ES2237609T3 - Procedimiento y dispositivo para la supervision del comportamiento de la marcha de vehiculos sobre carriles y para el diagnostico de fallas en componentes de vehiculos sobre carriles. - Google Patents

Abstract

Procedimiento para la supervisión del comportamiento de la marcha de vehículos sobre carriles y para el diagnóstico de fallas en componentes de vehículos sobre carriles, donde después de una fase inicial, exclusivamente de aprendizaje sin supervisión, se registra por lo menos uno de los datos de medición característicos de los comportamientos de aceleración de como mínimo un componente del vehículo y el dato de medición registrado de esta manera se compara con un dato de medición factible, caracterizado porque por lo menos uno de los datos de medición registrados durante el uso operativo del vehículo sobre carriles (10) será utilizado simultáneamente para la comparación de supervisión actual, así como también en el proceso de aprendizaje acumulativo y sin supervisión, para la determinación de un espacio multidimensional (60) tendido mediante el registro de vectores de características (58) a través de datos de medición, para ser utilizado posteriormente en nuevas comparaciones.

Description

Procedimiento y dispositivo para la supervisión del comportamiento de la marcha de vehículos sobre carriles y para el diagnóstico de fallas en componentes de vehículos sobre carriles.

La invención se refiere a un procedimiento así como a un dispositivo para el control del comportamiento de la marcha de vehículos sobre carriles y para el diagnóstico de fallas en componentes de vehículos sobre carriles, donde después de una fase inicial, exclusivamente de aprendizaje sin supervisión, se registra por lo menos uno de los datos de medición característicos de los comportamientos de aceleración de como mínimo un componente del vehículo y el dato de medición registrado de esta manera se compara con un dato de medición factible.

El procedimiento y dispositivo del tipo específico son conocidos. De esta manera se conoce que, por ejemplo, diferentes componentes de un vehículo sobre carriles, por ejemplo, conjunto de ruedas, chasis, caja de vehículo o similares, son equipados con sensores de aceleramiento, mediante los cuales se puede registrar el comportamiento de aceleración individual de los componentes del vehículo. En el empleo reglamentario de vehículos sobre carriles se presentan, como es sabido, impulsos de oscilaciones por el contacto de la rueda con el riel que pueden ser registradas por los sensores de aceleración. Irregularidades como, por ejemplo, zonas deterioradas en ruedas o en el sistema de amortiguación, llevan a un cambio en el comportamiento de aceleración de los componentes del vehículo. Este cambio en el comportamiento de aceleración se puede detectar mediante los sensores de aceleración. Las señales de medición que proveen los sensores de aceleración pueden ser analizadas en el alcance del tiempo, la estadística y/o de la frecuencia. Para detectar un caso de falla por daño o error, es usual almacenar previamente las características desarrolladas previamente a partir de las señales de aceleración de casos de fallas por daño o error y comparar las mismas con los valores actuales de las características. Si los valores actuales de las características difieren con los valores esperados de las mismas y/o coinciden con los casos de falla por daño o error específicos, registrados anteriormente y relacionados con las características, se puede reconocer la existencia de una falla, o bien un error.

Con estos procedimientos y dispositivos conocidos se demostró que para realizar una supervisión general o bien un diagnóstico de por lo menos uno de los componentes de un vehículo sobre carriles se necesitan varias características por cada una de las señales sensoriales. Desventajoso en este conocido procedimiento es que, con frecuencia, las diferentes características son utilizadas en forma independiente de otras. En el caso de que varias características sean vinculadas para solucionar la tarea de supervisión o diagnóstico, esto sucede por lo general sobre la base de la experiencia del desarrollo "manual", a partir de la predeterminación de las reglas de vinculación, y no automáticamente, porque la relación funcional entre las características no existe o no se puede distinguir con dispendio justificable. Además, con los procedimientos llevados a cabo hasta ahora con varias características por lo general no es posible poner en práctica los así llamados "one-class classifier" para facilitar, de esta manera, por ejemplo, un aprendizaje del estado bueno con varias características.

De la DE 198 55 145 A 1 se conoce un procedimiento y un dispositivo para el constante control de elementos con capacidades vibratorias o conjuntos de cualquier tipo respecto de la aparición de modificaciones. Esta patente enseña el registro de señales de oscilaciones iguales o, por lo menos, del mismo género en diferentes elementos de construcción pertenecientes a un mismo conjunto, la determinación de diferencias entre las señales de oscilación registradas, así como la clasificación y la evaluación de estas diferencias a partir de la imitación de las capacidades del aparato auditivo humano. A partir de esta evaluación se deberá llegar a conclusiones sobre determinadas diferencias. Las señales de medición registradas serán evaluadas teniendo en cuenta una característica determinada o una combinación de características, por ejemplo, en el ámbito de la frecuencia.

En un procedimiento de este tipo, para la detección de un caso de daño, o bien, falla, las características determinantes para asignarse a estos casos deberán ser desarrolladas con anterioridad y almacenadas de tal manera que sea posible realizar una comparación próxima de los valores de medición actuales con los datos predeterminados o bien las vinculaciones posibles. Es fundamental para este tipo de sistema la cantidad y la calidad de las características determinadas definidas con anterioridad. Siempre subsiste el riesgo de que en el período de desarrollo del sistema algunas características no sean reconocidas y que, por lo tanto, no se alcance un estado de supervisión total.

