CN112722003A - 列车脱轨风险的监测方法与设备 - Google Patents
列车脱轨风险的监测方法与设备 Download PDFInfo
- Publication number
- CN112722003A CN112722003A CN201910974611.9A CN201910974611A CN112722003A CN 112722003 A CN112722003 A CN 112722003A CN 201910974611 A CN201910974611 A CN 201910974611A CN 112722003 A CN112722003 A CN 112722003A
- Authority
- CN
- China
- Prior art keywords
- wheel
- lifting amount
- train
- sensor
- module
- 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.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning, or like safety means along the route or between vehicles or vehicle trains
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明实施例提供一种列车脱轨风险的监测方法与设备,该列车包括第一传感器与第二传感器,第一传感器用于采集列车上各个车轮的车轮运动参数,第二传感器用于采集列车上第一车轮的车轮抬升量,第一车轮的总数量小于列车的总车轮数量;上述方法包括:获取第一车轮的车轮运动参数与车轮抬升量,以及第二车轮的车轮运动参数,第二车轮为列车上除第一车轮之外的其它车轮;根据第一车轮的车轮运动参数与车轮抬升量,以及第二车轮的车轮运动参数,确定出第二车轮的车轮抬升量;根据列车上各个车轮对应的车轮抬升量,预测各个车轮的脱轨风险。即本发明实施例中可通过少量的第二传感器,确定出所有车轮的车轮抬升量,监测成本较低,且容易实现。
Description
技术领域
本发明实施例涉及列车脱轨风险监测技术领域,尤其涉及一种列车脱轨风险的监测方法与设备。
背景技术
目前,铁路列车仍旧是很多人出行时的主要交通工具,其基本任务是安全、准时、高效地运送乘客。在运营过程中,一旦有列车脱轨,脱轨列车可能冲入对向轨道,甚至翻车,所造成的损失是不可估量的。为了对列车脱轨安全性进行更准确的评判,亟需根据高速列车脱轨的产生机理,改进或重新建立列车动态脱轨安全性评价指标及方法,以保证列车的安全运营。
其中,列车脱轨问题可以看作外界激扰作用下轮轨横向运动的约束边界问题,相比脱轨系数和轮重减载率等指标,轮轨接触位置是车轮与钢轨实时接触状态的最直观反映,可作为判断列车脱轨与否的重要指标。除了轮轨接触位置这一能直观反映脱轨危险程度的指标外,车轮抬升量(指车轮踏面的接触点和钢轨顶面最高点之间的垂向距离)也能直观反映车轮和钢轨的相对约束位置关系,因此也可以作为判断车辆脱轨临界状态的一种简单有效的方法。
然而,目前用于直接测量车轮抬升量的测量装置成本高昂、安装复杂,若在每一个车轮都安装该车轮抬升量检测装置,则会面临巨大的测量成本,且实现难度较大。
发明内容
本发明实施例提供一种列车脱轨风险的监测方法与设备,以克服目前监测列车脱轨风险的方式成本较高,且实现难度大的技术问题。
第一方面,本发明实施例提供一种列车脱轨风险的监测方法,所述列车包括第一传感器与第二传感器,所述第一传感器设置于所述列车的各个车轮上,所述第二传感器设置于所述列车的第一车轮上,所述第一传感器用于采集所述列车上各个车轮的车轮运动参数,所述第二传感器用于采集所述第一车轮的车轮抬升量,所述第一车轮的总数量小于所述列车的总车轮数量;所述方法包括:
获取所述第一车轮的车轮运动参数与车轮抬升量,以及第二车轮的车轮运动参数,所述第二车轮为所述列车上除所述第一车轮之外的其它车轮;
根据所述第一车轮的车轮运动参数与车轮抬升量,以及所述第二车轮的车轮运动参数,确定出所述第二车轮的车轮抬升量;
根据所述列车上各个车轮对应的车轮抬升量,预测各个车轮的脱轨风险。
在一种可能的设计中,所述根据所述第一车轮的车轮运动参数与车轮抬升量,以及所述第二车轮的车轮运动参数,确定出所述第二车轮的车轮抬升量,包括:
根据所述第一车轮的车轮运动参数与车轮抬升量,确定车轮运动参数与车轮抬升量之间的对应关系;
根据所述第二车轮的车轮运动参数与所述对应关系,确定出所述第二车轮的车轮抬升量。
在一种可能的设计中,所述根据所述第一车轮的车轮运动参数与车轮抬升量,确定车轮运动参数与车轮抬升量之间的对应关系,包括:
建立车轮抬升量估计模型,所述车轮抬升量估计模型的输入为车轮运动参数,输出为车轮抬升量;
利用所述第一车轮的车轮运动参数与车轮抬升量,对所述车轮抬升量估计模型进行训练,得到目标车轮抬升量估计模型,所述目标车轮抬升量估计模型中包括所述对应关系。
在一种可能的设计中,所述车轮运动参数包括:
各个车轮对应的轮对的第一横向位移信息、各个车轮的垂向振动参数、各个车轮对应的转向架的第二横向位移信息及各个车轮的运行速度。
在一种可能的设计中,所述利用所述第一车轮的车轮运动参数与车轮抬升量,对所述车轮抬升量估计模型进行训练,包括:
计算所述第一车轮对应的轮对的第一横向位移信息的第一正数移动均方根值、第一负数移动均方根值,与所述第一车轮对应的转向架的第二横向位移信息的第二正数移动均方根值、第二负数移动均方根值,以及所述第一车轮对应的垂向振动参数的移动均方根值;
利用所述第一正数移动均方根值、第一负数移动均方根值、所述第二正数移动均方根值、第二负数移动均方根值、所述移动均方根值,以及所述第一车轮的运行速度与车轮抬升量,对所述车轮抬升量估计模型进行训练。
第二方面,本发明实施例提供一种列车脱轨风险的监测装置,所述列车包括第一传感器与第二传感器,所述第一传感器设置于所述列车的各个车轮上,所述第二传感器设置于所述列车的第一车轮上,所述第一传感器用于采集所述列车上各个车轮的车轮运动参数,所述第二传感器用于采集所述第一车轮的车轮抬升量,所述第一车轮的总数量小于所述列车的总车轮数量;所述装置包括:
获取模块,用于获取所述第一车轮的车轮运动参数与车轮抬升量,以及第二车轮的车轮运动参数,所述第二车轮为所述列车上除所述第一车轮之外的其它车轮;
确定模块,用于根据所述第一车轮的车轮运动参数与车轮抬升量,以及所述第二车轮的车轮运动参数,确定出所述第二车轮的车轮抬升量;
预测模块,用于根据所述列车上各个车轮对应的车轮抬升量,预测各个车轮的脱轨风险。
在一种可能的设计中,所述确定模块包括:
第一确定模块,用于根据所述第一车轮的车轮运动参数与车轮抬升量,确定车轮运动参数与车轮抬升量之间的对应关系;
第二确定模块,用于根据所述第二车轮的车轮运动参数与所述对应关系,确定出所述第二车轮的车轮抬升量。
在一种可能的设计中,所述第一确定模块包括:
模型建立模块,用于建立车轮抬升量估计模型,所述车轮抬升量估计模型的输入为车轮运动参数,输出为车轮抬升量;
模型训练模块,用于利用所述第一车轮的车轮运动参数与车轮抬升量,对所述车轮抬升量估计模型进行训练,得到目标车轮抬升量估计模型,所述目标车轮抬升量估计模型中包括所述对应关系。
在一种可能的设计中,所述车轮运动参数包括:
各个车轮对应的轮对的第一横向位移信息、各个车轮的垂向振动参数、各个车轮对应的转向架的第二横向位移信息及各个车轮的运行速度。
在一种可能的设计中,所述模型训练模块包括:
计算模块,用于计算所述第一车轮对应的轮对的第一横向位移信息的第一正数移动均方根值、第一负数移动均方根值,与所述第一车轮对应的转向架的第二横向位移信息的第二正数移动均方根值、第二负数移动均方根值,以及所述第一车轮对应的垂向振动参数的移动均方根值;
训练模块,用于利用所述第一正数移动均方根值、第一负数移动均方根值、所述第二正数移动均方根值、第二负数移动均方根值、所述移动均方根值,以及所述第一车轮的运行速度与车轮抬升量,对所述车轮抬升量估计模型进行训练。
第三方面,本发明实施例提供一种列车脱轨风险的监测系统,包括数据采集单元、车载计算单元、通信单元及地面云计算单元;所述数据采集单元与所述车载计算单元连接,所述车载计算单元通过所述通信单元与所述地面云计算单元通信连接;
所述数据采集单元包括第一传感器与第二传感器,所述第一传感器设置于所述列车的各个车轮上,所述第二传感器设置于所述列车的第一车轮上,所述第一传感器用于采集所述列车上各个车轮的车轮运动参数,所述第二传感器用于采集所述第一车轮的车轮抬升量,所述第一车轮的总数量小于所述列车的总车轮数量;
所述车载计算单元用于根据所述第一车轮的车轮运动参数与车轮抬升量,以及第二车轮的车轮运动参数,确定出所述第二车轮的车轮抬升量,所述第二车轮为所述列车上除所述第一车轮之外的其它车轮;根据所述列车上各个车轮对应的车轮抬升量,预测各个车轮的脱轨风险;
所述通信单元用于将所述车载计算单元中的产生的预测数据发送至所述地面云计算单元;
所述地面云计算单元用于基于接收到的预测数据对所述列车各个车轮的脱轨风险进行监控。
在一种可能的设计中,所述数据采集单元包括:
通路选择及信号调理模块、A/D转换模块、采集时钟生成模块、控制模块、实时以太网交换模块;所述通路选择及信号调理模块分别与所述A/D转换模块、所述控制模块相连接;所述A/D转换模块分别与所述采集时钟生成模块、所述控制模块相连接;所述采集时钟生成模块与所述控制模块相连接;所述控制模块与所述实时以太网交换模块相连接;
其中,所述通路选择及信号调理模块用于对所述数据采集单元采集的信号进行预处理,所述控制模块用于进行信号采集控制、数据存储控制、时钟同步控制及通路选择控制,所述实时以太网交换模块用于实现所述控制模块与所述车载计算单元之间的数据交换。
第四方面,本发明实施例提供一种设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如第一方面提供的列车脱轨风险的监测方法。
第五方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如第一方面提供的列车脱轨风险的监测方法。
本发明实施例所提供的列车脱轨风险的监测方法,列车包括第一传感器与第二传感器,第一传感器设置于列车的各个车轮上,第二传感器设置于列车的第一车轮上,第一传感器用于采集列车上各个车轮的车轮运动参数,第二传感器用于采集列车上第一车轮的车轮抬升量,第一车轮的总数量小于列车的总车轮数量;上述方法包括:获取第一车轮的车轮运动参数与车轮抬升量,以及第二车轮的车轮运动参数,第二车轮为列车上除第一车轮之外的其它车轮;根据第一车轮的车轮运动参数与车轮抬升量,以及第二车轮的车轮运动参数,确定出第二车轮的车轮抬升量;根据列车上各个车轮对应的车轮抬升量,预测各个车轮的脱轨风险。即本发明实施例中,不需要在列车的全部车轮上都设置第二传感器,只需在第一车轮上设置第二传感器,然后通过第一车轮的车轮运动参数与车轮抬升量之间的对应关系,结合第二车轮的车轮运动参数,即可确定出第二车轮的车轮抬升量,从而即可通过少量的第二传感器,确定出所有车轮的车轮抬升量,监测成本较低,且容易实现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的列车脱轨风险的监测方法的流程示意图一;
图2为本发明实施例提供的列车脱轨风险的监测方法的流程示意图二;
图3为本发明实施例提供的列车脱轨风险的监测装置的模块示意图;
图4为本发明实施例提供的列车脱轨风险的监测系统的架构示意图;
图5为本发明实施例提供的列车脱轨风险的监测系统中数据采集单元410的结构示意图;
图6为本发明实施例提供的一种设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例所提供的列车脱轨风险的监测方法,可以用于对列车各个车轮的脱轨风险进行检测。其中,该列车包括第一传感器与第二传感器,第一传感器设置于列车的各个车轮上,第二传感器设置于列车的第一车轮上,第一传感器用于采集列车上各个车轮的车轮运动参数,第二传感器用于采集列车上第一车轮的车轮抬升量,其中,第一车轮的总数量小于列车的总车轮数量。
示例性的,可以在列车的每个车轮上都安装上述第一传感器,以检测各个车轮的车轮运动参数;在列车的部分车轮上安装上述第二传感器,以检测部分车轮的车轮抬升量。
在一种可行的实施例中,第一传感器包括以下传感器中的至少一种:第一位移检测传感器、第二位移检测传感器、振动检测传感器及速度传感器。上述第一传感器在列车上的设置方式包括:
在各个车轮对应的轮对上至少设置一个第一位移检测传感器,用于检测各个轮对的第一横向位移信息,该第一横向位移信息包括横向位移量、横向移动速度、横向移动加速度中的至少一个。
在各个车轮对应的转向架上至少设置一个第二位移检测传感器,用于检测各个转向架的第二横向位移信息,该第二横向位移信息包括横向位移量、横向移动速度、横向移动加速度中的至少一个。
在各个车轮上至少设置一个振动检测传感器,用于检测各个车轮的垂向振动参数。
在列车上至少设置一个速度传感器,用于检测列车的运行速度,并将该运行速度确定为各个车轮的运行速度。
具体的,每一个转向架的两个轮对上分别安装一个测量第一横向位移信息的第一位移检测传感器,该第一位移检测传感器分别安装在轮对轴箱上,振动方向与轮轴一致,两个第一位移检测传感器相对转向架中心呈对角安装,一节车厢的两个转向架所对应的四个轮对的四个第一位移检测传感器安装位置相对车辆中心对称。
每一个转向架上分别安装一个第二位移检测传感器,该第二位移检测传感器安装在转向架构架上的两个轮对中间,一节车厢的两个转向架上的两个第二位移检测传感器的安装位置相对于车辆中心对称。
每个车轮分别安装一个振动检测传感器,该振动检测传感器安装在轴箱上方,且振动方向与钢轨垂直,该振动检测传感器还可以被用于对轴箱轴承故障的监测。
在列车的所有车轮中选择其中的一个或多个车轮作为上述第一车轮,并在第一车轮上安装第二传感器,用于采集列车上第一车轮的车轮抬升量。其中,可以选择每条线路的每个车型中的两列车进行安装,每列车选择一个动车轮对和一个拖车轮对进行安装。第二传感器可以采用高精度激光测距传感器,每个车轮的两个激光测距探头垂直排列成激光测距传感器阵列,间隔20mm排列,采用专用工装固定于滚动轴承下方。另外,可以在一个轮对的左轮和右轮各安装一个,分别采集左轮和右轮的车轮抬升量。
本实时例中,测量列车运行速度的速度传感器可以直接采用列车已有的用于车辆控制的转速传感器信号。
参照图1,图1为本发明实施例提供的列车脱轨风险的监测方法的流程示意图一,该方法包括:
S101、获取第一车轮的车轮运动参数与车轮抬升量,以及第二车轮的车轮运动参数,第二车轮为列车上除第一车轮之外的其它车轮。
本发明实施例中,可以通过实时获取第一传感器检测到的信号,来得到第一车轮的车轮运动参数与第二车轮的车轮运动参数,以及通过实时获取第二传感器检测到的信号,来得到第一车轮的车轮抬升量。
其中,上述车轮运动参数可以包括但不限于:各个车轮对应的轮对的第一横向位移信息、各个车轮的垂向振动参数、各个车轮对应的转向架的第二横向位移信息及各个车轮的运行速度等。
S102、根据第一车轮的车轮运动参数与车轮抬升量,以及第二车轮的车轮运动参数,确定出第二车轮的车轮抬升量。
本发明实施例中,在确定出第一车轮的车轮运动参数与车轮抬升量之后,即可根据第一车轮的车轮运动参数与车轮抬升量,确定出车轮运动参数与车轮抬升量之间存在的关系,然后根据第二车轮的车轮运动参数与该关系,即可推导出第二车轮的车轮抬升量。
S103、根据列车上各个车轮对应的车轮抬升量,预测各个车轮的脱轨风险。
本发明实施例中,在确定出第二车轮的车轮抬升量之后,结合第一车轮对应的车轮抬升量,即可得到列车上各个车轮对应的车轮抬升量,然后根据各个车轮对应的车轮抬升量,预测各个车轮的脱轨风险。
可以理解的是,车轮抬升量越大,脱轨风险越高。
其中,也可以将各个车轮对应的车轮抬升量与标准的脱轨风险判别表进行比对,确定出各个车轮的脱轨风险。
本发明实施例所提供的列车脱轨风险的监测方法,不需要在列车的全部车轮上都设置第二传感器,只需在第一车轮上设置第二传感器,然后通过第一车轮的车轮运动参数与车轮抬升量之间的关系,结合第二车轮的车轮运动参数,即可确定出第二车轮的车轮抬升量,从而即可通过少量的第二传感器,确定出所有车轮的车轮抬升量,监测成本较低,且容易实现。
进一步的,基于上述实施例中描述的内容,本发明实施例中,上述步骤S102中根据所述第一车轮的车轮运动参数与车轮抬升量,以及所述第二车轮的车轮运动参数,确定出所述第二车轮的车轮抬升量,包括:
根据第一车轮的车轮运动参数与车轮抬升量,确定车轮运动参数与车轮抬升量之间的对应关系;根据第二车轮的车轮运动参数与该对应关系,确定出第二车轮的车轮抬升量。
具体的,参照图2,图2为本发明实施例提供的列车脱轨风险的监测方法的流程示意图二,该方法包括:
S201、建立车轮抬升量估计模型,所述车轮抬升量估计模型的输入为车轮运动参数,输出为车轮抬升量。
S202、获取所述第一车轮的车轮运动参数与车轮抬升量,以及第二车轮的车轮运动参数,所述第二车轮为所述列车上除所述第一车轮之外的其它车轮。
S203、利用所述第一车轮的车轮运动参数与车轮抬升量,对所述车轮抬升量估计模型进行训练,得到目标车轮抬升量估计模型,所述目标车轮抬升量估计模型中包括所述对应关系。
S204、根据所述第二车轮的车轮运动参数与所述对应关系,确定出所述第二车轮的车轮抬升量。
S205、根据所述列车上各个车轮对应的车轮抬升量,预测各个车轮的脱轨风险。
本发明实施例中,可以基于深度神经网络算法,建立一个车轮抬升量估计模型,该车轮抬升量估计模型包括一个输入层、若干个隐层及一个输出层,其中,输入层为车轮运动参数,输出层为车轮抬升量。然后利用获取到的第一车轮的车轮运动参数与车轮抬升量,对该车轮抬升量估计模型进行训练,得到目标车轮抬升量估计模型,该目标车轮抬升量估计模型中包括上述对应关系。
示例性的,采用自动降噪编码器建立车轮抬升量估计模型,该车轮抬升量估计模型由5层组成,第一层为输入层,其由40个神经元组成,第二层、第三层、第四层为隐层,每层由200个神经元组成,最后一层也就是第五层为输出层,该层为支持向量机(SupportVector Machine,简称SVM)作为模型的输出。模型的层与层之间采用全连接方式实现传播。轮对的左轮和右轮分别构建一个车轮抬升量估计模型,分别为左轮抬升量估计模型和右轮抬升量估计模型。
