JP2008110694A - パンタグラフ接触力推定システムおよび推定方法 - Google Patents
パンタグラフ接触力推定システムおよび推定方法 Download PDFInfo
- Publication number
- JP2008110694A JP2008110694A JP2006295481A JP2006295481A JP2008110694A JP 2008110694 A JP2008110694 A JP 2008110694A JP 2006295481 A JP2006295481 A JP 2006295481A JP 2006295481 A JP2006295481 A JP 2006295481A JP 2008110694 A JP2008110694 A JP 2008110694A
- Authority
- JP
- Japan
- Prior art keywords
- trolley wire
- force
- contact force
- data
- hanger
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Current-Collector Devices For Electrically Propelled Vehicles (AREA)
Abstract
【課題】 種々のパンタグラフの接触力を取得することができる。
【解決手段】 パンタグラフの舟体のすり板とトロリ線との接触力を推定する接触力推定システム20は、少なくとも、測定区間(−ε<x<ε)の間に存在する、前記トロリ線と連結されたハンガのハンガ力hi(i=1,2,・・・,n)、測定区間の両端における傾斜(∂y/∂xx=+ε、∂y/∂xx=−ε)、並びに、前記測定区間におけるトロリ線の加速度の連続的な分布(∂2y/∂t2)をそれぞれ示すデータを記憶装置22に記憶し、これら記憶装置22に記憶されたデータ、トロリ線の張力、および、トロリ線の線密度に基づいて、接触力f(t)を算出する。
【選択図】 図3
Description
また、現在の電車線保守においては、トロリ線の磨耗抑制は重要課題の一つであるが、トロリ線磨耗はその形成機構が非常に複雑である。トロリ線の磨耗形成の要因として、主なもので、パンタグラフの特性、パンタグラフの集電電流、すり板の特性、走行速度、架線種別、架線構成、トロリ線表面状態などが挙げられる。
「架線・パンタグラフ間の接触力測定による電車線診断技法の検討」 第2回評価・診断に関するシンポジウム、第105〜110頁、2003年12月
より詳細には、本発明の目的は、パンタグラフの舟体のすり板とトロリ線との接触力を推定する接触力推定システムであって、
少なくとも、測定区間(−ε<x<ε)の間に存在する、前記トロリ線と連結されたハンガのハンガ力hi(i=1,2,・・・,n)、測定区間の両端における傾斜(∂y/∂xx=+ε、∂y/∂xx=−ε)、並びに、前記測定区間におけるトロリ線の加速度の連続的な分布(∂2y/∂t2)をそれぞれ示すデータとを記憶した記憶装置と、
前記ハンガ力、傾斜および前記加速度の連続的な分布を示すデータから、以下の式
に基づいて、接触力f(t)を算出する接触力算出手段と、
を備えたことを特徴とする接触力推定システムにより達成される。
前記接触力算出手段が、
前記ハンガ力、傾斜、加速度の連続的な分布、および、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータから、以下の式
に基づいて接触力f(t)を算出する。
少なくとも、測定区間(−ε<x<ε)の間に存在する、前記トロリ線と連結されたハンガのハンガ力hi(i=1,2,・・・,n)、測定区間の両端における傾斜(∂y/∂xx=+ε、∂y/∂xx=−ε)、並びに、前記測定区間においてトロリ線上、前記ハンガとの連結点から所定の距離だけ離間した複数の測定点の加速度(∂2yj/∂t2:j=1,2,・・・,p)をそれぞれ示すデータを記憶した記憶装置と、
前記ハンガ力、傾斜および加速度を示すデータから、以下の式
に基づいて、接触力f(t)を算出する接触力算出手段と、
を備えたことを特徴とする接触力推定システムにより達成される。
前記接触力算出手段が、前記ハンガ力、傾斜、加速度、および、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータから、以下の式
に基づいて接触力f(t)を算出する。
少なくとも、測定区間(−ε<x<ε)の間に存在する、前記トロリ線と連結されたハンガのハンガ力hi(i=1,2,・・・,n)、測定区間の両端における傾斜(∂y/∂xx=+ε、∂y/∂xx=−ε)、並びに、前記測定区間においてトロリ線上、前記ハンガとの連結点から所定の距離だけ離間した複数の測定点の加速度(∂2yi/∂t2:i=1,2,・・・,m)をそれぞれ示すデータを記憶した記憶装置と、
前記ハンガ力、傾斜および加速度を示すデータから、以下の式
