Novel efficient technologies in Europe for axle bearing condition monitoring–the MAXBE project | |
Sysyn et al. | Indicators for common crossing structural health monitoring with track-side inertial measurements | |
Sharma et al. | Railway security system based on wireless sensor networks: State of the art | |
CN112004734A (zh) | 用于提取和处理轨道相关数据的系统和方法 | |
CN115222265A (zh) | 一种铁路全线路轨道状态确定方法及装置 | |
KR20170114430A (ko) | 열차 탈선 사고 예측 장치 및 방법 | |
US20230219604A1 (en) | Railway point managing system and method | |
RU2704692C1 (ru) | Бортовое устройство для диагностики состояния рельсового пути | |
CN112313139A (zh) | 用于轨道交通控制的系统和方法 | |
Alrahman et al. | A review on existing technologies used in the maintenance of railway infrastructure | |
Das et al. | Analysis of European Systems for Checking and Monitoring of Railway Pantographs: An Opportunity for Indian Railway | |
Mukhtiar et al. | An Experimental Study on the Railway Track Surface Fault Detection with Automation | |
Yan et al. | On board monitoring for integrated systems understanding & management improvement in railways (OMISM) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210209 |