Este documento menciona además la posibilidad de establecer las condiciones de vinculación a partir de métodos de la Inteligencia Artificial o bien, mediante redes neuronales. La problemática básica del punto de partida, mencionada con anterioridad, no se elimina de esta manera. En particular, con redes neuronales no se puede realizar un proceso de aprendizaje constante que, en cualquier momento, construye sobre el conocimiento acumulado hasta ese momento.

En el documento DE 199 11 848 se propone, con respecto a la supervisión de los datos relevantes para el procedimiento, medir y registrar señales aisladas durante el funcionamiento de vehículos sobre carriles, luego ponderarlas y vincular estos datos ponderados para integrar una información general ponderada. Las señales de medición de un grupo definido de sensores son evaluadas individualmente y, son reunidas en grupos jerarquizados de acuerdo con una regla que comprende una ponderación. Este documento orienta sobre la realización de una agrupación de las señales sensoriales orientadas a los vehículos, que por último será añadida al resultado total aplicable al tren completo. En relación con este punto de partida de construir el sistema descentralizado de computadoras complementarias y una computadora central, se debe garantizar la posibilidad de combinar cualesquiera combinaciones de compuestos de tracción de los más diferentes tipos de construcción de vehículos. Por esta razón, el documento DE 199 11 848 también describe muy detalladamente como la instancia central de la computadora se comunica con las instancias descentralizadas de las computadoras complementarias, instaladas sobre los diferentes vehículos de un conjunto de tracción y como, por ejemplo, se debe resolver el problema de la actualización del software dentro del sistema, pero sin entrar en detalles sobre el funcionamiento de las computadoras complementarias.

El documento DE 199 11 848 formula en sí misma también el objetivo planteado de poner a disposición un sistema que aprende por sí sólo, que pueda "adoptar cambios constantes en el sistema sin intervención externa". Para este propósito, el concepto revelado de "Master-Slave" traslada así el "componente de aprendizaje" a la computadora que incluye la tracción completa. El proceso de aprendizaje debe consistir en que el calculador central modifique parámetros y rutinas específicas en las computadoras complementarias mediante un procedimiento de "trial and error" cuando los resultados no son lo "suficientemente detallados". Sin embargo, el documento DE 199 11 848 no indica al especialista las vinculaciones lógicas necesarias para llevar a cabo una aplicación y tampoco se dan a conocer definiciones básicas con relación a los parámetros y las rutinas necesarios. Al especialista parece evidente que este tipo de procedimiento de "trial and error" sólo se puede aplicar en el marco de marchas de prueba, en los que los componentes instalados en los vehículos de prueba son especialmente "dañados" al efecto. A pesar de esto, que tampoco define concretamente lo que es un resultado "insuficientemente detallado", este aspecto señala en la concepción explícita en el documento DE 199 11 848 que el sistema necesita de resultados de este tipo, que caracterizan casos de fallas por error o daño para la evaluación. El concepto aquí revelado requiere el aprendizaje de un "estado deficiente" a partir de marchas de prueba, que luego será utilizado durante el proceso de supervisión como objeto de
comparación.

Del mismo modo las explicaciones de los capítulos 20 o bien, 21 del documento DE 199 11 848 sugieren que el concepto evidente de "Master-Slave" no se refiere solamente a un intercambio de datos de resultados de diagnósticos con vehículos autárquicos con una instancia central de evaluación, o bien, valoración. La computadora central ("Master") también tiene que tener conocimiento de los parámetros y rutinas instalados en las computadoras complementarios descentralizados de los vehículos. De esta manera, se necesita una instancia de cálculo de gran rendimiento sobre el nivel de tracción y que esté vinculada específicamente al sistema de diagnóstico, lo que no resulta sencillo en la conversión práctica del funcionamiento cotidiano.

El documento EP 758 740 da a conocer un método o bien, un dispositivo para la supervisión de oscilaciones, en el cual se determinan datos estadísticamente estables, partiendo del transcurso inicial de la fase de aprendizaje de un "estado bueno", que después convergen en un algoritmo generado por la fase de aprendizaje como resultado del sistema revelado. Después de atravesar una fase de aprendizaje lo suficientemente larga, se efectúa una conmutación a un proceso de supervisión que emplea ese algoritmo (ver, por ejemplo, el anuncio de LED "learning completed" en el ejemplo de ejecución de EP 758 740). En un sistema de este tipo se valora como desventajoso que en la fase de supervisión, no se pueden tener en cuenta eventuales procesos de transformación subyacentes, que no afectan al estado bueno, y pueden generar un índice de falsa alarma más elevado. También se demostró como desventajoso que la fase de aprendizaje necesita una selección minuciosa y amplia de estados buenos atravesados para obtener una confiabilidad al menos relativamente satisfactoria.

En general, se conocen las así llamadas máquinas de Support-Vector, mediante las cuales se lleva a cabo de manera eficiente un aprendizaje incremental y supervisado en un espacio de alta dimensionalidad. Además, estas máquinas son aptas para los así llamados "one-class-classification". También se conocen los así llamados "sammon's mapping" y/o SOM (self organizing map), mediante los cuales se pueden graficar espacios de datos multidimensionales en un plano bidimensional.

A esta invención le corresponde la tarea de crear un procedimiento y un dispositivo del tipo específico, mediante los cuales se lleva a cabo de manera sencilla la supervisión el comportamiento de la marcha y el diagnóstico de vehículos sobre carriles. Se procura lograr una supervisión lo más amplia posible de los potenciales estadios relevantes en función de las fallas de los componentes de los vehículos, en la cual el riesgo de características del estado no reconocidas en el estadio del diseño del sistema o bien, en el ensayo del sistema se minimiza considerablemente. Con relación a esto, el sistema de supervisión debería tener la posibilidad en un modo de autoaprendizaje de acceder a un conocimiento acumulable de modo continuo.

Según la invención, esta tarea se cumple mediante un procedimiento de acuerdo con las características expuestas en la reivindicación 1. Por lo menos uno de los datos de medición registrados durante el uso operativo del vehículo sobre carriles (10) es utilizado simultáneamente para la comparación actual de supervisión, así como también es utilizado en un proceso de aprendizaje acumulativo y sin supervisión para la determinación de un espacio multidimensional (60), desplegado por datos de medición comprendidos en vectores de características (58), para las comparaciones que se llevarán a cabo posteriormente, es posible ventajosamente poder definir criterios de supervisión relevantes para características específicas y significativas sin simulaciones de error y/o daño, en forma automatizada sobre la base de por lo menos una señal de aceleración registrada con anterioridad (o bien de los datos de medición). Especialmente, se puede así reconocer con seguridad la aparición de errores y/o daños imprevistos y previamente antes no clasificados. Por último, también resulta ventajoso que, a partir del aprendizaje acumulativo y sin supervisión, especialmente del comportamiento de aceleración actual de por lo menos una de las componentes del vehículo, se asegura la capacidad de adaptación automática durante la aplicación reglamentaria del vehículo sobre carriles. Cuanto mayor es el tiempo de uso del vehículo sobre carriles, tanto más exacta finalmente será la supervisión del comportamiento de marcha, de modo que globalmente pueda garantizarse a través del procedimiento según la invención, un índice mínimo de falsa alarma y con ello una alta confiabilidad del procedimiento de supervisión/ diagnóstico.

En el sentido de la invención se entiende por "aprendizaje acumulativo y sin supervisión" un proceso de aprendizaje que parte de un estado bueno bajo la utilización de datos de medición actuales, especialmente provenientes durante la marcha reglamentaria.

De acuerdo con la invención, la tarea es resuelta además a través de un dispositivo con las características mencionadas en la reivindicación 24. Dado que se prevén medios para registrar por lo menos uno de los comportamientos de aceleración de uno de los datos de medición característicos de por lo menos uno de los componentes del vehículo, que, simultáneamente, se utiliza para comparar el dato de medición obtenido de esta manera con un dato de medición factible, así como también se utiliza para el aprendizaje acumulativo y sin supervisón de los datos de medición esperados utilizando como base los datos de medición actualmente registrados, aplicando un procedimiento conforme la invención en forma sencilla se puede poner a disposición un dispositivo, mediante el cual es posible supervisar, de manera muy exacta y segura, los comportamientos de aceleración de los vehículos sobre carriles. Particularmente, puede haberse previsto en la forma de realización preferida que el dispositivo acorde a la invención esté asignado a cada uno de los vehículos sobre carriles de un conjunto de tracción o, preferentemente, que en un conjunto de tracción existente de varios vehículos sobre carriles sea asignado a un vehículo sobre carriles del conjunto de tracción. De esta manera se puede llevar a cabo de manera simple, la supervisión simultánea de varios vehículos sobre
carriles.

La invención posibilita especialmente un mantenimiento de acuerdo al estado de los vehículos sobre carriles. El procedimiento de supervisión especialmente se puede integrar de modo sencillo en un diagnóstico "onboard" del vehículo sobre carriles.

Otras formas de realización preferidas de la invención resultan de las características mencionadas en las subreivindicaciones.

La invención será ejemplificada a continuación en los ejemplos presentados a partir de los dibujos adjuntos.

Figura 1 una vista esquemática de planta sobre un vehículo sobre carriles

Figura 2 un diagrama de conmutación en bloque del procedimiento de acuerdo con la invención para la supervisión del comportamiento del vehículo sobre carriles y

Figura 3 un diagrama de conmutación en bloque del procedimiento en otra variante.

La figura 1 muestra una vista de planta sobre un vehículo sobre carriles 10. En el vehículo sobre carriles 10 que se expone en este caso se trata, por ejemplo, de un vagón central de un tren de alta velocidad. La invención se ejemplifica únicamente a partir de este vagón central. Por supuesto que esta invención se puede trasladar sin inconvenientes a cualquier otro tipo de vehículos sobre carriles, por ejemplo, vehículos propulsores, vagones de mando, vagones de carga o similares.

El vehículo sobre carriles 10 comprende una caja de vehículo 12, que reposa sobre dos bogies portadores 14 y 16. Los bogies portadores 14 y 16 comprenden en cada caso los conjuntos de ruedas 18, 20, 22 y 24. En general, la disposición general de este tipo de vehículos sobre carriles 10, especialmente el acoplamiento de la caja de vehículo 12 a los bogies portadores 14 y 16, o bien, el apoyo del conjunto de ruedas 18, 20, 22 y 24 en los bogies portadores 14 y 16 sobre sistemas de suspensión y amortiguación primarios, o bien, secundarios, es de conocimiento general, por lo tanto no se puntualizará más detalladamente en esta descripción acerca de los componentes individuales.

Los conjuntos de ruedas 18, 20, 22 y 24 se disponen en los marcos del bogie 26 y 28. Los conjuntos de ruedas 18, 20, 22 y 24 comprenden las ruedas 30, que se apoyan en cojinetes de ruedas 32 aquí esbozados.

Durante el uso del vehículo sobre carriles 10 los conjuntos de ruedas 18, 20, 22 y 24 ruedan sobre una vía de avance. De acuerdo con la velocidad y el estado de la vía, el vehículo sobre carriles es sometido a un estímulo de oscilaciones. Este estímulo de oscilaciones lleva a un comportamiento de oscilaciones de cada una de los componentes del vehículo sobre carriles 10. De acuerdo al estímulo de oscilación, que depende de la velocidad V del vehículo sobre carriles 10 y/o del estado de la vía, los componentes del vehículo sobre carriles 10 experimentan una aceleración en las tres direcciones del espacio, es decir, en dirección x (sentido de marcha), en dirección z (vertical al sentido de marcha) y en dirección y (transversal al sentido de marcha).

Durante el uso del vehículo sobre carriles 10 se pueden presentar daños y/o errores en los componentes individuales del vehículo sobre carriles 10, que influyen en el comportamiento de oscilación de cada uno de los componentes. En el marco de la descripción presente se quiere hacer referencia, por ejemplo, a errores, o bien, daños que puedan presentarse en las ruedas 30, por ejemplo, como una sección planta, una conformación poligonal de diferente ordenamiento, la formación de estrías en una superficie de rodamiento de ruedas, la formación de muescas y/o formación de fisuras en el cuerpo de la rueda o similares. De acuerdo con la real existencia de errores y/o daños, el comportamiento de oscilación de los componentes individuales del vehículo sobre carriles 10 será influenciado, de tal manera que también influirá en la aceleración en las tres direcciones del espacio.

El objeto de la invención es el registro y la evaluación de las aceleraciones que actúan sobre los cojinetes de los conjuntos de ruedas (carcasas de cojinetes) 32, en particular en el sentido de marcha (dirección x), para el reconocimiento de daños en los conjuntos de ruedas 18, 20, 22, o bien, 24.

Para esto, a los cojinetes de los conjuntos de ruedas (carcasas de cojinete) 32 están asignados en cada caso los receptores de oscilaciones, esbozados en el esquema, 34, 36, 40, 42, 44, 46, 48 y 50. Los receptores de oscilaciones 34, 36, 40, 42, 44, 46, 48 y 50, por ejemplo, están conformados por sensores de aceleración, que detectan una aceleración que actúa sobre las carcasas de los cojinetes de los conjuntos de ruedas en dirección x, y en dirección opuesta. Queda de manifiesto que a cada carcasa de cojinete del conjunto de ruedas del vehículo sobre carriles 10 acá representado, se asignó un receptor de oscilaciones (sensor de aceleración) 34, 36, 40, 42, 44, 46, 48, 50, de modo que en total -de acuerdo con este ejemplo- están a disposición ocho señales de aceleración para la evaluación.

Las magnitudes características de una señal de aceleración se denominan en adelante característica. En este caso, por ejemplo, -de acuerdo con la figura 2- podemos observar como una característica A correspondiente a un "factor pico" de la señal de aceleración, una característica B correspondiente a un valor de "kurtosis" de la señal de aceleración, una característica C correspondiente a la amplitud del segundo valor armónico de las revoluciones de ruedas, una característica D correspondiente a la amplitud del tercer valor armónico de las revoluciones de ruedas, una característica E correspondiente a la amplitud del cuarto valor armónico de las revoluciones de ruedas y una característica F correspondiente a la diferencia entre la energía total y la energía de banda ancha por debajo de una curva envolvente específica, calcula, o bien, mide la señal de aceleración en un espectro de frecuencia.

Las características A, B, C, D, E y F, mencionadas aquí a título de ejemplo, se pueden calcular, o bien, medir con procedimientos conocidos a partir de las señales de aceleración reales producidas para cualquiera de las tres direcciones de espacio -donde, en este caso, se parte del registro de la señal de aceleración en dirección x (sentido de marcha)-. No se entrará en detalles en esta descripción acerca del cálculo de las características A, B, C, D, E y F. Otras características se pueden obtener, por ejemplo, a partir del análisis Ceptrum o Wavelet.

Las características A, B, C, D, E, F se pueden calcular para cualquier señal de aceleramiento dentro de un período de tiempo determinado. Este período de tiempo, por ejemplo, puede ser de entre 10 y 30 segundos. Una ventana de tiempo con un grado de superposición de 50 a 90% es recomendable para que la exactitud de la evaluación sea maximizada por la interferencia de los ciclos de medición.

A partir de las características A, B, C, D, E, F de una señal de aceleración, es decir, que de una señal de aceleración proporcionada por un receptor de aceleración 34, 36, 40, 42, 46, 48 o 50 y la velocidad V actual del vehículo sobre carriles 10, se construye un vector de características 52 de siete dimensiones. Este vector de características 52 de siete dimensiones contiene de esta manera el valor numérico de cada una de las características A, B, C, D, E, F observadas y de la velocidad V.

Luego, las características A, B, C, D, E, F y la velocidad V son llevadas a una normalización 54, donde las características A, B, C, D, E, F y la velocidad V son colocados en escala, por ejemplo, entre los valores 0 a 1, así como en una distribución más favorable. La escalización resulta, por ejemplo, en este caso, mediante una función exponencial o con una función logarítmica o con procedimientos estadísticos conocidos. Posible es, por ejemplo, una escalización de intervalos, una normalización de una variante, una equiparación de histograma o similares.

A cada una de las características A, B, C, D, E, F y la velocidad V se les asigna después de la normalización, un valor escalado N, B', C', D', E', F', o bien, V'. Este conjunto de valores 56 puede ser sometido a una ponderación 57 en la creación del vector de características 58, de acuerdo al significado de los valores individuales normalizados A', B', C', D', E', F' y/o V'. Esto significa que los valores individuales A', B', C', D', E', F', y/o V', después de su primera variante de realización ingresan, en general, al vector de características con diferentes grados de
importancia.

El vector de características 58 representa un criterio ponderado para la señal de aceleración en dirección x proporcionada por un receptor de aceleración 34, 36, 40, 42, 44, 46, 48, 50. Todas las características A, B, C, D, E, F y la velocidad V momentánea que se utilizaron para caracterizar la señal de aceleración son respetadas en el vector de características 58 ahora disponible.

Con la ayuda de procedimientos de aprendizaje estadísticos, por ejemplo de una así llamada SVM (máquina de Support-Vector) 59, se calculan de los datos de aprendizaje (vectores de características 58) una cierta cantidad de vectores de puntos de apoyo multidimensionales (Support-vectors 64). De acuerdo al valor del vector de características 58 se provee correspondientemente un punto de coordenadas 58' en un espacio multidimensional 60. Estos vectores de puntos de apoyo pueden ser visualizados con la ayuda de sammon's mapping o SOM (self organizing map) 65 en un plano bidimensional 60'.

Por el traslado del vector de características 58 al punto de coordenada 58' se le puede asignar así a cada señal de aceleración un punto específico dentro del espacio multidimensional 60.

Mediante el procesamiento reiterado del algoritmo representado en la figura 2, aclarado en el diagrama de conmutación en bloque, se puede adjudicar un punto de coordenada 58' específico en un espacio determinado del espacio multidimensional 60 a cada una de las aceleraciones que se presentan en cada uno de los cojinetes de ruedas 32. Suponiendo que las características A, B, C, D, E, F y la velocidad V se definen bajo las mismas condiciones, entonces el punto de coordenada 58' debería adoptar siempre la misma posición en el espacio multidimensional 60. Las características A, B, C, D, E, F discrepantes llevan en caso de una velocidad V idéntica a través de la normalización 54 a discrepantes valores numéricos 56 y así a un vector de características 58 diferente. Una discrepancia del vector de características 58, lleva a una modificación de la posición del punto de coordenada 58' en el espacio multidimensional 60. Se desprende que, así mediante la simple comparación de la ubicación del punto 58' en el espacio multidimensional 60, se pueden registrar cambios en el comportamiento de oscilaciones a partir de cambios en los valores de aceleración.

Durante la fase de aprendizaje se pueden evaluar correspondientemente, de esta manera, todas las aceleraciones que se presentan en los cojinetes de los conjuntos de ruedas 32 en diferentes velocidades y en diferentes condiciones de recorridos (por ejemplo, marcha por desvíos, marcha en curva, marcha en rampa o similares) para obtener como resultado un área de supervisión, designada con 62, (tendido por vectores de apoyo 64) en el espacio multidimensional 60 de la figura 2, dentro del cual se ubican los puntos de coordenadas 58' en todas las situaciones de marchas regulares. Cuánto más larga es la fase de aprendizaje, más exactamente se podrá definir el espacio de supervisión 62.

El alcance de la fase de aprendizaje resulta, por ejemplo, de la consideración de todos los estados de funcionamiento que aparecen durante la marcha reglamentaria 86. Se manifiesta que la exactitud de la determinación del sector de supervisión 62 aumenta con el estudio continuo y repetido. Es factible que después de una fase exclusiva de aprendizaje, la función de supervisión y aprendizaje se activarán simultáneamente, siendo que a creciente rendimiento de marcha, decaiga la intensidad del aprendizaje. La fase de aprendizaje también se puede acortar, por ejemplo, en vehículos sobre carriles 10 de construcción similar, utilizando el sector de supervisión 62 registrado de un vehículo sobre carriles 10 que ya se encuentra en funcionamiento acorde a las normas, como información de base ya aprendida en otro vehículo sobre carriles 10.

En discrepancia con las explicaciones anteriormente expuestas, en otras variante de realización puede estar previsto que los datos de aprendizaje (vector de características 58) adjudicados a la máquina de Support-vector 59 asimismo ya estén definidas de antemano con un procedimiento de máquina de Support-vector. En este caso se realiza una primera selección de características (paso 80 en la figura 3) basada en el conocimiento (conocimientos de ingeniería).

En este caso se puede adjudicar una cantidad de características lo suficientemente amplia para cada señal de aceleración en el cojinete del conjunto de ruedas.

En una selección de características 82 posterior, con un procedimiento basado en la máquina del Support-vector se seleccionan automáticamente en primera instancia, por ejemplo, veinte o menos características respetando los datos de medición de simulación de daños 78 y marchas de referencia 76, suficientes para formular el diagnóstico del conjunto de ruedas. Aunque mediante estas características seleccionadas se describe sólo una parte del sistema real, se demostró asimismo que las características seleccionadas, mediante una transformación con la máquina del Support-vector, son suficientes para la detección de daños predefinidos en el sistema. Se demostró que, ya con unas pocas características seleccionadas elaboradas mediante la máquina del Support-vector, el índice de reconocimiento de errores del sistema aumenta en forma considerable. Mientras que el índice de reconocimiento de errores aún se ubica en el 80% cuando se trata de dos características, con seis características ya se alcanzan índices de reconocimiento de errores de más del 96%. Estas permiten un reconocimiento de errores casi completa, donde la cantidad de características se ajusta al índice de reconocimiento de errores exigido. Las características previamente elegidas y luego seleccionadas brindan la base suficiente para el diagnóstico del conjunto de ruedas.

Para la siguiente elaboración (fase de aprendizaje) con la máquina del Support-vector 59 -como se explica con la figura 2- se calculan las características seleccionadas a partir de las señales de aceleración reales y se trabajan de acuerdo con las formas de procedimiento ya explicadas.

En esta manera de proceder se reduce la dimensión del vector de características multidimensional 52, ya que las características insignificantes y/o redundantes no se tienen en cuenta. Se hace innecesaria la ponderación 57.

La exactitud y la efectividad del procedimiento mejora considerablemente a través de esto.

La figura 3 muestra nuevamente en un diagrama de conmutación en bloque el esquema completo del desenvolvimiento de un diagnóstico basado en una máquina Support-vector.

Primero se manifiesta que el resultado final se estructura con la fase 70 como fase de consolidación de las características, la fase 72 como fase de aprendizaje y la fase 74 como fase de supervisión. Durante la fase 70 sucede primero la primera selección de características 80, que lleva a una cantidad de características x por cada señal. Para esto se recurre a los conocimiento de ingeniería. Esto también se refiere a la ubicación conveniente de los sensores.

Las características x ahora elegidas son sometidas a una selección de características 82, durante la cual de las características x previamente elegidas se selecciona una cantidad de características x' mucho más reducida que la de características x, considerando datos de mediciones de simulación de daños 78 y de marchas de referencia 76. Se elimina toda redundancia de las características x.

Estas características x' seleccionadas son llevadas a un cálculo de características 84 durante la fase de aprendizaje 72. La fase de aprendizaje 72 sucede durante una marcha reglamentaria 86 del vehículo sobre carriles. Las características x' calculadas de las señales de aceleración durante la marcha reglamentaria 86 son utilizados para la generación de vectores "Support" (support-vectors) de una parametrización automática 88. Para esto se utilizan como parámetros de ajuste, por ejemplo, un índice de formación de muescas permitida en la marcha reglamentaria, por ejemplo, ocasionada por zonas de interferencia, así como la duración del tiempo y/o longitud del tramo de la fase de aprendizaje 72.

El resultado de la máquina de Support-vector (la emisión de un clasificador h(x)) se conduce hacia una parametrización manual 90 para definir los valores límites del clasificador.

En la fase de supervisión 74 siguiente, en la que sucede la supervisión verdadera de los componentes supervisados (acá, por ejemplo, la rueda) de la marcha reglamentaria 86, se realiza nuevamente el cálculo de las características 84 de las características x' seleccionadas en la selección de características 82. Estas se conducen hacia la máquina de Support-vector 59 (clasificador), que hace de los Support-vector determinados durante la fase de aprendizaje 72. Los resultados (indicación del clasificador h(x)) de la máquina de Support-vector 59 se conducen hacia en editor de lógica 92, que toma la decisión 94, si la señal de alarma debe ser generada Ga) o no (no).

Las explicaciones anteriores se referían al algoritmo y la fase de aprendizaje de uno de los receptores de aceleración esbozados en la figura 1. Mediante un correspondiente funcionamiento múltiplex, por ejemplo, podrían efectuarse los espacios de supervisión 62 en forma casi simultáneamente todos los receptores de aceleración 34, 36, 40, 42, 44, 46, 48, o bien, 50 señalados en la figura 1. De acuerdo con la cantidad de ocho receptores de aceleración aquí seleccionados, surge así un área de supervisión 62 al cabo de la fase de aprendizaje, dentro del cual se encuentran todos los puntos de coordenadas 58' correspondientes a los vectores 58 correspondientes a las señales de aceleración. Este área de supervisión 62 representa de esta manera un área de supervisión sujeta a los vehículos sobre carriles.

A la fase neta de aprendizaje del sistema se acopla la fase de supervisión, que está cubierta por una fase de "aprendizaje ulterior". Durante esta fase de supervisión se realiza el reconocimiento de errores y/o daños. Esta supervisión se lleva a cabo de tal manera que las posiciones de los vectores de características 58' puedan ser registradas y comparadas en el espacio multidimensional 60, dentro de un intervalo de tiempo correspondiente y predeterminable, de por ejemplo, 10 a 30 segundos. Los tiempos de reacción también se pueden llevar a cabo en intervalos de pocos segundos con una superposición seleccionada correspondientemente. Resultan un gran número de posibilidades de evaluación, de las cuales sólo se nombran algunos a continuación a modo de ejemplo. Por ejemplo, se puede supervisar el desplazamiento de coordenadas de un punto de coordenadas 58' referido a un receptor de aceleración. Si, por ejemplo, el punto de coordenada 58' excede el área de supervisión 62, se puede reconocer un daño y/o error. Además puede llevarse a cabo una observación comparativa entre varios de los puntos de coordenadas 58' derivados -por ejemplo, ocho- de los diferentes receptores de aceleración. Si, por ejemplo, en ciclos de supervisión sucesivos, se excede la distancia entre los puntos de coordenadas 58', entonces también se puede reconocer un daño y/o
error.

Si durante la supervisión -de acuerdo con los criterios de supervisión establecidos- no se reconoce ningún daño y/o error, entonces el suceso correspondiente se utilizará para continuar el aprendizaje, de acuerdo con la necesidad y a la situación (por ejemplo, a partir de la distancia del punto de coordenada 58' hasta el espacio de supervisión 62). De esta manera también aumenta constantemente la descripción del estado de referencia durante la actual fase de super-
visión.

Además de una evaluación puramente matemática y la correspondiente señalización de alarma en el caso de fallas por daño y/o error, el procedimiento esbozado también se puede visualizar de manera simple, representando el espacio bidimensional 60 con el punto de coordenadas 58'' y el área de supervisión 62' en el display 66 correspondiente. Por ejemplo, a partir de la asignación de colores de los puntos de coordenadas 58' a los cojinetes de conjuntos de ruedas 32 individuales se puede reconocer fácilmente una asignación de errores. Además, se puede almacenar completamente toda la fase de aprendizaje y supervisión, para que para las próximas evaluaciones, posiblemente más detalladas, por ejemplo para la asimilación del esquema de errores y ejecución del análisis de tendencias, estén disponibles los datos correspondientes.

La invención, obviamente, no se limita al ejemplo de explicación representado. Así también es posible, por ejemplo, realizar supervisiones de menos o más de ocho sensores de aceleración y otros componentes de vehículos sobre carriles 10 que sólo de las ruedas. Además puede variar la cantidad de características utilizadas para la evaluación. Imaginable también es la utilización principal de otros sensores que sólo sensores de aceleración, o bien, la utilización de otras características como, por ejemplo, aceleración, fuerza, temperatura o similares que se obtuvieron a partir de diferentes tipos de señal.

Lista de referencias

10	vehículo sobre carriles
12	caja de vehículo
14, 16	bogies portadores
18, 20, 22, 24	conjunto de ruedas
26, 28	marco del bogie
30	ruedas
32	cojinete del conjunto de ruedas
34, 36, 40, 42
44, 46, 48, 50	receptor de oscilaciones
52	vector de características
54	normalización
56	grupo de valores
57	ponderación
58	vector de características ponderadas
58'	punto de una coordenada en el espacio multidimensional
58''	punto de una coordenada en el espacio bidimensional
59	máquina de vectores de apoyo
60	área en un espacio multidimensional
60'	plano bidimensional
62	área de supervisión
62'	área de supervisión 62 graficado en dos dimensiones
64	vector de apoyo
65	summon's mapping o SOM (self organizing map)
68	display
70	fase (consolidación de características)
72	fase de aprendizaje
74	fase de supervisión
76	marchas de referencia
78	simulación de daños
80	primera selección de características
82	selección de características
84	cálculo de características
86	marcha reglamentaria
88	parametrización automática
90	parametrización manual
92	editor de lógica
94	decisión para generar
A, B, C, D, E, F, V	características
A', B', C', D', E', F', V'	características normalizadas
A'', B'', C'', D'', E'', V''	características ponderadas y normalizadas.

Claims (24)

1. Procedimiento para la supervisión del comportamiento de la marcha de vehículos sobre carriles y para el diagnóstico de fallas en componentes de vehículos sobre carriles, donde después de una fase inicial, exclusivamente de aprendizaje sin supervisión, se registra por lo menos uno de los datos de medición característicos de los comportamientos de aceleración de como mínimo un componente del vehículo y el dato de medición registrado de esta manera se compara con un dato de medición factible, caracterizado porque por lo menos uno de los datos de medición registrados durante el uso operativo del vehículo sobre carriles (10) será utilizado simultáneamente para la comparación de supervisión actual, así como también en el proceso de aprendizaje acumulativo y sin supervisión, para la determinación de un espacio multidimensional (60) tendido mediante el registro de vectores de características (58) a través de datos de medición, para ser utilizado posteriormente en nuevas comparaciones.

2. Procedimiento de acuerdo con la reivindicación 1, caracterizado porque se supervisa el comportamiento de aceleración de los cojinetes del conjunto de ruedas.

3. Procedimiento de acuerdo con una de las reivindicaciones anteriores, caracterizado porque se supervisa el comportamiento de aceleración de todos los cojinetes del conjunto de ruedas de vehículos sobre carriles (10).

4. Procedimiento de acuerdo con una de las reivindicaciones anteriores, caracterizado porque se supervisa el comportamiento de aceleración de los cojinetes del conjunto de ruedas de un vehículo sobre carriles (10) simultáneamente o de forma sucesiva en el múltiplex de tiempo.

5. Procedimiento de acuerdo con una de las reivindicaciones anteriores, caracterizado porque para la supervisión de las señales de aceleración se calculan las características específicas (A, B, C, D, E, F) de las mismas.

6. Procedimiento de acuerdo con la reivindicación 5, caracterizado porque se utilizan valores estadísticos conocidos, valores conocidos del análisis de frecuencia y de orden, así como el análisis de curvas envolventes como características específicas.

7. Procedimiento de acuerdo con la reivindicación 5 o 6, caracterizado porque los valores de las características específicas que se encuentran en intervalos de tiempo definido, que pueden variar entre 10 y 30 segundos, son determinados nuevamente.

8. Procedimiento de acuerdo con una de las reivindicaciones 5 a 7, caracterizado porque de las características específicas, incluyendo la velocidad actual del vehículo sobre carriles (10), se forma un vector de característica multidimensional (52).

9. Procedimiento de acuerdo con la reivindicación 8, caracterizado porque las características del vector de características (52) son normalizadas.

10. Procedimiento de acuerdo con la reivindicación 9, caracterizado porque los valores escalados (56) se resumen en un vector de características (58).

11. Procedimiento de acuerdo con una de las reivindicaciones 8 a 10, caracterizado porque durante la determinación del vector de características (58) son ponderados los distintos valores escalados (56).

12. Procedimiento de acuerdo con la reivindicación 5, caracterizado porque en primera instancia se realiza una selección general (80) basada en el conocimiento de las características posibles por cada señal de aceleración.

13. Procedimiento de acuerdo con la reivindicación 12, caracterizado porque a partir de la primera selección de características, se seleccionan automáticamente características que puedan ser suficientes para la tarea de diagnóstico.

14. Procedimiento de acuerdo con la reivindicación 13, caracterizado porque la selección de características (82) resulta bajo la consideración de datos de medición de simulaciones de daños (78) y marchas de referencia (76).

15. Procedimiento de acuerdo con una de las reivindicaciones 8 a 14, caracterizado porque el vector de características (58) es transferido como punto de coordenadas (58') a un espacio multidimensional (60).

16. Procedimiento de acuerdo con la reivindicación 15, caracterizado porque, por cada señal de aceleración de cada uno de los componentes del vehículo a supervisar, se determina nuevamente de forma sucesiva la ubicación de los puntos de las coordenadas (58'), especialmente de acuerdo con intervalos de tiempo determinables de forma correspondiente.

17. Procedimiento de acuerdo con la reivindicación 15 o 16, caracterizado porque durante una fase de aprendizaje determinada, definida por un marco de tiempo establecido, se define sobre la ubicación de los puntos de la coordenadas (58') un área (62) en el espacio (60) que funcionará como área de supervisión.

18. Procedimiento de acuerdo con una de las reivindicaciones 15 a 17, caracterizado porque el cambio de posición de un punto de una coordenada (58') se supervisa con referencia a las señales de aceleración de un componente del vehículo supervisado.

19. Procedimiento de acuerdo con una de las reivindicaciones 15 a 17, caracterizado porque se supervisa una distancia entre los puntos de las coordenadas (58') de varios componentes de vehículos supervisados.

20. Procedimiento de acuerdo con una de las reivindicaciones 15 a 18, caracterizado porque se genera un aviso de alarma, en algunos casos puede estar acoplado a una medida de subsanado, cuando el punto de una coordenada (58') excede el área de supervisión fuera de un valor de discrepancia predeterminable.

21. Procedimiento de acuerdo con una de las reivindicaciones anteriores, caracterizado porque se almacenan los resultados de la supervisión.

22. Procedimiento de acuerdo con una de las reivindicaciones anteriores, caracterizado porque se visualizan los resultados de la supervisión.

23. Procedimiento de acuerdo con una de las reivindicaciones anteriores, caracterizado porque se utilizan aceleración, fuerza, marcha y/o temperatura o similares como datos de medición.

24. Dispositivo para la supervisión del comportamiento de la marcha de vehículos sobre carriles y para el diagnóstico de daños en componentes de vehículos sobre carriles aplicando un procedimiento de acuerdo con una de las reivindicaciones 1 a 23, caracterizado porque presenta medios para el registro de al menos una dato de medición que caracteriza el comportamiento de aceleración de al menos un componente de vehículo, la cual a la vez se utiliza para la comparación del dato de medición así registrada con un dato de medición prevista, así como también para el aprendizaje acumulativo y sin supervisión de los datos de medición esperados utilizando como base los datos de medición actuales registrados.