に基づいて、接触力f(t)を算出する接触力算出手段と、
を備えたことを特徴とする接触力推定システムにより達成される。
前記接触力算出手段が、前記ハンガ力、傾斜、加速度、および、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータから、以下の式
に基づいて接触力f(t)を算出する。 また、好ましい実施態様においては、前記記憶装置が、学習用の前記加速度のデータと、学習用の慣性力のデータと、ニューラルネットワークのモデルについて、当該ニューラルネットワークを構成する各ニューロン間の結合に関連付けられた重み、および、各ニューロンの閾値を含むニューラルネットワークモデルデータ、および、推定用の加速度のデータを記憶し、
前記接触力算出手段が、ニューラルネットワークモデルデータに含まれる重みおよび閾値を適切な値にする学習手段であって、
前記記憶装置に記憶された、初期的なニューラルネットワークモデルデータを読み出して、前記ニューラルネットワークモデルの入力層に、前記学習用の加速度のデータを与え、入力層から中間層を経て出力層に向けて、順次、前記ニューラルネットワークモデルデータにおけるニューロンの結合にしたがって、入力層により近い側のニューロンからの信号と当該結合に関連付けられた重みとの乗算結果の総和から閾値を減じた値に基づく出力関数により、出力値を算出し、当該出力値を出力層の側に結合されたニューロンに出力することを繰り返す演算手段と、
前記ニューラルネットワークモデルの出力層に、前記学習用の慣性力のデータを与え、出力層から中間層を経て入力層に向けて、誤差信号を伝搬させて、少なくとも、前記ニューラルネットワークデータにおける前記結合に関連付けられた重みおよび前記ニューロンに関する閾値を修正し、前記修正された結合に関連付けられた重みおよび前記ニューロンに関する閾値を、修正されたニューラルネットワークデータとして記憶する誤差逆伝搬手段と、を有する学習手段と、
前記記憶装置に記憶された前記学習手段による学習により修正されたニューラルネットワークモデルデータを読み出して、前記ニューラルネットワークモデルの入力層に、前記推定用の加速度のデータを与え、入力層から中間層を経て出力層に向けて、順次、前記ニューラルネットワークモデルデータにおけるニューロンの結合にしたがって、入力層により近い側のニューロンからの信号と当該結合に関連付けられた重みとの乗算結果の総和から閾値を減じた値に基づく出力関数により、出力値を算出し、当該出力値を出力層の側に結合されたニューロンに出力することを繰り返し、前記出力層からの値を、推定された慣性力fineとして、前記記憶装置に記憶する推定手段と、を有する。
前記ハンガ力、傾斜および前記加速度の連続的な分布を示すデータから、以下の式
に基づいて、接触力f(t)を算出することを特徴とする接触力推定方法により達成される。
前記ハンガ力、傾斜、加速度の連続的な分布、および、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータから、以下の式
に基づいて、接触力f(t)を算出する。
前記ハンガ力、傾斜および加速度を示すデータから、以下の式
に基づいて、接触力f(t)を算出することを特徴とする接触力推定方法により達成される。
前記ハンガ力、傾斜、加速度、および、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータから、以下の式
に基づいて接触力f(t)を算出する。
前記ハンガ力、傾斜および加速度を示すデータから、以下の式
に基づいて、接触力f(t)を算出することを特徴とする接触力推定方法により達成される。
前記接触力算出手段が、前記ハンガ力、傾斜、加速度、および、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータから、以下の式
に基づいて接触力f(t)を算出する。
前記接触力を推定する際に、前記慣性力fineを算出するステップは、
前記記憶装置に記憶された、初期的なニューラルネットワークモデルデータを読み出して、前記ニューラルネットワークモデルの入力層に、前記学習用の加速度のデータを与え、入力層から中間層を経て出力層に向けて、順次、前記ニューラルネットワークモデルデータにおけるニューロンの結合にしたがって、入力層により近い側のニューロンからの信号と当該結合に関連付けられた重みとの乗算結果の総和から閾値を減じた値に基づく出力関数により、出力値を算出し、当該出力値を出力層の側に結合されたニューロンに出力することを繰り返す演算ステップ、並びに、
前記ニューラルネットワークモデルの出力層に、前記学習用の慣性力のデータを与え、出力層から中間層を経て入力層に向けて、誤差信号を伝搬させて、少なくとも、前記ニューラルネットワークデータにおける前記結合に関連付けられた重みおよび前記ニューロンに関する閾値を修正し、前記修正された結合に関連付けられた重みおよび前記ニューロンに関する閾値を、修正されたニューラルネットワークデータとして記憶する誤差逆伝搬ステップを含む学習ステップと、
前記記憶装置に記憶された前記学習ステップにおける学習により修正されたニューラルネットワークモデルデータを読み出して、前記ニューラルネットワークモデルの入力層に、前記推定用の加速度のデータを与え、入力層から中間層を経て出力層に向けて、順次、前記ニューラルネットワークモデルデータにおけるニューロンの結合にしたがって、入力層により近い側のニューロンからの信号と当該結合に関連付けられた重みとの乗算結果の総和から閾値を減じた値に基づく出力関数により、出力値を算出し、当該出力値を出力層の側に結合されたニューロンに出力することを繰り返し、前記出力層からの値を、推定された慣性力fineとして、前記記憶装置に記憶する推定ステップと、を有する。
本実施の形態においては、測定区間の両端の第1の測定点のそれぞれに、2つのセンサ(「第1のセンサ」とも称する。)を配置することは、全ての例で同様であるが、第2の測定点の他のセンサ(トロリ線上、ハンガ間、或いは、ハンガとの連結点に配置されるセンサ:「第2のセンサ」とも称する。)の配置については、種々の態様がある。
(p:測定点の個数、L:測定区間の長さ)
(4)式を用いた場合を、「均一等価質量条件」と称する。
(1)シミュレーションにより求めた接触力(接触力の実測値)
(2)第1の態様によるセンサ配置で、第2の実施の形態にしたがって(wjを均一等価質量条件にしたがって求めて)算出した接触力
(3)第2の態様によるセンサ配置で、第2の実施の形態にしたがって(wjを均一等価質量条件にしたがって求めて)算出した接触力
(4)第2の態様によるセンサ配置で、第3の実施の形態にしたがって(wjを等価質量同定条件にしたがって求めて)算出した接触力
(5)第3の態様によるセンサ配置で、第3の実施の形態にしたがって(wjを等価質量同定条件にしたがって求めて)算出した接触力
図10は、上記(1)〜(5)の接触力推定結果のパワースペクトルを示すグラフである。図10において縦軸はPSD(パワースペクトル密度)、横軸は周波数(Hz)である。
2 パンタグラフ
10 トロリ線
20 接触力推定システム
22 記憶装置
26 補正係数同定処理部
28 接触力演算部
36 ハンガ力データファイル
38 トロリ線張力データファイル
40 加速度データファイル
42 演算結果ファイル
44 データファイル生成部
Claims (16)
- パンタグラフの舟体のすり板とトロリ線との接触力を推定する接触力推定システムであって、
少なくとも、測定区間(−ε<x<ε)の間に存在する、前記トロリ線と連結されたハンガのハンガ力hi(i=1,2,・・・,n)、測定区間の両端における傾斜(∂y/∂xx=+ε、∂y/∂xx=−ε)、並びに、前記測定区間におけるトロリ線の加速度の連続的な分布(∂2y/∂t2)をそれぞれ示すデータとを記憶した記憶装置と、
前記ハンガ力、傾斜および前記加速度の連続的な分布を示すデータから、以下の式
に基づいて、接触力f(t)を算出する接触力算出手段と、
を備えたことを特徴とする接触力推定システム。 - 前記記憶装置が、さらに、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータ(∂3y/∂x3 x=+ε、∂3y/∂x3 x=−ε)を記憶し、
前記接触力算出手段が、
前記ハンガ力、傾斜、加速度の連続的な分布、および、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータから、以下の式
に基づいて接触力f(t)を算出することを特徴とする請求項1に記載の接触力推定システム。 - パンタグラフの舟体のすり板とトロリ線との接触力を推定する接触力推定システムであって、
少なくとも、測定区間(−ε<x<ε)の間に存在する、前記トロリ線と連結されたハンガのハンガ力hi(i=1,2,・・・,n)、測定区間の両端における傾斜(∂y/∂xx=+ε、∂y/∂xx=−ε)、並びに、前記測定区間においてトロリ線上、前記ハンガとの連結点から所定の距離だけ離間した複数の測定点の加速度(∂2yj/∂t2:j=1,2,・・・,p)をそれぞれ示すデータを記憶した記憶装置と、
前記ハンガ力、傾斜および加速度を示すデータから、以下の式
に基づいて、接触力f(t)を算出する接触力算出手段と、
を備えたことを特徴とする接触力推定システム。 - 前記記憶装置が、さらに、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータ(∂3y/∂x3 x=+ε、∂3y/∂x3 x=−ε)を記憶し、
前記接触力算出手段が、前記ハンガ力、傾斜、加速度、および、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータから、以下の式
に基づいて接触力f(t)を算出することを特徴とする請求項3に記載の接触力推定システム。 - パンタグラフの舟体のすり板とトロリ線との接触力を推定する接触力推定システムであって、
少なくとも、測定区間(−ε<x<ε)の間に存在する、前記トロリ線と連結されたハンガのハンガ力hi(i=1,2,・・・,n)、測定区間の両端における傾斜(∂y/∂xx=+ε、∂y/∂xx=−ε)、並びに、前記測定区間においてトロリ線上、前記ハンガとの連結点から所定の距離だけ離間した複数の測定点の加速度(∂2yi/∂t2:i=1,2,・・・,m)をそれぞれ示すデータを記憶した記憶装置と、
前記ハンガ力、傾斜および加速度を示すデータから、以下の式
に基づいて、接触力f(t)を算出する接触力算出手段と、
を備えたことを特徴とする接触力推定システム。 - 前記記憶装置が、さらに、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータ(∂3y/∂x3 x=+ε、∂3y/∂x3 x=−ε)を記憶し、
前記接触力算出手段が、前記ハンガ力、傾斜、加速度、および、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータから、以下の式
に基づいて接触力f(t)を算出することを特徴とする請求項5に記載の接触力推定システム。 - 前記記憶装置が、
学習用の前記加速度のデータと、学習用の慣性力のデータと、ニューラルネットワークのモデルについて、当該ニューラルネットワークを構成する各ニューロン間の結合に関連付けられた重み、および、各ニューロンの閾値を含むニューラルネットワークモデルデータ、および、推定用の加速度のデータを記憶し、
前記接触力算出手段が、
ニューラルネットワークモデルデータに含まれる重みおよび閾値を適切な値にする学習手段であって、
前記記憶装置に記憶された、初期的なニューラルネットワークモデルデータを読み出して、前記ニューラルネットワークモデルの入力層に、前記学習用の加速度のデータを与え、入力層から中間層を経て出力層に向けて、順次、前記ニューラルネットワークモデルデータにおけるニューロンの結合にしたがって、入力層により近い側のニューロンからの信号と当該結合に関連付けられた重みとの乗算結果の総和から閾値を減じた値に基づく出力関数により、出力値を算出し、当該出力値を出力層の側に結合されたニューロンに出力することを繰り返す演算手段と、
前記ニューラルネットワークモデルの出力層に、前記学習用の慣性力のデータを与え、出力層から中間層を経て入力層に向けて、誤差信号を伝搬させて、少なくとも、前記ニューラルネットワークデータにおける前記結合に関連付けられた重みおよび前記ニューロンに関する閾値を修正し、前記修正された結合に関連付けられた重みおよび前記ニューロンに関する閾値を、修正されたニューラルネットワークデータとして記憶する誤差逆伝搬手段と、を有する学習手段と、
前記記憶装置に記憶された前記学習手段による学習により修正されたニューラルネットワークモデルデータを読み出して、前記ニューラルネットワークモデルの入力層に、前記推定用の加速度のデータを与え、入力層から中間層を経て出力層に向けて、順次、前記ニューラルネットワークモデルデータにおけるニューロンの結合にしたがって、入力層により近い側のニューロンからの信号と当該結合に関連付けられた重みとの乗算結果の総和から閾値を減じた値に基づく出力関数により、出力値を算出し、当該出力値を出力層の側に結合されたニューロンに出力することを繰り返し、前記出力層からの値を、推定された慣性力fineとして、前記記憶装置に記憶する推定手段と、
を有することを特徴とする請求項5または6に記載の接触力推定システム。 - 前記複数の測定点が前記連結点の間で2箇所あり、前記連結点からほぼ±1/4*(連結点の間の距離)(+は列車の進行方向)だけ離間した位置にあることを特徴とする請求項2ないし7の何れか一項に記載の接触力推定システム。
- 前記複数の測定点が前記連結点の間に2箇所あり、前記連結点からほぼ+1/2*(連結点の間の距離)およびほぼ−1/4*(連結点の間の距離)だけ離間した位置にあることを特徴とする請求項2ないし7の何れか一項に記載の接触力推定システム。
- 少なくとも、測定区間(−ε<x<ε)の間に存在する、トロリ線と連結されたハンガのハンガ力hi(i=1,2,・・・,n)、測定区間の両端における傾斜(∂y/∂xx=+ε、∂y/∂xx=−ε)、並びに、前記測定区間におけるトロリ線の加速度の連続的な分布(∂2y/∂t2)をそれぞれ示すデータとを記憶した記憶装置を備えた情報処理装置において、パンタグラフの舟体のすり板とトロリ線との接触力を推定する方法であって、
前記ハンガ力、傾斜および前記加速度の連続的な分布を示すデータから、以下の式
に基づいて、接触力f(t)を算出することを特徴とする接触力推定方法。 - 前記記憶装置が、さらに、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータ(∂3y/∂x3 x=+ε、∂3y/∂x3 x=−ε)を記憶し、
前記ハンガ力、傾斜、加速度の連続的な分布、および、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータから、以下の式
に基づいて、接触力f(t)を算出することを特徴とする請求項10に記載の接触力推定方法。 - 少なくとも、測定区間(−ε<x<ε)の間に存在する、トロリ線と連結されたハンガのハンガ力hi(i=1,2,・・・,n)、測定区間の両端における傾斜(∂y/∂xx=+ε、∂y/∂xx=−ε)、並びに、前記測定区間においてトロリ線上、前記ハンガとの連結点から所定の距離だけ離間した複数の測定点の加速度(∂2yj/∂t2:j=1,2,・・・,p)をそれぞれ示すデータを記憶した記憶装置を備えた情報処理装置において、パンタグラフの舟体のすり板とトロリ線との接触力を推定する方法であって、
前記ハンガ力、傾斜および加速度を示すデータから、以下の式
に基づいて、接触力f(t)を算出することを特徴とする接触力推定方法。 - 前記記憶装置が、さらに、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータ(∂3y/∂x3 x=+ε、∂3y/∂x3 x=−ε)を記憶し、
前記ハンガ力、傾斜、加速度、および、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータから、以下の式
に基づいて接触力f(t)を算出することを特徴とする請求項12に記載の接触力推定方法。 - 少なくとも、測定区間(−ε<x<ε)の間に存在する、トロリ線と連結されたハンガのハンガ力hi(i=1,2,・・・,n)、測定区間の両端における傾斜(∂y/∂xx=+ε、∂y/∂xx=−ε)、並びに、前記測定区間においてトロリ線上、前記ハンガとの連結点から所定の距離だけ離間した複数の測定点の加速度(∂2yi/∂t2:i=1,2,・・・,m)をそれぞれ示すデータを記憶した記憶装置を備えた情報処理装置において、パンタグラフの舟体のすり板とトロリ線との接触力を推定する方法であって、
前記ハンガ力、傾斜および加速度を示すデータから、以下の式
に基づいて、接触力f(t)を算出することを特徴とする接触力推定方法。 - 前記記憶装置が、さらに、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータ(∂3y/∂x3 x=+ε、∂3y/∂x3 x=−ε)を記憶し、
前記接触力算出手段が、前記ハンガ力、傾斜、加速度、および、測定区間の両端におけるトロリ線の曲げ剛性による力の項のデータから、以下の式
に基づいて接触力f(t)を算出することを特徴とする請求項14に記載の接触力推定方法。 - 前記記憶装置が、
学習用の前記加速度のデータと、学習用の慣性力のデータと、ニューラルネットワークのモデルについて、当該ニューラルネットワークを構成する各ニューロン間の結合に関連付けられた重み、および、各ニューロンの閾値を含むニューラルネットワークモデルデータ、および、推定用の加速度のデータを記憶し、
前記接触力を推定する際に、前記慣性力fineを算出するステップが、
前記記憶装置に記憶された、初期的なニューラルネットワークモデルデータを読み出して、前記ニューラルネットワークモデルの入力層に、前記学習用の加速度のデータを与え、入力層から中間層を経て出力層に向けて、順次、前記ニューラルネットワークモデルデータにおけるニューロンの結合にしたがって、入力層により近い側のニューロンからの信号と当該結合に関連付けられた重みとの乗算結果の総和から閾値を減じた値に基づく出力関数により、出力値を算出し、当該出力値を出力層の側に結合されたニューロンに出力することを繰り返す演算ステップ、並びに、
前記ニューラルネットワークモデルの出力層に、前記学習用の慣性力のデータを与え、出力層から中間層を経て入力層に向けて、誤差信号を伝搬させて、少なくとも、前記ニューラルネットワークデータにおける前記結合に関連付けられた重みおよび前記ニューロンに関する閾値を修正し、前記修正された結合に関連付けられた重みおよび前記ニューロンに関する閾値を、修正されたニューラルネットワークデータとして記憶する誤差逆伝搬ステップを含む学習ステップと、
