JP2019177783A - 車両試験システム - Google Patents

Abstract

【課題】鉄道車両における乗り心地の悪化原因の容易かつ適切な特定を実現できる車両試験システムを提供する。【解決手段】車両試験システム１は、鉄道車両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、加速度に関する情報の周波数スペクトルを示す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、特性データに含まれる周波数成分に関する複数の因子について、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に対する因子毎の寄与度を示す寄与度データを生成する生成手段とを備える。【選択図】図１

Description

本発明は、鉄道車両に用いられる車両試験システムに関する。

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る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

特許文献１では、加速度センサで検出された加速度によって、鉄道車両に生じた振動から鉄道車両の状態が判定されている。このような手法によって判定される鉄道車両の状態異常には、鉄道車両の部品及び線路の劣化など様々な原因が考えられる。このため、上記手法によって鉄道車両の状態が異常であることが判定されたとしても、異常と判定された原因の特定には甚大な人員の作業負担を要するおそれがある。また、近年では鉄道車両の更なる乗り心地の向上が求められている。この場合、鉄道車両に設けられた加速度センサで乗り心地の悪化が検知されたとしても、乗り心地が悪化している原因を目視で特定するのは困難である。このため、鉄道車両において乗り心地が悪化している原因を容易かつ適切に特定する手法が求められている。

本発明は、鉄道車両における乗り心地の悪化原因の容易かつ適切な特定を実現できる車両試験システムを提供することを目的とする。

本発明の一側面に係る車両試験システムは、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、加速度に関する情報の周波数スペクトルを示す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、特性データに含まれる周波数成分に関する複数の因子について、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に対する因子毎の寄与度を示す寄与度データを生成する生成手段と、を備える。

この車両試験システムは、第１の算出手段が加速度に関する情報の周波数スペクトルを示す特性データを算出しており、第２の算出手段が当該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。このため、第２の算出手段に算出されたマハラノビスの距離の増加から鉄道車両の乗り心地の悪化を検知することができる。生成手段は寄与度データを生成しており、当該寄与度データは第２の算出手段によって算出されたマハラノビスの距離に対する因子毎の寄与度を示すデータである。このため、当該寄与度データから、マハラノビスの距離が、特性データの周波数成分に関する複数の因子のうち、いずれの因子に寄与しているかを特定することができる。このように、鉄道車両における乗り心地の悪化の要因となっている因子を特定することで、鉄道車両の部品及び線路の劣化などから適切な原因を容易に特定することができる。

車両試験システムは、複数の因子のうち少なくとも１つからそれぞれ構成される複数の組み合わせについて、当該組み合わせを構成する因子からなる選出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３の算出手段を更に備えてもよく、生成手段は、第３の算出手段の算出結果に基づいて、寄与度データを生成してもよい。この場合、より容易に適確な寄与度データを生成することができる。

生成手段は、第３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場合に、当該マハラノビスの距離の算出に用いた選出データに対応する因子が、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に寄与していると判定してもよく、第３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下である場合に、当該マハラノビスの距離の算出に用いた選出データに対応する因子が、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に寄与していないと判定してもよい。この場合、より容易に適確な寄与度データを生成することができる。

第３の算出手段は、複数の組み合わせを示す直交表を参照し、当該直交表に示されている複数の組み合わせについて、当該組み合わせを構成する因子からなる選出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してもよい。この場合、より容易かつ適確に寄与度データを生成することができる。

第２の算出手段によるマハラノビスの距離の算出に用いた単位データ、及び、第３の算出手段によるマハラノビスの距離の算出に用いた単位データは、正常な鉄道車両が正常な線路を走行した際に、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することで算出された加速度に関する情報の周波数スペクトルを含んでもよい。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、適切なマハラノビスの距離を算出することができる。

車両試験システムは、生成手段によって生成された寄与度データを参照し、複数の因子の各々について、寄与度が閾値以上であるかを判定する判定手段と、判定手段によって寄与度が閾値以上であると判定された因子を抽出する抽出手段と、を更に備えてもよい。この場合、乗り心地の悪化の原因を容易かつ適確に判断することができる。

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。

車両試験システムは、第２の算出手段で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比較手段を更に備えてもよく、生成手段は、比較手段において第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された場合に、寄与度データを生成してもよい。この場合、乗り心地が悪化していない場合の不要な処理を削減することができる。

車両試験システムは、車両基地と通信を行う通信手段を更に備えてもよい。第１の算出手段、第２の算出手段、比較手段、及び通信手段は、鉄道車両に設けられており、生成手段は、車両基地に設けられており、通信手段は、比較手段において第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された場合に、特性データ及び第２の算出手段によって算出されたマハラノビスの距離を車両基地に送信してもよい。この場合、車両基地との通信量を低減することができる。

鉄道車両の種別及び当該鉄道車両が走行する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第４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、鉄道車両の種別及び鉄道車両が走行する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。

鉄道車両の種別及び当該鉄道車両が走行する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、鉄道車両の種別及び鉄道車両が走行する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。

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、鉄道車両における乗り心地の悪化原因の容易かつ適切な特定を実現できる車両試験システムを提供できる。

本発明の実施形態に係る車両試験システムの全体構成を説明するための図である。 図１に示した車両試験システムの一部のブロック図である。 図１に示した車両試験システム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。 図１に示した車両試験システムの一部のブロック図である。 直交表の一例を示す図である。 解析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、車両試験システムの物理的構成について説明する。図１は、車両試験システムの全体構成を説明するための図である。車両試験システム１は、鉄道車両２及び車両基地３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。車両試験システム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し、乗り心地の悪化原因について解析する。

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。

車両基地３は、鉄道車両２の停泊及び鉄道車両２の整備などが可能な施設である。車両基地３は、管理ユニット２９を有する。管理ユニット２９は、鉄道車両２への指示、及び、演算ユニット２４の判定結果の解析を行う部分である。

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、車両試験システム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ＭＤ１を算出し、算出されたマハラノビスの距離ＭＤ１と閾値ＴＨ１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及び当該判定に用いた各種情報（例えば、後述する特性データ）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（加速度に関する情報の周波数スペクトル）である。

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））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、車両試験システム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、車両基地３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、隣接する中継ユニット２５から受け取った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）を車両基地３に送信する。

通信部５１は、例えば判定情報受信部５４と、ＩＤ受信部５５とを含んでいる。判定情報受信部５４は、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）を隣接する中継ユニット２５から受信する。判定情報受信部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３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。車両基地３は、例えば駅構内や各電車区内に位置する。

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、状態判定部３９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ＭＤ１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ＭＤ１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ＭＤ１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ＭＤ１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ＭＤ１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ＭＤ１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ＭＤ１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ＭＤ１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ＭＤ１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ＭＤ１を、予め設定された閾値ＴＨ１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ＭＤ１が閾値ＴＨ１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ＴＨ１は「４」であり、比較部３８は、算出されたマハラノビスの距離ＭＤ１が「４」以上であるか否かを判定する。状態判定部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ＴＨ１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ＴＨ１を決定する。上記閾値ＴＨ１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ＴＨ１とマハラノビスの距離ＭＤ１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ＴＨ１とマハラノビスの距離ＭＤ１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ＴＨ１を用いて上記比較を行ってもよい。

状態判定部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、状態判定部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。状態判定部３９は、例えば、比較部３８においてマハラノビスの距離ＭＤ１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ＭＤ１が導出される。この場合、状態判定部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ＭＤ１が導出される。この場合、状態判定部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の状態判定部３９によって車両２０毎に算出されてもよいし、１つの状態判定部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、状態判定部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ＭＤ１が閾値ＴＨ１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、車両基地３に状態判定部３９で乗り心地レベルが不良であると判定された判定結果と、データを送信（通知）する。乗り心地レベルが不良であることを示すデータには、その判定結果と当該判定に用いた各種情報（例えば、第１の算出部３６で算出された特性データ）が含まれる。通信部３４は、直接、統括ユニット２６との間、又は、車両基地３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、状態判定部３９で乗り心地レベルが不良と判定された場合に、その判定結果と当該判定に関する各種情報とを、直接、統括ユニット２６又は車両基地３に送信してもよい。

次に、図４を参照して、管理ユニット２９の機能的構成について詳細に説明する。図４は、車両試験システム１の一部である管理ユニット２９を示している。管理ユニット２９は、通信部６１と、解析部６２と、格納部６３と、表示部６４とを有している。

通信部６１は、統括ユニット２６の通信部５１との間で情報の送受信（通信）を行う部分である。通信部６１は、統括ユニット２６の通信部５１と、例えばＩＥＥＥ ８０２．１１（Ｗｉ−Ｆｉ）などを介した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６１は、通信部５１へ鉄道車両ＩＤ及び走行区間ＩＤのうち少なくとも１つを送信する。通信部６１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。

通信部６１は、通信部５１から乗り心地レベルの判定結果及び当該判定に関する各種情報（例えば、第１の算出部３６で算出された特性データ）を受信し、解析部６２に出力する。通信部６１は、解析部６２から出力された解析結果を統括ユニット２６の通信部５１又はその他の外部の施設に送信してもよい。

解析部６２は、通信部６１で受信された特性データに基づいて、演算ユニット２４の状態演算部３２で判定された乗り心地レベルの判定結果を解析する。より具体的には、解析部６２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ＭＤ１が閾値ＴＨ１以上であると判定された場合に、当該マハラノビスの距離ＭＤ１に潜在する複数の因子を解析し、当マハラノビスの距離ＭＤ１に対する上記因子毎の寄与度を算出する。

第２の算出部３７は、第１の算出部３６で算出された特性データからマハラノビスの距離ＭＤ１を算出している。このため、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ＭＤ１は、第１の算出部３６で算出された特性データに含まれる周波数成分に依存する。上述した複数の因子（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ＭＤ１の因子）は、第１の算出部３６で算出された特性データに含まれる周波数成分に関する。本実施形態において、第１の算出部３６で算出された特性データに含まれる１つの周波数成分を１つの因子とする。各因子は、当該特性データに含まれる周波数成分を特徴化したもの（各種数値処理したもの）であってもよい。

本実施形態では、解析部６２は、上述した因子の複数の組み合わせについて、当該組み合わせを構成する因子からなる選出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ＭＤ２を算出する。これによって、解析部６２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ＭＤ１に対する上記因子毎の寄与度を算出する。

格納部６３は、解析部６２が解析に行う際に要する情報を予め格納している。例えば、格納部６３は、上述した複数の因子の組み合わせを示す直交表及びマハラノビスの距離ＭＤ２の算出に用いる単位データ（単位空間データ）を格納している。格納部６３に格納されている単位データも、演算ユニット２４の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同様であり、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、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のそれぞれを高速フーリエ変換することで算出された加速度に関する情報の周波数スペクトルを含む。

表示部６４は、車両基地３内において各種情報を表示する部分である。表示部６４は、解析部６２から入力された解析結果を表示する。表示部６４による表示は、ディスプレイによる視覚表示に限定されず、例えば、スピーカーによる音声表示であってもよい。

次に、解析部６２における乗り心地レベルの判定結果の解析手法について詳細に説明する。解析部６２は、図１６に示されているように、第３の算出部６５（第３の算出手段）と、データ生成部６６（生成手段）と、解析判定部６７（判定手段）、抽出部６８（抽出手段）とを有する。

第３の算出部６５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ＭＤ１が閾値ＴＨ１以上であると判定された場合に、通信部６１から取得した特性データに基づいて、マハラノビスの距離ＭＤ２を算出する。具体的には、第３の算出部６５は、上述した因子の複数の組み合わせについて、当該組み合わせを構成する因子からなる選出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ＭＤ２を算出する。

複数の組み合わせは、それぞれ、複数の因子のうち少なくとも１つから構成される。本実施形態において、複数の組み合わせは、格納部６３に格納されている直交表に基づく。図１７は、直交表の一例を示す。当該直交表は、各因子について、マハラノビスの距離ＭＤ２の算出に用いる場合を「１」で示し、マハラノビスの距離ＭＤ２の算出に用いない場合を「２」で示す２水準系である。図１７では、直交表のうち、因子Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ，Ｇに関する部分が示されている。例えば、因子Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ，Ｇは、それぞれ、第１の算出部３６で算出された特性データに含まれる１つの周波数成分である。例えば、因子Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ，Ｇは、それぞれ、１Ｈｚ，２Ｈｚ，４Ｈｚ，６Ｈｚ，８Ｈｚ，１０Ｈｚ，１２Ｈｚの周波数成分である。

上記マハラノビスの距離ＭＤ２の算出に用いる単位データは、格納部６３に格納されている。第３の算出部６５は、複数の組み合わせを示す直交表を参照し、当該直交表に示されている複数の組み合わせについて、当該組み合わせを構成する因子からなる選出データと格納部６３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ＭＤ２を算出する。

データ生成部６６は、第３の算出部６５の算出結果に基づいて、特性データに含まれる周波数成分に関する複数の因子について、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ＭＤ１に対する因子毎の寄与度を示す寄与度データを生成する。データ生成部６６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ＭＤ１が閾値ＴＨ１以上であると判定された場合に、上記寄与度データを生成する。

例えば、データ生成部６６は、直交表に示されている全ての組み合わせについて、因子毎のマハラノビスの距離ＭＤ２のＳＮ比を算出し、算出されたＳＮ比に基づいて因数毎の寄与度（影響度）を算出してもよい。本実施形態では、因子の寄与度は、（当該因子を使ったときの望大特性のＳＮ比の平均値）−（当該因子を使わなかったときの望大特性のＳＮ比の平均値）によって求めることができる。例えば、因子Ａの寄与度は、直交表に示されている組み合わせのうち因子Ａを含む組み合わせのマハラノビスの距離のＳＮ比から、直交表に示されている組み合わせのうち因子Ａを含まない組み合わせのマハラノビスの距離のＳＮ比を減算した値である。図１８は、データ生成部６６によって生成された寄与度データの一例を示している。図１８に示されている寄与度データでは、因子Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ，Ｇのそれぞれについて、寄与度が示されている。

また、データ生成部６６は、第３の算出部６５で算出された全てのマハラノビスの距離ＭＤ２について、当該マハラノビスの距離ＭＤ２と閾値ＴＨ２，ＴＨ３との比較を行い、当該比較結果に基づいてマハラノビスの距離ＭＤ１に対する因子毎の寄与度を算出してもよい。すなわち、この場合、データ生成部６６は、第３の算出部６５において算出に用いた因子が、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ＭＤ１に対して寄与しているか否かを判定する。換言すれば、データ生成部６６は、第３の算出部６５によって算出されたマハラノビスの距離ＭＤ２と閾値ＴＨ２，ＴＨ３とを比較することで、マハラノビスの距離ＭＤ２の算出に用いた因子が、乗り心地レベルが不良と判定された要因であるか否かを判定してもよい。

例えば、データ生成部６６は、マハラノビスの距離ＭＤ２が閾値ＴＨ２以上である場合、当該マハラノビスの距離ＭＤ２の算出に用いた選出データに対応する因子（１の組み合わせを構成する因子）が、マハラノビスの距離ＭＤ１に寄与していると判定する。データ生成部６６は、マハラノビスの距離ＭＤ２が閾値ＴＨ３以下である場合、当該マハラノビスの距離ＭＤ２の算出に用いた選出データに対応する因子が、マハラノビスの距離ＭＤ１に寄与していないと判定する。閾値ＴＨ３は、閾値ＴＨ２と同じ又は閾値ＴＨ２よりも小さい値である。閾値ＴＨ２，ＴＨ３は、ユーザが自由に設定変更できる任意の値である。

例えば、データ生成部６６は、直交表に示されている全ての組み合わせについて、第３の算出部６５によって算出されたマハラノビスの距離ＭＤ２と閾値ＴＨ２，ＴＨ３との比較を行うことで、因子毎の寄与度を算出する。この場合、データ生成部６６は、因子がマハラノビスの距離ＭＤ１に対して寄与していると判定した場合に、当該因子に対応する変数に対してインクリメントを行う。データ生成部６６は、因子がマハラノビスの距離ＭＤ１に対して寄与していないと判定した場合に上記変数に対してデクリメントを行う。データ生成部６６は、全ての判定が終わった後に、既知の手法によって、各因子の上記変数に基づいて因数毎の寄与度を求める。

また、データ生成部６６は、各因数を説明変数とし、第３の算出部６５によって算出されたマハラノビスの距離ＭＤ２を被説明変数として回帰分析を行うことで、因数毎の寄与度（影響度）を算出してもよい。この場合、因数の寄与度は、回帰係数×（当該因数の最大値−当該因数の最小値）によって求めることができる。

データ生成部６６は、通信部６１、表示部６４、及び解析判定部６７に、生成した寄与度データを出力する。解析判定部６７は、データ生成部６６によって生成された寄与度データを参照し、因子毎に、寄与度が閾値ＴＨ４以上であるかを判定する。解析判定部６７は、通信部６１、表示部６４、及び解析判定部６７に、判定結果を出力する。抽出部６８は、解析判定部６７によって寄与度が閾値ＴＨ４以上であると判定された因子を抽出する。抽出部６８は、通信部６１及び表示部６４に抽出結果を出力する。閾値ＴＨ４は、ユーザが自由に設定変更できる任意の値である。

表示部６４は、データ生成部６６からの寄与度データ、解析判定部６７からの判定結果、及び抽出部６８からの抽出結果に基づいて解析結果を表示する。例えば、図１８では、解析判定部６７が複数の因子のうち因子Ａ，Ｂの寄与度が閾値ＴＨ４以上であると判定し、抽出部６８が因子Ａ，Ｂを抽出した場合に、表示部６４がディスプレイに表示する寄与度データのグラフの一例が示されている。図１８では、表示部６４は、寄与度が高いと判定された因子Ａ，Ｂのデータを他の因子のデータと異なる色で表示している。

通信部６１は、データ生成部６６からの寄与度データ、解析判定部６７からの判定結果、及び抽出部６８からの抽出結果に基づいて解析結果を鉄道車両２の統括ユニット２６へ送信する。この場合、統括ユニット２６の報知部５２において、解析結果を報知してもよい。

次に、車両試験システム１の作用効果について説明する。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１９及び図２０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１９及び図２０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１９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２０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１９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２０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。

車両試験システム１では、第１の算出部３６が加速度に関する情報の周波数スペクトルを示す特性データを算出しており、第２の算出部３７が当該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ＭＤ１が算出される。このため、第２の算出部３７に算出されたマハラノビスの距離ＭＤ１の増加から鉄道車両２の乗り心地の悪化を検知することができる。算出されたマハラノビスの距離ＭＤ１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。車両試験システム１では、このようにして算出されたマハラノビスの距離と閾値ＴＨ１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、車両試験システム１では、マハラノビスの距離ＭＤ１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、車両試験システム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。

車両試験システム１では、データ生成部６６は、寄与度データを生成しており、当該寄与度データは特性データの周波数成分に関する複数の因子について、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ＭＤ１に対する因子毎の寄与度を示すデータである。このため、当該寄与度データから、マハラノビスの距離ＭＤ１がいずれの因子に寄与しているかを特定することができる。このように、鉄道車両２における乗り心地の悪化の要因となっている因子を特定することで、鉄道車両２の部品及び線路の劣化などから適切な原因を容易に特定することができる。

車両試験システム１は、複数の因子のうち少なくとも１つからそれぞれ構成される複数の組み合わせについて、当該組み合わせを構成する因子からなる選出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ＭＤ２を算出する第３の算出部６５を更に備えている。データ生成部６６は、第３の算出部６５の算出結果に基づいて、寄与度データを生成する。このため、より容易に適確な寄与度データを生成することができる。

データ生成部６６は、第３の算出部６５によって算出されたマハラノビスの距離ＭＤ２が閾値ＴＨ２以上である場合に、当該マハラノビスの距離ＭＤ２の算出に用いた選出データに対応する因子が、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ＭＤ１に寄与していると判定する。データ生成部６６は、第３の算出部６５によって算出されたマハラノビスの距離ＭＤ２が閾値ＴＨ３以下である場合に、当該マハラノビスの距離ＭＤ２の算出に用いた選出データに対応する因子が、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ＭＤ１に寄与していないと判定する。このため、より容易に適確な寄与度データを生成することができる。

第３の算出部６５は、複数の組み合わせを示す直交表を参照し、当該直交表に示されている複数の組み合わせについて、当該組み合わせを構成する因子からなる選出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ＭＤ２を算出する。このため、より容易かつ適確に寄与度データを生成することができる。

第２の算出部３７によるマハラノビスの距離ＭＤ１の算出に用いた単位データ、及び、第３の算出部６５によるマハラノビスの距離ＭＤ２の算出に用いた単位データは、正常な鉄道車両が正常な線路を走行した際に、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することで算出された加速度に関する情報の周波数スペクトルを含んでいる。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、適切なマハラノビスの距離を算出することができる。

車両試験システム１は、データ生成部６６によって生成された寄与度データを参照し、複数の因子の各々について、寄与度が閾値ＴＨ４以上であるかを判定する解析判定部６７と、解析判定部６７によって寄与度が閾値ＴＨ４以上であると判定された因子を抽出する抽出部６８と、を更に備える。このため、乗り心地の悪化の原因を容易かつ適確に判断することができる。

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。

車両試験システム１は、第２の算出部３７で算出されたマハラノビスの距離ＭＤ１を予め設定された閾値ＴＨ１と比較する比較部３８を備えている。データ生成部６６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ＭＤ１が閾値ＴＨ１以上であると判定された場合に、寄与度データを生成する。このため、乗り心地が悪化していない場合の不要な処理を削減することができる。

車両試験システム１は、車両基地３と通信を行う通信部５１を備えている。第１の算出部３６、第２の算出部３７、比較部３８、及び通信部５１は、鉄道車両２に設けられている。データ生成部６６は、車両基地３に設けられている。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ＭＤ１が閾値ＴＨ１以上であると判定された場合に、特性データ及び第２の算出部によって算出されたマハラノビスの距離ＭＤ１を車両基地３に送信してもよい。このため、車両基地３との通信量を低減することができる。

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ＴＨ１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ＭＤ１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ＴＨ１とマハラノビスの距離ＭＤ１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ＴＨ１とマハラノビスの距離ＭＤ１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ＴＨ１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ＭＤ１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ＭＤ１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ＭＤ１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ＭＤ１が閾値ＴＨ１以上であると判定された場合に車両基地３に通知を行う。このため、車両基地３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ＭＤ１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ＭＤ１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、状態判定部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。状態判定部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ＭＤ１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ＭＤ１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、状態判定部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。状態判定部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ＭＤ１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ＭＤ１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、状態判定部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。状態判定部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。

本実施形態では、管理ユニット２９が車両基地３に設けられている場合について説明したが、これに限定されない。例えば、管理ユニット２９は、鉄道車両２に設けられていてよい。

１…車両試験システム、２…鉄道車両、３…車両基地、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…状態判定部、６５…第３の算出部、６６…データ生成部、６７…解析判定部、６８…抽出部、ＭＤ１，ＭＤ２…マハラノビスの距離。

Claims (13)

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、加速度に関する情報の周波数スペクトルを示す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、
   前記特性データに含まれる周波数成分に関する複数の因子について、前記第２の算出手段によって算出されたマハラノビスの距離に対する前記因子毎の寄与度を示す寄与度データを生成する生成手段と、を備える、車両試験システム。
2. 前記複数の因子のうち少なくとも１つからそれぞれ構成される複数の組み合わせについて、当該組み合わせを構成する前記因子からなる選出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３の算出手段を更に備え、
   前記生成手段は、前記第３の算出手段の算出結果に基づいて、前記寄与度データを生成する、請求項１に記載の車両試験システム。
3. 前記生成手段は、
   前記第３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場合に、当該マハラノビスの距離の算出に用いた前記選出データに対応する前記因子が、前記第２の算出手段によって算出されたマハラノビスの距離に寄与していると判定し、
   前記第３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下である場合に、当該マハラノビスの距離の算出に用いた前記選出データに対応する前記因子が、前記第２の算出手段によって算出されたマハラノビスの距離に寄与していないと判定する、請求項２に記載の車両試験システム。
4. 前記第３の算出手段は、前記複数の組み合わせを示す直交表を参照し、当該直交表に示されている前記複数の組み合わせについて、当該組み合わせを構成する前記因子からなる選出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、請求項２又は３に記載の車両試験システム。
5. 前記第２の算出手段によるマハラノビスの距離の算出に用いた前記単位データ、及び、前記第３の算出手段によるマハラノビスの距離の算出に用いた前記単位データは、正常な鉄道車両が正常な線路を走行した際に、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することで算出された加速度に関する情報の周波数スペクトルを含む、請求項２〜４のいずれか一項に記載の車両試験システム。
6. 前記生成手段によって生成された前記寄与度データを参照し、前記複数の因子の各々について、前記寄与度が閾値以上であるかを判定する判定手段と、
   前記判定手段によって前記寄与度が閾値以上であると判定された前記因子を抽出する抽出手段と、を更に備える、請求項１〜５のいずれか一項に記載の車両試験システム。
7. 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１〜６のいずれか一項に記載の車両試験システム。
8. 前記第２の算出手段で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比較手段を更に備え、
   前記生成手段は、前記比較手段において前記第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された場合に、前記寄与度データを生成する、請求項１〜７のいずれか一項に記載の車両試験システム。
9. 車両基地と通信を行う通信手段を更に備え、
   前記第１の算出手段、前記第２の算出手段、前記比較手段、及び前記通信手段は、前記鉄道車両に設けられており、
   前記生成手段は、前記車両基地に設けられており、
   前記通信手段は、前記比較手段において前記第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閾値以上であると判定された場合に、前記特性データ及び前記第２の算出手段によって算出されたマハラノビスの距離を前記車両基地に送信する、請求項８に記載の車両試験システム。
10. 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８又は９に記載の車両試験システム。
11. 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１〜１０のいずれか一項に記載の車両試験システム。
12. 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１〜１１のいずれか一項に記載の車両試験システム。
13. 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１〜１２のいずれか一項に記載の車両試験システム。

Images