JP2020500778A - 鉄道車両異常判別装置及び鉄道車両異常判別方法 - Google Patents

Abstract

【課題】鉄道運行の安定性を確保するための新たな方式を提案すること。【解決手段】鉄道車両の運行位置での地形的要因により、鉄道車両に及んでしまう抵抗力を観測した実測外乱値と、運行位置と係わってすでに保存されている基準外乱値と、を相互比較した結果値を基に、鉄道車両の異常有無を判別することにより、鉄道車両に、追加的なセンサまたは装置なしにも、鉄道車両の異常有無を判別することができる鉄道車両異常判別装置及び鉄道車両異常判別方法を提案する。【選択図】なし

Description

本発明は、鉄道車両の運行位置での地形的要因により、前記鉄道車両に及んでしまう抵抗力を観測した実測外乱値と、前記運行位置と係わってすでに定義されている基準外乱値とを相互比較し、鉄道車両の異常有無を判別するための方案に関する。

鉄道は、国家の人々と貨物との代表的な運送手段であり、大規模の貨物や多くの人々が乗っており、事故が発生する場合には、貨物の場合にも、その被害額は、大規模に該当するが、特に、乗客らの運送の場合には、事故が発生する場合には、その被害が測定され難い。

近来の鉄道車両は、ますます電子機器の役割が増大しているが、そのような電子機器は、各装置が通信を介して、車両に必要な情報を送受信し、車両の制御及び監視、放送、車両運行記録保存のような機能を遂行し、列車の安定性と便宜性とを高めるのに寄与している。

一方、鉄道車両においては、鉄道運行の安全性を確保するための目的として、別途監視システムを構築して運用しているが、そのように、監視システムを運用するためには、鉄道車両の運行に必要なセンサ以外に、追加的なセンサあるいは装置を装着しなければならないという問題点がある。

そのために、本発明においては、鉄道運行の安定性を確保するための新たな方式を提案する。

本発明は、前述の事情を鑑みて創出されたものであり、本発明で到逹しようとする目的は、鉄道車両の運行位置での地形的要因により、前記鉄道車両に及んでしまう抵抗力を観測した実測外乱値と、前記運行位置と係わってすでに保存されている基準外乱値とを相互比較し、鉄道車両の異常有無を判別するところにある。

前述の技術的課題を解決するために、鉄道車両の運行位置での地形的要因により、前記鉄道車両に及んでしまう抵抗力を観測した実測外乱値と、前記運行位置と係わってすでに定義されている基準外乱値とを相互比較し、鉄道車両の異常有無を判別する方式を提案する。

鉄道車両の運行に必要なセンサ以外に、追加的なセンサあるいは装置を装着する必要なしに、鉄道車両の異常有無を判別する。

本開示の一実施形態による鉄道車両異常判別システムを図示した図面である。 本開示の一実施形態による鉄道車両異常判別装置の概略的な構成図である。 本開示の他の実施形態による鉄道車両異常判別システムを図示した図面である。 本開示の一実施形態による鉄道車両異常判別装置での動作フローについて説明するためのフローチャートである。

目的を達成するための本開示の一実施形態による鉄道車両異常判別装置は、鉄道車両の運行位置での地形的要因により、鉄道車両に及んでしまう抵抗力と係わる値である実測外乱値を観測する観測部、実測外乱値の観測がなされた鉄道車両の運行位置である観測運行位置を確認する確認部、及び観測運行位置についてすでに定義されている基準外乱値と、実測外乱値との比較結果を基に、鉄道車両の異常有無を判別する判別部を含むことを特徴とする。

さらに具体的には、実測外乱値は、鉄道車両と係わってすでに定義されている動力学数式モデル、鉄道車両の運行速度が目標運行速度に達するように、鉄道車両の運行と係わって入力される操作量、及び観測運行位置での鉄道車両の運行速度のうち少なくとも一つを基に観測されることを特徴とする。

さらに具体的には、該観測運行位置は、鉄道車両の運行速度を積分した値でもって推定される運行距離を基に確認されるか、あるいは該鉄道車両に設けられた位置測定センサから確認されることを特徴とする。

さらに具体的には、該基準外乱値は、観測運行位置に該当する実測地形情報と、鉄道車両の車両情報とを基に定義されるか、あるいは観測運行位置と係わる鉄道車両でのマシンラーンニング基盤学習値を基に定義され、該学習値は、鉄道車両の正常判別時の実測外乱値を含むことを特徴とする。

目的を達成するための本開示の一実施形態による鉄道車両異常判別方法は、鉄道車両の運行位置での地形的要因により、鉄道車両に及んでしまう抵抗力と係わる値である実測外乱値を観測する観測段階、実測外乱値の観測がなされた鉄道車両の運行位置である観測運行位置を確認する確認段階、及び観測運行位置についてすでに定義されている基準外乱値と、実測外乱値との比較結果を基に、該鉄道車両の異常有無を判別する判別段階を含むことを特徴とする。

さらに具体的には、該観測段階は、鉄道車両と係わってすでに定義されている動力学数式モデル、鉄道車両の運行速度が目標運行速度に達するように、鉄道車両の運行と係わって入力される操作量、及び観測運行位置での鉄道車両の運行速度のうち少なくとも一つを基に、実測外乱値を観測することを特徴とする。

さらに具体的には、該確認段階は、鉄道車両の運行速度を積分した値でもって推定される運行距離を基に、観測運行位置を確認するか、あるいは鉄道車両に設けられた位置測定センサからのセンシング値を利用して観測運行位置を確認することを特徴とする。

さらに具体的には、該基準外乱値は、観測運行位置に該当する実測地形情報と、鉄道車両の車両情報とを基に定義されるか、あるいは観測運行位置と係わる鉄道車両でのマシンラーンニング基盤学習値を基に定義され、該学習値は、鉄道車両の正常判別時の実測外乱値を含むことを特徴とする。

以下、添付された図面を参照し、本開示の一実施形態について説明する。
図１は、本開示の一実施形態による鉄道車両異常判別システムを図示している。

図１に図示されているように、本開示の一実施形態による鉄道車両異常判別システムは、列車自動運行装置１０及び鉄道車両異常判別装置２０を含む構成を有する。

列車自動運行装置（ＡＴＯ：automatic train operation）１０は、鉄道車両の走行及び停車、出入り扉開閉のような鉄道車両の運行を自動的に遂行する装置を言う。

そのような、列車自動運行装置１０には、例えば、鉄道車両の目標運行速度を決定する速度プロファイル生成部１１、鉄道車両の運行速度が目標運行速度に達するように、鉄道車両の操作量を決定する制御部１２、及び鉄道車両の運行速度を測定する速度センサ１３が含まれる。

ここで、制御部１２は、鉄道車両の物理的な出力を操作するためのものであり、例えば、ＰＩＤ（proportional integral derivative）制御器が、それに該当する。

鉄道車両異常判別装置２０は、列車自動運行装置１０と連繋し、鉄道車両の異常有無を判別する装置を言うものであり、鉄道車両に及んでしまう外乱値を観測する方式を介して、鉄道車両の異常有無を判別することができる。

ここで、外乱値とは、鉄道車両の運行位置において、例えば、曲線状の地形（線路）、または勾配のような地形的要因により、鉄道車両に対して発生する抵抗力とも理解される。

そのような、鉄道車両異常判別装置２０は、鉄道車両にも設けられ、鉄道車両と係わる多様な情報を受信するところ、例えば、統合管制センター（ＡＴＳ：automatic train supervision）にも設けられる。

もし鉄道車両異常判別装置２０が統合管制センターに設けられている場合であるならば、統合管制センターにおいては、鉄道車両での操作量、速度値を、通信網を介して送信され、鉄道車両の異常有無を判断することが可能である。

結局、本開示の一実施形態による鉄道車両異常判別システムは、前述の構成を基に、鉄道車両の異常有無を判別することができるのである。

一方、鉄道車両の異常有無を判別する既存の監視システムの場合、例えば、鉄道車両の運行に必要なセンサ以外に、追加的なセンサを設け、既存センサの異常有無を判別するか、あるいは鉄道車両に、慣性航法装置を設け、鉄道車両の傾きを測定し、それをレファレンスデータ（例：学習を介して求められた傾き）と比較し、異常を感知する方式などが存在する。

しかし、そのような既存監視システムの場合、共通して鉄道車両の運行に必要なセンサ以外に、追加的なセンサまたは装置の設置が必要であるという限界点を確認することができる。

そのために、本開示の一実施形態においては、鉄道車両の運行に必要なセンサ以外に、追加的なセンサまたは装置の設置なしにも、鉄道車両の異常有無を判別することができる新たな方式を提案するものであり、以下では、それを具現するための鉄道車両異常判別装置２０の構成について具体的に説明する。

図２には、本開示の一実施形態による鉄道車両異常判別装置２０の構成を示している。

図２に図示されているように、本開示の一実施形態による鉄道車両異常判別装置２０は、外乱値を観測する観測部２１、鉄道車両の運行位置を確認する確認部２２、及び鉄道車両の異常有無を判別する判別部２３を含む構成を有する。

異常の観測部２１、確認部２２及び判別部２３を含む鉄道車両異常判別装置２０の構成全体、あるいは少なくとも一部は、特に、観測部２１は、ソフトウェアモジュールによって具現される。

ここで、該ソフトウェアモジュールとは、例えば、鉄道車両異常判別装置２０内において、演算を処理するプロセッサによって実行される命令語とも理解され、そのような命令語は、鉄道車両異常判別装置２０内メモリ、または別途のメモリに保存された形態を有することができる。

結局、本開示の一実施形態による鉄道車両異常判別装置２０は、前述の構成を介して、鉄道車両の運行位置で観測される外乱値を利用し、鉄道車両の異常有無を判別することになるが、以下では、それを具現するための鉄道車両異常判別装置２０内各構成について、さらに具体的に説明する。

観測部２１は、鉄道車両の運行位置での外乱値を観測する機能を遂行する。

さらに具体的には、観測部２１は、鉄道車両の運行位置での地形的要因（例：曲線、傾斜）によって鉄道車両に及んでしまう抵抗力と係わる値である実測外乱値を観測する。

このとき、観測部２１は、鉄道車両の設計過程において既定義の動力学数式モデル、鉄道車両の運行速度が目標運行速度に達するように、制御部１２から入力される操作量、及び速度センサ１３で測定される鉄道車両の運行速度のうち少なくとも一つを利用し、鉄道車両の現在運行位置での実測外乱値を観測したり推定したりする。

該外乱値は、鉄道車両に及ぶ抵抗力であり、該抵抗力は、車輪の摩擦抵抗や、車両の空気抵抗よりは、線路の傾斜抵抗や、線路の曲線抵抗のような地形的要因にさらに支配的影響を受ける。地形的要因のうち、傾斜による要因の場合、鉄道車両の速度及び重量は、位置に係わる外乱値グラフにおいて、大きさを除いたグラフ形態（shape）に影響を及ぼさない。また、地形的要因のうち、カーブによる要因の場合、鉄道車両の速度及び重量は、位置に係わる外乱値グラフにおいて、大きさを除いたグラフ形態に影響を及ぼさない。従って、事前に走行を介したデータ収集なしにも、鉄道車両の位置による外乱値のデータを獲得することができる。

参照として、そのように、鉄道車両に及んでしまう外乱値を観測する観測部２１は、一般的な外乱観測器（ＤＯＢ：disturbance observer）の構造による。

確認部２２は、実測外乱値の観測がなされた運行位置を確認する機能を遂行する。

さらに具体的には、確認部２２は、実測外乱値に係わる観測（推定）がなされた場合、実測外乱値の観測がなされた鉄道車両の運行位置である観測運行位置を確認することになる。

このとき、確認部２２は、鉄道車両の運行距離を利用し、実測外乱値の観測がなされた観測運行位置を確認することになるが、そのように、観測運行位置確認に利用される鉄道車両の運行距離は、鉄道車両内速度センサ１３で測定された鉄道車両の運行速度を積分した値でもっても推定される。

ここで、該観測運行位置は、鉄道車両の運行距離を利用する方式以外に、鉄道車両に別途に設けられた位置測定センサ（例：ＧＰＳ、位置マーカー）でのセンシング値を利用することも可能であるということは言うまでもない。

判別部２３は、鉄道車両の異常有無を判別する機能を遂行する。

さらに具体的には、判別部２３は、観測運行位置確認が完了すれば、確認された観測運行位置についてすでに定義されている基準外乱値と、観測運行位置で観測（推定）された実測外乱値とを比較（例：コヒーレンス値比較、マシンラーンニング技法）し、鉄道車両の異常有無を判別することになる。

このとき、判別部２３は、コヒーレンス値比較の一例として、基準外乱値と、観測運行位置で観測（推定）された実測外乱値との類似度が、臨界値以下、言い換えれば、基準外乱値と、観測運行位置で観測（推定）された実測外乱値との差が、臨界値以上である場合、鉄道車両に異常があると判別することができる。

他の一例として、判別部２３は、すでに定義されている基準外乱値と、観測運行位置で観測（推定）された実測外乱値との差が、誤差許容値以下である場合、一定誤差要因が発生したと判別することができる。このとき、該誤差許容値は、臨界値より小さい値でもある。このとき、判別部２３は、誤差を反映させ、すでに定義されている基準外乱値を補正することができる。また、補正された基準外乱値を基準に、実測外乱値との差が臨界値以上である場合、鉄道車両に異常があると判別することができる。

また、判別部２３は、マシンラーンニング技法の一例として、鉄道車両の正常判別時の実測外乱値を、学習データとして活用し、マシンラーンニング技法（例：SupportVector Machine、Artificial Neural Network）を適用することにより、鉄道車両の異常有無を判別することができる。

ここで、鉄道車両の異常とは、例えば、異常有無判断に活用されたセンサ、すなわち、鉄道車両内速度センサ１３、またはその他アクチュエータの誤作動状態とも理解される。

そして、観測運行位置についてすでに定義されている基準外乱値は、観測運行位置に該当する実測地形情報（例：線路設計図の曲線及び傾斜に係わる実測情報）と、鉄道車両の車両情報（例：鉄道車両の長さ及び重量）とを基に定義されるか、あるいは観測運行位置で観測（推定）された実測外乱値に係わる学習値によっても定義される。

ここで、該学習値とは、鉄道車両の正常判別時の実測外乱値を学習して求めた一種の代表値を意味する。

参照として、鉄道システムにおいて、一般的に、曲線抵抗と傾斜抵抗は、それぞれ線路の曲線半径に反比例し、傾斜に比例するとも定義され、従って線路設計図の曲線半径と傾斜値とを利用すれば、観測運行位置ごとに鉄道車両に及んでしまう基準外乱値を定義することができるのである。

一方、本開示の一実施形態による鉄道車両異常判別装置２０は、図３に図示されているように、多数の速度センサ１３−１，１３−２，…が重複して設けられたシステム環境において、各速度センサ１３−１，１３−２，…に対する個別的な異常有無判断のためにも適用される。

その場合、本開示の一実施形態により、鉄道車両の運行位置での外乱値を観測する機能を遂行することになる観測部２３においては、各速度センサ１３−１，１３−２，…で測定されるそれぞれの運行速度を基に、各速度センサ１３−１，１３−２，…それぞれと対応する実測外乱値を観測（推定）し、さらには、そのように観測されたそれぞれの実測外乱値と、基準外乱値とによる比較がなされれば、各速度センサ１３−１，１３−２，…に対して個別的な異常有無判別が可能である。

参照として、図３に図示されたシステム環境の場合、システムの信頼性向上を目的に、同一物理量を測定する多数のセンサ、すなわち、多数の速度センサ１３−１，１３−２，…が重複して設けられたものであり、図１でのシステム環境とは異なり、列車自動運行装置１０において、鉄道車両の運行速度と係わるフィードバック制御に利用される速度センサを選択する機能を遂行するフィードバックセンサ選択部１４がさらに含まれてもよい。

以上で説明したように、本開示の一実施形態による鉄道車両異常判別装置２０の構成によれば、鉄道車両の運行位置での地形的要因により、鉄道車両に及んでしまう抵抗力を観測した実測外乱値と、運行位置と係わってすでに保存されている基準外乱値とを相互比較した結果値を基に、鉄道車両の異常有無を判別することにより、鉄道車両に対して、追加的なセンサまたは装置なしにも、鉄道車両の異常有無を判別することができる効果がなされる。

以下では、図４を参照し、本開示の一実施形態による鉄道車両異常判別装置２０での動作フロー、すなわち、鉄道車両異常判別方法について説明する。

まず、観測部２１は、段階「Ｓ１０」により、鉄道車両の運行位置での地形的要因（例：曲線、傾斜）によって鉄道車両に及んでしまう抵抗力と係わる値である実測外乱値を観測する。

このとき、観測部２１は、鉄道車両の設計過程ですでに定義されている動力学数式モデル、鉄道車両の運行速度が目標運行速度に達するように、制御部１２から入力される操作量、及び速度センサ１３で測定される鉄道車両の運行速度のうち少なくとも一つを利用し、鉄道車両の現在運行位置での実測外乱値を観測（推定）する。

参照までに、そのように、鉄道車両に及んでしまう外乱値を観測する観測部２１は、一般的な外乱観測器（ＤＯＢ：disturbance observer）の構造にもよる。

次に、確認部２２は、実測外乱値に対する観測（推定）がなされた場合、段階「Ｓ２０」により、実測外乱値の観測がなされた鉄道車両の運行位置である観測運行位置を確認する。

このとき、確認部２２は、鉄道車両の運行距離を利用し、実測外乱値の観測がなされた観測運行位置を確認することになるが、そのように、観測運行位置確認に利用される鉄道車両の運行距離は、鉄道車両内速度センサ１３で測定された鉄道車両の運行速度を積分した値でもっても推定される。

ここで、確認部２２は、鉄道車両に別途に設けられた位置測定センサ（例：ＧＰＳ、位置マーカー）でのセンシング値を利用し、観測運行位置を確認することもできるということは言うまでもない。

その後、判別部２３は、観測運行位置確認が完了すれば、段階「Ｓ３０」を介して確認された観測運行位置について、すでに定義されている基準外乱値を抽出し、段階「Ｓ４０」及び「Ｓ５０」により、抽出された基準外乱値と、観測運行位置で観測（推定）された実測外乱値とを比較（例：コヒーレンス値比較、マシンラーンニング技法）し、鉄道車両の異常有無を判別する。

このとき、判別部２３は、コヒーレンス値比較の一例として、基準外乱値と、観測運行位置で観測（推定）された実測外乱値との類似度が臨界値以下、言い換えれば、基準外乱値と、観測運行位置で観測（推定）された実測外乱値との差が臨界値以上である場合、例えば、異常有無判断に活用されたセンサ、すなわち、鉄道車両内速度センサ１３、またはその他アクチュエータが、誤作動によって鉄道車両に異常があると判別することができる。

ここで、判別部２３は、マシンラーンニング技法の一例として、鉄道車両の正常判別時の実測外乱値を学習データとして活用し、マシンラーンニング技法（例：SupportVector Machine、Artifical Neural Network）を適用することにより、鉄道車両の異常有無を判別することも可能であるということは言うまでもない。

以上で説明した通り、本開示の一実施形態による鉄道車両異常判別装置２０での動作フローによれば、鉄道車両の運行位置での地形的要因によって鉄道車両に及んでしまう抵抗力を観測した実測外乱値と、運行位置と係わってすでに保存されている基準外乱値とを相互比較した結果値を基に、鉄道車両の異常有無を判別することにより、鉄道車両に追加的なセンサまたは装置なしにも、鉄道車両の異常有無を判別することができる効果がなされる。

なお、本明細書で説明する機能的な動作と、主題の具現物は、デジタル電子回路によって具現されるか、本明細書で開示する構造、及びその構造的な等価物を含むコンピュータソフトウェア、ファームウェアあるいはハードウェアによって具現されるか、あるいはそれらのうち１以上の結合によっても具現される。本明細書で説明する主題の具現物は、１以上のコンピュータプログラム製品、言い換えれば、処理システムの動作を制御するため、あるいはそれによる実行のために、類型のプログラム記録媒体上にエンコードされたコンピュータプログラム命令に係わる１以上のモジュールとしても具現される。

コンピュータで読み取り可能な媒体は、機械で読み取り可能な保存装置、機械で読み取り可能な保存基板、メモリ装置、機械で読み取り可能な電波型信号に影響を及ぼす物質の組成物、あるいはそれらのうち１以上の組み合わせでもある。

本明細書において、「システム」や「装置」とは、例えば、プログラマブルプロセッサ、コンピュータあるいは多重プロセッサ、コンピュータを含んでデータを処理するための全ての機構、装置及び機械を包括する。処理システムは、ハードウェアに付加され、例えば、プロセッサファームウェアを構成するコード、プロトコルスタック、データベース管理システム、オペレーションシステム、あるいはそれらうち１以上の組み合わせのように、要請時、コンピュータプログラムに係わる実行環境を形成するコードを含んでもよい。

コンピュータプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、スクリプトあるいはコードとも知られている）は、コンパイルされたり解釈されたりする言語や、先験的あるいは手続き的な言語を含むプログラミング言語のいかなる形態にも作成され、独立型プログラムや、モジュール、コンポーネント、サブルーチンあるいはコンピュータ環境で使用するのに適する他のユニットを含み、いかなる形態にも展開される。コンピュータプログラムは、ファイルシステムのファイルに必ずしも対応するものではない。プログラムは、要請されたプログラムに提供される単一ファイル内、あるいは多重の相互作用するファイル（例えば、１以上のモジュール、下位プログラム、あるいはコードの一部を保存するファイル）内、あるいは他のプログラムやデータを保有するファイルの一部（例えば、マークアップ言語文書内に保存される１以上のスクリプト）内にも保存される。コンピュータプログラムは、１つのサイトに位置するか、あるいは複数のサイトにわたって分散され、通信ネットワークによって相互接続された多重コンピュータや、１つのコンピュータ上で実行されるようにも展開される。

一方、コンピュータプログラム命令語とデータとを保存するのに適するコンピュータで読み取り可能な媒体は、例えば、ＥＰＲＯＭ、ＥＥＰＲＯＭ及びフラッシュメモリ装置のような半導体メモリ装置、例えば、内部ハードディスクや外装型ディスクのような磁気ディスク、磁気光学ディスク、及びＣＤ−ＲＯＭとＤＶＤ−ＲＯＭとのディスクを含み、全ての形態の不揮発性メモリ、媒体及びメモリ装置を含んでもよい。該プロセッサと該メモリは、特殊目的の論理回路によって補充されたり、それに統合されたりする。

本明細書で説明した主題の具現物は、例えば、データサーバのようなバックアンドコンポーネントを含むか、例えば、アプリケーションサーバのようなミドルウェアコンポーネントを含むか、例えば、ユーザが本明細書で説明した主題の具現物と相互作用することができるウェブブラウザやグラフィックユーザインターフェースを有するクライアントコンピュータのようなフロントアンドコンポーネント、あるいはそのようなバックアンド、ミドルウェアあるいはフロントアンドコンポーネントの１以上の全ての組み合わせを含む演算システムによっても具現される。システムのコンポーネントは、例えば、通信ネットワークのようなデジタルデータ通信のいかなる形態や媒体によっても、相互接続可能である。

本明細書は、多数の特定具現物の詳細事項を含むが、それらは、いかなる発明や請求可能なものの範囲についても制限的なものとして理解されるものではなく、むしろ特定発明の特定実施形態に特有である特徴に係わる説明として理解されなければならない。同様に、個別的な実施形態の文脈において、本明細書に記述された特定特徴は、単一実施形態において組み合わされても具現される。反対に、単一実施形態の文脈で記述された多様な特徴も、個別的、あるいはいかなる適切な下位組み合わせによって、複数の実施形態にも具現される。さらに、特徴が特定組み合わせとして動作し、初期に、そのように請求されているように描写されもするが、請求された組み合わせからの１以上の特徴は、一部の場合、その組み合わせからも排除され、その請求された組み合わせは、下位組み合わせや、下位組み合わせの変形物にも変更される。

また、本明細書においては、特定順序で図面において動作を描写しているが、それは、望ましい結果を得るために図示された特定手順や、順次的な順序通りにそのような動作を遂行しなければならないとしたり、全ての図示された動作が遂行されなければならないとして理解されるものではない。特定の場合、マルチタスキングと並列プロセッシングとが有利でもある。また、前述の実施形態の多様なシステムコンポーネントの分離は、そのような分離を、全ての実施形態において要求すると理解されるものではなく、説明したプログラムコンポーネントとシステムは、一般的に、単一ソフトウェア製品に共に統合されたり、多重ソフトウェア製品にパッケージングされたりもするという点を理解しなければならない。

そのように、本明細書は、その提示された具体的な用語に、本発明を制限する意図ではない。従って、前述の例を参照し、本発明を詳細に説明したが、当業者であるならば、本開示の範囲を外れずに、本例に係わる改造、変更及び変形を加えることができるであろう。本開示の範囲は、前述の詳細な説明よりは、特許請求の範囲によって示され、特許請求の範囲の意味、範囲そしてその等価概念から導き出される全ての変更、または変形された形態は、本開示の範囲に含まれるものであると解釈されなければならない。

本発明の一実施形態による鉄道車両異常判別装置及び鉄道車両異常判別方法によれば、鉄道車両に追加的なセンサまたは装置なしにも、鉄道車両の異常有無を判別することができるという点において、既存技術の限界を超えることにより、関連技術に対する利用だけではなくして適用される装置の市販または営業の可能性が十分であるだけではなく、現実的に明白に実施することができる程度であるので、産業上利用可能性がある発明である。

Claims (10)

1. 鉄道車両の運行位置での地形的要因により、前記鉄道車両に及んでしまう抵抗力と係わる値である実測外乱値を観測する観測部と、
   前記実測外乱値の観測がなされた前記鉄道車両の運行位置である観測運行位置を確認する確認部と、
   前記観測運行位置についてすでに定義されている基準外乱値と、前記実測外乱値との比較結果を基に、前記鉄道車両の異常有無を判別する判別部と、を含むことを特徴とする鉄道車両異常判別装置。
2. 前記実測外乱値は、前記鉄道車両と係わってすでに定義されている動力学数式モデル、前記鉄道車両の運行速度が目標運行速度に達するように、前記鉄道車両の運行と係わって入力される操作量、及び前記観測運行位置での前記鉄道車両の運行速度のうち少なくとも一つを基に観測されることを特徴とする請求項１に記載の鉄道車両異常判別装置。
3. 前記観測運行位置は、前記鉄道車両の運行速度を積分した値でもって推定される運行距離を基に確認されるか、あるいは前記鉄道車両に設けられた位置測定センサから確認されることを特徴とする請求項１に記載の鉄道車両異常判別装置。
4. 前記基準外乱値は、前記観測運行位置に該当する実測地形情報と、前記鉄道車両の車両情報と、を基に定義されるか、あるいは前記観測運行位置と係わる前記鉄道車両でのマシンラーンニング基盤学習値を基に定義され、
   前記学習値は、前記鉄道車両の正常判別時の前記実測外乱値を含むことを特徴とする請求項１に記載の鉄道車両異常判別装置。
5. 鉄道車両の運行位置での地形的要因により、前記鉄道車両に及んでしまう抵抗力と係わる値である実測外乱値を観測する観測段階と、
   前記実測外乱値の観測がなされた前記鉄道車両の運行位置である観測運行位置を確認する確認段階と、
   前記観測運行位置についてすでに定義されている基準外乱値と、前記実測外乱値との比較結果を基に、前記鉄道車両の異常有無を判別する判別段階と、を含むことを特徴とする鉄道車両異常判別方法。
6. 前記観測段階は、前記鉄道車両と係わってすでに定義されている動力学数式モデル、前記鉄道車両の運行速度が目標運行速度に達するように、前記鉄道車両の運行と係わって入力される操作量、及び前記観測運行位置での前記鉄道車両の運行速度のうち少なくとも一つを基に、前記実測外乱値を観測することを特徴とする請求項５に記載の鉄道車両異常判別方法。
7. 前記確認段階は、前記鉄道車両の運行速度を積分した値でもって推定される運行距離を基に、前記観測運行位置を確認するか、あるいは前記鉄道車両に設けられた位置測定センサからのセンシング値を利用し、前記観測運行位置を確認することを特徴とする請求項５に記載の鉄道車両以上判別方法。
8. 前記基準外乱値は、前記観測運行位置に該当する実測地形情報と、前記鉄道車両の車両情報と、を基に定義されるか、あるいは前記観測運行位置と係わる前記鉄道車両でのマシンラーンニング基盤学習値を基に定義され、
   前記学習値は、前記鉄道車両の正常判別時の前記実測外乱値を含むことを特徴とする請求項５に記載の鉄道車両異常判別方法。
9. 請求項５ないし８のうちいずれか１項に記載の各段階を実行させるように具現され、コンピュータ読み取り可能な記録媒体に保存されたコンピュータプログラム。
10. 請求項５ないし８のうちいずれか１項に記載の各段階を実行させるための命令語を含むコンピュータ読み取り可能な記録媒体。
    

Images