JP2021155027A - レール沈み込み量の予測方法、予測装置、レール補修時期判定方法、及びレールの沈み込み異常時期の判定方法 - Google Patents
レール沈み込み量の予測方法、予測装置、レール補修時期判定方法、及びレールの沈み込み異常時期の判定方法 Download PDFInfo
- Publication number
- JP2021155027A JP2021155027A JP2021032395A JP2021032395A JP2021155027A JP 2021155027 A JP2021155027 A JP 2021155027A JP 2021032395 A JP2021032395 A JP 2021032395A JP 2021032395 A JP2021032395 A JP 2021032395A JP 2021155027 A JP2021155027 A JP 2021155027A
- Authority
- JP
- Japan
- Prior art keywords
- amount
- rail
- subduction
- trolley
- change
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000002159 abnormal effect Effects 0.000 title claims description 25
- 238000012423 maintenance Methods 0.000 title 1
- 230000008859 change Effects 0.000 claims abstract description 320
- 238000010801 machine learning Methods 0.000 claims abstract description 22
- 230000000694 effects Effects 0.000 claims abstract 3
- 230000032683 aging Effects 0.000 claims description 217
- 238000004364 calculation method Methods 0.000 claims description 114
- 238000004519 manufacturing process Methods 0.000 claims description 34
- 238000012549 training Methods 0.000 claims description 19
- 230000008439 repair process Effects 0.000 claims description 17
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000000611 regression analysis Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 6
- 230000032258 transport Effects 0.000 claims description 5
- 239000003638 chemical reducing agent Substances 0.000 description 17
- 230000005856 abnormality Effects 0.000 description 13
- 238000003860 storage Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 11
- 239000004575 stone Substances 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 6
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000009749 continuous casting Methods 0.000 description 2
- 238000005098 hot rolling Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Machines For Laying And Maintaining Railways (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
Description
特許文献1に示すトロリ線及び給電パンタグラフの異常監視システムでは、トロリ線偏位検出部において、移動機械を走行させながらレーザ距離計により移動機械とトロリ線支持架台との相対距離を測定し、その測定距離に基づいてトロリ線偏位を検出することができる。また、当該異常監視システムでは、荷重測定部において、給電パンタグラフに作用するパンタグラフ荷重を測定することができる。そして、当該異常監視システムでは、判定部において、トロリ線偏位及びパンタグラフ荷重を判別し、例えばそれらの測定値が所定範囲外となっているときに異常であると判断することができる。
特許文献2に示すトロリ線表示装置は、対象物を3次元測定して得られた点群データのうち、電車が走行する軌道を構成するレールから得られた基準値に基づいて高さ及び偏位が計測されたトロリ線の各点に対して、各点を表示する際の基準となる表示基準点を設定する表示基準設定部を備えている。また、トロリ線表示装置は、軌道中心線上において、表示基準点に対応する第1の点およびトロリ線上の各点に対応する第2の点を求め、各第2の点について第1の点からの第1の距離を算出し、トロリ線上の各点を表示する際の位置の起点から第1の点までの第2の距離および第1の距離に基いて、起点から各第2の点までの第3の距離を算出する距離測定部を備えている。更に、トロリ線表示装置は、第3の距離に基づいて、第2の点に対応するトロリ線上の各点の高さおよび偏位を表示する表示データを作成する表示制御部を備えている。
即ち、特許文献1に示すトロリ線及び給電パンタグラフの異常監視システムの場合、トロリ線偏位を検出し、パンタグラフ荷重を測定し、それらの測定値が所定範囲外となっているときに異常であると判断することができるものの、台車(移動機械)がレール上を走行しているときのレールの沈み込み量については検出することができず、また、台車走行時から所定期間経過後のレールの沈み込み量を予測することができなかった。
また、特許文献2に示すトロリ線表示装置の場合、電車が走行する軌道上の基準に対するトロリ線の位置を精度良く表示することができるものの、この特許文献2にあっても、台車(移動機械)がレール上を走行しているときのレールの沈み込み量については検出することができず、また、台車走行時から所定期間経過後のレールの沈み込み量を予測することができなかった。
図1に示す台車1は、連続鋳造設備で連続鋳造された搬送対象物としてのスラブSを熱間圧延設備(図示せず)に搬送するものであり、レール12上を走行する。
この台車1は、スラブSを積載した台車本体2を備え、台車本体2の両側には対をなすレール12上を走行する複数対(図1では一対のみ図示)の車輪3を備えている。各車輪3の車軸3aは減速機4に接続され、一方のモータ5の回転軸5aが減速機4に接続され、モータ5の回転が減速機4で減速されて車輪3が回転する。そして、各車輪3、減速機4及びモータ5はサスペンション11によって台車本体2に支持されている。レール12は、搗き固められた敷石13上に敷設されている。
そして、台車1の台車本体2の側面には、トロリ線支持架台16の上下方向の位置P1を測定するトロリ位置測定装置6が設置されている。トロリ位置測定装置6としては、例えば、2次元レーザ距離計が用いられる。
そして、トロリ位置測定装置6及び減速機位置測定装置7は、レール沈み込み量測定装置8に接続されている。レール沈み込み量測定装置8には、トロリ位置測定装置6で測定されたトロリ線支持架台16の上下方向の位置P1と、減速機位置測定装置7で測定された減速機4の上下方向の位置P2とが入力される。
また、台車位置管理装置19は、前述したレール沈み込み量測定装置8に接続されている。レール沈み込み量測定装置8には、台車位置管理装置19で算出された台車走行時(t)の台車位置(p)が入力される。
また、経年変化によるレール12の沈み込みは、レール12の摩耗及びレール12の下にある敷石13の隙間の拡大により発生しており、レール12の摩耗及び敷石13の隙間は台車1の走行により力が加わること、また敷石13の隙間は雨によって敷石13が動くことで発生するため、雨量x1及び台車1の走行に関係の深いスラブSの生産量x2を経年変化に影響を与える影響因子として選定した。
このレール沈み込み量の予測装置20は、経年変化以外の変動要因による影響を除外した経年変化による台車走行時(t)から所定期間(k)経過後の特定位置(p)におけるレール沈み込み量の予測値y(t+k,p)を予測するものである。
レール沈み込み量の予測装置20は、図3に示すように、演算装置21と、入力装置44と、記憶装置45と、出力装置46とを備えたコンピュータシステムである。演算装置21と、入力装置44、記憶装置45、及び出力装置46とは、この接続の態様に限らず、無線により接続されてもよく、あるいは有線と無線とを組み合わせた態様で接続されてもよい。
ここで、変動要因沈み込み量算出モデル生成部32は、スラブ重量沈み込み量算出モデル生成部33と、台車速度変化沈み込み量算出モデル生成部34とを備えている。
スラブ重量沈み込み量算出部36は、入力装置44から算出指示を受けた際に、スラブ重量沈み込み量算出プログラム26を実行して、スラブ重量沈み込み量算出モデル生成部33で生成されたスラブ重量沈み込み量算出モデルに、スラブ重量測定装置9で測定され、入力装置44に入力された台車走行時(t)の経年変化以外の変動要因をなすスラブ重量n1(t)を入力して経年変化以外の変動要因をなすスラブ重量による台車走行時(t)の特定位置(p)におけるレール沈み込み量h1(t、p)を算出する。
h1(t、p)=fh1(p,n1(t))=A1(p)n1(t)+B1(p) ・・・(1)
ここで、A1(p)、B1(p)はレール12上における台車1の位置(p)毎の定数である。
h2(t、p)=fh2(p,n2(t))=A2(p)n2(t)+B2(p) ・・・(2)
ここで、A2(p)、B2(p)はレール12上における台車1の位置(p)毎の定数である。
つまり、経年変化レール沈み込み量算出部38は、台車走行時(t)の特定位置(p)におけるレール沈み込み量Z(t,p)から経年変化以外の変動要因によるレール沈み込み量(h1(t、p)+h2(t、p))を除外して経年変化による台車走行時(t)の特定位置(p)におけるレール沈み込み量y(t,p)を算出する。
なお、スラブ重量沈み込み量算出モデル生成部33で生成されるスラブ重量沈み込み量算出モデル、台車速度変化沈み込み量算出モデル生成部34で生成される台車速度変化沈み込み量算出モデル、及び経年変化レール沈み込み量予測モデル生成部39で生成される経年変化レール沈み込み量予測モデルは、重回帰分析又はニューラルネットワークで構築されたモデルである。
そして、判定部41は、経年変化による台車走行時(t)から所定期間(k)経過後の特定位置(p)におけるレール沈み込み量の予測値y(t+k,p)が前述の所定の閾値以上でない判定結果であるときに、所定期間(k)を変更する(所定期間(k)→所定期間(2k))。
y(t+2k,p)=y(t+k,p)+F(t+k,2k,P) ・・・(5)
また、経年変化による台車走行時(t)から所定期間(3k〜nk)経過後の特定位置(p)におけるレール沈み込み量の予測値y(t+2k〜t+nk,p)は、それぞれ次式のように表せる。
y(t+3k,p)=y(t+2k,p)+F(t+2k,3k,P)
↓
y(t+nk,p)=y(t+(n−1)k,p)+F(t+(n−1)k,nk,P)
また、判定結果出力部42は、経年変化による台車走行時(t)から所定期間(k)経過後あるいは変更された所定期間(2k〜nkのいずれか)経過後の特定位置(p)におけるレール沈み込み量の予測値y(t+k〜t+nkのいずれか,p)が所定の閾値以上の判定結果であるとき、レールが異常と判断する。
判定結果出力部42の判断結果は、出力装置46に出力される。
先ず、図4に示すように、ステップS1において、演算処理部31の変動要因沈み込み量算出モデル生成部32は、入力装置44から算出モデルの生成指示があったときに、変動要因沈み込み量算出モデルを生成する。
具体的に述べると、変動要因レール沈み込み量算出部35のスラブ重量沈み込み量算出部36は、入力装置44から算出指示を受けた際に、スラブ重量沈み込み量算出プログラム26を実行して、スラブ重量沈み込み量算出モデル生成部33で生成されたスラブ重量沈み込み量算出モデルに、スラブ重量測定装置9で測定され、入力装置44に入力された台車走行時(t)の経年変化以外の変動要因をなすスラブ重量n1(t)を入力して経年変化以外の変動要因をなすスラブ重量による台車走行時(t)の特定位置(p)におけるレール沈み込み量h1(t、p)を算出する。
具体的に述べると、経年変化レール沈み込み量予測モデル生成部39は、入力装置44から予測モデルの生成指示を受けた際に、経年変化沈み込み量予測モデル生成プログラム29を実行して、記憶装置45で記憶された過去の経年変化による台車走行時(t)の特定位置(p)におけるレール沈み込み量y(t、p)及び過去の経年変化に影響を与える影響因子(雨量x1及びスラブSの生産量x2)の台車走行時(t)からの所定期間(k)の変化量に基づく経年変化による台車走行時(t)から所定期間(k)経過後の特定位置(p)におけるレール沈み込み量の変動量を入力データとし、この入力データに対する過去の経年変化による台車走行時(t)から所定期間(k)経過後の特定位置(p)におけるレール沈み込み量の予測値y(t+k、p)を出力データとした複数の学習データを取得する。
そして、経年変化レール沈み込み量予測モデル生成部39は、取得した複数の学習データを機械学習させて経年変化レール沈み込み量予測モデルを生成する。
具体的に述べると、経年変化レール沈み込み量予測部40は、入力装置44から予測指示を受けた際に、経年変化沈み込み量予測プログラム30を実行して、経年変化レール沈み込み量予測モデル生成部39で生成された経年変化レール沈み込み量予測モデルに、経年変化レール沈み込み量算出部38で算出された、経年変化以外の変動要因による影響を除外した経年変化による台車走行時(t)の特定位置(p)におけるレール沈み込み量y(t,p)を入力する。また、経年変化レール沈み込み量予測部40は、経年変化レール沈み込み量予測モデルに、経年変化に影響を与える影響因子(雨量x1及びスラブSの生産量x2)の台車走行時(t)からの所定期間(k)の変化量に基づく経年変化による台車走行時(t)から所定期間(k)経過後の特定位置(p)におけるレール沈み込み量の変動量を入力する。これにより、経年変化以外の変動要因による影響を除外した経年変化による台車走行時(t)から所定期間(k)経過後の特定位置(p)におけるレール沈み込み量の予測値y(t+k,p)が予測される。
ステップ7では、即ち、経年変化による台車走行時(t)から所定期間(k)経過後の特定位置(p)におけるレール沈み込み量の予測値y(t+k,p)が前述の所定の閾値以上でない判定結果であるときに、判定部41は、前述の所定期間(k)を所定期間(2k)に変更し、ステップS5に戻る。
そして、判定部41及び経年変化レール沈み込み量予測部40は、当該予測値y(t+2k〜t+nk,p)が前述の所定の閾値以上の判定結果となるまでステップS7の所定期間の変更と、ステップS5の予測値の予測と、ステップS6の判定とを繰り返す。
そして、判定結果出力部42の判断結果は、出力装置46に出力される。また、経年変化レール沈み込み量予測部40で予測された経年変化による台車走行時(現時刻)(t)からレール異常と判断されるまでの特定位置(p)におけるレール沈み込み量の予測値y(t+k〜t+nk,p)も出力装置46に出力される。
出力装置46は、判定結果出力部42の判断結果と、経年変化レール沈み込み量予測部40で予測された経年変化による台車走行時(現時刻)(t)からレール異常と判断されるまでの特定位置(p)におけるレール沈み込み量の予測値y(t+k〜t+nk,p)を出力する。これにより、作業者は、レール異常とされたレール12の特定位置(p)及びレール異常となる時期(t〜t+nkのいずれか)を知ることができるので、レール異常となる一定期間前に補修計画を策定することができることになる。
経年変化以外の変動要因の影響を除外せずにレール沈み込み量の予測を行うと、今回の変動要因を除去せずに予測を行わない場合、経年変化以外の変動要因による予測値の変動が判断し難く、誤った判断を行うことや、過剰な補修が発生する可能性がある。
レール12の沈み込みの原因はレール12と敷石13の間に隙間が発生し、走行時にレール12が台車1の重量で変形することにより発生しているため、補修は予測値が閾値を超えた位置の周辺の敷石を固めることで隙間を小さくする。
搗き固めを行うには台車1を停止する必要があり、予定された停止時間でレール12全体(例えば、2000m)の搗き固めを行うには2年を要し、レール12全体を搗き固めるのは現実的に不可能である。
また、本実施形態に係るレール沈み込み量の予測方法及び予測装置によれば、経年変化による台車走行時(t)から所定期間(k)経過後の特定位置(p)におけるレール沈み込み量の予測値y(t、p)が所定の閾値以上か否かを判定する(ステップS6、判定部41)。これにより、レール沈み込み量の予測値y(t、p)所定の閾値以上か否かを適切に判定することができる。
例えば、経年変化以外の変動要因は、スラブ重量n1(t)及び台車速度変化量n2(t)に限られず、レール沈み込み量の経年変化以外の要因となる、例えば、機器設置等による台車重量の変化であってもよい。
この場合、経年変化以外の変動要因ごとに複数の学習データを機械学習させて変動要因レール沈み込み量算出モデルを生成する必要がある。
また、変動要因沈み込み量算出モデル(スラブ重量沈み込み量算出モデル及び台車速度変化沈み込み量算出モデル)及び経年変化レール沈み込み量予測モデルは、重回帰分析又はニューラルネットワークで構築されたモデルであるが、重回帰分析又はニューラルネットワーク以外の機械学習手法によって構築されたものであってもよい。
また、台車1によって搬送される搬送対象物は、スラブS以外であってもよい。
また、本実施形態に係るレール沈み込み量の予測方法及び予測装置の変形例では、経年変化レール沈み込み量予測モデル生成部39において、台車走行時(t)の予測対象地点(特定位置(p))の経年変化によるレール沈み込み量y(t,p)の過去のデータと、経年変化に影響を与える因子である経年変化因子xの過去のデータとを含むデータを、機械学習させて経年変化レール沈み込み量予測モデルを生成するようにしてもよい。
ここで、変形例において、経年変化レール沈み込み量予測モデルは、重回帰分析又はニューラルネットワークで構築されたモデルである。
ここで、台車走行時の予測対象地点の経年変化によるレール沈み込み量y(t,p)は、予測対象地点(特定位置(p))を台車1が走行した時に、台車1の高さ(トロリ位置測定装置6で測定されたトロリ線支持架台16の上下方向の位置P1と、減速機位置測定装置7で測定された減速機4の上下方向の位置P2)を測定することで得られた、予測対象地点(特定位置(p))の台車走行時(t)のレール沈み込み量の実測値Z(t,p)から、予測対象地点(特定位置(p))の台車走行時(t)の経年変化以外の変動要因によるレール沈み込み量の推定値である変動要因沈み込み量h(t,p)を差し引くことで得られる。
また、変動要因沈み込み量h(t,p)は、予測対象地点を台車が走行した時の搬送対象物の重量n1および/または台車速度変化量n2に基づき推定されてなる。
そして、変形例では、判定部41においては、将来の予測対象時点における予測対象地点の経年変化によるレールの沈み込み量y(t+k,p)が予め設定した所定の閾値以上か否かを判定する。
判定部41による判定結果が、所定の閾値以上となったとき、レールが異常と判断する。
2 台車本体
3 車輪
3a 車軸
4 減速機
5 モータ
5a 回転軸
6 トロリ位置測定装置
7 減速機位置測定装置
8 レール沈み込み量測定装置
9 スラブ重量測定装置
10 台車速度測定装置
11 サスペンション
12 レール
13 敷石
14 支柱
15 水平部
16 トロリ線支持架台
17 走行距離算出センサ
181〜18n 台車位置検出装置
19 台車位置管理装置
20 レール沈み込み量の予測装置
21 演算装置
22 RAN
23 ROM
24 スラブ重量沈み込み量算出モデル生成プログラム
25 台車速度変化沈み込み量算出モデル生成プログラム
26 スラブ重量沈み込み量算出プログラム
27 台車速度変化沈み込み量算出プログラム
28 経年変化沈み込み量算出プログラム
29 経年変化沈み込み量予測モデル生成プログラム
30 経年変化沈み込み量予測プログラム
31 演算処理部
32 変動要因沈み込み量算出モデル生成部
33 スラブ重量沈み込み量算出モデル生成部
34 台車速度変化沈み込み量算出モデル生成部
35 変動要因レール沈み込み量算出部
36 スラブ重量沈み込み量算出部
37 台車速度変化沈み込み量算出部
38 経年変化レール沈み込み量算出部
39 経年変化レール沈み込み量予測モデル生成部
40 経年変化レール沈み込み量予測部
41 判定部
42 判定結果出力部
43 バス
44 入力装置
45 記憶装置
46 出力装置
47 上位計算機
S スラブ(搬送対象物)
Claims (35)
- 搬送対象物を搬送する台車が走行するレールの沈み込み量を予測するレール沈み込み量の予測方法であって、
過去の経年変化による台車走行時の特定位置におけるレール沈み込み量及び過去の経年変化に影響を与える影響因子の台車走行時からの所定期間の変化量に基づく経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の変動量を入力データとし、この入力データに対する過去の経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の予測値を出力データとした複数の学習用データを、機械学習させて生成された経年変化レール沈み込み量予測モデルに、経年変化以外の変動要因による影響を除外した経年変化による台車走行時の特定位置におけるレール沈み込み量及び経年変化に影響を与える影響因子の台車走行時からの所定期間の変化量に基づく経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の変動量を入力して、経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の予測値を予測することを特徴とするレール沈み込み量の予測方法。 - 前記経年変化以外の変動要因による影響を除外した経年変化による台車走行時の特定位置におけるレール沈み込み量は、過去の台車走行時の経年変化以外の変動要因を入力データとし、この入力データに対する過去の経年変化以外の変動要因による台車走行時の特定位置におけるレール沈み込み量を出力データとした複数の学習データを、機械学習させて生成された変動要因沈み込み量算出モデルに、測定した台車走行時の経年変化以外の変動要因を入力して経年変化以外の変動要因による台車走行時の特定位置におけるレール沈み込み量を算出し、測定した台車走行時の特定位置におけるレール沈み込み量とこの算出した経年変化以外の変動要因による台車走行時の特定位置におけるレール沈み込み量とから算出されることを特徴とする請求項1に記載のレール沈み込み量の予測方法。
- 前記経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の予測値が所定の閾値以上か否かを判定することを特徴とする請求項1又は2に記載のレール沈み込み量の予測方法。
- 前記経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の予測値が所定の閾値以上でない判定結果であるときに、前記所定期間を変更し、変更された所定期間経過後の特定位置におけるレール沈み込み量の予測値の予測を再度行い、当該予測値が前記所定の閾値以上の判定結果となるまで前記変更と、予測と、判定とを繰り返すことを特徴とする請求項3に記載のレール沈み込み量の予測方法。
- 前記経年変化による台車走行時から所定期間経過後あるいは変更された所定期間経過後の特定位置におけるレール沈み込み量の予測値が所定の閾値以上の判定結果であるとき、レールが異常と判断することを特徴とする請求項4に記載のレール沈み込み量の予測方法。
- 前記経年変化以外の変動要因が、前記搬送対象物としてのスラブの重量及び前記台車の速度変化量であり、
前記変動要因沈み込み量算出モデルは、過去の台車走行時のスラブ重量を入力データとし、この入力データに対する過去のスラブ重量による台車走行時の特定位置におけるレール沈み込み量を出力データとした複数の学習データを、機械学習させて生成されたスラブ重量沈み込み量算出モデルと、過去の台車走行時の台車速度変化量を入力データとし、この入力データに対する過去の台車速度変化量による台車走行時の特定位置におけるレール沈み込み量を出力データとした複数の学習データを、機械学習させて生成された台車速度変化沈み込み量算出モデルとで構成され、
前記スラブ重量沈み込み量算出モデルに、測定した台車走行時のスラブ重量を入力してスラブ重量による台車走行時の特定位置におけるレール沈み込み量を算出するとともに、前記台車速度変化沈み込み量算出モデルに、測定した台車走行時の台車速度変化量を入力して台車速度変化量による台車走行時の特定位置におけるレール沈み込み量を算出し、
測定した台車走行時の特定位置におけるレール沈み込み量と、算出したスラブ重量による台車走行時の特定位置におけるレール沈み込み量及び算出した台車速度変化量による台車走行時の特定位置におけるレール沈み込み量とから、前記経年変化以外の変動要因による影響を除外した経年変化による台車走行時の特定位置におけるレール沈み込み量を算出することを特徴とする請求項2乃至5のうちいずれか一項に記載のレール沈み込み量の予測方法。 - 前記経年変化に影響を与える影響因子が、前記スラブの生産量及び雨量であり、
前記経年変化レール沈み込み量予測モデルは、過去の経年変化による台車走行時の特定位置におけるレール沈み込み量及び過去のスラブの生産量及び雨量の台車走行時からの所定期間の変化量に基づく経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の変動量を入力データとし、この入力データに対する過去の経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の予測値を出力データとした複数の学習用データを、機械学習させて生成され、
前記経年変化レール沈み込み量予測モデルに、経年変化以外の変動要因による影響を除外した経年変化による台車走行時の特定位置におけるレール沈み込み量、及びスラブの生産量及び雨量の台車走行時からの所定期間の変化量に基づく経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の変動量を入力して、経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の予測値を予測することを特徴とする請求項1乃至6のうちいずれか一項に記載のレール沈み込み量の予測方法。 - 前記経年変化レール沈み込み量予測モデルは、重回帰分析又はニューラルネットワークで構築されたモデルであることを特徴とする請求項1乃至7のうちいずれか一項に記載のレール沈み込み量の予測方法。
- 前記変動要因沈み込み量算出モデルは、重回帰分析又はニューラルネットワークで構築されたモデルであることを特徴とする請求項2乃至8のうちいずれか一項に記載のレール沈み込み量の予測方法。
- 請求項1乃至9のうちいずれか一項に記載のレール沈み込み量の予測方法により予測された、経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の予測値により、レールの補修時期を判定するレール補修時期判定方法。
- 搬送対象物を搬送する台車が走行するレールの沈み込み量を予測するレール沈み込み量の予測装置であって、
過去の経年変化による台車走行時の特定位置におけるレール沈み込み量及び過去の経年変化に影響を与える影響因子の台車走行時からの所定期間の変化量に基づく経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の変動量を入力データとし、この入力データに対する過去の経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の予測値を出力データとした複数の学習用データを、機械学習させて生成された経年変化レール沈み込み量予測モデルに、経年変化以外の変動要因による影響を除外した経年変化による台車走行時の特定位置におけるレール沈み込み量及び経年変化に影響を与える影響因子の台車走行時からの所定期間の変化量に基づく経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の変動量を入力して、経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の予測値を予測する経年変化レール沈み込み量予測部を備えていることを特徴とするレール沈み込み量の予測装置。 - 過去の台車走行時の経年変化以外の変動要因を入力データとし、この入力データに対する過去の経年変化以外の変動要因による台車走行時の特定位置におけるレール沈み込み量を出力データとした複数の学習データを、機械学習させて生成された変動要因沈み込み量算出モデルに、測定した台車走行時の経年変化以外の変動要因を入力して経年変化以外の変動要因による台車走行時の特定位置におけるレール沈み込み量を算出する変動要因レール沈み込み量算出部と、
測定した台車走行時の特定位置におけるレール沈み込み量と算出した経年変化以外の変動要因による台車走行時の特定位置におけるレール沈み込み量とから、経年変化以外の変動要因による影響を除外した経年変化による台車走行時の特定位置におけるレール沈み込み量を算出する経年変化レール沈み込み量算出部と、を備えることを特徴とするレール沈み込み量の予測装置。 - 前記経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の予測値が所定の閾値以上か否かを判定する判定部を備えることを特徴とする請求項11又は12に記載のレール沈み込み量の予測装置。
- 前記判定部は、前記経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の予測値が所定の閾値以上でない判定結果であるときに、前記所定期間を変更し、前記経年変化レール沈み込み量予測部は、変更された所定期間経過後の特定位置における経年変化によるレール沈み込み量の予測値の予測を再度行い、当該予測値が前記所定の閾値以上の判定結果となるまで前記変更と予測と判定とを繰り返すことを特徴とする請求項13に記載のレール沈み込み量の予測装置。
- 前記判定部における判定結果が前記経年変化による台車走行時から所定期間経過後あるいは変更された所定期間経過後の特定位置におけるレール沈み込み量の予測値が所定の閾値以上の判定結果であるとき、レールが異常と判断する判定結果出力部を備えていることを特徴とする請求項14に記載のレール沈み込み量の予測装置。
- 前記経年変化以外の変動要因が、前記搬送対象物としてのスラブの重量及び前記台車の速度変化量であり、
前記変動要因沈み込み量算出モデルは、過去の台車走行時のスラブ重量を入力データとし、この入力データに対する過去のスラブ重量による台車走行時の特定位置におけるレール沈み込み量を出力データとした複数の学習データを、機械学習させて生成されたスラブ重量沈み込み量算出モデルと、過去の台車走行時の台車速度変化量を入力データとし、この入力データに対する過去の台車速度変化量による台車走行時の特定位置におけるレール沈み込み量を出力データとした複数の学習データを、機械学習させて生成された台車速度変化沈み込み量算出モデルとで構成され、
前記変動要因レール沈み込み量算出部は、前記スラブ重量沈み込み量算出モデルに、測定した台車走行時のスラブ重量を入力してスラブ重量による台車走行時の特定位置におけるレール沈み込み量を算出するとともに、前記台車速度変化沈み込み量算出モデルに、測定した台車走行時の台車速度変化量を入力して台車速度変化量による台車走行時の特定位置におけるレール沈み込み量を算出し、
前記経年変化レール沈み込み量算出部は、測定した台車走行時の特定位置におけるレール沈み込み量と、算出したスラブ重量による台車走行時の特定位置におけるレール沈み込み量及び算出した台車速度変化量による台車走行時の特定位置におけるレール沈み込み量とから、前記経年変化以外の変動要因による影響を除外した経年変化による台車走行時の特定位置におけるレール沈み込み量を算出することを特徴とする請求項12乃至15のうちいずれか一項に記載のレール沈み込み量の予測装置。 - 前記経年変化に影響を与える影響因子が、前記スラブの生産量及び雨量であり、
前記経年変化レール沈み込み量予測モデルは、過去の経年変化による台車走行時の特定位置におけるレール沈み込み量及び過去のスラブの生産量及び雨量の台車走行時からの所定期間の変化量に基づく経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の変動量を入力データとし、この入力データに対する過去の経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の予測値を出力データとした複数の学習用データを、機械学習させて生成され、
前記経年変化レール沈み込み量予測部は、前記経年変化レール沈み込み量予測モデルに、経年変化以外の変動要因による影響を除外した経年変化による台車走行時の特定位置におけるレール沈み込み量、及びスラブの生産量及び雨量の台車走行時からの所定期間の変化量に基づく経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の変動量を入力して、経年変化による台車走行時から所定期間経過後の特定位置におけるレール沈み込み量の予測値を予測することを特徴とする請求項11乃至16のうちいずれか一項に記載のレール沈み込み量の予測装置。 - 前記経年変化レール沈み込み量予測モデルは、重回帰分析又はニューラルネットワークで構築されたモデルであることを特徴とする請求項11乃至17のうちいずれか一項に記載のレール沈み込み量の予測装置。
- 前記変動要因沈み込み量算出モデルは、重回帰分析又はニューラルネットワークで構築されたモデルであることを特徴とする請求項12乃至18のうちいずれか一項に記載のレール沈み込み量の予測装置。
- 搬送対象物を搬送する台車が走行するレールの沈み込み量を予測するレール沈み込み量の予測方法であって、
台車走行時の予測対象地点の経年変化によるレール沈み込み量y(t,p)の過去のデータと、経年変化に影響を与える因子である経年変化因子xの過去のデータとを含むデータを、機械学習させて生成された経年変化レール沈み込み量予測モデルに、台車走行時の予測対象地点の経年変化によるレール沈み込み量y(t,p)と、将来の予測対象時点における経年変化因子xの予測値xfとを入力して、将来の予測対象時点における予測対象地点の経年変化によるレールの沈み込み量y(t+k,p)を予測することを特徴とするレール沈み込み量の予測方法。 - 前記経年変化レール沈み込み量予測モデルは、重回帰分析又はニューラルネットワークで構築されたモデルであることを特徴とする請求項20に記載のレール沈み込み量の予測方法。
- 前記経年変化因子xは、沈み込み量測定開始時点からの雨量x1、沈み込み量測定開始時点からの通過搬送物総重量x2、及び該通過搬送物総重量x2と相関のある因子x3のうちの1種以上を影響因子として含むことを特徴とする請求項20又は21に記載のレール沈み込み量の予測方法。
- 前記台車走行時の予測対象地点の経年変化によるレール沈み込み量y(t,p)は、予測対象地点を台車が走行した時に、前記台車の高さを測定することで得られた、予測対象地点の台車走行時のレール沈み込み量の実測値Z(t,p)から、予測対象地点の台車走行時の経年変化以外の変動要因によるレール沈み込み量の推定値である変動要因沈み込み量h(t,p)を差し引くことで得られることを特徴とする請求項20乃至22のうちいずれか一項に記載のレール沈み込み量の予測方法。
- 前記変動要因沈み込み量h(t,p)は、重回帰分析又はニューラルネットワークで構築されたモデルに基づき推定されることを特徴とする請求項23に記載のレール沈み込み量の予測方法。
- 前記変動要因沈み込み量h(t,p)は、予測対象地点を台車が走行した時の搬送対象物の重量n1および/または台車速度変化量n2に基づき推定されてなることを特徴とする請求項23又は24に記載のレール沈み込み量の予測方法。
- 前記将来の予測対象時点における予測対象地点の経年変化によるレールの沈み込み量y(t+k,p)が予め設定した所定の閾値以上か否かを判定することを特徴とする請求項20乃至25のうちいずれか一項記載のレール沈み込み量の予測方法。
- 前記将来の予測対象時点における予測対象地点の経年変化によるレールの沈み込み量y(t+k,p)が所定の閾値以上でない判定結果であるときに、予測対象時点を変更して、予測対象地点の経年変化によるレールの沈み込み量y(t+k,p)の予測を再度行い、予測値であるレールの沈み込み量y(t+k,p)が前記所定の閾値以上の判定結果となるまで前記変更と、予測と、判定とを繰り返すことを特徴とする請求項26に記載のレール沈み込み量の予測方法。
- 前記判定結果が、前記所定の閾値以上となったとき、レールが異常と判断することを特徴とする請求項27に記載のレール沈み込み量の予測方法。
- 請求項20乃至25のうちいずれか一項に記載されたレール沈み込み量の予測方法による、将来の予測対象時点における予測対象地点の経年変化によるレールの沈み込み量y(t+k,p)の予測を、複数の予測対象時点について行い、予測結果が予め設定した所定の閾値以上となる予測対象時点を、レールの沈み込み異常状態である時期と判定することを特徴とするレールの沈み込み異常時期の判定方法。
- 搬送対象物を搬送する台車が走行するレールの沈み込み量を予測するレール沈み込み量の予測装置であって、
台車走行時の予測対象地点の経年変化によるレール沈み込み量y(t,p)の過去のデータと、経年変化に影響を与える因子である経年変化因子xの過去のデータとを含むデータを、機械学習させて生成された経年変化レール沈み込み量予測モデルに、台車走行時の予測対象地点の経年変化によるレール沈み込み量y(t,p)と、将来の予測対象時点における経年変化因子xの予測値xfとを入力して、将来の予測対象時点における予測対象地点の経年変化によるレールの沈み込み量y(t+k,p)を予測する経年変化レール沈み込み量予測部を備えていることを特徴とするレール沈み込み量の予測装置。 - 前記経年変化レール沈み込み量予測モデルは、重回帰分析又はニューラルネットワークで構築されたモデルであることを特徴とする請求項30に記載のレール沈み込み量の予測装置。
- 前記経年変化因子xは、沈み込み量測定開始時点からの雨量x1、沈み込み量測定開始時点からの通過搬送物総重量x2、及び該通過搬送物総重量x2と相関のある因子x3のうちの1種以上を影響因子として含むことを特徴とする請求項30又は31に記載のレール沈み込み量の予測装置。
- 前記台車走行時の予測対象地点の経年変化によるレール沈み込み量y(t,p)は、予測対象地点を台車が走行した時に、前記台車の高さを測定することで得られた、予測対象地点の台車走行時のレール沈み込み量の実測値Z(t,p)から、予測対象地点の台車走行時の経年変化以外の変動要因によるレール沈み込み量の推定値である変動要因沈み込み量h(t,p)を差し引くことで得られることを特徴とする請求項30乃至32のうちいずれか一項に記載のレール沈み込み量の予測装置。
- 前記変動要因沈み込み量h(t,p)は、重回帰分析又はニューラルネットワークで構築されたモデルに基づき推定されることを特徴とする請求項33に記載のレール沈み込み量の予測装置。
- 前記変動要因沈み込み量h(t,p)は、予測対象地点を台車が走行した時の搬送対象物の重量n1および/または台車速度変化量n2に基づき推定されてなることを特徴とする請求項33又は34に記載のレール沈み込み量の予測装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020058319 | 2020-03-27 | ||
JP2020058319 | 2020-03-27 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021155027A true JP2021155027A (ja) | 2021-10-07 |
JP7334753B2 JP7334753B2 (ja) | 2023-08-29 |
Family
ID=77916863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021032395A Active JP7334753B2 (ja) | 2020-03-27 | 2021-03-02 | レール沈み込み量の予測方法、予測装置、レール補修時期判定方法、及びレールの沈み込み異常時期の判定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7334753B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10325703A (ja) * | 1997-05-26 | 1998-12-08 | Shimizu Corp | レール変位計測・警報システム |
JP2012018057A (ja) * | 2010-07-07 | 2012-01-26 | Eikura Tsushin:Kk | 枕木変位計測システム |
JP2017215823A (ja) * | 2016-06-01 | 2017-12-07 | 東日本旅客鉄道株式会社 | 検査用画像生成装置 |
-
2021
- 2021-03-02 JP JP2021032395A patent/JP7334753B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10325703A (ja) * | 1997-05-26 | 1998-12-08 | Shimizu Corp | レール変位計測・警報システム |
JP2012018057A (ja) * | 2010-07-07 | 2012-01-26 | Eikura Tsushin:Kk | 枕木変位計測システム |
JP2017215823A (ja) * | 2016-06-01 | 2017-12-07 | 東日本旅客鉄道株式会社 | 検査用画像生成装置 |
Also Published As
Publication number | Publication date |
---|---|
JP7334753B2 (ja) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3994635A1 (en) | Monitoring, predicting and maintaining the condition of railroad elements with digital twins | |
Xin et al. | Numerical analysis of the dynamic interaction between wheel set and turnout crossing using the explicit finite element method | |
JP5164100B2 (ja) | 橋梁通過車両監視システム、橋梁通過車両監視方法、およびコンピュータプログラム | |
AU2018385222B2 (en) | Method and apparatus for monitoring a state of a passenger transport system by using a digital double | |
Butini et al. | An innovative model for the prediction of wheel-Rail wear and rolling contact fatigue | |
AU2019269456B2 (en) | Method and apparatus for monitoring a state of a passenger transport system by using a digital double | |
JP6594841B2 (ja) | 軌道支持剛性推定方法及びシステム | |
JP6255292B2 (ja) | 橋梁のモニタリングシステム、モニタリング方法、及びプログラム | |
US20210261177A1 (en) | Planning of maintenance of railway | |
US20210276832A1 (en) | Method and device for monitoring a passenger transport system using a detection device and a digital double | |
Qian et al. | Railroad infrastructure 4.0: Development and application of an automatic ballast support condition assessment system | |
JPWO2021079438A1 (ja) | 診断システムおよび診断方法 | |
JP5923358B2 (ja) | 路面たわみ測定装置と測定方法 | |
JP2017510808A (ja) | 溶融金属の質量の決定 | |
JP6628712B2 (ja) | 時系列データの逐次更新予測判定方法及び逐次更新予測判定システム | |
JP2021155027A (ja) | レール沈み込み量の予測方法、予測装置、レール補修時期判定方法、及びレールの沈み込み異常時期の判定方法 | |
Skrypnyk et al. | On the influence of crossing angle on long-term rail damage evolution in railway crossings | |
WO2022130510A1 (ja) | 軌道状態監視装置、軌道状態監視システム及び軌道状態監視方法 | |
US11945686B2 (en) | Method and device for monitoring a state of a passenger transport system using a digital double | |
Thompson et al. | Predictive maintenance approaches based on continuous monitoring systems at Rio Tinto | |
Abdu et al. | Assessment of railway bridge pier settlement based on train acceleration response using machine learning algorithms | |
CN115503499A (zh) | 磁悬浮列车垂向滑橇磨损监测方法、装置及系统 | |
JP2023111544A (ja) | データ編集装置、データ編集方法、レール沈み込み量の予測装置、及びレール沈み込み量の予測方法 | |
Bondarenko et al. | Innovative trends in railway condition monitoring | |
RU2567495C1 (ru) | Способ оценки состояния железнодорожного пути с изолирующим стыком |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221028 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230523 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230703 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230718 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230731 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7334753 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |