JP4925647B2 - 車両状態監視装置 - Google Patents

Description

この発明は、走行中の電車における各機器の動作状態の時系列データをサンプリング収集して、各機器の動作状態を解析する車両状態監視装置に関するものである。

従来の車両状態監視装置は、電車の運行中に故障が発生すると、故障データを保守サービスサイトに送信する。そして、保守サービスサイトは故障部位・原因の特定作業を行って、故障部位・原因及び復旧に必要な作業の内容・手順を車両所に送信する（例えば、特許文献１参照）。

特開２００２−５９８３４号公報（第３頁、図１）

従来の車両状態監視装置では、電車の運行中に発生した故障データを保守サービスサイトに送信し、保守サービスサイトで故障部位・原因の特定作業を行う事後保全であるので、予防保全を行うことができないという問題点があった。

この発明は、上述のような課題を解決するためになされたもので、機器の動作状態をサンプリングした時系列データから各機器の動作状態を解析することにより予防保全を行うことができる車両状態監視装置を提供することを目的としたものである。

この発明に係わる車両状態監視装置は、電車に配置された各機器の動作状態及び電車の振動情報から、予め収集する時系列データの項目を選定しておき、電車の走行中に所定時間毎にサンプリングした時系列データを動作状態情報として収集する動作状態情報収集手段と、電車が車両基地に入庫したときに時系列データをダウンロードして蓄積するために車両基地に配置されたデータサーバと、このデータサーバに蓄積されている時系列データから統計的手法により基準となる基準時系列データを作成し、今回新規に取得した新規時系列データと基準時系列データとを対比して所定値以上の差が発生した新規時系列データを特異点として抽出し、この特異点を、予防保全の対象を選出する元になるデータとして抽出する動作状態解析手段と、電車が走行する路線の勾配，曲線の曲率を含む路線情報を記憶した路線情報記憶手段と、インターネットを介して路線が存在する地域の気象情報を取得する気象情報取得手段と、特異点が抽出されたとき、予め特異点発生要件として設定された動作状態情報収集手段で収集した動作状態情報，路線情報記憶手段で記憶した路線情報，及び気象情報取得手段で取得した気象情報の中から少なくとも一つを特異点が発生する特異点発生要件として選択する特異点発生要件選択手段と、時系列データを解析して、特異点発生要件に対して予め設定された推定原因テーブルから特異点が発生する推定原因の項目を選択する推定原因選択手段と、基準時系列データ，新規時系列データ，特異点，選択した特異点発生要件，及び選択した推定原因を出力する出力手段と、を備えたものである。

この発明は、基準時系列データと新規に取得した新規時系列データとを対比して所定値以上の差が発生した新規時系列データを特異点として抽出し、この特異点を予防保全の対象を選出する元になるデータとして抽出し、特異点が抽出されたとき予め特異点発生要件として設定された動作状態情報，路線情報，気象情報の中から少なくとも一つを特異点発生要件として選択し、時系列データを解析して推定原因を選択し、基準時系列データ，新規時系列データ，特異点，特異点発生要件，推定原因を出力するようにしたので、出力データを解析することで各機器の予防保全を行うことができる。

実施の形態１．
図１は、この発明を実施するための実施の形態１における車両状態監視装置の構成図である。
図１において、電車１には駆動用電動機２、電動機２の制御を行うインバータ３、ブレーキ装置４等の各機器が配置されている。さらに、各機器の動作状態を電車１の走行中に所定時間毎にサンプリングした時系列データを動作状態情報として収集する動作状態情報収集手段５が電車１に配置されている。
車両基地６には、動作状態情報収集手段５が収集した時系列データを無線又は有線でダウンロードして蓄積するデータサーバ７が配置されている。動作状態解析手段８は基準時系列データと新規時系列データとを対比して特異点を抽出する。さらに、出力手段９は基準時系列データ、新規時系列データ、及び特異点を表示する。

次に、この発明の実施の形態１による車両状態監視装置の動作について説明する。図２は、図１の動作を説明するフローチャートである。さらに、図３は時系列データとして収集する項目の一例を示す参照図である。なお、図３の項目７，８及び項目１６〜１８は実施の形態１では使用しない。
図１から図３において、営業用の路線を走行中の電車１に配置された電動機２、インバータ３、ブレーキ装置４等の動作状態はセンサ（図示せず）を介して動作状態情報収集手段5が、所定時間毎にサンプリングした時系列データを収集している（ステップＳ_１）。
時系列データは例えば図３に示す。図３において、項目１〜６は動作状態の分析に使用する参考データである。項目７，８は気象情報、項目９〜１５は運行情報、項目１６〜１８は路線情報、項目１９〜２６はインバータ３の動作状態、項目２７，２８はブレーキ装置４の動作状態、及び項目２９〜３１は電車１の振動を示す時系列データである。時系列データは電車１が車両基地６に入庫するまで収集される。
電車１が車両基地６に入庫すると（ステップＳ_２）、動作状態情報収集手段５が収集した各機器２〜４の時系列データを無線又は有線で地上のデータサーバ７にダウンロードして蓄積する（ステップＳ_３）。次に、動作状態解析手段８ではデータサーバ７に蓄積された時系列データから統計的手法により基準となる基準時系列データを作成する（ステップＳ_４）。この場合、例えばデータサーバ７に蓄積されている電車の速度について過去の時系列データを集計して電車１の速度に関する基準時系列データとして速度の平均値を算出する。そして、例えば横軸をキロ程、又は走行時間としてたて軸を電車の速度をグラフ化する。続いて、動作状態解析手段８では今回新規に取得した新規時系列データと基準時系列データとをグラフ上に対比して、新規時系列データが基準時系列データより所定値以上の差が発生した特異点を抽出する（ステップＳ_５）。特異点が抽出されなければ終了となる。特異点が抽出されると、基準時系列データと新規時系列データとを対比すると共に特異点を出力手段９のモニタに出力し、又はプリントアウトする（ステップＳ_６）。

ここで、検査員が出力手段９の特異点を確認して特異点が発生する特異点発生要件を選択する。例えば、電車１のキロ程に対する速度の時系列データにおいて、あるキロ程で計画されている運転曲線より速度が所定の値だけ低下して、指令通りの速度が得られていないとする。この場合、検査員はマニュアルから速度に関する特異点発生要件としてインバータ３の動作状態情報に着目する。そして、図３の項目１９〜２８の時系列データを解析して、予め設定した推定原因から特異点が発生した推定原因として図３の項目１９〜２８のいずれかを選択する。
さらに、速度低下の原因としてインバータ３の入力電圧（コンデンサ電圧）の低下もある。この場合、例えばコンデンサ電圧の時系列データから推定原因を選択することができる。
以上のように、統計的手法により作成した基準時系列データと新規時系列データとを対比して特異点を抽出し、基準時系列データ、新規時系列データ及び特異点を出力手段９に出力することにより、検査員が出力された各データから特異点発生の原因となる項目を選択できるので、各機器３〜５の予防保全を行うことができる。
なお、電車の速度における基準時系列データは、過去の時系列データを集計して算出した平均値について説明したが、路線で計画された運転曲線を基準時系列データとしてよい。この場合、運転曲線上の速度が最大速度（最大値）となり、列車速度が最大速度を超えたら特異点を示したことになるので、予防保全の対象とすることができる。

実施の形態２．
図４は、この発明を実施するための実施の形態２における車両状態監視装置の構成図である。図４において、１〜８は実施の形態１のものと同様のものである。
路線情報記憶手段１０には、電車１が運行される路線の勾配、曲線の位置及び曲率等が記憶されている。そして、インターネット１１を介して取得した気象情報が気象情報取得手段１２に記憶されている。なお、気象情報は電車１が走行する路線が存在する地域のものである。
動作状態解析手段８で新規時系列データの特異点が抽出されると、特異点発生要件選択手段１３では予め特異点発生要件として設定された各機器２〜４の動作状態情報、路線情報、及び気象情報の中から少なくとも一つを特異点が発生する特異点発生要件として選択する。特異点発生要件が選択されると、推定原因選択手段１４では特異点発生要件に対して予め設定された推定原因テーブルから、特異点が発生する推定原因の項目を選択する。そして、基準時系列データ、新規時系列データ、特異点、特異点発生要件、及び推定原因が出力手段１５に出力される。

次に、この発明の実施の形態２による車両状態監視装置の動作について説明する。図５は図４の動作を説明するフローチャートである。図５のステップＳ１〜Ｓ６は実施の形態１における図２のステップＳ１〜Ｓ６と同様である。
図３から図５において、実施の形態１と同様に電車１の走行中に所定時間毎にサンプリングされた時系列データ（ステップＳ１）は、電車１が車両基地６に入庫すると（ステップＳ２）、データサーバ７にダウンロードして蓄積される（ステップＳ３）。データサーバ７では蓄積された時系列データから統計的手法により基準となる基準時系列データを作成する（ステップＳ４）し、今回新規に取得された新規時系列データと基準時系列データとを対比して、新規時系列データが基準時系列データより所定値以上の差が発生した特異点を抽出する（ステップＳ５）。特異点が抽出されると、特異点発生要件選択手段１３では機器２〜４の動作状態情報、路線情報記憶手段１０に記憶されている路線情報、気象情報取得手段１２が取得した気象情報から少なくとも一つを特異点が発生する特異点発生要件として選択する（ステップＳ６）。続いて、推定原因選択手段１４では特異点発生要件に対して各機器２〜４対応で予め設定された推定原因の項目を選択する（ステップＳ７）。推定原因の選択は例えば、実施の形態１において電車の速度低下の場合に検査員がインバータ３の動作状態に着目したように、特異点発生要件に対して予め設定された図３の項目１９〜３１の各時系列データを解析して推定原因を選択する。

一方、動作状態解析手段８で特異点が抽出されると、基準時系列データ、新規時系列データ及び特異点が出力される（ステップＳ_８）。そして、モニタ（図示せず）やプリンタ（図示せず）等の出力手段１５には、基準時系列データ、新規時系列データ、推定原因、路線情報記憶手段１０に記憶されている（ステップＳ_９）路線情報、及び気象情報取得手段１２が取得した（ステップＳ_１０）気象情報が出力される（ステップＳ_１１）。
以上のように、統計的手法により作成した基準時系列データと新規時系列データとを対比して特異点を抽出し、特異点を発生する特異点発生要件に対して機器対応で予め設定された推定原因から該当する推定原因を選択して出力することにより、各機器の予防保全を行うことができる。

この発明を実施するための実施の形態１における車両状態監視装置の構成図である。 図１の動作を説明するフローチャートである。 図１のデータの内容を示す参照図である。 この発明を実施するための実施の形態２における車両状態監視装置の構成図である。 図４の動作を説明するフローチャートである。

符号の説明

１ 電車、６ 車両基地、７ データサーバ、８ 動作状態解析手段、
９，１５ 出力手段、１０ 路線情報記憶手段、１１ インターネット、
１２ 気象情報取得手段、１３ 特異点発生要件選択手段、１４ 推定原因選択手段。

Claims (2)

1. 電車に配置された各機器の動作状態及び上記電車の振動情報から、予め収集する時系列データの項目を選定しておき、上記電車の走行中に所定時間毎にサンプリングした上記時系列データを動作状態情報として収集する動作状態情報収集手段と、
   上記電車が車両基地に入庫したときに上記時系列データをダウンロードして蓄積するために車両基地に配置されたデータサーバと、
   このデータサーバに蓄積されている上記時系列データから統計的手法により基準となる基準時系列データを作成し、今回新規に取得した新規時系列データと上記基準時系列データとを対比して所定値以上の差が発生した上記新規時系列データを特異点として抽出し、この特異点を、予防保全の対象を選出する元になるデータとして抽出する動作状態解析手段と、
   上記電車が走行する路線の勾配，曲線の曲率を含む路線情報を記憶した路線情報記憶手段と、
   インターネットを介して上記路線が存在する地域の気象情報を取得する気象情報取得手段と、
   上記特異点が抽出されたとき、予め特異点発生要件として設定された上記動作状態情報収集手段で収集した上記動作状態情報，上記路線情報記憶手段で記憶した上記路線情報，及び上記気象情報取得手段で取得した上記気象情報の中から少なくとも一つを上記特異点が発生する特異点発生要件として選択する特異点発生要件選択手段と、
   上記特異点発生要件に対して予め設定された推定原因テーブルから上記特異点が発生する推定原因の項目を選択する推定原因選択手段と、
   上記基準時系列データ，上記新規時系列データ，上記特異点，選択した上記特異点発生要件，及び選択した上記推定原因を出力する出力手段と、を備えたことを特徴とする車両状態監視装置。
2. 請求項１記載の車両状態監視装置において、
   上記基準時系列データは上記データサーバに記憶されている上記時系列データを集計して算出した平均値であることを特徴とする車両状態監視装置。

Images