JP2012021790A - レール波状摩耗検出方法、および、レール波状摩耗検出システム - Google Patents

Abstract

【課題】鉄道車両の走行速度に依存せずに空間軸上でレールの波状摩耗を評価するレール波状摩耗検出方法、および、レール波状摩耗検出システムを提供する。
【解決手段】レール（３１）上を走行する鉄道車両（２０）上で鉄道車両（２０）の走行時間に対して振動加速度および騒音の少なくとも一方を測定して時間軸データを生成し、前記時間軸データを鉄道車両（２０）の走行距離に関連付けられた空間軸データに変換し、前記空間軸データを空間周波数軸上でバンドパスフィルタ処理してフィルタ処理データを生成し、前記フィルタ処理データに基づいてレール（３１）の波状摩耗の発生区間を決定する。
【選択図】図３

Description

本発明は、レールに生じる波状摩耗を検出するレール波状摩耗検出方法およびレール波状摩耗検出システムに関する。

従来、鉄道車両上の測定データから、レールに生じる波状摩耗を検出する幾つかの試みがなされてきた。その多くは、時間周波数軸上でフィルタ処理等の信号処理を行うものであった（特許文献１参照）。また、レール上を走行する鉄道車両の騒音からレールの波状摩耗を検出する試みも行われている（特許文献２参照）。また、騒音の音響信号のスペクトルピークから波状摩耗を検出する方法もある（特許文献３参照）。ここで、波状摩耗はレール上で生じると共にある波長を有した空間軸上の周期的な凹凸である。

上記技術において、時間周波数軸上でフィルタ処理を行う場合、鉄道車両は様々な走行速度でレール上を走行するため、鉄道車両の走行速度によって波状摩耗の成分をカットオフしてしまう可能性がある。また、波状摩耗の発生形態によって、異なる波長のものも存在する。

特開２０００−１３６９８８号公報 特開２００８−８１１０２号公報 特開２００７−１４５２７０号公報

上記問題の対策として、フィルタ処理の周波数帯域を広く設定すればよい。しかし、波状摩耗以外の成分の周波数が多く含まれてしまい、検出精度が低下する可能性がある。

また、スペクトルピークによって波状摩耗を検出する方法では、波状摩耗の波長が均一でない場合、又は、鉄道車両の走行速度が変化する場合、ピークが分散し、波状摩耗の程度を過小評価する可能性が高い。

そこで、本発明の目的は、鉄道車両の走行速度に依存せずに空間軸上でレールの波状摩耗を評価するレール波状摩耗検出方法、および、レール波状摩耗検出システムを提供することにある。

以下、符号を付して本発明の特徴を説明する。なお、符号は参照のためであり、本発明を実施形態に限定するものでない。

本発明の第１の特徴に係わるレール波状摩耗検出方法は、レール（３１）上を走行する鉄道車両（２０）上で鉄道車両（２０）の走行時間に対して振動加速度および騒音の少なくとも一方を測定して時間軸データを生成し、前記時間軸データを鉄道車両（２０）の走行距離に関連付けられた空間軸データに変換し、前記空間軸データを空間周波数軸上でバンドパスフィルタ処理してフィルタ処理データを生成し、前記フィルタ処理データに基づいてレール（３１）の波状摩耗の発生区間を決定する。

以上の第１の特徴において、前記フィルタ処理データを標準偏差処理して標準偏差データを生成し、前記標準偏差データに基づいてレール（３１）の波状摩耗の発生区間を決定する。

前記フィルタ処理データを下記数式によって空間重み付けレベル化処理してレベル化処理データを生成し、前記レベル化処理データに基づいてレールの波状摩耗の発生区間及び波状摩耗の波高の少なくとも一方を決定する。

本発明の第２の特徴に係わるレール波状摩耗検出システム（１０）は、レール（３１）上を走行する鉄道車両（２０）上で鉄道車両（２０）の走行時間に対して振動加速度および騒音の少なくとも一方を測定して時間軸データを生成する測定装置（１１Ａ、１１Ｂ、１２）と、前記時間軸データを鉄道車両（２０）の走行距離と関連付けられた空間軸データに変換し、前記空間軸データを空間周波数軸上でバンドパスフィルタ処理してフィルタ処理データを生成し、前記フィルタ処理データに基づいてレール（３１）の波状摩耗の発生区間を決定する処理装置（１３）を有する。

以上の第２の特徴において、処理装置（３１）は、前記フィルタ処理データを標準偏差処理して標準偏差データを生成し、前記標準偏差データに基づいてレールの波状摩耗の発生区間を決定する。

処理装置（３１）は、前記フィルタ処理データを下記数式によって空間重み付けレベル化処理してレベル化処理データを生成し、前記レベル化処理データに基づいてレールの波状摩耗の発生区間及び波状摩耗の波高の少なくとも一方を決定する。

本発明の特徴によれば、空間軸データを空間周波数軸上でバンドパスフィルタ処理することにより、鉄道車両の走行速度によらず、空間軸上での現象であるレールの波状摩耗の発生区間を高い精度で検出することができる。

フィルタ処理データに対して標準偏差処理することにより、レールの波状摩耗の発生区間を精度良く検出することができる。

フィルタ処理データを空間重み付けレベル化処理することにより、レールの波状摩耗の発生区間を精度良く決定することができる。

フィルタ処理データを空間重み付けレベル化処理することにより、レールの波状摩耗の高さを決定することができる。

レール波状摩耗検出システムの構成を示す概略図である。 図１に示す加速度センサ、マイクロホンを備えた鉄道車両の概要図である。 図１に示すシステムの処理手順を示すフローチャートである。 （Ａ）は左車輪の軸箱振動加速度のパワースペクトルを示すグラフであり、（Ｂ）は右車輪の軸箱振動加速度のパワースペクトルを示すグラフであり、（Ｃ）は車体振動加速度のパワースペクトルを示すグラフであり、（Ｄ）は車内騒音のパワースペクトルを示すグラフである。 （Ａ）はＢＰＦ（バンドパスフィルタ）処理前の軸箱振動加速度を示すグラフであり、（Ｂ）はＢＰＦ処理後の軸箱振動加速度を示すグラフであり、（Ｃ）はＢＰＦ処理前の車体加振動速度を示すグラフであり、（Ｄ）はＢＰＦ処理後の車体振動加速度を示すグラフであり、（Ｅ）はＢＰＦ処理前の車内騒音を示すグラフであり、（Ｆ）はＢＰＦ処理後の車内騒音のグラフを示す。 （Ａ）はＢＰＦ処理後の軸箱振動加速度を示すグラフであり、（Ｂ）は５ｍロットの標準偏差を示すグラフであり、（Ｃ）は１０ｍロットの標準偏差を示すグラフであり、（Ｄ）は２５ｍロットの標準偏差を示すグラフであり、（Ｅ）は１００ｍロットの標準偏差を示すグラフである。 ＢＰＦ処理後の軸箱振動加速度のフィルタ処理データを示すグラフである。 （Ａ）はＢＰＦ処理後の軸箱振動加速度を示すグラフであり、（Ｂ）はκ＝０．１の空間重み付けレベルの波形を示すグラフであり、（Ｃ）はκ＝０．５の空間重み付けレベルの波形を示すグラフであり、（Ｄ）はκ＝１．０の空間重み付けレベルの波形を示すグラフであり、（Ｅ）はκ＝５．０の空間重み付けレベルの波形を示すグラフである。 （Ａ）は軸箱振動加速度について波状摩耗の波高とレベルの関係を示すグラフであり、（Ｂ）は車体振動加速度について波状摩耗の波高とレベルの関係を示すグラフであり、（Ｃ）は車内騒音について波状摩耗の波高とレベルの関係を示すグラフである。

以下、図面を参照して実施の形態を詳細に説明する。

第１の実施形態
図１に示すように、レール波状摩耗検出システム１０は、鉄道車両に設置された加速度センサ１１Ａ、１１Ｂおよびマイクロホン１２と、加速度センサ１１Ａ、１１Ｂおよびマイクロホン１２の測定データを処理する処理装置１３、処理装置１３の処理結果を出力する出力装置１４を有する。

図２に示すように、鉄道車両２０は、車体２１と、空気バネを２２介在して車体２１を支持する台車２３と、軸バネ２４を介在して台車２３に取り付けられた軸箱２５と、軸箱２５に回転可能に支持された車軸に取り付けられると共にレール３１上で回転可能な車輪２６を有する。ここで、「波状摩耗」とは、繰返しレール上を走行する鉄道車両の荷重によってレールが周期的に摩耗または損傷し、凹凸を形成する現象である。

加速度センサ１１Ａは、例えば、車体２１の床２１ａの上に設置される。加速度センサ１１Ｂは、軸箱２５に設置される。加速度センサ１１Ａ、１１Ｂは、例えば、抵抗線型、サーボ型、圧電型を含む。加速度センサ１１Ａは、車体２１上で車体２１の振動から車体振動加速度を測定する。また、加速度センサ１１Ｂは、軸箱２５上で軸箱２５の振動から軸箱振動加速度を測定する。

マイクロホン１２は、例えば、車体２１の床２１ａ上に設置される。マイクロホン１２は、例えば、普通騒音計、精密騒音計、その他のコンデンサ型マイクロホンを含む。マイクロホン１２は、レール３１と車輪２６の接触に起因する車内騒音を測定する。

処理装置１３は、処理プログラムを実行するＣＰＵ（Central Processing Unit）と、処理プログラムを格納するＲＯＭ（Read Only Memory）と、ＣＰＵの処理に必要なデータを一時的に記憶するＲＡＭ（Random Access Memory）を有する。処理装置１３は、測定した車体振動加速度、軸箱振動加速度、車内騒音の時間軸データから空間軸データに変換する。処理装置１３は、車体振動加速度、軸箱振動加速度、車内騒音の空間軸データを空間周波数軸上でバンドパスフィルタ処理して波状摩耗の周波数成分を抽出し、フィルタ処理データを生成する。処理装置１３は、フィルタ処理データを標準偏差処理して標準偏差データ、または、フィルタ処理データを空間重み付きレベル化処理してレベル化処理データを生成する。

出力装置１４は、例えば、液晶表示装置、有機ＥＬ（Electro-Luminescence）表示装置のような画像表示装置、又は、インクジェットプリンタ方式もしくはレーザプリンタ方式の印刷装置を有する。出力装置１４は、上記時間軸データ、空間軸データ、フィルタ処理データ、標準偏差データ、レベル化処理データを表示または出力する。

次に、レールの波状摩耗の検出方法について説明する。

先ず、図３を用いて概略の検出方法について説明する。

測定した車体振動加速度、軸箱振動加速度、車内騒音の時間サンプリングの時間軸データを距離サンプリングの空間軸データに変換する（ステップＳ１３）。次に、空間軸データを空間周波数軸上でバンドパスフィルタ（以下、ＢＰＦと称する。）処理して、波状摩耗に起因する周波数成分のみを抽出する（ステップＳ１４）。この際、波状摩耗の波長に応じて、ＢＰＦの波長帯域を設定する。この処理波形から、目視等で波状摩耗の発生箇所で見分けることも可能である。一方、検出精度を高めるため、本実施形態ではＢＰＦ処理を行った空間軸データについて区間標準偏差を求める（ステップＳ１６）。

なお、空間軸データに変換する際のアンチエイリアジングのために、時間軸データに対して時間軸上でローパスフィルタ処理を行ってもよい（ステップＳ１１）。また、このローパスフィルタ処理を行った時間軸データに対してドリフト補正フィルタ処理を実行してもよい（ステップＳ１２）。また、空間軸データについて車上データと地上データとの位置ずれを補正してもよい（ステップＳ１５）。

次に、詳細な検出方法を説明する。

先ず、図２に示すように、鉄道車両２０を波状摩耗が発生したレール３１上で走行させる。加速度センサ１１Ａ、１１Ｂによって、車体２１、軸箱２５で、それぞれ、車体振動加速度、軸箱振動加速度を時間軸上で鉄道車両２０の走行時間に対して測定する。マイクロホン１２によって、車体２１の内部で車内騒音を時間軸上で鉄道車両２０の走行時間に対して測定する。これらの測定データを時間軸データと称する。

次に、図３において、時間軸データに対してアンチエイリアジングフィルタ処理を実行する（ステップＳ１１）。

ここで、内軌波状摩耗の波長は、一般的に、１００〜１５０ｍｍ程度とされている。また、直線波状摩耗や外軌波状摩耗の波長は、一般的に、２５０〜５００ｍｍ程度である。したがって、１ｃｍ間隔で距離サンプリングすれば、十分にこれらの凹凸形状を把握できる。そして、一般的な在来線を走行する鉄道車両の最高速度は、１３０ｋｍ／ｈであることから、下記式（１）の関係から７００Ｈｚのローパスフィルタ（以下、ＬＰＦと称する）でアンチエイリアジング処理する。これによれば、１ｃｍ間隔で距離サンプリングしてもエイリアジングを起こさない。

次に、時間軸データに対してドリフト補正フィルタ処理を実行する（ステップＳ１２）。具体的には、例えば、０．５Ｈｚのハイパスフィルタで時間軸データを処理する。

次に、時間軸データを空間軸データに変換する（ステップＳ１３）。時間軸上の時間軸データを速発パルスで空間軸上のデータ、つまり、鉄道車両の走行距離についての空間軸データに変換する。ここで、速発パルスとは、車輪の回転に伴って発生するパルス信号であり、空間軸上で等間隔なパルスを刻む。

次に、空間軸データを空間周波数軸上でＢＰＦ処理して波状摩耗の周波数成分が抽出されたフィルタ処理データを生成する（ステップＳ１４）。具体的には、内軌波状摩耗の抽出には、空間軸データに対して波長約０．１０〜０．２５ｍでＢＰＦ処理を実行する。同じく、直線波状摩耗や外軌波状摩耗の抽出には、空間軸データに対して波長約０．２０〜０．６０ｍでＢＰＦ処理を実行する。

図４（Ａ）、（Ｂ）は、それぞれ、Ａ、Ｂ、Ｃ区間における左右車輪における軸箱振動加速度のパワースペクトル、同図（Ｃ）は車体振動加速度のパワースペクトル、同図（Ｄ）は車内騒音のパワースペクトルを示す。区間Aは左レールが内軌、区間Ｂは右レールが内軌となる半径２５０mの曲線である。区間Cはいずれの波状摩耗の無い直線である。いずれの区間も、鉄道車両の走行速度は約６０km／hである。両図より、いずれのパワースペクトルにおいても、区間ＡおよびＢでは空間周波数で６〜７［１／ｍ］程度（波長０．１５ｍ程度）の帯域にピークが見られる。一方、区間Cでは顕著なピークは見られない。したがって、区間ＡおよびＢに波長０．１５ｍ程度の内軌波状摩耗が存在していると考えられる。

そこで、内軌波状摩耗に起因する信号のみを抽出するため、波長０．１０〜０．２５ｍでＢＰＦ処理を実行する。

図５において、位置Ｐ１と位置Ｐ２との間は直線区間であり、位置Ｐ２と位置Ｐ３との間は緩和曲線区間であり、位置Ｐ３と位置Ｐ４との間は円曲線区間である。このＢＰＦ処理によって、図５（Ｂ）、（Ｄ）、（Ｆ）に示すように、軸箱振動加速度、車体振動加速度および車内騒音の空間軸データから波状摩耗以外の周波数成分が除去される。これにより、円曲線区間Ｐ３−Ｐ４と直線区間Ｐ１−Ｐ２との振幅の差が顕著になり、波状摩耗の検出精度が向上する。以上から、軸箱振動加速度、車体振動加速度および車内騒音の空間軸データを空間周波数軸上でＢＰＦ処理して波状摩耗の発生区間を検出することができる。

次に、空間軸データに対して車輪の空転や滑走による位置ずれを補正する（ステップＳ１５）。具体的には、約１ｋｍ間隔で地上に敷設されている地上子の信号を用いて、空間軸上のデータに、さらに、保線で用いられている「キロ程」を付与してもよい。この処理により、車上データと地上データとの位置ずれが解消され、測定時期の異なるデータの経時変化の分析が可能となる。

次に、波状摩耗の発生区間、位置を決定する（ステップＳ１６）。すなわち、波状摩耗はある区間にわたって発生するので、波状摩耗データを標準偏差に代表される区間統計量で評価する。

図６は、ロット長を５、１０、２５、１００ｍと変化させた場合の区間標準偏差の算定結果を示す。同図において、位置Ｑ１と位置Ｑ２との間は直線区間である。位置Ｑ２と位置Ｑ３との間は緩和曲線区間である。位置Ｑ３と位置Ｑ４との間は円曲線区間である。位置Ｑ４と位置Ｑ５との間は緩和曲線区間である。位置Ｑ５と位置Ｑ６との間は直線区間である。

この手法では、波状摩耗発生区間の標準偏差が大きくなるので、しきい値を設けて波状摩耗の発生区間、位置を決定することができる。

また、ロット長は、例えば、２５ｍを選択する。ロット長が短いほど波状摩耗の発生区間の分解能が高いが、継目や溶接部等の局所的なレール凹凸の影響を受けやすくなる。一方、ロット長が長くなるに従って分解能が低くなり、波状摩耗の始終端が不鮮明となる。このように、区間標準偏差による手法は、ロット長の影響を大きく受ける。同図より、波状摩耗の状態を区間標準偏差で評価するには、レールの基本長さが２５ｍであることも考慮すると、２５ｍのロット長が適当である。

以上の実施形態によれば、空間軸データを空間周波数軸上でＢＰＦ処理することにより、鉄道車両の走行速度によらず、空間軸上での現象であるレールの波状摩耗の発生区間、位置を高い精度で検出することができる。

フィルタ処理データを標準偏差処理することにより、レールの波状摩耗の発生区間、位置を精度良く検出することができる。

第２の実施形態
本実施形態は、図３のステップＳ１６において、フィルタ処理データを空間軸上で重み付けレベル化処理してレベル化処理データを生成し、レベル化処理データに基づいて波状摩耗の発生区間、波状摩耗の高さを決定する。

レベル化処理は、通常は時間軸上で処理が行われるため「時間重み付きレベル」と呼ばれ、式（２）で表現される。なお、レベル化処理の利点は、加速度波形のように連続量として表示できるとともに、ＬＰＦ処理によるデータ圧縮が可能な点にある。

ここで、時定数τは１次のＬＰＦの定数であり、通常はＦＡＳＴ（τ=1.0sec）、または、ＳＬＯＷ（τ=0.125sec）が用いられている。なお、１次のフィルタとは、−２０ｄＢ／ｄｅｃ（周波数１０倍で利得を１／１００に低減）を達成するフィルタである。この時間重み付きレベルの概念を、空間軸上のデータに適用する。式（３）に「空間重み付きレベル」を定義する。ここで、空間定数κは、時間軸上の時定数τに相当し、空間軸上での重み付けを行うための定数となる。式（３）を用いて、空間重み付けレベル化処理データを生成する。また、空間軸上でのデータ圧縮は、サンプリング間隔を広く設定することでき、システム上で軌道検測データ等と同様に取り扱うことができる。

図７、８において、位置Ｒ１と位置Ｒ２との間は円曲線区間である。位置Ｒ２と位置Ｒ３との間は緩和曲線区間である。位置Ｒ３と位置Ｒ４との間は直線区間である。

図７は、空間定数κを０．１、０．５、１．０、５．０と変化させた場合の空間重み付きレベルの算定結果を示す。

この手法では、波状摩耗発生区間の空間重み付きレベルが大きくなるので、しきい値を設けて波状摩耗の発生区間、位置を決定することができる。

また、空間定数κは、例えば、１．０を選択する．κが１．０より小さいと、波形の変動が大きくなり、継目等の衝撃的な振動の影響が大きくなる。一方、κが大きいと波形の変動が小さくなり、波形も平滑化される。これは、波長１ｍの一次のＬＰＦ処理に相当する。

図８に示すように、κ＝１．０において、軸箱振動加速度について円曲線区間Ｒ１−Ｒ２と直線区間Ｒ３−Ｒ４のレベル差が最も大きく波状摩耗の検出精度は高い。また、車体振動加速度および車内騒音においても円曲線区間Ｒ１−Ｒ２と直線区間Ｒ３−Ｒ４で明確なレベル差が得られている。よって、いずれの振動加速度においても波状摩耗の発生区間、位置を検出することができる。

次に、重み付けレベル化データに基づいて波状摩耗の高さを評価する。

先ず、波状摩耗が発生したレールをレール凹凸連続測定装置（ＣＡＴ；Corrugation Analysis Trolley）測定装置によって測定する。次に、図２に示す鉄道車両２０を同レール上で走行させ、加速度センサ１１Ａ、１１Ｂよって車体振動加速度、軸箱振動加速度、マイクロホン１２によって車内騒音を測定する。

鉄道車両の走行速度は７０〜８０ｋｍ／ｈ程度である。

次に、ＣＡＴ測定装置によって測定された複数の曲線のデータにおける波状摩耗の波高が０．０５ｍｍ以上の区間に対し、同一区間の車上で測定された各データの空間重み付きレベル（空間重み付きレベル化処理データ）を比較する。なお、各プロットはそれぞれ５ｍ間の平均値で、継目前後の値は除去してある。図９に示すように、いずれの車上測定データにおいて、波状摩耗の波高が高いほど、レベルも大きくなっており相関も高い。このことから、車上測定データの空間重み付きレベル（空間重み付きレベル化処理データ）から、波状摩耗の波高を決定することができる。

なお、軸箱振動加速度の回帰式の傾きは、最も急になっており、相関係数も大きいことから、軸箱振動加速度が波状摩耗の検出において高い精度を示す。また、車内騒音では、軸箱振動加速度とほぼ同等の相関係数が得られており、実用上は十分な検出精度を有している。車体振動加速度では、軸箱振動加速度や車内騒音と比較して、相関係数が小さいが、波状摩耗の波高に比例してレベルが大きくなる傾向にある。

以上の実施形態によれば、空間軸上のフィルタ処理データに空間重み付けレベル化処理することにより、レールの波状摩耗の発生区間、位置を精度良く決定することができる。

また、空間軸上のフィルタ処理データに空間重み付けレベル化処理することにより、レールの波状摩耗の高さを決定することができる。

なお、本発明は本実施形態に限定されず、また、各実施形態は発明の趣旨を変更しない範囲で変更、修正可能である。

１０ レール波状摩耗検出システム
１１Ａ、１１Ｂ 加速度センサ
１２ マイクロホン
１３ 処理装置
１４ 出力装置
２０ 鉄道車両
２１ 車体
２２ 空気バネ
２３ 台車
２４ 軸バネ
２５ 軸箱
２６ 車輪
３１ レール

Claims (6)

1. レール上を走行する鉄道車両上で鉄道車両の走行時間に対して振動加速度および騒音の少なくとも一方を測定して時間軸データを生成し、
   前記時間軸データを鉄道車両の走行距離に関連付けられた空間軸データに変換し、
   前記空間軸データを空間周波数軸上でバンドパスフィルタ処理してフィルタ処理データを生成し、
   前記フィルタ処理データに基づいてレールの波状摩耗の発生区間を決定する、
   レール波状摩耗検出方法。
2. 前記フィルタ処理データを標準偏差処理して標準偏差データを生成し、
   前記標準偏差データに基づいてレールの波状摩耗の発生区間を決定する、
   請求項１に記載のレール波状摩耗検出方法。
3. 前記フィルタ処理データを下記数式によって空間重み付けレベル化処理してレベル化処理データを生成し、
   前記レベル化処理データに基づいてレールの波状摩耗の発生区間及び波状摩耗の波高の少なくとも一方を決定する、
   請求項１に記載のレール波状摩耗検出方法。
   
4. レール上を走行する鉄道車両上で鉄道車両の走行時間に対して振動加速度および騒音の少なくとも一方を測定して時間軸データを生成する測定装置と、
   前記時間軸データを鉄道車両の走行距離に関連付けられた空間軸データに変換し、前記空間軸データを空間周波数軸上でバンドパスフィルタ処理してフィルタデータを生成し、前記フィルタ処理データに基づいてレールの波状摩耗の発生区間を決定する処理装置を有する、
   レール波状摩耗検出システム。
5. 前記処理装置は、前記フィルタ処理データを標準偏差処理して標準偏差データを生成し、前記標準偏差データに基づいてレールの波状摩耗の発生区間を決定する、
   請求項４に記載のレール波状摩耗検出システム。
6. 前記処理装置は、前記フィルタ処理データを下記数式によって空間重み付けレベル化処理してレベル化処理データを生成し、前記レベル化処理データに基づいてレールの波状摩耗の発生区間及び波状摩耗の波高の少なくとも一方を決定する、
   請求項４記載のレール波状摩耗検出システム。