其中,可以每隔一个时间周期,获取在该时间周期内采集到的第一车轮的车轮运动参数与车轮抬升量,然后利用第一车轮的车轮运动参数与车轮抬升量,对车轮抬升量估计模型进行训练。即每隔一个时间周期更新一次目标车轮抬升量估计模型。
其中,在得到上述目标车轮抬升量估计模型之后,将第二车轮的车轮运动参数输入该目标车轮抬升量估计模型,即可输出第二车轮的车轮抬升量。
即本发明实施例中,可以通过第一车轮的车轮运动参数与车轮抬升量,对预先建立的车轮抬升量估计模型进行训练,得到车轮运动参数与车轮抬升量之间的对应关系,从而只需在检测到第二车轮的车轮运动参数之后,即可根据第二车轮的车轮运动参数与上述对应关系,确定出第二车轮的车轮抬升量,不需要通过其它检测装置,检测成本较低。
其中,上述S203中利用第一车轮的车轮运动参数与车轮抬升量,对车轮抬升量估计模型进行训练,包括:
步骤a、计算第一车轮对应的轮对的第一横向位移信息的第一正数移动均方根值、第一负数移动均方根值,与第一车轮对应的转向架的第二横向位移信息的第二正数移动均方根值、第二负数移动均方根值,以及第一车轮对应的垂向振动参数的移动均方根值。
其中,可以对采集到的第一横向位移信息与第二横向位移信息以Δt时间为步长、t时间为窗宽,计算上述第一正数移动均方根值、第一负数移动均方根值、第二正数移动均方根值、第二负数移动均方根值、移动均方根值。
示例性的,Δt=5ms、t=100ms。
步骤b、利用上述第一正数移动均方根值、第一负数移动均方根值、第二正数移动均方根值、第二负数移动均方根值、移动均方根值,以及第一车轮的运行速度与车轮抬升量,对车轮抬升量估计模型进行训练。
具体的,上述步骤b具体可以包括以下步骤:
步骤(1)、对建立的车轮抬升量估计模型用同一时刻的上述第一正数移动均方根值、第一负数移动均方根值、第二正数移动均方根值、第二负数移动均方根值、移动均方根值、第一车轮的运行速度作为列特征向量(或行特征向量),以上述第一正数移动均方根值、第一负数移动均方根值、第二正数移动均方根值、第二负数移动均方根值、移动均方根值、第一车轮的运行速度在不同时间的取值作为行时间序列向量(或列时间序列向量),构成多变量、多维的特征时间序列矩阵。
步骤(2)、依次以步骤(1)构建的多变量、多维的特征时间序列矩阵为输入,以同时刻同轮对的两个车轮的实测车轮抬升量为输出,分别构建两套用于建立和测试车轮抬升量估计模型的多变量、多维训练样本集、测试样本集及用于车轮抬升量估计模型输入的样本集。
步骤(3)、输入步骤(1)构造的多变量、多维的特征时间序列矩阵得到车轮抬升量的估计值。
其中,用构建左轮抬升量估计模型训练样本集输入左轮抬升量估计模型得到左轮抬升量的估计值,用构建右轮抬升量估计模型训练样本集输入右轮抬升量估计模型得到右轮抬升量的估计值。
步骤(4)、根据反向传播算法使用训练样本,和估计值与实际值的误差,对车轮抬升量估计模型进行训练,并使用测试样本对车轮抬升量估计模型的估计效果进行测试;如果测试效果满足要求,则进行下一个步骤。
即本发明实施例所提供的列车脱轨风险的监测方法,可以利用深度神经网络算法,以车轮运动参数为输入、车轮抬升量为输出,建立车轮抬升量估计模型,利用第一车轮的车轮运动参数与车轮抬升量,对该车轮抬升量估计模型进行训练,即可得到目标车轮抬升量估计模型。然后将第二车轮的车轮运动参数输入训练好的目标车轮抬升量估计模型,即可输出第二车轮的车轮抬升量。
进一步,本发明实施例中还提供一种列车脱轨风险的监测装置,该列车包括第一传感器与第二传感器,第一传感器设置于列车的各个车轮上,第二传感器设置于列车的第一车轮上,第一传感器用于采集列车上各个车轮的车轮运动参数,第二传感器用于采集所述列车上第一车轮的车轮抬升量,第一车轮的总数量小于列车的总车轮数量。
参照图3,图3为本发明实施例提供的列车脱轨风险的监测装置的模块示意图,该列车脱轨风险的监测装置30包括:
获取模块301,用于获取所述第一车轮的车轮运动参数与车轮抬升量,以及第二车轮的车轮运动参数,所述第二车轮为所述列车上除所述第一车轮之外的其它车轮。
确定模块302,用于根据所述第一车轮的车轮运动参数与车轮抬升量,以及所述第二车轮的车轮运动参数,确定出所述第二车轮的车轮抬升量。
预测模块303,用于根据所述列车上各个车轮对应的车轮抬升量,预测各个车轮的脱轨风险。
在一种可行的实施例中,确定模块302包括:
第一确定模块,用于根据所述第一车轮的车轮运动参数与车轮抬升量,确定车轮运动参数与车轮抬升量之间的对应关系。
第二确定模块,用于根据所述第二车轮的车轮运动参数与所述对应关系,确定出所述第二车轮的车轮抬升量。
在一种可行的实施例中,上述第一确定模块包括:
模型建立模块,用于建立车轮抬升量估计模型,所述车轮抬升量估计模型的输入为车轮运动参数,输出为车轮抬升量。
模型训练模块,用于利用所述第一车轮的车轮运动参数与车轮抬升量,对所述车轮抬升量估计模型进行训练,得到目标车轮抬升量估计模型,所述目标车轮抬升量估计模型中包括所述对应关系。
在一种可行的实施例中,上述车轮运动参数包括:
各个车轮对应的轮对的第一横向位移信息、各个车轮的垂向振动参数、各个车轮对应的转向架的第二横向位移信息及各个车轮的运行速度。
在一种可行的实施例中,上述模型训练模块包括:
计算模块,用于计算所述第一车轮对应的轮对的第一横向位移信息的第一正数移动均方根值、第一负数移动均方根值,与所述第一车轮对应的转向架的第二横向位移信息的第二正数移动均方根值、第二负数移动均方根值,以及所述第一车轮对应的垂向振动参数的移动均方根值。
训练模块,用于利用所述第一正数移动均方根值、第一负数移动均方根值、所述第二正数移动均方根值、第二负数移动均方根值、所述移动均方根值,以及所述第一车轮的运行速度与车轮抬升量,对所述车轮抬升量估计模型进行训练。
本发明实施例提供的列车脱轨风险的监测装置,所实现的各项功能的原理可参照上述实施例中对列车脱轨风险的监测方法的描述,本实施例此处不再赘述。
本发明实施例所提供的列车脱轨风险的监测装置30,不需要在列车的全部车轮上都设置第二传感器,只需在第一车轮上设置第二传感器,然后通过第一车轮的车轮运动参数与车轮抬升量之间的对应关系,结合第二车轮的车轮运动参数,即可确定出第二车轮的车轮抬升量,从而即可通过少量的第二传感器,确定出所有车轮的车轮抬升量,监测成本较低,且容易实现。
进一步,本发明实施例中还提供一种列车脱轨风险的监测系统,参照图4,图4为本发明实施例提供的列车脱轨风险的监测系统的架构示意图,该列车脱轨风险的监测系统包括:
数据采集单元410、车载计算单元420、通信单元430及地面云计算单元440;数据采集单元410与车载计算单元420连接,车载计算单元420通过通信单元403与地面云计算单元440通信连接.
数据采集单元410包括第一传感器与第二传感器,第一传感器设置于列车的各个车轮上,第二传感器设置于列车的第一车轮上,第一传感器用于采集列车上各个车轮的车轮运动参数,第二传感器用于采集列车上第一车轮的车轮抬升量,其中,第一车轮的总数量小于列车的总车轮数量。
车载计算单元420用于根据第一车轮的车轮运动参数与车轮抬升量,以及第二车轮的车轮运动参数,确定出第二车轮的车轮抬升量,第二车轮为列车上除第一车轮之外的其它车轮;根据列车上各个车轮对应的车轮抬升量,预测各个车轮的脱轨风险。
通信单元430用于将车载计算单元中的产生的预测数据发送至地面云计算单元440。
地面云计算单元440用于基于接收到的预测数据对列车各个车轮的脱轨风险进行监控。
其中,数据采集单元410用于完成数据采集、数据存储、数据传输和数据预处理。数据采集单元410通过实时以太网接口(Train Real-time Data Protocol,TRDP)与车载计算单元420或者其它数据采集单元连接。
车载计算单元420还与列车通信网络(Train Communication Network,简称TCN)通信连接。车载计算单元420通过TRDP与通信单元430连接。
通信单元430包括车载通信网关、车载无线网络通信单元、地面无线通信网络、地面通信网关。车载计算单元420通过通信单元430,即可实现与地面云计算单元440之间的数据传输。
示例性的,车载无线网络通信单元每列车两个,分别部署在列车两头两个头部车厢的顶部。本实施例中地面无线通信网络采用4G或5G移动通信网络。地面无线通信网络基站沿地铁线路布设。地面无线通信网络通过以太网与地面通信网关相连接。地面通信网关的功能是完成与车载通信网关进行通信和车地通信链路的管理与控制。地面通信网关每条地铁线路布设一个,位于设备机房。
其中,地面云计算单元440用于完成车载监测数据、地面维修台账数据存储、输入、输出和车轮抬升量估计模型训练、评估结果展示功能。地面云计算单元440每条地铁线路布设一个,位于设备机房。
其中,数据采集单元410可以在每个转向架安装一个,一辆列车安装一个车载计算单元420,且车载计算单元420可安装与车体底部,两个转向架的两个数据采集单元410与车载计算单元420呈星形连接,两个转向架的两个数据采集单元410由车载计算单元420同步。数据采集单元410的每个采集通道采用2kbps的采样率,每个样点采用16比特量化通道间采用同步采集。
上述第一传感器与第二传感器通过高保真屏蔽模拟信号线与数据采集单元410连接,在数据采集单元410模拟信号被同步转换为数字信号。
其中,参照图5,图5为本发明实施例提供的列车脱轨风险的监测系统中数据采集单元410的结构示意图,本发明实施例中,数据采集单元410包括:
通路选择及信号调理模块411、模数A/D转换模块412、采集时钟生成模块413、控制模块414、实时以太网交换模块415;通路选择及信号调理模块411分别与A/D转换模块412、控制模块414相连接;A/D转换模块412分别与采集时钟生成模块413、控制模块414相连接;采集时钟生成模块413与控制模块414相连接;控制模块414与实时以太网交换模块415相连接。
其中,通路选择及信号调理模块411用于对数据采集单元采集的信号进行预处理,控制模块404用于进行信号采集控制、数据存储控制、时钟同步控制及通路选择控制,实时以太网交换模块405用于实现控制模块404与车载计算单元420之间的数据交换。
其中,通路选择及信号调理模块411用于完成信号通路选择、信号调理、信号放大、信号滤波功能;A/D转换模块412用于完成信号模数转换;采集时钟生成模块413用于完成A/D转换模块412时钟控制;控制模块404用于完成数据采集控制、数据存储、数据传输和计算、同步采集触发、时钟同步、通路选择控制功能;实时以太网交换模块415用于完成控制模块404与车载计算单元420之间、数据采集单元之间的数据交换功能。
进一步,本发明实施例中还提供一种设备,该设备包括:至少一个处理器和存储器;存储器存储计算机执行指令;所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行上述实施例中所描述的列车脱轨风险的监测方法。
本实施例提供的设备,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
参照图6,图6为本发明实施例提供的一种设备的硬件结构示意图。如图6所示,本实施例提供的设备60包括:处理器601以及存储器602;其中:
存储器602,用于存储计算机执行指令。
处理器601,用于执行存储器存储的计算机执行指令,以实现上述实施例中列车脱轨风险的监测方法的各个步骤。具体可以参见前述方法实施例中的相关描述。
可选地,存储器602既可以是独立的,也可以跟处理器601集成在一起。
当存储器602独立设置时,该设备还包括总线603,用于连接所述存储器602和处理器601。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上所描述的列车脱轨风险的监测方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例所述方法的部分步骤。
应理解,上述处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application Specific Integrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits,简称:ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (14)
1.一种列车脱轨风险的监测方法,其特征在于,所述列车包括第一传感器与第二传感器,所述第一传感器设置于所述列车的各个车轮上,所述第二传感器设置于所述列车的第一车轮上,所述第一传感器用于采集所述列车上各个车轮的车轮运动参数,所述第二传感器用于采集所述第一车轮的车轮抬升量,所述第一车轮的总数量小于所述列车的总车轮数量;所述方法包括:
获取所述第一车轮的车轮运动参数与车轮抬升量,以及第二车轮的车轮运动参数,所述第二车轮为所述列车上除所述第一车轮之外的其它车轮;
根据所述第一车轮的车轮运动参数与车轮抬升量,以及所述第二车轮的车轮运动参数,确定出所述第二车轮的车轮抬升量;
根据所述列车上各个车轮对应的车轮抬升量,预测各个车轮的脱轨风险。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一车轮的车轮运动参数与车轮抬升量,以及所述第二车轮的车轮运动参数,确定出所述第二车轮的车轮抬升量,包括:
根据所述第一车轮的车轮运动参数与车轮抬升量,确定车轮运动参数与车轮抬升量之间的对应关系;
根据所述第二车轮的车轮运动参数与所述对应关系,确定出所述第二车轮的车轮抬升量。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一车轮的车轮运动参数与车轮抬升量,确定车轮运动参数与车轮抬升量之间的对应关系,包括:
建立车轮抬升量估计模型,所述车轮抬升量估计模型的输入为车轮运动参数,输出为车轮抬升量;
利用所述第一车轮的车轮运动参数与车轮抬升量,对所述车轮抬升量估计模型进行训练,得到目标车轮抬升量估计模型,所述目标车轮抬升量估计模型中包括所述对应关系。
4.根据权利要求3所述的方法,其特征在于,所述车轮运动参数包括:
各个车轮对应的轮对的第一横向位移信息、各个车轮的垂向振动参数、各个车轮对应的转向架的第二横向位移信息及各个车轮的运行速度。
5.根据权利要求4所述的方法,其特征在于,所述利用所述第一车轮的车轮运动参数与车轮抬升量,对所述车轮抬升量估计模型进行训练,包括:
计算所述第一车轮对应的轮对的第一横向位移信息的第一正数移动均方根值、第一负数移动均方根值,与所述第一车轮对应的转向架的第二横向位移信息的第二正数移动均方根值、第二负数移动均方根值,以及所述第一车轮对应的垂向振动参数的移动均方根值;
利用所述第一正数移动均方根值、第一负数移动均方根值、所述第二正数移动均方根值、第二负数移动均方根值、所述移动均方根值,以及所述第一车轮的运行速度与车轮抬升量,对所述车轮抬升量估计模型进行训练。
6.一种列车脱轨风险的监测装置,其特征在于,所述列车包括第一传感器与第二传感器,所述第一传感器设置于所述列车的各个车轮上,所述第二传感器设置于所述列车的第一车轮上,所述第一传感器用于采集所述列车上各个车轮的车轮运动参数,所述第二传感器用于采集所述第一车轮的车轮抬升量,所述第一车轮的总数量小于所述列车的总车轮数量;所述装置包括:
获取模块,用于获取所述第一车轮的车轮运动参数与车轮抬升量,以及第二车轮的车轮运动参数,所述第二车轮为所述列车上除所述第一车轮之外的其它车轮;
确定模块,用于根据所述第一车轮的车轮运动参数与车轮抬升量,以及所述第二车轮的车轮运动参数,确定出所述第二车轮的车轮抬升量;
预测模块,用于根据所述列车上各个车轮对应的车轮抬升量,预测各个车轮的脱轨风险。
7.根据权利要求6所述的装置,其特征在于,所述确定模块包括:
第一确定模块,用于根据所述第一车轮的车轮运动参数与车轮抬升量,确定车轮运动参数与车轮抬升量之间的对应关系;
第二确定模块,用于根据所述第二车轮的车轮运动参数与所述对应关系,确定出所述第二车轮的车轮抬升量。
8.根据权利要求7所述的装置,其特征在于,所述第一确定模块包括:
模型建立模块,用于建立车轮抬升量估计模型,所述车轮抬升量估计模型的输入为车轮运动参数,输出为车轮抬升量;
模型训练模块,用于利用所述第一车轮的车轮运动参数与车轮抬升量,对所述车轮抬升量估计模型进行训练,得到目标车轮抬升量估计模型,所述目标车轮抬升量估计模型中包括所述对应关系。
9.根据权利要求8所述的装置,其特征在于,所述车轮运动参数包括:
各个车轮对应的轮对的第一横向位移信息、各个车轮的垂向振动参数、各个车轮对应的转向架的第二横向位移信息及各个车轮的运行速度。
10.根据权利要求9所述的装置,其特征在于,所述模型训练模块包括:
计算模块,用于计算所述第一车轮对应的轮对的第一横向位移信息的第一正数移动均方根值、第一负数移动均方根值,与所述第一车轮对应的转向架的第二横向位移信息的第二正数移动均方根值、第二负数移动均方根值,以及所述第一车轮对应的垂向振动参数的移动均方根值;
训练模块,用于利用所述第一正数移动均方根值、第一负数移动均方根值、所述第二正数移动均方根值、第二负数移动均方根值、所述移动均方根值,以及所述第一车轮的运行速度与车轮抬升量,对所述车轮抬升量估计模型进行训练。
11.一种列车脱轨风险的监测系统,其特征在于,包括数据采集单元、车载计算单元、通信单元及地面云计算单元;所述数据采集单元与所述车载计算单元连接,所述车载计算单元通过所述通信单元与所述地面云计算单元通信连接;
所述数据采集单元包括第一传感器与第二传感器,所述第一传感器设置于所述列车的各个车轮上,所述第二传感器设置于所述列车的第一车轮上,所述第一传感器用于采集所述列车上各个车轮的车轮运动参数,所述第二传感器用于采集所述第一车轮的车轮抬升量,所述第一车轮的总数量小于所述列车的总车轮数量;
所述车载计算单元用于根据所述第一车轮的车轮运动参数与车轮抬升量,以及第二车轮的车轮运动参数,确定出所述第二车轮的车轮抬升量,所述第二车轮为所述列车上除所述第一车轮之外的其它车轮;根据所述列车上各个车轮对应的车轮抬升量,预测各个车轮的脱轨风险;
所述通信单元用于将所述车载计算单元中的产生的预测数据发送至所述地面云计算单元;
所述地面云计算单元用于基于接收到的预测数据对所述列车各个车轮的脱轨风险进行监控。
12.根据权利要求11所述的系统,其特征在于,所述数据采集单元包括:
通路选择及信号调理模块、模数A/D转换模块、采集时钟生成模块、控制模块、实时以太网交换模块;所述通路选择及信号调理模块分别与所述A/D转换模块、所述控制模块相连接;所述A/D转换模块分别与所述采集时钟生成模块、所述控制模块相连接;所述采集时钟生成模块与所述控制模块相连接;所述控制模块与所述实时以太网交换模块相连接;
其中,所述通路选择及信号调理模块用于对所述数据采集单元采集的信号进行预处理,所述控制模块用于进行信号采集控制、数据存储控制、时钟同步控制及通路选择控制,所述实时以太网交换模块用于实现所述控制模块与所述车载计算单元之间的数据交换。
13.一种设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至5任一项所述的列车脱轨风险的监测方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至5任一项所述的列车脱轨风险的监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910974611.9A CN112722003B (zh) | 2019-10-14 | 2019-10-14 | 列车脱轨风险的监测方法与设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910974611.9A CN112722003B (zh) | 2019-10-14 | 2019-10-14 | 列车脱轨风险的监测方法与设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112722003A true CN112722003A (zh) | 2021-04-30 |
CN112722003B CN112722003B (zh) | 2022-12-13 |
Family
ID=75588606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910974611.9A Active CN112722003B (zh) | 2019-10-14 | 2019-10-14 | 列车脱轨风险的监测方法与设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112722003B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114996982A (zh) * | 2022-08-08 | 2022-09-02 | 西南交通大学 | 一种基于云计算的列车轨道模型的实时仿真系统及方法 |
CN116654050A (zh) * | 2023-08-02 | 2023-08-29 | 成都西交轨道交通技术服务有限公司 | 一种打磨小车走行和作业在轨状态监测装置及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1422119A1 (de) * | 2002-11-20 | 2004-05-26 | Siemens SGP Verkehrstechnik | Induktiver Entgleisungsdetektor |
CN101274636A (zh) * | 2007-03-26 | 2008-10-01 | 林贵生 | 车载式轨道交通车辆运行状态智能监控和预警装置 |
CN101376394A (zh) * | 2007-08-30 | 2009-03-04 | 北京佳讯飞鸿电气股份有限公司 | 基于钢轨形变/应力参数的车辆脱轨预警方法 |
CN102837709A (zh) * | 2012-08-30 | 2012-12-26 | 北京交通大学 | 用于重载铁路空车车辆脱轨预警系统上的检测装置 |
CN104802826A (zh) * | 2014-01-27 | 2015-07-29 | Ls产电株式会社 | 用于估计轨道车辆的横向力的装置 |
CN105480250A (zh) * | 2015-12-30 | 2016-04-13 | 中车长江车辆有限公司 | 基于承载鞍定位检测的防脱轨转向架及脱轨检测方法 |
CN205344913U (zh) * | 2015-12-30 | 2016-06-29 | 中车长江车辆有限公司 | 基于侧架定位的脱轨检测装置 |
EP3257719A1 (de) * | 2016-06-15 | 2017-12-20 | AIT Austrian Institute of Technology GmbH | Verfahren zur detektion der entgleisung eines schienenfahrzeugs |
CN109214569A (zh) * | 2018-09-03 | 2019-01-15 | 中南大学 | 适用于快速货运列车的货物装载优化方法及系统 |
-
2019
- 2019-10-14 CN CN201910974611.9A patent/CN112722003B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1422119A1 (de) * | 2002-11-20 | 2004-05-26 | Siemens SGP Verkehrstechnik | Induktiver Entgleisungsdetektor |
CN101274636A (zh) * | 2007-03-26 | 2008-10-01 | 林贵生 | 车载式轨道交通车辆运行状态智能监控和预警装置 |
CN101376394A (zh) * | 2007-08-30 | 2009-03-04 | 北京佳讯飞鸿电气股份有限公司 | 基于钢轨形变/应力参数的车辆脱轨预警方法 |
CN102837709A (zh) * | 2012-08-30 | 2012-12-26 | 北京交通大学 | 用于重载铁路空车车辆脱轨预警系统上的检测装置 |
CN104802826A (zh) * | 2014-01-27 | 2015-07-29 | Ls产电株式会社 | 用于估计轨道车辆的横向力的装置 |
CN105480250A (zh) * | 2015-12-30 | 2016-04-13 | 中车长江车辆有限公司 | 基于承载鞍定位检测的防脱轨转向架及脱轨检测方法 |
CN205344913U (zh) * | 2015-12-30 | 2016-06-29 | 中车长江车辆有限公司 | 基于侧架定位的脱轨检测装置 |
EP3257719A1 (de) * | 2016-06-15 | 2017-12-20 | AIT Austrian Institute of Technology GmbH | Verfahren zur detektion der entgleisung eines schienenfahrzeugs |
CN109214569A (zh) * | 2018-09-03 | 2019-01-15 | 中南大学 | 适用于快速货运列车的货物装载优化方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114996982A (zh) * | 2022-08-08 | 2022-09-02 | 西南交通大学 | 一种基于云计算的列车轨道模型的实时仿真系统及方法 |
CN114996982B (zh) * | 2022-08-08 | 2022-10-25 | 西南交通大学 | 一种基于云计算的列车轨道模型的实时仿真系统及方法 |
CN116654050A (zh) * | 2023-08-02 | 2023-08-29 | 成都西交轨道交通技术服务有限公司 | 一种打磨小车走行和作业在轨状态监测装置及方法 |
CN116654050B (zh) * | 2023-08-02 | 2023-10-13 | 成都西交轨道交通技术服务有限公司 | 一种打磨小车走行和作业在轨状态监测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112722003B (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6889057B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
RU2384446C2 (ru) | Способ для определения и учета нагрузок бокового ветра для находящегося в движении рельсового транспортного средства и соответственно выполненный последний вагон рельсового транспортного средства | |
JP6889059B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
EP3783356A1 (en) | Train component crack damage monitoring method and system | |
CN105139086B (zh) | 基于优化置信规则推理的轨道高低不平顺幅值估计方法 | |
CN112722003B (zh) | 列车脱轨风险的监测方法与设备 | |
CN109443264B (zh) | 一种轨道车辆轮饼参数在线测量装置及方法 | |
CN105923014B (zh) | 一种基于证据推理规则的轨道高低不平顺幅值估计方法 | |
CN110606105B (zh) | 一种无人驾驶地铁车辆走行部安全监测系统 | |
CN112660094B (zh) | 列车制动系统的状态检测方法及装置 | |
JP5139163B2 (ja) | 移動体の異常検出方法 | |
CN107107927A (zh) | 铁道车辆状态监视装置 | |
JP2023078964A (ja) | 状態監視装置及び状態監視方法 | |
CN111444574B (zh) | 基于动力学分析的传感器布局优化方法 | |
Muñoz et al. | Estimation of lateral track irregularity using a Kalman filter. Experimental validation | |
RU133082U1 (ru) | Устройство идентификации подвижных единиц железнодорожного транспорта | |
KR20130007718A (ko) | 철도차량의 주행 안정성 분석 시스템 | |
Chellaswamy et al. | Optimized vehicle acceleration measurement for rail track condition monitoring | |
CN107042833B (zh) | 用于优化铁路车辆的乘客舒适性的方法 | |
CN116186877A (zh) | 用于识别交通工具的特性的方法和装置 | |
CN115130728A (zh) | 列车车轮直径校准时间预测方法及装置 | |
Wang et al. | Forecasting urban rail transit vehicle interior noise and its applications in railway alignment design | |
Mal et al. | Modern condition monitoring systems for railway wheel-set dynamics: Performance analysis and limitations of existing techniques | |
CN113804239A (zh) | 一种运营车车载式轨道检测系统 | |
Kollment et al. | Towards condition monitoring of railway points: Instrumentation, measurement and signal processing |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |