JP2019138771A - 鉄道車両の状態監視装置 - Google Patents

Abstract

【課題】鉄道車両の異常の有無を簡易に且つ精度良く判定することが可能な鉄道車両の状態監視装置を提供する。【解決手段】鉄道車両状態監視装置１００は、軌道上を走行する鉄道車両３が具備する車輪３１の輪重で表わされる指標を検出する検出装置１と、所定時間内に検出した複数の指標と、入力された軌道又は鉄道車両のメンテナンス情報とに基づき、鉄道車両の異常の有無を判定する判定装置２とを備える。判定装置は、機械学習によって生成され、複数の指標が入力され、メンテナンスの有無を出力する分類器２１を具備する。判定装置は、分類器の出力がメンテナンス無しの場合、正常であると判定する。分類器の出力がメンテナンス有りの場合、メンテナンス情報に基づき、メンテナンスが実際に行われたか否かを判定し、実際に行われているときには正常であり、行われていないときには異常が生じていると判定する。【選択図】図２

Description

本発明は、軌道上を走行する鉄道車両の異常の有無を判定する鉄道車両の状態監視装置に関する。特に、本発明は、鉄道車両の異常の有無を簡易に且つ精度良く判定することが可能な鉄道車両の状態監視装置に関する。

輸送安全の見地から、軌道や鉄道車両には定期的にメンテナンスが実施されている。しかしながら、鉄道車両の状態を常に把握できているわけではない。また、メンテナンスの際には、異常の有無に関わらずに、各部の点検や部品交換を実施する場合も多く、経済的ではない。

このため、車輪の輪重を測定するための輪重センサを軌道に設け、輪重センサによって測定した輪重で表わされる指標の大小に基づき鉄道車両の異常を検出する方法が提案されている（例えば、特許文献１参照）。

しかしながら、特許文献１に記載の方法は、指標を所定のしきい値と比較し、その大小に応じて鉄道車両の異常を検出する方法である。この異常を検出するためのしきい値は、鉄道車両の構造、積載条件、走行条件等に応じて適切な値が変わり得る。このため、鉄道車両の異常を精度良く検出するには、これらの各条件毎に多数のしきい値を決定する必要があり、多大なる時間と労力を要する。

そこで、鉄道車両の異常の有無を判定するためのしきい値の決定に多大な手間を要することなく簡易に判定が可能な鉄道車両状態監視装置が提案されている（例えば、特許文献２参照）。
特許文献２に記載の装置は、車輪の輪重で表わされる指標を検出する検出装置と、検出した指標が入力され、鉄道車両の異常の有無を出力する分類器を具備する判定装置とを備えている。この分類器は、機械学習によって生成されるが、機械学習の際、正常な鉄道車両についての教師データと、異常な鉄道車両についての教師データとが必要である。
特許文献２に記載の装置によれば、機械学習により分類器を生成するだけで良いため、特許文献１に記載の方法に比べれば、簡易に鉄道車両の異常の有無を判定可能である。

特許文献２に記載の装置において、機械学習の際に必要となる正常な鉄道車両についての教師データは、容易に用意することが可能である。しかしながら、異常な鉄道車両についての教師データは、異常な鉄道車両を用意すること自体が困難であるため、多数の教師データを用意することが極めて困難である。したがい、分類器の機械学習が不十分となる結果、判定精度が悪くなるという問題がある。
特許文献２には、異常な鉄道車両の教師データを汎用機構解析ソフトを用いた数値シミュレーションによって算出することも提案されているものの、実際の異常な鉄道車両についての教師データではないため、十分な判定精度は得られない。

特開２０１３−１２０１００号公報 特開２０１６−１１３０２９号公報

本発明は、上記の従来技術の問題点を解決するべくなされたものであり、鉄道車両の異常の有無を簡易に且つ精度良く判定することが可能な鉄道車両の状態監視装置を提供することを課題とする。