前記記憶装置に記憶された前記学習ステップにおける学習により修正されたニューラルネットワークモデルデータを読み出して、前記ニューラルネットワークモデルの入力層に、前記推定用の加速度のデータを与え、入力層から中間層を経て出力層に向けて、順次、前記ニューラルネットワークモデルデータにおけるニューロンの結合にしたがって、入力層により近い側のニューロンからの信号と当該結合に関連付けられた重みとの乗算結果の総和から閾値を減じた値に基づく出力関数により、出力値を算出し、当該出力値を出力層の側に結合されたニューロンに出力することを繰り返し、前記出力層からの値を、推定された慣性力fineとして、前記記憶装置に記憶する推定ステップと、を有することを特徴とする請求項14または15に記載の接触力推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006295481A JP4825110B2 (ja) | 2006-10-31 | 2006-10-31 | パンタグラフ接触力推定システムおよび推定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006295481A JP4825110B2 (ja) | 2006-10-31 | 2006-10-31 | パンタグラフ接触力推定システムおよび推定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008110694A true JP2008110694A (ja) | 2008-05-15 |
JP4825110B2 JP4825110B2 (ja) | 2011-11-30 |
Family
ID=39443458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006295481A Expired - Fee Related JP4825110B2 (ja) | 2006-10-31 | 2006-10-31 | パンタグラフ接触力推定システムおよび推定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4825110B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011109743A (ja) * | 2009-11-13 | 2011-06-02 | Railway Technical Res Inst | パンタグラフの摺り板の段付摩耗検知方法及び装置 |
CN115635854A (zh) * | 2022-09-01 | 2023-01-24 | 唐山百川智能机器股份有限公司 | 基于机器学习的弓网接触控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001235310A (ja) * | 2000-02-23 | 2001-08-31 | Railway Technical Res Inst | パンタグラフ変位並びに接触力及びトロリ線偏位の測定装置 |
JP2001309503A (ja) * | 2000-04-24 | 2001-11-02 | Railway Technical Res Inst | パンタグラフの接触力測定方法及び接触力測定装置 |
-
2006
- 2006-10-31 JP JP2006295481A patent/JP4825110B2/ja not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001235310A (ja) * | 2000-02-23 | 2001-08-31 | Railway Technical Res Inst | パンタグラフ変位並びに接触力及びトロリ線偏位の測定装置 |
JP2001309503A (ja) * | 2000-04-24 | 2001-11-02 | Railway Technical Res Inst | パンタグラフの接触力測定方法及び接触力測定装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011109743A (ja) * | 2009-11-13 | 2011-06-02 | Railway Technical Res Inst | パンタグラフの摺り板の段付摩耗検知方法及び装置 |
CN115635854A (zh) * | 2022-09-01 | 2023-01-24 | 唐山百川智能机器股份有限公司 | 基于机器学习的弓网接触控制方法 |
CN115635854B (zh) * | 2022-09-01 | 2024-02-13 | 唐山百川智能机器股份有限公司 | 基于机器学习的弓网接触控制方法 |
Also Published As
Publication number | Publication date |
---|---|
JP4825110B2 (ja) | 2011-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Hybrid simulation of dynamics for the pantograph-catenary system | |
Oshima et al. | Damage assessment of a bridge based on mode shapes estimated by responses of passing vehicles | |
Collina et al. | Numerical simulation of pantograph-overhead equipment interaction | |
JP3930299B2 (ja) | パンタグラフの接触力測定方法及び接触力測定装置 | |
CN104598753A (zh) | 一种基于Brakhage v方法的桥梁移动车辆荷载识别方法 | |
JP4394656B2 (ja) | トロリ線の歪推定システムおよび歪推定プログラム | |
Lan et al. | Bridge frequency identification using multiple sensor responses of an ordinary vehicle | |
CN111079323A (zh) | 基于人-车-路耦合振动模型的动力响应预测方法及系统 | |
JP4825110B2 (ja) | パンタグラフ接触力推定システムおよび推定方法 | |
Yang et al. | Parameters identification of moving load using ANN and dynamic strain | |
JP3618062B2 (ja) | パンタグラフの接触力測定方法及び接触力測定装置 | |
JP5184306B2 (ja) | 電気鉄道における架線静高さの推定方法 | |
He et al. | A bridge damage detection approach using train-bridge interaction analysis and GA optimization | |
Baek et al. | Impact load identification method based on artificial neural network for submerged floating tunnel under collision | |
JP3352009B2 (ja) | 接触力測定装置 | |
JP6809172B2 (ja) | 推定方法、推定プログラム及び推定装置 | |
JP4012108B2 (ja) | パンタグラフの接触力測定方法及び接触力測定装置 | |
JP3722463B2 (ja) | パンタグラフの接触力測定方法及び接触力測定装置 | |
JP2023078731A (ja) | 処理装置、処理方法、およびプログラム | |
Martinez et al. | Damage detection by drive-by monitoring using the vertical displacements of a bridge | |
Shi et al. | Theory for computing vehicle-rail contact responses from a multi-DOF test vehicle and detecting track modulus and rail damages | |
JP4575116B2 (ja) | パンタグラフ特性の診断方法及び装置 | |
JP4843536B2 (ja) | パンタグラフ揚力推定システムおよび推定方法 | |
IKEDA | The Contact Force between Pantograph and Contact Wire—An Estimation Method Using the Inversion Technique— | |
Tiwari et al. | Noise and vibration exposure on the physiological parameters of bus drivers using machine learning algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090129 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110524 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110621 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20110629 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110726 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110818 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110906 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110909 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140916 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |