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
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.Info
- Publication number
- ES2237609T3 ES2237609T3 ES01985865T ES01985865T ES2237609T3 ES 2237609 T3 ES2237609 T3 ES 2237609T3 ES 01985865 T ES01985865 T ES 01985865T ES 01985865 T ES01985865 T ES 01985865T ES 2237609 T3 ES2237609 T3 ES 2237609T3
- Authority
- ES
- Spain
- Prior art keywords
- rails
- vehicle
- acceleration
- supervision
- measurement data
- 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.)
- Expired - Lifetime
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/08—Railway vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/12—Measuring or surveying wheel-rims
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L15/00—Indicators provided on the vehicle or vehicle train for signalling purposes ; On-board control or communication systems
- B61L15/0081—On-board diagnosis or maintenance
-
- 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
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.
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.
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.
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.
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.
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.
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.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10062601 | 2000-12-12 | ||
DE10062601 | 2000-12-12 |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2237609T3 true ES2237609T3 (es) | 2005-08-01 |
Family
ID=7667319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES01985865T Expired - Lifetime ES2237609T3 (es) | 2000-12-12 | 2001-12-11 | 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. |
Country Status (6)
Country | Link |
---|---|
EP (1) | EP1343676B8 (es) |
AT (1) | ATE293557T1 (es) |
AU (1) | AU2002235765A1 (es) |
DE (2) | DE50105980D1 (es) |
ES (1) | ES2237609T3 (es) |
WO (1) | WO2002047954A1 (es) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10233527B4 (de) * | 2002-07-23 | 2004-07-22 | Db Reise & Touristik Ag | Verfahren zur Onboard Diagnose von Radsatzführungselementen |
DE10243536B4 (de) * | 2002-09-16 | 2005-09-08 | Audi Ag | Verfahren und Vorrichtung zur Auslegung von Fahrzeugen und/oder Fahrzeugbauteilen |
DE10320809A1 (de) * | 2003-05-08 | 2004-11-25 | Conti Temic Microelectronic Gmbh | Verfahren zur Erkennung und Überwachung der Bewegung bei Fahrzeugen |
GB0318339D0 (en) * | 2003-08-05 | 2003-09-10 | Oxford Biosignals Ltd | Installation condition monitoring system |
DE102004064002B4 (de) * | 2004-08-04 | 2019-05-09 | Continental Automotive Gmbh | System zum Überwachen einer Sensorvorrichtung |
DE102006030312A1 (de) * | 2006-06-30 | 2008-01-03 | Schaeffler Kg | Sensoreinheit für ein Radsatzlager |
DE102007024066B4 (de) * | 2007-05-22 | 2017-06-14 | Knorr-Bremse Systeme für Schienenfahrzeuge GmbH | Drehgestell eines Schienenfahrzeugs mit einer Vorrichtung zur Fehlerüberwachung von Fahrwerkskomponenten |
DE102007024065B8 (de) * | 2007-05-22 | 2009-05-14 | Knorr-Bremse Systeme für Schienenfahrzeuge GmbH | Vorrichtung und Verfahren zur Fehlerüberwachung von Fahrwerkskomponenten von Schienenfahrzeugen |
DE102009015011A1 (de) * | 2009-03-26 | 2010-10-07 | Siemens Aktiengesellschaft | Verfahren zur Überwachung der Laufstabilität bei Schienenfahrzeugen |
FR2992935B1 (fr) * | 2012-07-06 | 2015-10-16 | Ntn Snr Roulements | Diagnostic de l'etat structurel d'unites de roulement d'un engin, incluant des moyens de calcul et d'analyse embarques sur l'engin. |
US10553046B2 (en) | 2018-04-05 | 2020-02-04 | GM Global Technology Operations LLC | Vehicle prognostics and remedial response |
US10922906B2 (en) | 2019-03-28 | 2021-02-16 | GM Global Technology Operations LLC | Monitoring and diagnosing vehicle system problems using machine learning classifiers |
RU2716374C1 (ru) * | 2019-06-04 | 2020-03-11 | Федеральное государственное бюджетное образовательное учреждение высшего образования Иркутский государственный университет путей сообщения (ФГБОУ ВО ИрГУПС) | Способ калибровки диагностической системы для оценки технического состояния подвижного состава |
CN111942434A (zh) * | 2020-06-30 | 2020-11-17 | 北京康拓红外技术股份有限公司 | 一种铁路货车关键部件故障图像智能检测装置 |
AT525890B1 (de) * | 2022-06-28 | 2023-09-15 | Siemens Mobility Austria Gmbh | Verfahren und Vorrichtung zur Radgeometrieermittlung und Schienenfahrzeug |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE422559B (sv) * | 1980-08-29 | 1982-03-15 | Brajnandan Sinha | Elektronisk overvakningsanleggning for hjulaxlar pa relsfordon, speciellt jernvegsvagnar |
US5847658A (en) * | 1995-08-15 | 1998-12-08 | Omron Corporation | Vibration monitor and monitoring method |
JP3426905B2 (ja) * | 1997-03-14 | 2003-07-14 | 東京瓦斯株式会社 | 異常音の検出方法及びその検出値を用いた機械の異常判定方法、並びに、振動波の類似度検出方法及びその検出値を用いた音声認識方法 |
DE19855145A1 (de) * | 1998-07-16 | 2000-01-20 | Robert Kuehn | Verfahren und Vorrichtung zur laufenden Überwachung von schwingungsfähigen Elementen oder Gesamtheiten jeglicher Art auf das Auftreten von Veränderungen |
DE19836081A1 (de) * | 1998-07-30 | 2000-02-17 | Siemens Ag | Verfahren zur Früherkennung von Schäden an Schienenfahrzeugen |
DE19911848A1 (de) * | 1999-03-17 | 2000-09-21 | Robert Kuehn | Verfahren zur Überwachung von Daten betreffend den Betrieb von Schienenfahrzeugen |
WO2000060322A1 (de) * | 1999-04-01 | 2000-10-12 | Siemens Schweiz Ag | Verfahren und vorrichtung zur überwachung der fahrgestelle von mehrachsigen fahrzeugen |
-
2001
- 2001-12-11 DE DE50105980T patent/DE50105980D1/de not_active Expired - Lifetime
- 2001-12-11 AU AU2002235765A patent/AU2002235765A1/en not_active Abandoned
- 2001-12-11 AT AT01985865T patent/ATE293557T1/de not_active IP Right Cessation
- 2001-12-11 EP EP01985865A patent/EP1343676B8/de not_active Expired - Lifetime
- 2001-12-11 ES ES01985865T patent/ES2237609T3/es not_active Expired - Lifetime
- 2001-12-11 WO PCT/EP2001/014554 patent/WO2002047954A1/de not_active Application Discontinuation
- 2001-12-11 DE DE10161283A patent/DE10161283B4/de not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
DE50105980D1 (de) | 2005-05-25 |
EP1343676A1 (de) | 2003-09-17 |
WO2002047954A1 (de) | 2002-06-20 |
DE10161283A1 (de) | 2002-08-01 |
ATE293557T1 (de) | 2005-05-15 |
EP1343676B8 (de) | 2005-06-15 |
DE10161283B4 (de) | 2004-04-15 |
AU2002235765A1 (en) | 2002-06-24 |
EP1343676B1 (de) | 2005-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2237609T3 (es) | 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. | |
US10040465B2 (en) | Abnormal vehicle dynamics detection | |
DE112013006482B4 (de) | Aufzugsvorrichtung | |
ES2230866T3 (es) | Procedimiento y aparato para la deteccion de ruedas de vehiculos ferroviarios defectuosas. | |
ES2361226T5 (es) | Mecanismo de traslación de un vehículo sobre raíles con un dispositivo para la vigilancia de fallos de componentes de mecanismos de traslación | |
ES2258069T3 (es) | Metodo y dispositivo para la deteccion de defectos en las ruedas de un vehiculo sobre carriles. | |
JP6547902B2 (ja) | 検査システム、検査方法、およびプログラム | |
JP2012502837A (ja) | 特に鉄道車両用の不安定モニタリングデバイスおよびシステム | |
ES2207986T3 (es) | Procedimiento para reconocer daños en el trafico ferroviario. | |
CN108839670B (zh) | 车辆监测系统和车辆监测方法 | |
ES2823163T3 (es) | Procedimiento y dispositivo para la monitorización de al menos un componente de vía montado en la construcción de ferrocarril | |
ES2236329T3 (es) | Procedimiento y un dispositivo para la supervision de fallas de componentes de vehiculos sobre carriles. | |
ES2245360T3 (es) | Procedimiento para supervisar las propiedades de marcha de un vehiculo sobre rieles. | |
ES2359079T3 (es) | Procedimiento y dispositivo para la evaluación de la forma de ruedas que circulan sobre carriles. | |
ES2620830T5 (es) | Sistema para la detección de características de los vehículos ferroviarios que pasan | |
SE465667B (sv) | Anordning foer styrning av korglutning i kurvor foer spaarbundet fordon | |
ES2959988T3 (es) | Sistema de monitorización y mantenimiento predictivo del estado de desgaste de componentes mecánicos y método de operación del mismo | |
CN115032894A (zh) | 一种基于T-S模糊数据驱动ToMFIR的高速列车悬挂故障诊断方法 | |
ES2252663T3 (es) | Procedimiento y dispositivo para el diagnostico on-board de elementos guia del conjunto de ruedas. | |
ES2240542T3 (es) | Procedimiento y dispositivo para supervisar el comportamiento de marcha de vehiculos sobre carriles. | |
JPH06116903A (ja) | 軌道状態の確認方法 | |
ES2227113T3 (es) | Procedimiento y dispositivo para la deteccion de un fallo del estabilizador anti-balanceo de un dispositivo sobre carriles. | |
EP3507166B1 (de) | Verfahren und vorrichtung zum überwachen von fahrzeugzuständen in schienenfahrzeugen | |
WO2004009422A1 (en) | Assessment of railway track geometry | |
AU2020200401A1 (en) | Methods and devices for monitoring train integrity |