前記課題を解決するため、本発明者らは鋭意検討した結果、鉄道車両が具備する車輪の輪重で表される指標（車体ねじれ指標など）の値が、鉄道車両に異常が生じたときに急変すると共に、軌道又は鉄道車両のメンテナンスの前後でも急変することを見出した（後述の図３参照）。正常な鉄道車両が具備する車輪の輪重で表される指標と、軌道又は鉄道車両のメンテナンス情報（判定対象とする軌道又は鉄道車両でいつメンテナンスが行われたかという情報）とは、双方共に比較的容易に取得可能である。このため、正常な鉄道車両について所定時間内に検出した複数の指標（指標の時系列データ）を入力とし、この所定時間内における軌道又は鉄道車両のメンテナンスの有無を出力とする教師データを用いて、機械学習により分類器を生成することは比較的容易である。この機械学習によって生成された分類器に、異常の有無の判定対象である鉄道車両について所定時間内に検出した複数の指標を入力すれば、分類器から軌道又は鉄道車両のメンテナンスの有無が出力されることになる。そして、本発明者らは、この分類器からメンテナンス有りが出力された場合に、実際のメンテナンス情報と照合し、実際にメンテナンスが行われていれば、鉄道車両は正常であると判定できるし、実際にはメンテナンスが行われていなければ、鉄道車両に異常が生じていると判定可能であることに想到した。

本発明は、上記の本発明者らの知見に基づき完成したものである。
すなわち、前記課題を解決するため、本発明は、軌道上を走行する鉄道車両が具備する車輪の輪重で表わされる指標を検出する検出装置と、前記検出装置で所定時間内に検出した複数の前記指標と、入力された前記軌道又は前記鉄道車両のメンテナンス情報とに基づき、前記鉄道車両の異常の有無を判定する判定装置とを備え、前記判定装置は、前記複数の前記指標が入力され、前記軌道又は前記鉄道車両のメンテナンスの有無を出力する分類器を具備し、前記分類器の出力がメンテナンス無しの場合、前記鉄道車両は正常であると判定し、前記分類器の出力がメンテナンス有りの場合、前記入力されたメンテナンス情報に基づき、前記分類器に入力された複数の前記指標を検出した所定時間内において、前記軌道又は前記鉄道車両のメンテナンスが実際に行われたか否かを判定し、実際にメンテナンスが行われているときには前記鉄道車両は正常であると判定し、実際にはメンテナンスが行われていないときには前記鉄道車両に異常が生じていると判定し、前記分類器は、正常な前記鉄道車両について、前記軌道又は前記鉄道車両のメンテナンスが実際に行われていない所定時間内に検出した複数の前記指標が入力されたときにメンテナンス無しを出力し、前記軌道又は前記鉄道車両のメンテナンスが実際に行われた所定時間内に検出した複数の前記指標が入力されたときにメンテナンス有りを出力するように、機械学習を用いて生成される、ことを特徴とする鉄道車両の状態監視装置を提供する。

本発明に係る鉄道車両の状態監視装置によれば、分類器を生成する機械学習における教師データとして、正常な鉄道車両について、軌道又は鉄道車両のメンテナンスが実際に行われていない所定時間内に検出した複数の指標と、軌道又は鉄道車両のメンテナンスが実際に行われた所定時間内に検出した複数の指標とを用意するだけでよい。すなわち、教師データとして異常な鉄道車両についての指標が不要であるため、多数の教師データを用意することができ、分類器の機械学習を十分に行うことができる結果、判定精度を高めることが可能である。
なお、判定装置が具備する分類器としては、人工ニューラルネットワーク（Artificial Newral Network、ANN）やサポートベクターマシンなど、機械学習を用いて生成できる限りにおいて種々の構成を採用可能である。

本発明に係る鉄道車両の状態監視装置で用いる好ましい指標として、車体ねじれ指標又は台車ねじれ指標を例示できる。すなわち、好ましくは、前記指標は、以下の式（１）で表わされる車体ねじれ指標、或いは、以下の式（２）又は（３）で表わされる台車ねじれ指標である。
車体ねじれ指標＝（Ｐ１＋Ｐ３＋Ｐ６＋Ｐ８）−（Ｐ２＋Ｐ４＋Ｐ５＋Ｐ７）・・・（１）
前側の台車の台車ねじれ指標＝（Ｐ１＋Ｐ４）−（Ｐ２＋Ｐ３）・・・（２）
後側の台車の台車ねじれ指標＝（Ｐ５＋Ｐ８）−（Ｐ６＋Ｐ７）・・・（３）
ただし、Ｐ１は前側の台車の前方右側の車輪の輪重を、Ｐ２は前側の台車の前方左側の車輪の輪重を、Ｐ３は前側の台車の後方右側の車輪の輪重を、Ｐ４は前側の台車の後方左側の車輪の輪重を、Ｐ５は後側の台車の前方右側の車輪の輪重を、Ｐ６は後側の台車の前方左側の車輪の輪重を、Ｐ７は後側の台車の後方右側の車輪の輪重を、Ｐ８は後側の台車の後方左側の車輪の輪重を示す。
なお、車体ねじれ指標、前側の台車の台車ねじれ指標及び後側の台車の台車ねじれ指標は、式（１）〜（３）から明らかなように、車輪の輪重を検出することで算出可能である。車輪の輪重は、例えば、特許文献１に記載のように、歪ゲージを用いた輪重センサやロードセル等のセンサを軌道に設置することで検出可能である。保守・点検等の手間やコストを考えると、軌道に設けられたセンサを用いて検出することが好ましい。ただし、本発明はこれに限るものではなく、鉄道車両（台車）自体がセンサを備え、該センサによって輪重（及び横圧）を測定可能ないわゆるＰＱモニタリング台車を用いて各指標を算出することも可能である。
また、本発明に係る鉄道車両の状態監視装置において異常の有無の判定に用いる指標が台車ねじれ指標である場合、前側の台車の台車ねじれ指標及び後側の台車の台車ねじれ指標のうち、何れか一方の台車ねじれ指標を用いても良いし、双方の台車ねじれ指標を用いても良い。すなわち、判定装置が具備する分類器に何れか一方の台車ねじれ指標が入力される構成でも良いし、分類器に双方の台車ねじれ指標が入力される構成でも良い。

本発明に係る鉄道車両の状態監視装置は、異常の有無のみならず、更に異常の種別を判定可能な構成とすることが好ましい。本発明者らの知見によれば、例えば、車体ねじれ指標を用いて異常の有無を判定した後、台車ねじれ指標を用いて異常の種別を判定することができる。
すなわち、好ましくは、前記検出装置は、前記車体ねじれ指標及び前記台車ねじれ指標を検出し、前記判定装置は、前記検出装置で所定時間内に検出した複数の前記車体ねじれ指標と、入力された前記軌道又は前記鉄道車両のメンテナンス情報とに基づき、前記鉄道車両の異常の有無を判定し、前記鉄道車両に異常が生じていると判定した場合、前記複数の車体ねじれ指標を検出した所定時間内に前記検出装置で検出した複数の前記台車ねじれ指標のうち、その絶対値が所定のしきい値以上の台車ねじれ指標が存在するときには前記鉄道車両が備える軸ばねが破損していると判定し、存在しないときには前記鉄道車両が備える２次ばねに関する異常が発生していると判定する。

上記の好ましい構成において、異常の種別を判定するのに用いる台車ねじれ指標は、前側の台車の台車ねじれ指標及び後側の台車の台車ねじれ指標の双方を意味する。また、上記の好ましい構成において、「その絶対値が所定のしきい値以上の台車ねじれ指標が存在するとき」とは、前側の台車の台車ねじれ指標及び後側の台車の台車ねじれ指標のうち、少なくとも何れか一方の絶対値が所定のしきい値以上であることを意味する。さらに、上記の好ましい構成において、「その絶対値が所定のしきい値以上の台車ねじれ指標が・・・（中略）・・・存在しないとき」とは、前側の台車の台車ねじれ指標及び後側の台車の台車ねじれ指標の双方の絶対値が所定のしきい値未満であることを意味する。
上記の好ましい構成において、軸ばねは車輪毎に設けられており、いずれかの車輪の軸ばねが破損すると、その軸ばねが設けられた車輪に掛かっていた台車の重量は、その台車におけるその車輪の前後方向及び左右方向に位置する車輪に掛かる。例えば、台車の前方右側の車輪の軸ばねが破損すると、前方右側の車輪に掛かっていた台車の重量は、前方左側の車輪及び後方右側の車輪に掛かる。このように、軸ばねが破損すると、その影響は、軸ばねが破損した車輪に対して前後方向及び左右方向に位置する車輪に及ぶことになる。
したがって、前述の式（２）に示すように、前側の台車の前方右側及び後方左側に位置する車輪のそれぞれの輪重の合計（Ｐ１＋Ｐ４）と、前側の台車の前方左側及び後方右側に位置する車輪のそれぞれの輪重の合計（Ｐ２＋Ｐ３）との差である台車ねじれ指標（前側の台車の台車ねじれ指標）の絶対値が所定のしきい値以上である場合、前側の台車の軸ばねが破損していると判定可能である。式（３）で表わされる後側の台車の台車ねじれ指標についても同様である。
また、上記の好ましい構成において、２次ばね（空気ばね）は、台車毎に左右一対設けられており、２次ばねに関する異常としては、２次ばねのパンクや、２次ばねの吸排気を制御する高さ調整弁の故障を例示できる。

本発明に係る鉄道車両の状態監視装置によれば、従来のようにしきい値を決定するための多大なる時間や労力を要することなく、既知のデータを用いた機械学習により分類器を生成するだけで良いため、簡易に鉄道車両の異常の有無を判定可能である。また、本発明に係る鉄道車両の状態監視装置によれば、教師データとして異常な鉄道車両についての指標が不要であるため、多数の教師データを用意することができ、分類器の機械学習を十分に行うことができる結果、判定精度を高めることが可能である。すなわち、本発明に係る鉄道車両の状態監視装置によれば、鉄道車両の異常の有無を簡易に且つ精度良く判定することが可能である。

本発明の一実施形態に係る状態監視装置の概略構成を示す模式図である。 図１に示す状態監視装置１００の概略動作を示すフロー図である。 車体ねじれ指標の変動例を示す図である。 図１に示す分類器２１を機械学習を用いて生成する手順を模式的に示す説明図である。 図１に示す状態監視装置１００の判定動作を模式的に示す説明図である。

以下、添付図面を適宜参照しつつ、本発明の一実施形態に係る鉄道車両の状態監視装置（以下、適宜、「状態監視装置」と略称する）について説明する。まず、本実施形態に係る状態監視装置の全体構成について説明する。

図１は、本実施形態に係る状態監視装置の概略構成を示す模式図である。
図１に示すように、本実施形態に係る状態監視装置１００は、軌道上を走行する鉄道車両３が具備する車輪３１の輪重で表わされる指標を検出する検出装置１と、検出装置１で所定時間内に検出した複数の指標と、軌道又は鉄道車両３のメンテナンス情報（判定対象である軌道又は鉄道車両３でいつメンテナンスが行われたかという、メンテナンスの種別や日時等に関する情報）とが入力され、これら入力された複数の指標及びメンテナンス情報に基づき、鉄道車両３の異常の有無を判定する判定装置２とを備えている。

本実施形態の検出装置１は、軌道を構成する左右のレールＲに取り付けられ、鉄道車両３が具備する車輪３１の輪重を測定するための輪重センサ１１と、輪重センサ１１に接続された演算部１２とを具備している。輪重センサ１１としては、前述した特許文献１に記載のような歪ゲージを用いた輪重センサや、ロードセルを用いることが可能である。演算部１２は、輪重センサ１１で測定され、輪重センサ１１から入力された輪重に基づき、後述する各指標を算出する。具体的には、例えば、演算部１２には各指標の計算式（後述する式（１）〜式（３））が記憶され、演算部１２は、輪重センサ１１から入力された輪重を前記計算式に代入して各指標を算出するプログラムがインストールされたパーソナルコンピュータ（以下、ＰＣという）とされている。そして、演算部１２は、算出した各指標を判定装置２（判定装置２が具備する分類器２１）に出力する。

本実施形態の判定装置２は、例えば、機械学習を用いて生成され、入力された複数の指標に応じて軌道又は鉄道車両３のメンテナンスの有無を出力する分類器２１としての機能を果たすプログラムがインストールされたＰＣとされている。本実施形態の分類器２１としては、人工ニューラルネットワーク（ANN）が用いられる。
なお、図１に示す状態監視装置１００では、検出装置１の演算部１２と、判定装置２とが別体とされているが、本発明はこれに限るものではなく、演算部１２及び判定装置２の双方の機能を果たすプログラムをインストールした単一のＰＣを用いて構成することも可能である。

