JP2019177781A - 状態監視装置 - Google Patents

Abstract

【課題】作業負担が少なく、かつ鉄道車両の乗り心地を精度良く判定できる状態監視装置を提供する。【解決手段】状態監視装置１は、鉄道車両２に設けられた加速度センサ２３と、加速度センサ２３からの検出信号データをフーリエ変換し、周波数毎の加速度に関する特性データを算出する第１の算出手段３６と、第１の算出手段３６によって算出された特性データと予め取得された単位データとの間のマハラノビスの距離を算出する第２の算出手段３７と、マハラノビスの距離を予め設定された閾値と比較する比較手段３８と、比較手段３８における比較結果に応じて、鉄道車両２の乗り心地レベルを判定する判定手段３９と、を備えている。【選択図】図２

Description

本発明は、鉄道車両に用いられる状態監視装置に関する。

鉄道車両の走行時の安全性などを確保するため、車体或いは走行装置にセンサを設置し、走行状態の異常の有無や台車部品などの劣化を監視する装置が開発されている（例えば、特許文献１）。例えば特許文献１に記載の装置は、鉄道車両に設置された加速度センサを備えており、加速度センサで検出された加速度の特定周波数帯の信号を所定時間毎に積分することで、得られた積分値と所定時間前の積分値との差に基づいて鉄道車両の状態を判定している。

特開２００２−２１１４００号公報

鉄道車両の乗り心地まで考慮した鉄道車両及び線路の検査は、鉄道車両における部品及び線路の劣化スピードと作業効率とを考慮して、一般的には、例えば月に１回程度の頻度で行われている。しかし、様々な原因によって部品及び線路の劣化が早まることで、所望の乗り心地を得られない鉄道車両が走行している場合がある。このため、乗り心地の判定における作業効率の向上が求められている。また、鉄道車両の振動には、乗客が心地よいと感じる周波数と不快と感じる周波数とが含まれている。すなわち、周波数によって乗り心地に対する寄与度が異なる。このため、単なる振動の強弱だけではなく、鉄道車両に生じる振動の周波数成分の違いを考慮した乗り心地の判定が必要であると考えられる。

本発明は、作業負担が少なく、かつ鉄道車両の乗り心地を精度良く判定できる状態監視装置を提供することを目的とする。

本発明の一側面に係る状態監視装置は、鉄道車両に設けられた加速度センサと、加速度センサからの検出信号データをフーリエ変換し、周波数毎の加速度に関する特性データを算出する第１の算出手段と、第１の算出手段によって算出された特性データと予め取得された単位データとの間のマハラノビスの距離を算出する第２の算出手段と、マハラノビスの距離を予め設定された閾値と比較する比較手段と、比較手段における比較結果に応じて、鉄道車両の乗り心地レベルを判定する判定手段と、を備える。

この状態監視装置では、第１の算出手段によって算出された周波数毎の加速度に関する特性データと予め取得された単位データとの間のマハラノビスの距離が算出される。算出されたマハラノビスの距離は、所望の周波数範囲について単位データとの周波数毎の違いを考慮した単一のデータである。状態監視装置では、このようにして算出されたマハラノビス距離と閾値とが比較されることで鉄道車両の乗り心地レベルが判定されている。このため、上記状態監視装置は、鉄道車両が走行している状態で、周波数毎の乗り心地に対する寄与度の違いを考慮した乗り心地レベルの判定を容易かつ適確に実行できる。すなわち、上記状態監視装置は、作業負担が少なく、かつ鉄道車両の乗り心地を精度良く判定できる。

第１の算出手段は、異なる時間に加速度センサから出力された複数の検出信号データのそれぞれをフーリエ変換した後に平均することで、特性データを算出してもよい。この場合、加速度センサによる誤検出の影響を低減することができる。

単位データは、正常な鉄道車両が正常な線路を走行した際の特性データであり、異なる時間又は異なる走行区間で加速度センサから出力された複数の検出信号データのそれぞれをフーリエ変換した周波数毎の加速度に関するデータを含んでいてもよい。この場合、鉄道車両と線路との双方の劣化、及び、時間の違い又は走行区間の違いによる加速度センサの検出結果のばらつきを考慮して、乗り心地レベルを判定することができる。

加速度センサから出力された複数の検出信号データは、異なる時間に重複する走行区間で出力された検出信号データを含んでいてもよい。この場合、同一走行区間を走行した場合における加速度センサの検出結果のばらつきを考慮して、乗り心地レベルを判定することができる。

異なる走行区間のうち少なくとも２つの間には、少なくとも１つの停車駅が位置していてもよい。この場合、少なくとも１つの停車駅を挟んだ異なる走行区間における加速度センサの検出結果のばらつきを考慮して、乗り心地レベルを判定することができる。

異なる走行区間は、互いに隣り合う停車駅の間に位置する異なる走行区間を含んでいてもよい。この場合、対応する停車駅間に適した単位データによって、乗り心地レベルを判定することができる。

状態監視装置は、鉄道車両の車両種別及び当該鉄道車両が走行する走行区間の種別の少なくとも１つを取得する取得手段を更に備えてもよく、比較手段は、取得手段によって取得された情報に応じた閾値と、第２の算出手段によって算出されたマハラノビスの距離とを比較してもよい。この場合、鉄道車両の車両種別及び鉄道車両が走行する走行区間の種別によって、乗り心地レベルの判定基準を変更することができる。

状態監視装置は、鉄道車両の車両種別及び当該鉄道車両が走行する走行区間の種別の少なくとも１つを取得する取得手段を更に備えてもよく、第２の算出手段は、取得手段によって取得された情報に応じた単位データに基づいて、マハラノビスの距離を算出してもよい。この場合、鉄道車両の車両種別及び鉄道車両が走行する走行区間の種別によって、乗り心地レベルの判定基準を変更することができる。

加速度センサは、鉄道車両の心皿の直上に配置されていてもよい。この場合、加速度センサによって、鉄道車両に生じる振動の正確性を向上することができる。

状態監視装置は、外部の車両基地と通信を行う通信手段を更に備えてもよく、通信手段は、比較手段が第２の算出手段によって算出されたマハラノビスの距離が閾値以上であると判定した場合に、車両基地に通知を行ってもよい。この場合、車両基地との通信量を低減することができる。

第２の算出手段は、鉄道車両の上下方向の検出信号データから算出された特性データ、鉄道車両の左右方向の検出信号データから算出された特性データ、及び鉄道車両の前後方向の検出信号データから算出された特性データのそれぞれに基づいて、マハラノビスの距離を算出してもよい。上下方向の検出信号データに基づいて乗り心地が不良であると判定された場合、乗り心地が悪化した要因として、線路における軌道狂い、及び、空気バネのパンク又は軸ダンパの故障が考えられる。左右方向の検出信号データに基づいて乗り心地が不良であると判定された場合、乗り心地が悪化した要因として、線路における軌道狂い、及び、左右動ダンパ又はヨーダンパの故障が考えられる。前後方向の検出信号データに基づいて乗り心地が不良であると判定された場合、乗り心地が悪化した要因として、線路における軌道狂い、及び、連結器周りの異常、ヨーダンパ又は車体間ダンパの故障が考えられる。したがって、第２の算出手段が上述した特性データのそれぞれに基づいてマハラノビスの距離を算出することで、線路における軌道狂い、及び、鉄道車両における各部位の故障の発生を容易に検知することができる。

本発明によれば、作業負担が少なく、かつ鉄道車両の乗り心地を精度良く判定できる状態監視装置を提供できる。

本発明の実施形態に係る状態監視装置の全体構成を説明するための図である。 図１に示した状態監視装置の一部のブロック図である。 図１に示した状態監視装置の一部のブロック図である。 加速度センサからの検出信号データのうち上下方向の振動に関するデータの一例を示す図である。 加速度センサからの検出信号データのうち上下方向の振動に関するデータの一例を示す図である。 周波数毎の上下方向の加速度に関する特性データの一例を示す図である。 周波数毎の上下方向の加速度に関する特性データの一例を示す図である。 加速度センサからの検出信号データのうち左右方向の振動に関するデータの一例を示す図である。 加速度センサからの検出信号データのうち左右方向の振動に関するデータの一例を示す図である。 周波数毎の左右方向の加速度に関する特性データの一例を示す図である。 周波数毎の左右方向の加速度に関する特性データの一例を示す図である。 加速度センサからの検出信号データのうち前後方向の振動に関するデータの一例を示す図である。 加速度センサからの検出信号データのうち前後方向の振動に関するデータの一例を示す図である。 周波数毎の前後方向の加速度に関する特性データの一例を示す図である。 周波数毎の前後方向の加速度に関する特性データの一例を示す図である。 乗り心地レベルの判定の比較例を説明するための図である。 乗り心地レベルの判定の比較例を説明するための図である。

以下、添付図面を参照して、本発明の実施形態について詳細に説明する。なお、説明において、同一要素又は同一機能を有する要素には、同一符号を用いることとし、重複する説明は省略する。

まず、図１を参照して、状態監視装置の物理的構成について説明する。図１は、状態監視装置の全体構成を説明するための図である。状態監視装置１は、鉄道車両２に配置された各種機器を有している。鉄道車両２は、図１に示されているように、複数の車両２０によって構成されている。状態監視装置１は、各車両２０で発生する振動を解析することで鉄道車両２の乗り心地レベルを判定する。

鉄道車両２は、各車両２０に、台車２１と、空気バネ２２と、加速度センサ２３と、演算ユニット２４と、中継ユニット２５と、統括ユニット２６とを有する。空気バネ２２は、車両２０の車体と台車２１との間に設けられており、車両２０の振動を抑制する。

加速度センサ２３は、各車両２０の振動を検出する部分である。演算ユニット２４は、主として車両２０の乗り心地レベルを判定する部分である。ここで、「乗り心地レベル」とは、乗り心地の良し悪しを示す度合いである。中継ユニット２５は、各演算ユニット２４の判定結果を中継して、統括ユニット２６に向けて送信する部分である。統括ユニット２６は、各演算ユニット２４から受信した判定結果の報知や記録を行う部分である。

加速度センサ２３は、図１に示されているように、鉄道車両２の台車２１の直上に配置されている。本実施形態では、加速度センサ２３は、心皿の直上（車両２０の床上、床中、又は床下における台車２１の回転中心に対応する位置）に配置されている。加速度センサ２３は、車両２０の妻部２７，２８（車両２０の長手方向の端部を構成する妻構体によって構成される部分）に配置されていてもよいし、妻近傍の側壁（例えば側構体）又は、妻近傍の天井（例えば屋根構体）に配置されていてもよい。

演算ユニット２４は、車両２０の一方の妻部２７に配置されている。演算ユニット２４は、運転台などを有する乗務員室を備えた車両２０の少なくとも１つ（例えば、先頭車両２０及び後尾車両２０）のみに設けられていてもよい。中継ユニット２５は、例えば車両２０の他方の妻部２８に配置されている。統括ユニット２６は、例えば鉄道車両２の先頭車両２０及び後尾車両２０にそれぞれ配置されている。統括ユニット２６は、運転台などを有する乗務員室を備えた車両２０の少なくとも１つのみに設けられていてもよい。演算ユニット２４、中継ユニット２５、及び統括ユニット２６は、車内と車外のいずれに配置されてもよい。

次に、図２を参照して、加速度センサ２３、演算ユニット２４、及び中継ユニット２５の機能的構成について説明する。図２は、状態監視装置１の一部である加速度センサ２３、演算ユニット２４及び中継ユニット２５を示している。

加速度センサ２３は、車両２０の振動に応じて生ずる車両２０の上下方向、左右方向及び前後方向の加速度をそれぞれ検出する。加速度センサ２３で検出された加速度は、逐次、演算ユニット２４へ送信される。

演算ユニット２４は、図２に示されているように、受信部３１と、状態演算部３２と、単位空間データベース３３と、通信部３４とを有している。受信部３１は、同一車両２０に設けられた少なくとも１つの加速度センサ２３からの検出信号データを受信する。受信部３１は、例えばＢｌｕｅｔｏｏｔｈ（登録商標）などの近距離無線通信によって互いに情報通信可能に接続されている。当該接続は、無線に限らず、有線であってもよい。

状態演算部３２は、受信部３１で受信された加速度センサ２３からの検出信号データに基づいて、車両２０の状態を判定する。本実施形態では、状態演算部３２は、ＭＴＳ（Mahalanobis-Taguchi System）によって、車両２０の乗り心地レベルを判定する。具体的には、状態演算部３２は、単位空間データベース３３を参照してマハラノビスの距離を算出し、算出されたマハラノビスの距離と閾値とを比較することで車両２０の乗り心地レベルを判定する。状態演算部３２は、乗り心地レベルの判定結果を通信部３４へ出力する。

単位空間データベース３３は、ＭＴＳに用いられる予め取得された単位データ（単位空間データ）を格納している。単位データは、正常な鉄道車両２が正常な線路を走行した際の特性データである。単位データは、加速度センサ２３から出力されたｎ個の検出信号データのそれぞれを高速フーリエ変換したものであり、周波数毎の加速度に関するｎ個のデータである。換言すれば、単位データは、加速度に関する情報を周波数毎に示す特性データである（加速度に関する情報の周波数スペクトル）。

加速度センサ２３から出力された上記ｎ個の検出信号データは、異なる時間又は異なる走行区間で加速度センサ２３から出力された検出信号データを含む。本実施形態において、上記ｎ個の検出信号データは、異なる時間に重複する走行区間で出力された検出信号データを含んでいる。例えば、上記ｎ個の検出信号データは、鉄道車両２が同じ走行区間を複数回走行した場合に加速度センサ２３から出力された検出信号データを含んでいてもよい。

本実施形態において、上記ｎ個の検出信号データは、重複する時間に異なる走行区間で出力された検出信号データを含んでいる。例えば、上記ｎ個の検出信号データは、重複する時間に複数の正常な鉄道車両が正常な線路の異なる走行区間を走行した際に、加速度センサから出力された複数の検出信号データを含んでいてもよい。

本実施形態において、上記異なる走行区間のうち少なくとも２つの間には、少なくとも１つの停車駅が位置している。換言すれば、本実施形態における単位データは、少なくとも１つの停車駅を挟んだ異なる走行区間で、加速度センサから出力された複数の検出信号データのそれぞれを高速フーリエ変換した周波数毎の加速度に関するデータを含んでいる。本実施形態において、上記異なる走行区間は、互いに隣り合う停車駅の間に位置する異なる走行区間を含んでいる。換言すれば、本実施形態における単位データは、互いに隣り合う停車駅の間に位置する異なる走行区間で、加速度センサから出力された複数の検出信号データのそれぞれを高速フーリエ変換した周波数毎の加速度に関するデータを含んでいる。

単位データは、例えば、ｍ個の鉄道車両ＩＤと単位データとが走行区間ＩＤ毎及び時刻毎に予め格納されている。ここで、鉄道車両ＩＤ及び走行区間ＩＤは、それぞれ、鉄道車両の車両種別と鉄道車両が走行する走行区間の種別を示す。物理的に同一の鉄道車両２が異なる時間に別の用途で使われる場合があるため、このような場合を考慮して、異なる鉄道車両ＩＤが物理的に同一の鉄道車両２に付されてもよい。例えば、朝は特急快速として利用されていた鉄道車両２が昼は普通列車として利用される場合や乗客を乗せていた鉄道車両２が回送列車として走行する場合がある。鉄道車両ＩＤは、回送列車、普通列車、快速列車、及び特急列車などの鉄道車両２の走行形態を示すものであってもよいし、普通車及びグリーン車などの各車両２０の等級を示すものであってもよい。

本実施形態では、単位データは、周波数毎の加速度を示すデータ、すなわち、加速度の周波数特性（加速度の周波数スペクトル）を示すデータである。単位データは、加速度に関する情報を示すデータであればこれに限定されない。単位データは、例えば、周波数毎のＰＳＤ（Power Spectral Density、パワースペクトル密度関数）を示すデータ、すなわち、ＰＳＤの周波数特性（ＰＳＤの周波数スペクトル）であってもよい。

通信部３４（取得手段）は、隣接する中継ユニット２５との間で、状態演算部３２で判定された車両２０の状態に関する情報（乗り心地レベルの判定結果及び当該判定に用いた各種情報（例えば、特性データ））などの情報について送受信を行う部分である。通信部３４は、隣接する車両２０及び同一車両２０に配置されている中継ユニット２５と、例えばＢｌｕｅｔｏｏｔｈ（登録商標）などの近距離無線通信によって互いに情報通信可能に接続されている。当該接続は、無線に限らず、有線であってもよい。

通信部３４は、隣接する中継ユニット２５を介して統括ユニット２６から鉄道車両ＩＤ及び走行区間ＩＤの少なくとも１つを受信（取得）した場合には、受信した鉄道車両ＩＤ及び走行区間ＩＤの少なくとも１つを状態演算部３２に出力する。通信部３４で受信される走行区間ＩＤは、鉄道車両２が現在走行している走行区間のＩＤであってもよいし、今後走行する予定の走行区間のＩＤであってもよい。

中継ユニット２５は、機能的な構成要素として、例えば通信部４１を有している。通信部４１は、隣接する演算ユニット２４、又は統括ユニット２６との間の送受信を中継する部分である。通信部４１は、隣接する車両２０及び同一車両２０に配置されている演算ユニット２４又は統括ユニット２６と、例えばＢｌｕｅｔｏｏｔｈ（登録商標）などの近距離無線通信によって互いに情報通信可能に接続されている。当該接続は、無線に限らず、有線であってもよい。

次に、図３を参照して、統括ユニット２６の機能的構成について詳細に説明する。図３は、状態監視装置１の一部である統括ユニット２６を示している。

統括ユニット２６は、通信部５１と、報知部５２と、判定結果格納部５３とを有している。通信部５１は、外部の車両基地７０及び隣接する中継ユニット２５との間で情報の送受信（通信）を行う部分である。通信部５１は、車両２０に配置された中継ユニット２５に対して、例えばＢｌｕｅｔｏｏｔｈなどの近距離無線通信によって互いに情報通信可能に接続されている。当該接続は、無線に限らず、有線であってもよい。

通信部５１は、例えば判定結果受信部５４と、ＩＤ受信部５５とを含んでいる。判定結果受信部５４は、隣接する中継ユニット２５から受け取った判定結果を報知部５２と判定結果格納部５３とにそれぞれ出力する。また、ＩＤ受信部５５は、鉄道車両ＩＤ及び走行区間ＩＤの少なくとも１つを車両基地７０から受信し、中継ユニット２５を介して各演算ユニット２４にそれぞれ送信する。鉄道車両ＩＤ及び走行区間ＩＤの少なくとも１つを送信する車両基地７０は、例えば駅構内や各電車区内に位置している。車両基地７０から送信される走行区間ＩＤは、鉄道車両２が現在走行している走行区間のＩＤであってもよいし、今後走行する予定の走行区間のＩＤであってもよい。

報知部５２は、通信部５１から受け取った判定結果を報知する部分である。報知部５２は、例えばディスプレイを備え、鉄道車両２の走行時に車両２０毎の判定結果を表示する。判定結果格納部５３は、判定結果を格納する部分である。判定結果格納部５３には、例えば通信部５１が判定結果を受け取った時刻と判定結果とが関連付けられて格納される。

次に、演算ユニット２４における鉄道車両２の状態を判定する手法について詳細に説明する。状態演算部３２は、図２に示されているように、第１の算出部３６（第１の算出手段）と、第２の算出部３７（第２の算出手段）と、比較部３８（比較手段）と、判定部３９（判定手段）とを有する。

第１の算出部３６は、受信部３１で受信された加速度センサ２３からの検出信号データを高速フーリエ変換することで、周波数毎の加速度に関する特性データを算出する。本実施形態では、第１の算出部３６は、加速度センサ２３によって異なる時間に（異なる走行区間で）加速度センサ２３から出力された複数の検出信号データをそれぞれ高速フーリエ変換した後に平均することで上記特性データを算出する。

例えば、第１の算出部３６は、８つの異なる走行区間毎に加速度センサ２３から８つの検出信号データを取得し、８つの検出信号データをそれぞれ高速フーリエ変換する。第１の算出部３６は、高速フーリエ変換された８つのデータを平均することで特性データを算出する。第１の算出部３６は、加速度センサから出力された、上下方向、左右方向、及び前後方向の検出信号データから、それぞれ上記特性データを算出する。

本実施形態では、第１の算出部３６は、周波数毎の加速度を示す特性データ、すなわち、加速度の周波数特性（加速度の周波数スペクトル）を示すデータを算出する。第１の算出部３６によって算出される特性データは、加速度に関する情報を示すデータであればこれに限定されない。例えば、第１の算出部３６は、単位空間データベース３３に格納されている単位データが周波数毎のＰＳＤのデータである場合に、周波数毎のＰＳＤを示す特性データ、すなわち、ＰＳＤの周波数特性（ＰＳＤの周波数スペクトル）を示すデータを算出してもよい。

図４及び図５は、加速度センサ２３からの検出信号データのうち上下方向の振動に関するデータの一例を示している。縦軸は加速度を示しており、横軸は時間を示している。図６及び図７は、第１の算出部３６によって算出された、周波数毎の上下方向の加速度に関する特性データの一例を示す図である。縦軸は加速度を対数で示しており、横軸は周波数を対数で示している。図４及び図６は、乗り心地が正常な状態の検出信号データ、及び当該検出信号データに基づいて算出された特性データを示している。図５及び図７は、乗り心地が異常な状態の検出信号データ、及び当該検出信号データに基づいて算出された特性データを示している。

図８及び図９は、加速度センサ２３からの検出信号データのうち左右方向の振動に関するデータの一例を示している。縦軸は加速度を示しており、横軸は時間を示している。図１０及び図１１は、第１の算出部３６によって算出された、周波数毎の左右方向の加速度に関する特性データの一例を示す図である。縦軸は加速度を対数で示しており、横軸は周波数を対数で示している。図８及び図１０は、乗り心地が正常な状態の検出信号データ、及び当該検出信号データに基づいて算出された特性データを示している。図９及び図１１は、乗り心地が異常な状態の検出信号データ、及び当該検出信号データに基づいて算出された特性データを示している。

図１２及び図１３は、加速度センサ２３からの検出信号データのうち前後方向の振動に関するデータの一例を示している。縦軸は加速度を示しており、横軸は時間を示している。図１４及び図１５は、第１の算出部３６によって算出された、周波数毎の前後方向の加速度に関する特性データの一例を示す図である。縦軸は加速度を対数で示しており、横軸は周波数を対数で示している。図１２及び図１４は、乗り心地が正常な状態の検出信号データ、及び当該検出信号データに基づいて算出された特性データを示している。図１３及び図１５は、乗り心地が異常な状態の検出信号データ、及び当該検出信号データに基づいて算出された特性データを示している。

第２の算出部３７は、第１の算出部３６によって算出された特性データと単位空間データベース３３に格納されている単位データとの間のマハラノビスの距離を算出する。本実施形態では、第１の算出部３６が、上下方向、左右方向、及び前後方向の検出信号データからそれぞれ特性データを算出している。このため、第２の算出部３７は、上下方向、左右方向、及び前後方向の特性データに基づいて、それぞれマハラノビスの距離を算出する。

本実施形態では、第２の算出部３７は、演算ユニット２４が設けられている鉄道車両２の鉄道車両ＩＤ及び当該鉄道車両２が走行区間ＩＤの少なくとも１つを取得し、これらに基づいて、単位空間データベース３３から、マハラノビスの距離を算出するための単位データを抽出する。本実施形態では、第２の算出部３７は、通信部３４から鉄道車両２の鉄道車両ＩＤ及び当該鉄道車両２が走行する走行区間ＩＤの少なくとも１つを取得する。この場合、第２の算出部３７は、抽出された単位データと、第１の算出部３６によって算出された特性データとを用いてマハラノビスの距離を算出する。すなわち、第２の算出部３７は、通信部３４で取得された情報に応じた単位データに基づいてマハラノビスの距離を算出する。第２の算出部３７によって抽出される単位データは、ユーザによって設定されていてもよい。マハラノビスの距離は、各車両２０に設けられた演算ユニット２４の第２の算出部３７によって車両２０毎に算出されてもよいし、１つの第２の算出部３７によって、先頭車両２０から後尾車両２０までの全ての車両２０についてまとめて算出されてもよい。

第２の算出部３７は、例えば、鉄道車両ＩＤから普通車両かグリーン車両かを判定する。第２の算出部３７は、普通車両であると判定した場合には、普通車両に対応する単位データを単位空間データベース３３から抽出し、普通車両に対応する単位データを用いてマハラノビスの距離を算出する。第２の算出部３７は、グリーン車両であると判定した場合には、グリーン車両に対応する単位データを単位空間データベース３３から抽出し、グリーン車両に対応する単位データを用いてマハラノビスの距離を算出する。第２の算出部３７は、回送列車、普通列車、快速列車、及び特急列車などの走行形態に応じて、異なる単位データを抽出して、走行形態に応じたマハラノビスの距離を算出してもよい。

比較部３８は、第２の算出部３７によって算出されたマハラノビスの距離を、予め設定された閾値と比較する。具体的には、比較部３８は、第２の算出部３７によって算出されたマハラノビスの距離が閾値以上であるか否か判定する。本実施形態では、比較部３８は、上下方向、左右方向、及び前後方向のマハラノビスの距離について、それぞれ比較を行う。

本実施形態では、比較部３８が用いる閾値は「４」であり、比較部３８は、算出されたマハラノビスの距離が「４」以上であるか否かを判定する。判定部３９は、比較部３８における比較結果に応じて車両２０の乗り心地レベルを判定する。本実施形態では、比較部３８は、演算ユニット２４が設けられている鉄道車両２の鉄道車両ＩＤ及び当該鉄道車両２が走行する走行区間ＩＤの少なくとも１つを取得し、これらに基づいて上記閾値を決定する。本実施形態では、比較部３８は、通信部３４から鉄道車両２の鉄道車両ＩＤ及び当該鉄道車両２が走行する走行区間ＩＤの少なくとも１つを取得する。すなわち、比較部３８は、通信部３４で取得された情報に応じて閾値を決定する。上記閾値は、ユーザによって設定されてもよい。

例えば、比較部３８は、鉄道車両ＩＤから普通車両かグリーン車両かを判定する。比較部３８は、普通車両であると判定した場合には、普通車両に対応する閾値とマハラノビスの距離を比較する。比較部３８は、グリーン車両であると判定した場合には、グリーン車両に対応する閾値とマハラノビスの距離を比較する。比較部３８は、回送列車、普通列車、快速列車、及び特急列車などの走行形態に応じて、異なる閾値を用いて上記比較を行ってもよい。

判定部３９は、比較部３８における比較結果に応じて、鉄道車両２の乗り心地レベルを判定する。本実施形態では、判定部３９は、上下方向、左右方向、及び前後方向についてそれぞれ乗り心地レベルを判定する。判定部３９は、例えば、比較部３８においてマハラノビスの距離が「４」以上であると判定された場合に、乗り心地レベルが不良であると判定する。例えば、図６、図１０、及び図１４に示した特性データでは、第２の算出部３７によって、「４」未満のマハラノビスの距離が導出される。この場合、判定部３９は、乗り心地レベルは良好であると判定する。図７、図１１、及び図１５に示した特性データでは、第２の算出部３７によって、「４」以上のマハラノビスの距離が導出される。この場合、判定部３９は、乗り心地レベルが不良であると判定する。鉄道車両２の乗り心地レベルの判定は、各車両２０に設けられた演算ユニット２４の判定部３９によって車両２０毎に算出されてもよいし、１つの判定部３９によって、先頭車両２０から後尾車両２０までの全ての車両２０についてまとめて判定されてもよい。

通信部３４は、判定部３９で乗り心地レベルが不良と判定された場合（比較部３８が第２の算出部３７によって算出されたマハラノビスの距離が閾値以上であると判定した場合）に、その判定結果と第１の算出部３６で算出された特性データとを、隣接する中継ユニット２５を介して統括ユニット２６に送信する。この場合、統括ユニット２６の通信部５１（通信手段）は、外部の車両基地７０に判定部３９で乗り心地レベルが不良であると判定されたことを示すデータを送信（通知）する。通信部３４は、直接、統括ユニット２６との間、又は、外部の車両基地７０との間で情報の送受信を行ってもよい。例えば、通信部３４は、判定部３９で乗り心地レベルが不良と判定された場合に、その判定結果と第１の算出部３６で算出された特性データとを、直接、統括ユニット２６又は外部の車両基地７０に送信してもよい。

次に、状態監視装置１の作用効果について説明する。加速度センサ２３は、鉄道車両２の走行時に発生する振動を、上下方向、左右方向、及び前後方向の加速度として検出し、検出信号データを出力する。状態演算部３２は、加速度センサ２３から出力された検出信号データに基づいて、鉄道車両２の乗り心地レベルを判定する。

鉄道車両の振動には、乗客が心地よいと感じる周波数と不快と感じる周波数とが含まれている。すなわち、周波数によって乗り心地に対する寄与度が異なる。このため、例えば、図１６及び図１７で示されているように、鉄道車両に生じる振動の周波数成分の違いを考慮した乗り心地の基準線と特性データとを比較して、乗り心地レベルを判定することが考えられる。図１６及び図１７は、特性データの一例として、周波数毎の上下方向の加速度に関する特性データを示している。

図１６は、乗り心地の基準線（ａ），（ｂ），（ｃ），（ｄ）と乗り心地が正常な状態の特性データ（ｅ）とを示している。図１７は、乗り心地の基準線（ａ），（ｂ），（ｃ），（ｄ）と乗り心地が異常な状態の特性データ（ｆ）とを示している。基準線（ａ），（ｂ），（ｃ），（ｄ）は、（ａ），（ｂ），（ｃ），（ｄ）の順で、より良い乗り心地に対応している。例えば、基準線（ａ）は普通車両の乗り心地の基準を示す基準線であり、基準線（ｂ）はグリーン車両の乗り心地の基準を示す基準線である。

特性データが上述した基準線を上回るほど、当該特性データが得られた車両２０の乗り心地が悪いことを示している。例えば、図１６において、特性データ（ｅ）は、乗り心地が正常な状態（乗り心地が良好な状態）の特性データであるため、基準線（ａ），（ｂ），（ｃ），（ｄ）のいずれよりも下に位置している。一方、図１７において、特性データ（ｆ）の一部が（ｂ）及び（ｃ）の基準線よりも上に位置している。このため、特性データ（ｆ）が取得された鉄道車両２は、特性データ（ｅ）が取得された鉄道車両２よりも乗り心地が悪いことが分かる。しかしながら、この手法では、特性データがどの位置でどの程度だけ基準線を上回った場合に乗り心地が不良と判定するのが適切かを判断し難い。

状態監視装置１では、第１の算出部３６によって算出された周波数毎の加速度に関する特性データと予め取得された単位データとの間のマハラノビスの距離が算出される。算出されたマハラノビスの距離は、所望の周波数範囲について単位データとの周波数毎の違いを考慮した単一のデータである。状態監視装置１では、このようにして算出されたマハラノビス距離と閾値とが比較されることで鉄道車両の乗り心地レベルが判定されている。このため、状態監視装置１では、マハラノビスの距離を用いて判定が行われることにより、鉄道車両２が走行している状態で、周波数毎の乗り心地に対する寄与度の違いを考慮した乗り心地レベルの判定を容易かつ適確に実行できる。すなわち、状態監視装置１は、作業負担が少なく、かつ鉄道車両の乗り心地を精度良く判定できる。

第１の算出部３６は、異なる時間に加速度センサ２３から出力された複数の検出信号データのそれぞれをフーリエ変換した後に平均することで、特性データを算出する。このため、加速度センサ２３による誤検出の影響を低減することができる。

単位データは、正常な鉄道車両２が正常な線路を走行した際の特性データであり、異なる時間又は異なる走行区間で加速度センサ２３から出力された複数の検出信号データのそれぞれをフーリエ変換した周波数毎の加速度に関するデータを含んでいる。このため、鉄道車両２と線路との双方の劣化、及び、時間の違い又は走行区間の違いによる加速度センサ２３の検出結果のばらつきを考慮して、乗り心地レベルを判定することができる。

加速度センサ２３から出力された複数の検出信号データは、異なる時間に重複する走行区間で出力された検出信号データを含んでいる。このため、同一走行区間を走行した場合における加速度センサ２３の検出結果のばらつきを考慮して、乗り心地レベルを判定することができる。

異なる走行区間のうち少なくとも２つの間には、少なくとも１つの停車駅が位置している。このため、少なくとも１つの停車駅を挟んだ異なる走行区間における加速度センサ２３の検出結果のばらつきを考慮して、乗り心地レベルを判定することができる。

異なる走行区間は、互いに隣り合う停車駅の間に位置する異なる走行区間を含んでいる。このため、対応する停車駅間に適した単位データによって、乗り心地レベルを判定することができる。

通信部３４は、鉄道車両２の車両種別（鉄道車両ＩＤ）及び当該鉄道車両２が走行する走行区間の種別（走行区間ＩＤ）の少なくとも１つを取得する。比較部３８は、通信部３４によって取得された上記情報に応じた閾値と、第２の算出部３７によって算出されたマハラノビスの距離とを比較する。このため、鉄道車両２の車両種別及び鉄道車両２が走行する走行区間の種別によって、乗り心地レベルの判定基準を変更することができる。

例えば、比較部３８は、鉄道車両ＩＤから車両２０が普通車両であると判定した場合には、普通車両に対応する閾値とマハラノビスの距離を比較する。比較部３８は、鉄道車両ＩＤから車両２０がグリーン車両であると判定した場合には、グリーン車両に対応する閾値とマハラノビスの距離を比較する。比較部３８は、回送列車、普通列車、快速列車、及び特急列車などの走行形態に応じて異なる閾値を用いて上記比較を行ってもよい。これによれば、各車両２０の用途、又は、鉄道車両２の走行形態に応じて、適切に乗り心地レベルを判定することができる。

第２の算出部３７は、通信部３４によって取得された上記情報に応じた単位データに基づいて、マハラノビスの距離を算出する。このため、鉄道車両２の車両種別及び鉄道車両２が走行する走行区間の種別によって、乗り心地レベルの判定基準を変更することができる。

例えば、第２の算出部３７は、鉄道車両ＩＤから車両２０が普通車両であると判定した場合には、普通車両に対応する単位データを用いてマハラノビスの距離を算出する。第２の算出部３７は、鉄道車両ＩＤから車両２０がグリーン車両であると判定した場合には、グリーン車両に対応する単位データを用いてマハラノビスの距離を算出する。第２の算出部３７は、回送列車、普通列車、快速列車、及び特急列車などの走行形態に応じて異なる単位データを用いて上記比較を行ってもよい。これによれば、各車両２０の用途、又は、鉄道車両２の走行形態に応じて、適切に乗り心地レベルを判定することができる。

加速度センサ２３は、鉄道車両２の心皿の直上に配置されている。このため、加速度センサ２３によって、鉄道車両２に生じる振動の正確性を向上することができる。

通信部５１は、比較部３８において第２の算出部３７によって算出されたマハラノビスの距離が閾値以上であると判定された場合に外部の車両基地７０に通知を行う。このため、車両基地７０との通信量を低減することができる。

第２の算出部３７は、鉄道車両２の上下方向の検出信号データから算出された特性データに基づいてマハラノビスの距離を算出する。上下方向の検出信号データに基づいて乗り心地が不良であると判定された場合、乗り心地が悪化した要因として、線路における軌道狂い、及び、空気バネのパンク又は軸ダンパの故障が考えられる。したがって、第２の算出部３７が上下方向の検出信号データから算出された特性データに基づいてマハラノビスの距離を算出することで、線路における軌道狂い、及び、空気バネのパンク又は軸ダンパの故障の発生を容易に検知することができる。

なお、判定部３９が上下方向の検出信号データに基づいて乗り心地が不良であると間欠的に判定した場合には、線路に、高低狂い、平面性狂い、及び水準狂いの少なくとも１つが発生している可能性が高い。判定部３９が上下方向の検出信号データに基づいて乗り心地が不良であると連続的に判定した場合には、空気バネのパンク又は軸ダンパの故障が発生している可能性が高い。

第２の算出部３７は、鉄道車両２の左右方向の検出信号データから算出された特性データに基づいてマハラノビスの距離を算出する。左右方向の検出信号データに基づいて乗り心地が不良であると判定された場合、乗り心地が悪化した要因として、線路における軌道狂い、及び、左右動ダンパ又はヨーダンパの故障が考えられる。したがって、第２の算出部３７が左右方向の検出信号データから算出された特性データに基づいてマハラノビスの距離を算出することで、線路における軌道狂い、及び、左右動ダンパ又はヨーダンパの故障の発生を容易に検知することができる。

なお、判定部３９が左右方向の検出信号データに基づいて乗り心地が不良であると間欠的に判定した場合には、線路に、通り狂い、平面性狂い、及び水準狂いの少なくとも１つが発生している可能性が高い。判定部３９が左右方向の検出信号データに基づいて乗り心地が不良であると連続的に判定した場合には、左右動ダンパ又はヨーダンパの故障が発生している可能性が高い。

第２の算出部３７は、鉄道車両２の前後方向の検出信号データから算出された特性データに基づいてマハラノビスの距離を算出する。前後方向の検出信号データに基づいて乗り心地が不良であると判定された場合、乗り心地が悪化した要因として、線路における軌道狂い、及び、連結器周りの異常、ヨーダンパ又は車体間ダンパの故障が考えられる。したがって、第２の算出部３７が前後方向の検出信号データから算出された特性データに基づいてマハラノビスの距離を算出することで、線路における軌道狂い、及び、連結器周りの異常、ヨーダンパ又は車体間ダンパの故障の発生を容易に検知することができる。

なお、判定部３９が前後方向の検出信号データに基づいて乗り心地が不良であると間欠的に判定した場合には、線路に、高低狂い及び通り狂いの少なくとも１つが発生している可能性が高い。判定部３９が前後方向の検出信号データに基づいて乗り心地が不良であると連続的に判定した場合には、連結器周りの異常、ヨーダンパ又は車体間ダンパの故障が発生している可能性が高い。

以上、本発明の好適な実施形態について説明してきたが、本発明は必ずしも上述した実施形態に限定されるものではなく、その要旨を逸脱しない範囲で様々な変更が可能である。

例えば、状態演算部３２と、単位空間データベース３３とを中継ユニット２５にも配置し、車両２０の状態に異常があるか否かの判定に関する処理を演算ユニット２４と中継ユニット２５とで分担させるようにしてもよい。

１…状態監視装置、２…鉄道車両、２３…加速度センサ、３４，５１…通信部、３６…第１の算出部、３７…第２の算出部、３８…比較部、３９…判定部。

Claims (11)

1. 鉄道車両に設けられた加速度センサと、
   前記加速度センサからの検出信号データをフーリエ変換し、周波数毎の加速度に関する特性データを算出する第１の算出手段と、
   前記第１の算出手段によって算出された前記特性データと予め取得された単位データとの間のマハラノビスの距離を算出する第２の算出手段と、
   前記マハラノビスの距離を予め設定された閾値と比較する比較手段と、
   前記比較手段における比較結果に応じて、前記鉄道車両の乗り心地レベルを判定する判定手段と、を備えた状態監視装置。
2. 前記第１の算出手段は、異なる時間に前記加速度センサから出力された複数の前記検出信号データのそれぞれをフーリエ変換した後に平均することで、前記特性データを算出する、請求項１に記載の状態監視装置。
3. 前記単位データは、正常な鉄道車両が正常な線路を走行した際の特性データであり、異なる時間又は異なる走行区間で前記加速度センサから出力された複数の前記検出信号データのそれぞれをフーリエ変換した周波数毎の加速度に関するデータを含む、請求項１又は２に記載の状態監視装置。
4. 前記加速度センサから出力された複数の前記検出信号データは、前記異なる時間に重複する走行区間で出力された前記検出信号データを含む、請求項３に記載の状態監視装置。
5. 前記異なる走行区間のうち少なくとも２つの間には、少なくとも１つの停車駅が位置する、請求項３又は４に記載の状態監視装置。
6. 前記異なる走行区間は、互いに隣り合う停車駅の間に位置する異なる走行区間を含む、請求項３〜５のいずれか一項に記載の状態監視装置。
7. 前記鉄道車両の車両種別及び当該鉄道車両が走行する走行区間の種別の少なくとも１つを取得する取得手段を更に備え、
   前記比較手段は、前記取得手段によって取得された情報に応じた前記閾値と、前記第２の算出手段によって算出された前記マハラノビスの距離とを比較する、請求項１〜６のいずれか一項に記載の状態監視装置。
8. 前記鉄道車両の車両種別及び当該鉄道車両が走行する走行区間の種別の少なくとも１つを取得する取得手段を更に備え、
   前記第２の算出手段は、前記取得手段によって取得された情報に応じた前記単位データに基づいて、前記マハラノビスの距離を算出する、請求項１〜７のいずれか一項に記載の状態監視装置。
9. 前記加速度センサは、前記鉄道車両の心皿の直上に配置されている、請求項１〜８のいずれか一項に記載の状態監視装置。
10. 外部の車両基地と通信を行う通信手段を更に備え、
    前記通信手段は、前記比較手段が前記第２の算出手段によって算出された前記マハラノビスの距離が前記閾値以上であると判定した場合に、前記車両基地に通知を行う、請求項１〜９のいずれか一項に記載の状態監視装置。
11. 前記第２の算出手段は、前記鉄道車両の上下方向の前記検出信号データから算出された前記特性データ、前記鉄道車両の左右方向の前記検出信号データから算出された前記特性データ、及び前記鉄道車両の前後方向の前記検出信号データから算出された前記特性データのそれぞれに基づいて、前記マハラノビスの距離を算出する、請求項１〜１０のいずれか一項に記載の状態監視装置。

Images