分類器２１に入力する指標としては、例えば、以下の式（１）で表わされる車体ねじれ指標、或いは、以下の式（２）又は（３）で表わされる台車ねじれ指標を用いることが可能である。さらに、分類器２１に入力する指標として、以下の式（４）で表わされる車体ロール指標を用いることも可能である。本実施形態では、分類器２１に入力する指標として、車体ねじれ指標を用いている。また、本実施形態では、異常の種別を判定するために、判定装置２に入力する（分類器２１には入力しない）指標として、台車ねじれ指標を用いている。
車体ねじれ指標＝（Ｐ１＋Ｐ３＋Ｐ６＋Ｐ８）−（Ｐ２＋Ｐ４＋Ｐ５＋Ｐ７）・・・（１）
前側の台車の台車ねじれ指標＝（Ｐ１＋Ｐ４）−（Ｐ２＋Ｐ３）・・・（２）
後側の台車の台車ねじれ指標＝（Ｐ５＋Ｐ８）−（Ｐ６＋Ｐ７）・・・（３）
車体ロール指標＝（Ｐ１＋Ｐ３＋Ｐ５＋Ｐ７）−（Ｐ２＋Ｐ４＋Ｐ６＋Ｐ８）・・・（４）
ただし、Ｐ１は前側の台車の前方右側の車輪の輪重を、Ｐ２は前側の台車の前方左側の車輪の輪重を、Ｐ３は前側の台車の後方右側の車輪の輪重を、Ｐ４は前側の台車の後方左側の車輪の輪重を、Ｐ５は後側の台車の前方右側の車輪の輪重を、Ｐ６は後側の台車の前方左側の車輪の輪重を、Ｐ７は後側の台車の後方右側の車輪の輪重を、Ｐ８は後側の台車の後方左側の車輪の輪重を示す。

以下、本実施形態に係る状態監視装置１００の動作について、具体的に説明する。
図２は、本実施形態に係る状態監視装置１００の概略動作を示すフロー図である。
状態監視装置１００は、図２に示すように、まず分類器２１の機械学習を実行するか否かを判断する（図２のＳ１）。分類器２１の機械学習を一度も実行していない場合には、当然に機械学習を実行することになる（図２のＳ１における「Ｙｅｓ」、図２のＳ２）。また、既に分類器２１の機械学習を実行したことがある場合には、例えば、軌道又は鉄道車両３のメンテナンスが行われた直後や、予め定めた所定の時間経過後に、状態監視装置１００が自動的に機械学習を実行するように構成すればよい。さらに、例えば、オペレータの手動指示により、状態監視装置１００が機械学習を実行するように構成することも可能である。機械学習を実行することにより、分類器２１は生成される。その他の場合（図２のＳ１における「Ｎｏ」）、状態監視装置１００は、新たな機械学習を実行することなく、既存の分類器２１を用いて次の動作（図２のＳ３）を実行する。

図３は、車体ねじれ指標の変動例を示す図である。具体的には、図３は、同じ軌道を走行する同じ正常な鉄道車両３について、約３年に亘って輪重センサ１１で車輪３１の輪重を測定し、演算部１２で車体ねじれ指標を算出して記憶した結果である。なお、図３には、軌道又は鉄道車両のメンテナンスによって車体ねじれ指標を算出できなかった期間に加えて、鉄道車両３の運休によって車体ねじれ指標を算出できなかった期間も含まれている。
図３に示すように、軌道のメンテナンス又は鉄道車両３のメンテナンスの前後で、車体ねじれ指標が急変している。なお、図示は省略するが、鉄道車両３に異常が生じたときにも正常な場合に比べて車体ねじれ指標は急変する。状態監視装置１００は、この車体ねじれ指標等の鉄道車両３が具備する車輪３１の輪重で表わされる指標が急変する現象を利用して機械学習を実行し、分類器２１を生成する。

図４は、分類器２１を機械学習を用いて生成する手順を模式的に示す説明図である。図４（ａ）に示すように、機械学習の際、教師データ（分類器２１への入出力の組み合わせ）として、正常な鉄道車両３について軌道又は鉄道車両３のメンテナンスが実際に行われていない所定時間内に検出した複数の車体ねじれ指標Ｔ１と、メンテナンス無しとの組み合わせデータが用いられる。図４（ａ）に示す例では、分類器２１への入力データとして、Ｔ１（１）、Ｔ１（２）、Ｔ１（３）・・・Ｔ１（ｎ）のｎ個（例えば４０個）の連続して検出した車体ねじれ指標Ｔ１が用いられ、分類器２１からの出力データとして「０」（メンテナンス無しを示す数値）が用いられて、機械学習が実行される。

同様に、図４（ｂ）に示すように、機械学習の際、別の教師データとして、正常な鉄道車両について軌道又は鉄道車両３のメンテナンスが実際に行われた所定時間内に検出した複数の車体ねじれ指標Ｔ１（この所定時間内にメンテナンス実行前の車体ねじれ指標Ｔ１と、メンテナンス実行後の車体ねじれ指標Ｔ１とが含まれる）と、メンテナンス有りとの組み合わせデータが用いられる。図４（ｂ）に示す例では、分類器２１への入力データとして、Ｔ１（１）、Ｔ１（２）、Ｔ１（３）・・・Ｔ１（ｎ）のｎ個（例えば４０個）の連続して検出した車体ねじれ指標Ｔ１が用いられ、分類器２１からの出力データとして「１」（メンテナンス有りを示す数値）が用いられて、機械学習が実行される。
なお、メンテナンスが実際に行われた場合、そのメンテナンスの間には車体ねじれ指標Ｔ１が検出されないため、メンテナンス実行前のｉ個の車体ねじれ指標Ｔ１と、メンテナンス実行後のｎ−ｉ個の車体ねじれ指標Ｔ１とを合わせて計ｎ個の車体ねじれ指標Ｔ１が用いられる。

上記の機械学習を実行することにより、分類器２１は、正常な鉄道車両３について、軌道又は鉄道車両３のメンテナンスが実際に行われていない所定時間内に検出した複数の車体ねじれ指標Ｔ１が入力されたときにメンテナンス無し（０）を出力し、軌道又は鉄道車両３のメンテナンスが実際に行われた所定時間内に検出した複数の車体ねじれ指標Ｔ１が入力されたときにメンテナンス有り（１）を出力するようになる。
機械学習の更に詳細な内容については、例えば、人工ニューラルネットワークに用いられる公知の機械学習の手順を適用できるため、ここではその詳細な説明については省略する。
なお、分類器２１は、異常の有無の判定対象である鉄道車両３毎に生成することが好ましい。また、分類器２１は、判定対象である軌道（検出装置１を取り付けた軌道）毎に生成することが好ましい。

上記のようにして生成された分類器２１を用いて、状態監視装置１００は、異常の有無の判定対象である鉄道車両３の異常の有無を判定する。
図５は、状態監視装置１００の判定動作を模式的に示す説明図である。以下、図２に加えて図５を適宜参照しつつ、具体的に説明する。
まず、機械学習によって生成された分類器２１に、異常の有無の判定対象である鉄道車両３について検出装置１で検出した（演算部１２で算出した）複数（機械学習を実行した場合と同じｎ個）の車体ねじれ指標Ｔ１（１）、Ｔ１（２）、Ｔ１（３）・・・Ｔ１（ｎ）が入力される（図２のＳ３、図５）。
そして、分類器２１の出力がメンテナンス無し（０）である場合（図２のＳ４において「Ｙｅｓ」の場合）、判定装置２は、鉄道車両３が正常であると判定し（図２のＳ５、図５）、その結果を出力する。

一方、分類器２１の出力がメンテナンス有り（１）である場合（図２のＳ４において「Ｎｏ」の場合）、判定装置２に、軌道又は鉄道車両３のメンテナンス情報（判定対象である軌道又は鉄道車両３でいつメンテナンスが行われたかという、メンテナンスの種別や日時等に関する情報）が入力される（図２のＳ６、図５）。具体的には、判定装置２は、複数の軌道及び複数の鉄道車両３についてのメンテナンス情報を一括管理する所定の管理装置（図示せず）に対して、判定対象である軌道及び鉄道車両３についてのメンテナンス情報の送信要求を行い、これにより管理装置からメンテナンス情報を受信する。なお、本実施形態では、分類器２１の出力がメンテナンス有り（１）である場合に初めて判定装置２にメンテナンス情報が入力される場合を例示したが、本発明はこれに限るものではなく、分類器２１の出力に関わらず、予め判定装置２にメンテナンス情報が入力される構成を採用することも可能である。

判定装置２は、分類器２１の出力がメンテナンス有り（１）の場合、入力されたメンテナンス情報に基づき、分類器２１に入力された複数（ｎ個）の車体ねじれ指標Ｔ１を検出した所定時間内において、軌道又は鉄道車両３のメンテナンスが実際に行われたか否かを判定する（図２のＳ７、図５）。具体的には、分類器２１に入力された複数の車体ねじれ指標Ｔ１を検出した所定時間内の日時が判定装置２に記憶されように構成されており、判定装置２は、この記憶した所定時間内の日時と、メンテナンス情報に含まれるメンテナンスが実際に行われた日時とを照合して、これらが合致すれば（複数の車体ねじれ指標Ｔ１を検出した所定時間内の最も早い日時と最も遅い日時との間に、メンテナンスが実際に行われた日時が含まれていれば）、軌道又は鉄道車両３のメンテナンスが実際に行われたと判定し、合致しなければ、軌道又は鉄道車両３のメンテナンスが実際には行われていないと判定する。

判定装置２は、分類器２１に入力された複数の車体ねじれ指標Ｔ１を検出した所定時間内において、実際に軌道又は鉄道車両３のメンテナンスが行われているとき（図２のＳ７において「Ｙｅｓ」の場合）には、鉄道車両３は正常であると判定し（図２のＳ８、図５）、その結果を出力する。
一方、判定装置２は、分類器２１に入力された複数の車体ねじれ指標Ｔ１を検出した所定時間内において、実際には軌道又は鉄道車両３のメンテナンスが実際に行われていないとき（図２のＳ７において「Ｎｏ」の場合）には、鉄道車両３に異常が生じていると判定し（図２のＳ９、図５）、その結果を出力する。

本実施形態に係る状態監視装置１００は、好ましい態様として、異常の有無のみならず、更に異常の種別を判定可能な構成になっている。
具体的には、状態監視装置１００が備える判定装置２は、鉄道車両３に異常が生じていると判定した場合（図２のＳ９、図５）、複数（ｎ個）の車体ねじれ指標Ｔ１を検出した所定時間内に検出装置１で連続して検出した複数（ｎ個）の台車ねじれ指標（前側の台車の台車ねじれ指標及び後側の台車の台車ねじれ指標）Ｔ２（１）、Ｔ２（２）、Ｔ２（３）・・・Ｔ２（ｎ）のうち、その絶対値が所定のしきい値以上の台車ねじれ指標Ｔ２が存在するか否かを判定する（図２のＳ１０、図５）。
このしきい値としては、最初に設定したのと同じ固定のしきい値を用いるのではなく、適宜のタイミングで変動するしきい値を用いることが好ましい。例えば、軌道又は鉄道車両３のメンテナンスが行われた直後（鉄道車両３に異常が生じていない可能性が非常に高い状態）に検出した複数の台車ねじれ指標Ｔ２の平均値を算出し、この平均値を超える値にしきい値を設定することが可能である。

本発明者らの知見によれば、その絶対値が所定のしきい値以上の台車ねじれ指標Ｔ２が存在するときには鉄道車両３が備える軸ばねが破損しており、存在しないときには鉄道車両３が備える２次ばねに関する異常が発生している場合が大半である。
このため、判定装置２は、複数の台車ねじれ指標Ｔ２のうち、その絶対値が所定のしきい値以上の台車ねじれ指標Ｔ２が存在するときには鉄道車両３が備える軸ばねが破損していると判定し（図２のＳ１１、図５）、存在しないときには鉄道車両３が備える２次ばねに関する異常（２次ばねのパンクや、２次ばねの吸排気を制御する高さ調整弁の故障）が発生していると判定し（図２のＳ１２、図５）、その結果を出力する。

以上に説明したように、本実施形態に係る状態監視装置１００によれば、分類器２１を生成する機械学習における教師データとして、正常な鉄道車両３について、軌道又は鉄道車両３のメンテナンスが実際に行われていない所定時間内に検出した複数の指標（例えば、車体ねじれ指標Ｔ１）と、軌道又は鉄道車両３のメンテナンスが実際に行われた所定時間内に検出した複数の指標（例えば、車体ねじれ指標Ｔ１）とを用意するだけでよい。すなわち、教師データとして異常な鉄道車両３についての指標が不要であるため、多数の教師データを用意することができ、分類器２１の機械学習を十分に行うことができる結果、判定精度を高めることが可能である。
また、本実施形態に係る状態監視装置１００によれば、異常の有無のみならず、更に異常の種別を判定可能であるため、異常の種別に応じた適切な処置を施すことが可能である。

１・・・検出装置
２・・・判定装置
３・・・鉄道車両
１１・・・輪重センサ
１２・・・演算部
２１・・・分類器
３１・・・車輪
１００・・・鉄道車両の状態監視装置

Claims (3)

1. 軌道上を走行する鉄道車両が具備する車輪の輪重で表わされる指標を検出する検出装置と、
   前記検出装置で所定時間内に検出した複数の前記指標と、入力された前記軌道又は前記鉄道車両のメンテナンス情報とに基づき、前記鉄道車両の異常の有無を判定する判定装置とを備え、
   前記判定装置は、
   前記複数の前記指標が入力され、前記軌道又は前記鉄道車両のメンテナンスの有無を出力する分類器を具備し、
   前記分類器の出力がメンテナンス無しの場合、前記鉄道車両は正常であると判定し、
   前記分類器の出力がメンテナンス有りの場合、前記入力されたメンテナンス情報に基づき、前記分類器に入力された複数の前記指標を検出した所定時間内において、前記軌道又は前記鉄道車両のメンテナンスが実際に行われたか否かを判定し、実際にメンテナンスが行われているときには前記鉄道車両は正常であると判定し、実際にはメンテナンスが行われていないときには前記鉄道車両に異常が生じていると判定し、
   前記分類器は、正常な前記鉄道車両について、前記軌道又は前記鉄道車両のメンテナンスが実際に行われていない所定時間内に検出した複数の前記指標が入力されたときにメンテナンス無しを出力し、前記軌道又は前記鉄道車両のメンテナンスが実際に行われた所定時間内に検出した複数の前記指標が入力されたときにメンテナンス有りを出力するように、機械学習を用いて生成される、
   ことを特徴とする鉄道車両の状態監視装置。
2. 前記指標は、以下の式（１）で表わされる車体ねじれ指標、或いは、以下の式（２）又は（３）で表わされる台車ねじれ指標である、
   ことを特徴とする請求項１に記載の鉄道車両の状態監視装置。
   車体ねじれ指標＝（Ｐ１＋Ｐ３＋Ｐ６＋Ｐ８）−（Ｐ２＋Ｐ４＋Ｐ５＋Ｐ７）・・・（１）
   前側の台車の台車ねじれ指標＝（Ｐ１＋Ｐ４）−（Ｐ２＋Ｐ３）・・・（２）
   後側の台車の台車ねじれ指標＝（Ｐ５＋Ｐ８）−（Ｐ６＋Ｐ７）・・・（３）
   ただし、Ｐ１は前側の台車の前方右側の車輪の輪重を、Ｐ２は前側の台車の前方左側の車輪の輪重を、Ｐ３は前側の台車の後方右側の車輪の輪重を、Ｐ４は前側の台車の後方左側の車輪の輪重を、Ｐ５は後側の台車の前方右側の車輪の輪重を、Ｐ６は後側の台車の前方左側の車輪の輪重を、Ｐ７は後側の台車の後方右側の車輪の輪重を、Ｐ８は後側の台車の後方左側の車輪の輪重を示す。
3. 前記検出装置は、前記車体ねじれ指標及び前記台車ねじれ指標を検出し、
   前記判定装置は、前記検出装置で所定時間内に検出した複数の前記車体ねじれ指標と、入力された前記軌道又は前記鉄道車両のメンテナンス情報とに基づき、前記鉄道車両の異常の有無を判定し、前記鉄道車両に異常が生じていると判定した場合、前記複数の車体ねじれ指標を検出した所定時間内に前記検出装置で検出した複数の前記台車ねじれ指標のうち、その絶対値が所定のしきい値以上の台車ねじれ指標が存在するときには前記鉄道車両が備える軸ばねが破損していると判定し、存在しないときには前記鉄道車両が備える２次ばねに関する異常が発生していると判定する、
   ことを特徴とする請求項２に記載の鉄道車両の状態監視装置。