JPWO2021024423A1

JPWO2021024423A1 - 軌条車両の異常検出装置

Info

Publication number: JPWO2021024423A1
Application number: JP2020535259A
Authority: JP
Inventors: 康介原; 了古谷; 克行岩崎; 隆夫渡邊
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2019-08-07
Filing date: 2019-08-07
Publication date: 2021-09-13
Anticipated expiration: 2039-08-07
Also published as: WO2021024423A1; EP4012370A4; EP4012370A1; JP6935595B2

Abstract

車両の異常振動の発生時に、その振動が車両のどの部位の異常であるかを判定できる軌条車両の異常検出装置を提供する。この異常検出装置は、２つ以上の複数の軌条車両の振動データ、および走行位置、走行速度や乗車率などの運行データを取得し、取得した振動データと運行データを分析して、軌条車両が正常状態または異常状態かを識別し、その正常状態の車両の振動データと異常状態の車両の振動データとの比較結果に基づいて、前記軌条車両における振動の異常要因を判定する。

Description

本発明は、軌条車両の異常検出装置に関する。

鉄道車両におけるメンテナンス性向上の需要が高まっているが、頻繁なメンテナンスは列車の運行効率を低下させる。そこで、鉄道車両において、運用中のシステムやサービスの停止時間であるダウンタイム削減や保守コスト低減などを目的として、必要なタイミングでメンテナンスを行うＣＢＭ（ＣｏｎｄｉｔｉｏｎＢａｓｅｄＭａｉｎｔｅｎａｎｃｅ）という技術思想が注目されている。ＣＢＭを実現するためには、鉄道車両の振動快適性や安全性に関する異常を早期に検知し、その異常要因を判定できる異常検出装置が必要とされている。

このような異常検出装置として、例えば特許文献１に開示された技術がある。

特開２００４−１７００８０号公報

特許文献１には、台車枠に備えられた加速度センサにより取得する台車枠の加速度と、輪軸に備えられた加速度センサにより取得する輪軸の加速度を用いて台車の異常を検出する異常検出装置が開示されている。特許文献１に開示された異常検出装置によれば、加速度センサにより取得した輪軸の加速度を入力とし、正常時の台車の加速度を出力する物理モデルを用いて、台車の加速度を推定する。そして、この加速度の推定値と実測値が近似しているか否かによって、台車の異常の有無を判断することができる。

ここで、特許文献１に開示された異常検出装置では、台車の異常検出のために、１台の台車に対して輪軸と台車枠の両者に加速度センサを設ける必要がある。しかし、輪軸や台車枠には、車体よりも大きな振動加速度が発生するため、測定可能レンジが高い加速度センサを用いる必要があり、設置コストの増大を招いていた。又、輪軸や台車枠は、車体に比べれば加速度センサを設置するスペースが少ないため、加速度センサの設置の自由度が制限されるという課題もあった。更に、特許文献１に開示された異常検出装置では多数の加速度センサが必要になるため、そのメンテナンス時間やコストが増加するなどの課題もあった。

本発明は、上述した課題に鑑みてなされたものであり、設置コストやメンテナンスコストを抑えつつ、車体に設置したセンサ情報に基づいて、車両の異常振動の発生時に、その振動が車両のどの部位の異常であるかを判定できる軌条車両の異常検出装置を提供することを目的とする。

上記課題を解決するために、代表的な本発明にかかる軌条車両の異常検出装置の一つは、軌条車両の振動データを取得する振動データ取得部と、軌条車両の運行データを取得する運行データ取得部と、前記振動データと前記運行データに基づいて、同じ軌道を走行する軌条車両が正常状態か異常状態かを識別し、正常状態又は異常状態に対応付けて軌条車両の振動データを抽出するデータ分析部と、正常状態の軌条車両の前記振動データと、異常状態の軌条車両の前記振動データとを比較して、比較結果を算出する比較処理部と、前記比較結果に基づき、異常状態と識別された軌条車両における振動の異常要因を判定する診断部と、を有することにより達成される。

本発明によれば、設置コストやメンテナンスコストを抑えつつ、車体に設置したセンサ情報に基づいて、車両の異常振動の発生時に、その振動が車両のどの部位の異常であるかを判定できる軌条車両の異常検出装置を提供することができる。また、それにより車両のダウンタイム削減や保守コスト低減が可能となる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

図１は、本発明の実施形態１を示す鉄道車両の異常検出装置のシステム構成図である。図２は、実施形態１の鉄道車両の異常検出装置において、車両Ｂに異常振動が生じた場合における車体左右振動加速度の時刻歴波形を示した図である。図３は、実施形態１の鉄道車両の異常検出装置において、データ分析部１００における処理手順を説明するフローチャートである。図４は、実施形態１の鉄道車両の異常検出装置において、比較処理部２００における処理手順を説明するフローチャートである。図５Ａは、正常状態である車両Ａの車体左右加速度ＰＳＤの実測値と周波数との関係を示した図である。図５Ｂは、異常状態である車両Ｂの車体左右加速度ＰＳＤの実測値と周波数との関係を示した図である。図６は、実施形態１の比較処理部において、正常状態である車両Ａの車体左右加速度ＰＳＤと、異常状態である車両Ｂの車体左右加速度ＰＳＤとのＰＳＤ比率を示した図である。図７は、実施形態１の鉄道車両の異常検出装置において、パラメータ推定部４００における処理手順を説明するフローチャートである。図８Ａは、実施形態１のパラメータ推定部の推定前における、実測値（実線）と解析値（点線）を併せて示す特性図である。図８Ｂは、実施形態１のパラメータ推定部の推定後における、実測値（実線）と解析値（点線）を併せて示す特性図である。図９は、実施形態１の鉄道車両の異常検出装置において、異常要因推定部４００における処理手順を説明するフローチャートである。図１０は、実施形態１の異常要因推定部において、異常要因の推定結果を示した図である。図１１は、実施形態２の鉄道車両の異常検出装置において、パラメータ推定部における処理フローを示す図である。図１２は、実施形態３の鉄道車両の異常検出装置において、パラメータ推定部における処理フローを示す図である。

以下、本発明の軌条車両の異常検出装置について図面を参照して説明する。軌条車両は、敷設される軌道に沿って運行される車両であり、鉄道車両、モノレール車両、路面電車、新交通車両等を含む。軌条車両の代表例として、鉄道車両を取り上げて本発明の実施の形態を説明する。

［実施形態１］
はじめに、鉄道車両の異常検出装置の構成について図１を参照して説明する。
図１は、鉄道車両の異常検出装置のシステム構成を示す機能ブロック図である。

軌道２０上を走行する鉄道車両Ａ，Ｂ（以下、車両Ａ，Ｂという）は、それぞれ車体１と台車１６とを備える。車体１は、空気ばね８を介して台車１６に搭載されている。台車１６は、台車枠１１、空気ばね８、ヨーダンパ４、軸箱体１２、輪軸１３、軸ばね装置１４、輪軸１３の軸受けハウジングとなる軸箱の軸箱支持ゴム１５、などで構成されている。

輪軸１３は、軸箱体１２に対して回転可能に保持され、軸箱体１２と台車枠１１の間は、軸ばね装置１４で鉛直方向に弾性支持されており、また軸箱支持ゴム１５で水平方向に弾性支持されている。車体１と台車枠１１との間には、空気ばね８が配置されており、この空気ばね８により、車体１が台車枠１１に弾性支持されている。

車体１の床面上には、例えば、車体１の振動に関するデータを取得するための振動データ検出部（振動データ取得部）６０が設置されている。
なお、振動に関するデータを取得するために振動データ検出部６０が検出する物理量としては、加速度に限るものではなく、速度、変位、ひずみ、音などでも良い。ただし、本実施形態では振動データ検出部６０が加速度を検出するものとして説明する。

また、振動データ検出部６０は、設置スペースに比較的余裕がある車体１に設置されているが、車体１のみでなく、台車枠１１や軸箱体１２などへ設置されることにより、これらの振動を検出することも可能である。本実施形態では、振動データ検出部６０を車体１に設置したものとして説明する。

また、振動データ検出部６０は、１つの車両に対して複数台設置しても良いが、本実施形態では単一の振動データ検出部６０を設置したものとして説明する。また、振動データ検出部６０の設置位置は、車体１の中央位置でも良いし、台車１６の直上位置や、車両機器室位置などの車体１の端部でも良い。

振動データ検出部６０の振動取得方向は、鉄道車両の進行方向に対する前後、左右、および鉛直方向に対して、並進（前後並進・左右並進・上下並進）方向および回転（ロール・ピッチ・ヨー）方向のいずれにおいても適用可能である。本実施形態では、振動データ検出部６０が左右並進方向の振動を検出するものとして説明する。

車体１は、例えば、運行データを管理する運行管理システムから、走行速度、走行位置や乗車率などの運行データを取得する機能を有する運行データ検出部（運行データ取得部）５０を備えている。

なお、図１では、２つの軌条車両（以下、単に車両という）のみに振動データ検出部６０と運行データ検出部５０を備えた例を示しているが、３つ以上の複数車両にそれらを備えても良い。
また、振動データ検出部６０と運行データ検出部５０は、１列車編成中の複数の車両に備えても良いし、同じ軌道上を走行する異なる列車編成それぞれの車両に備えることもできる。

異常要因検出装置３０は、データ分析部１００、比較処理部２００、パラメータ推定部３００、異常要因判定部４００、および判定結果出力部５００を有し、鉄道車両の異常振動の要因を検出する異常検出装置を構成する。なお、パラメータ推定部３００と異常要因判定部４００が、診断部を構成する。

なお、異常要因検出装置３０は、車両の点検や整備を行う車両基地などの地上側に設置することがのぞましいが、車上側に設置しても良い。

データ分析部１００、比較処理部２００、パラメータ推定部３００、異常要因判定部４００、および判定結果出力部５００は、例えば、異常要因検出装置３０の内部に格納されたプログラムに従って後述する各処理を実行する演算装置から構成される。

データ分析部１００は、複数の車両から振動データ検出部６０で検出した振動データおよび運行データ検出部５０で検出した運行データを取得し、取得したデータを分析して、その車両が正常状態か異常状態かを識別し、それらの車両の振動データおよび運行データを出力する機能を有する。データ分析部１００が実行する具体的な処理フローについては後述する。

比較処理部２００は、データ分析部１００で出力された異常状態および正常状態の車両の振動データおよび運行データを取得し、取得したデータに基づいて、異常状態の車両と正常状態の車両との比較結果を出力する機能を有する。比較処理部２００が実行する具体的な処理フローについては後述する。

パラメータ推定部３００は、比較処理部２００で出力した異常状態の車両と正常状態の車両との比較結果から、車両の内部状態に関するパラメータを推定する機能を有する。

なお、この車両の内部状態に関するパラメータとは、鉄道車両の振動の異常要因となりうるパラメータのことであり、例えば、鉄道車両に設置された軸箱支持装置の軸箱支持ゴム１５の剛性、ヨーダンパ４の減衰係数、および輪軸１３の車輪踏面勾配などを指す。パラメータ推定部３００が実行する具体的な処理フローについては後述する。

異常要因判定部４００は、パラメータ推定部３００で出力したパラメータの推定値から、異常要因を判定する機能を有する。異常要因判定部４００が実行する具体的な処理フローについては後述する。

判定結果出力部５００は、異常要因判定部４００で出力した異常要因を、モニタやスピーカ等を介して、車体１の運転者および地上の運行管理者やメンテナンス員などに通知する機能を有する。

次に、図２〜図１０を用いて、本実施形態の鉄道車両の異常検出装置が異常要因を判定する具体的な処理フローについて説明する。

ここでは、車両Ｂにおいて、ヨーダンパ４の油漏れによる減衰係数の低下を要因として、異常な振動が発生した場合（図２の振動波形ｂ参照）を例にとり、異常検出の処理フローを説明する。
なお、本実施形態では振動データ検出部６０に、台車位置の直上に設置した左右並進方向の加速度センサ（以下、左右加速度センサ）を用いた場合で説明する。

図２の振動波形ａは、軌道の位置に対応して、車両Ａに設置した左右加速度センサで測定した車体左右加速度６２１を示すチャートであり、図２の振動波形ｂは、軌道の位置に対応して、車両Ｂに設置した左右加速度センサで測定した車体左右加速度６２２を示すチャートである。振動波形ａ，ｂにおいて、測定した加速度が高いほど波形の振幅が大きくなることを示している。

車両Ａのヨーダンパ４が正常であることを前提に、車両Ｂのヨーダンパ４に油漏れが生じた場合、その減衰係数の低下を要因として、車両Ｂは車両Ａに比べて車体左右加速度の振幅が大きくなり、車両Ｂで異常振動が発生する。かかる状態は、図２に示すように、振動波形ａの振幅（たとえば平均値）よりも振動波形ｂの振幅が顕著に高くなることで判明する。

図３は、図１の鉄道車両の異常検出装置におけるデータ分析部１００の処理手順を説明するフローチャートである。図３のフローチャートに基づく動作は、以下のとおりである。

まず、ステップＳ１１１において、データ分析部１００は、複数の車両の左右加速度センサから、車体左右加速度を取得し、同時に、運行データ検出部５０から走行位置、走行速度や乗車率などの運行データを取得する。

次に、ステップＳ１１２では、データ分析部１００は、ステップＳ１１１で取得した車体左右加速度に対して周知のフィルタリング技術を用いて、フィルタリングを行う。

フィルタリングとしては、車体左右加速度から、人間が感じ取りやすい周波数帯のみを抽出する処理や、加速度のＲＭＳ（ＲｏｏｔＭｅaｎＳｑｕaｒｅ）値や最大値を算出する処理など、ステップＳ１１３で行う分析処理のための前処理などが行われる。

さらに、ステップＳ１１３では、データ分析部１００は、フィルタリングした加速度から、特に振動が大きい走行区間などを代表区間に設定して、この代表区間において車両Ａや車両Ｂなどの各車両の車体左右加速度データや、走行速度や乗車率などの運行データを抽出する処理を行う。

ステップＳ１１３での処理により、車両Ａと車両Ｂについて、同一区間での振動データを抽出することができる。

なお、代表区間については、振動が大きい走行区間に限るものではなく、任意に定めることができる。また、代表区間は１つでもよいし、２つ以上の複数区間でもよい。

また、代表区間については、車両Ａや車両Ｂなどの各車両の走行速度が同じもしくは近いこと、乗車率が近いこと、および測定日時が近いことなどの測定条件が比較的近いデータがある区間を設定すればよい。

ステップＳ１１４では、データ分析部１００は、代表区間において各車両の車体左右加速度データの比較を行い、各車両が正常状態にあるか異常状態にあるかを識別する処理を行う。正常状態および異常状態にあるかの識別については、あらかじめ車体加速度に閾値を設けておいて、閾値を超過するか否かで判断する閾値処理でもよいし、マハラノビス・タグチ法（Ｍａｈａｌａｎｏｂｉｓ−ＴａｇｕｃｈｉＳｙｓｔｅｍ）などを用いて識別する周知の方法などを用いてもよい。

本実施形態の場合は、閾値処理などにより、図２に示す閾値９２２を超過した大きな振動が発生している車両Ｂは「異常状態」と判定され、閾値９２２を超過していない車両Ａは「正常状態」と判定されることとする。

ステップＳ１１５では、データ分析部１００は、各車両について「異常状態」または「正常状態」であるという識別情報に加えて、ステップＳ１１３で抽出した代表区間における車体左右加速度や運行データを、比較処理部２００へ出力する。

図４は、図１の鉄道車両の異常検出装置における比較処理部２００の処理手順を説明するフローチャートである。図４のフローチャートに基づく動作は、以下のとおりである。

まず、ステップＳ２１１において、比較処理部２００は、データ分析部１００から出力された、車両Ａが正常状態で、車両Ｂが異常状態であるなどの識別情報や、代表区間における車体左右加速度および運行データを取得する。

次に、ステップＳ２１２では、比較処理部２００は、取得した車体左右加速度から、各車両の車体左右加速度に対して、車体左右加速度ＰＳＤ(ＰｏｗｅｒＳｐｅｃｔｒｕｍＤｅｎｓｉｔｙ)を算出する。ＰＳＤとは、単位周波数幅（１Ｈｚ幅）当たりのパワー値として表現するスペクトル関数である。

本実施形態の場合は、車両Ａについて図５Ａのように正常状態の車両の車体左右加速度ＰＳＤ７２１として算出され、車両Ｂについて図５Ｂのように異常状態の車両の車体左右加速度ＰＳＤ７２２として算出される。

図５Ａ，５Ｂに示すように、所定の周波数帯９００において、車両Ｂの車体左右加速度ＰＳＤ７２２は、車両Ａの車体左右加速度ＰＳＤ７２１よりも大きくなっている。

ステップＳ２１３では、図６のように、比較処理部２００は、正常状態の車両Ａの車体左右加速度ＰＳＤ７２１と、異常状態の車両Ｂの車体左右加速度ＰＳＤ７２２との比であるＰＳＤ比率８２１を算出する。

このＰＳＤ比率８２１は、正常状態に対して異常状態においてＰＳＤが異なる周波数帯域やその度合いを表すものである。ここでは、図６から明らかなように、ＰＳＤ比率８２１は、周波数帯９００で顕著に増加している。

なお、データ分析部１００であらかじめ同一区間の振動データを抽出しているため、軌道の区間差などによる応答の差の影響を小さくした上で、車両の正常状態および異常状態での伝達特性の変化による応答の変化を、ＰＳＤ比率８２１として抽出できる。

なお、ステップＳ２１２からステップＳ２１３では、ＰＳＤ比率８２１を用いた例について説明した。しかし、異常状態と正常状態との変化に関する特徴量を表す値であればＰＳＤ比率の代わりに使用することができ、一例としては、異常状態と正常状態との車体左右加速度のＲＭＳ値の比率などを用いることもできる。

ステップＳ２１４では、比較処理部２００は、このＰＳＤ比率８２１をパラメータ推定部３００へ出力する。

次に、パラメータ推定部３００の処理フローについて、図７を用いて説明する。図７のフローチャートに基づく動作は、以下のとおりである。

なお、本実施形態では、異常要因として推定するパラメータを、軸箱支持ゴム１５のばね定数、ヨーダンパ４の減衰係数および輪軸１３の車輪踏面勾配とした場合について説明する。

まず、ステップＳ３１１において、パラメータ推定部３００は、比較処理部２００で出力したＰＳＤ比率８２１を取得する。これを実測ＰＳＤ比率８２１という。

次にステップＳ３１２では、パラメータ推定部３００は、力学モデルを用いて車両の内部状態に関するパラメータが正常状態である場合の車体左右加速度ＰＳＤの解析値を算出する。

この力学モデルは、鉄道車両の振動特性を予測するためのモデルである。例えば、軌道２０の通り狂い（レール側面の長さ方向における凹凸の度合い）や軌間狂い（左右レール間隔の基本寸法に対する誤差）といった軌道不整を模擬した仮想軌道上を、車体１、台車１６や輪軸１３を剛体で、軸箱支持ゴム１５やヨーダンパ４などをばねやダンパで模して、各剛体をばねやダンパで接続した仮想車両が走行した場合の、車体左右振動を予測する車両左右系力学モデルや、車体上下振動を予測する車両上下系力学モデルなど、予測したい振動の種類などに応じて多様な力学モデルを用いることができる。

なお、軌道不整を模擬する仮想軌道を規定するには、実際に測定した軌道不整データがある場合はその軌道不整データを用いてもよい。しかし、軌道不整の実測データがない場合は、あらかじめ軌道の状態(軌道状態：「良い」、「普通」、「悪い」など)に応じた代表的な軌道不整データを用意し、営業車両の走行路線などに応じて選択して用いて仮想軌道を規定する手法などを採用してもよい。

また、運行データ検出部５０で検出した走行速度や乗車率などの条件を力学モデルの解析条件として用いることで、実走行条件を反映した高精度な推定ができる。

本実施形態では、軸箱支持ゴム１５のばね定数や、ヨーダンパ４の減衰係数、輪軸１３の車輪踏面勾配などのパラメータを正常値に設定して、力学モデルを用いて車体左右加速度ＰＳＤの解析値が算出される。

なお、正常値については、軸箱支持ゴム１５のばね定数や、ヨーダンパ４の減衰係数については設計値や要素試験値、輪軸１３の車輪踏面勾配については新製状態での値や保守時の管理値などが用いられる。

ステップＳ３１３以降では、パラメータ推定部３００は、異常状態の車両について、パラメータの推定を行う。

まず、ステップＳ３１３では、パラメータ推定部３００は、パラメータの初期推定値を設定する。パラメータの初期推定値は、パラメータの正常値でも良いし、ランダムに生成した値でも良い。

本実施形態では、パラメータ推定部３００は、軸箱支持ゴム１５のばね定数や、ヨーダンパ４の減衰係数、輪軸１３の車輪踏面勾配などの初期推定値を設定する。

ステップＳ３１４では、パラメータ推定部３００は、比較処理部２００で処理した実測ＰＳＤ比率８２１を用いて、異常状態でのパラメータを推定する。

まず、ステップＳ３１３で設定したパラメータの初期推定値を用いて、パラメータ推定部３００は、力学モデルによりパラメータの初期推定値における車体左右加速度ＰＳＤの解析値を算出する。

次に、ステップＳ３１４で、パラメータ推定部３００は、このパラメータの初期推定値における車体左右加速度ＰＳＤの解析値と、ステップＳ３１２で算出した正常状態でのパラメータにおける車体左右加速度ＰＳＤの解析値との比である解析ＰＳＤ比率８２２を算出する。

そして、パラメータ推定部３００は、図８Ａ，８Ｂに示すように、この解析ＰＳＤ比率８２２が、実測ＰＳＤ比率８２１と一致するように、つまり、誤差が最小となるようにパラメータの推定値を決定する。

誤差の評価指標としては、誤差を評価できるものであれば制約なく利用できるが、本実施形態では、図８Ａ，８Ｂに示すようにＰＳＤ比率の周波数ごとの実測ＰＳＤ比率８２１と、解析ＰＳＤ比率８２２の差分を積算した値（以下、積算差分値）とする。

本実施形態では、軸箱支持ゴム１５のばね定数や、ヨーダンパ４の減衰係数、輪軸１３の車輪踏面勾配などに対して、図８Ｂに示すように、算出したＰＳＤ比率の実測ＰＳＤ比率８２１と解析ＰＳＤ比率８２２が一致するようなパラメータの推定値を得る。

図８Ａは、横軸に周波数、縦軸にＰＳＤ比率を示し、パラメータ推定前における実線で示す実測ＰＳＤ比率８２１と、点線で示す解析ＰＳＤ比率８２２を示す特性図、図８Ｂは、横軸に周波数、縦軸にＰＳＤ比率を示し、パラメータ推定後における実測ＰＳＤ比率８２１と、点線で示す解析ＰＳＤ比率８２２を示す特性図である。

図８Ａのパラメータ推定前では、異常振動が発生した一部の周波数帯において、実測値と解析値に大きな差が見られるが、図８Ｂのパラメータ推定後では、実測値と解析値との差がほぼ一致している。

推定が終了した後、ステップＳ３１５において、パラメータ推定部３００は、このパラメータの推定値を異常要因判定部４００へ出力する。

なお、本実施形態では、左右加速度センサを車体１に１台設置したものとして説明した。これに対し、車体１、台車１６および軸箱体１２などに左右加速度センサがそれぞれ設置された場合は、それらから検出される複数の左右加速度の実測値と、解析値が一致するように、パラメータを更新することで、パラメータの推定を高精度化することができる。

次に、異常要因判定部４００の処理フローについて、図９を用いて説明する。図９のフローチャートに基づく動作は、以下のとおりである。

まず、ステップＳ４１１において、異常要因判定部４００は、パラメータ推定部３００で出力したパラメータの推定値を取得する。
本実施形態では、異常要因判定部４００は、軸箱支持ゴム１５のばね定数や、ヨーダンパ４の減衰係数、輪軸１３の車輪踏面勾配の推定値を取得する。

次に、ステップＳ４１２において、異常要因判定部４００は、各パラメータの推定値と正常値の比率を算出する。

そして、ステップＳ４１３において、異常要因判定部４００は、各パラメータについて、この比率と予め設定した閾値を比較し、正常状態と異常状態とを判別する。

具体的には、異常要因判定部４００は、この比率が閾値以下のパラメータであれば、正常状態に近いといえるため正常状態と判定する（ステップＳ４１４）。一方、該比率が閾値を超過したパラメータであれば、異常要因判定部４００は、異常状態と判定する（ステップＳ４１５）。

そして、異常状態と判定されたパラメータを異常要因として、異常要因判定部４００は、ステップＳ４１６で判定結果出力部５００に出力する。

図１０は、ステップＳ４１３におけるパラメータの正常および異常の判定例を模式的に示すものであり、軸箱支持ゴム１５のばね剛性、ヨーダンパ４の減衰係数、車輪踏面勾配などの異常要因要素に対し、パラメータの推定値と正常値の比率、および閾値との関係を示した模式図である。

図１０の例では、パラメータの推定値と正常値の比率が閾値９１を超過しているヨーダンパ４の減衰係数が異常状態と判定される。そして、ヨーダンパ４の減衰係数の低下が異常要因であるという判定結果が、異常要因判定部４００から判定結果出力部５００に出力される。

なお、パラメータの推定値と正常値の比率が大きいほど、そのパラメータが正常値から大きく変化していることになるため、この比率の大きさにより、そのパラメータの異常の度合いを評価することができる。

判定結果出力部５００は、この異常要因の推定結果を、車上の運転者および地上の運行管理者やメンテナンス員などに周知の通信技術を用いて通知する。

以上のように、本実施形態の鉄道車両の異常検出装置では、ヨーダンパ４の減衰係数の低下のような異常要因を推定することができる。

［実施形態２］
本実施形態に係る車両の異常検出装置は、前記実施形態１と同様の構成を有するが、そのパラメータ推定部３００は、図１１のフローチャートを用いて次に説明するような処理を実行する。なお、実施例１と異なる点のみを主として、以下に説明する。

本実施形態は、実施形態１にて説明したパラメータ推定部３００において、力学モデルによる解析で用いる軌道不整データについて、実測データなどあらかじめ用意した軌道不整データを用いない場合の処理として、ステップＳ３１２aを追加したものである。

なお、実施形態１で説明した処理と同様の処理には、同一の符号を付し、その詳細な説明については省略する。

まず、実施形態１と同様に、ステップＳ３１１において、パラメータ推定部３００は比較処理部２００で処理した実測ＰＳＤ比率８２１を取得する。

次に、ステップＳ３１２aにて、パラメータ推定部３００は正常状態の車両の車体左右加速度ＰＳＤの実測値に基づいて軌道不整を同定する処理を行う。

ここでは、パラメータ推定部３００は、力学モデルを用いて算出した車両の車体左右加速度ＰＳＤの解析値と、車両の車体左右加速度ＰＳＤの実測値が一致するように軌道不整データを同定する処理を行う。

本実施形態の場合は、正常状態である車両Ａの車体左右加速度ＰＳＤから、力学モデルを用いて軌道不整データを同定することになる。

パラメータ推定部３００は、ステップＳ３１３〜Ｓ３１５までの処理では、ステップＳ３１２aで同定した軌道不整データを用いて、実施形態１と同様の処理を行う。

なお、本実施形態では車体左右加速度ＰＳＤを用いた例を説明したが、軌道不整データを同定できれば、車体左右加速度ＰＳＤに限るものではない。

以上のように、本実施形態の鉄道車両の異常検出装置では、あらかじめ軌道不整データを用意しておかなくても、車両の異常要因を判定できる。

［実施形態３］
本実施形態に係る車両の異常検出装置は、前記実施形態１と同様の構成を有するが、そのパラメータ推定部３００は図１２のフローチャートを用いて次に説明するような処理を実行する。なお、前記実施例と異なる点のみを主として、以下に説明する。

本実施形態の異常検出装置は、前記実施形態の異常検出装置に対して、パラメータ推定部３００において、パラメータの推定精度が低い場合の処理として、ステップＳ３１４aおよびステップＳ３１５aを追加したものである。

実施形態１で説明したように、ステップＳ３１４では、パラメータ推定部３００は、ＰＳＤ比率の実測ＰＳＤ比率８２１と解析ＰＳＤ比率８２２の積算差分値が最小となるようにパラメータの推定を行う。ここで、積算差分値が推定精度を示す指標となる。

ステップＳ３１４aで、パラメータ推定部３００は、この積算差分値があらかじめ設定した閾値以下となる場合は、推定精度が基準レベル以上であると判断して、実施形態１と同様にステップＳ３１５にて、パラメータの推定値を異常要因判定部４００へ出力する。

しかし、積算差分値があらかじめ設定した閾値以下とならない場合は、パラメータ推定部３００は、推定精度が基準レベルより低いと判断して、ステップＳ３１５aにて車両が異常であることに関する情報のみを出力し、パラメータの推定値（異常要因と推定されるパラメータ）を出力しない。

以上のように、本実施形態の鉄道車両の異常検出装置では、パラメータの推定精度が十分でない場合においても、異常検出を中断することなく、少なくとも車両に異常があることを出力できる。

１車体、４ヨーダンパ、８空気ばね、１１台車枠、１２軸箱体、１３輪軸、１４軸ばね装置、１５軸箱支持ゴム、１６台車、２０軌道、３０異常要因検出装置、５０運行データ検出部、６０振動データ検出部、１００データ分析部、２００比較処理部、３００パラメータ推定部、４００異常要因判定部、５００判定結果出力部

上記課題を解決するために、代表的な本発明にかかる軌条車両の異常検出装置の一つは、軌条車両の振動データを取得する振動データ取得部と、軌条車両の運行データを取得する運行データ取得部と、前記振動データと前記運行データに基づいて、同じ軌道を走行する軌条車両が正常状態か異常状態かを識別し、正常状態又は異常状態に対応付けて軌条車両の振動データを抽出するデータ分析部と、正常状態の軌条車両の前記振動データと、異常状態の軌条車両の前記振動データとを比較して、比較結果を算出する比較処理部と、前記比較結果に基づき、異常状態と識別された軌条車両における振動の異常要因を判定する診断部と、を有し、前記診断部は、前記比較処理部で算出した前記比較結果に基づいて、軌条車両の内部状態に関するパラメータを推定するパラメータ推定部と、推定された前記パラメータに基づいて、前記軌条車両における振動の異常要因を判定する異常要因判定部と、を備えたことにより達成される。

Claims

軌条車両の振動データを取得する振動データ取得部と、
軌条車両の運行データを取得する運行データ取得部と、
前記振動データと前記運行データに基づいて、同じ軌道を走行する軌条車両が正常状態か異常状態かを識別し、正常状態又は異常状態に対応付けて軌条車両の振動データを抽出するデータ分析部と、
正常状態の軌条車両の前記振動データと、異常状態の軌条車両の前記振動データとを比較して、比較結果を算出する比較処理部と、
前記比較結果に基づき、異常状態と識別された軌条車両における振動の異常要因を判定する診断部と、を有する、
ことを特徴とする軌条車両の異常検出装置。
請求項１に記載の軌条車両の異常検出装置であって、
前記診断部は、
前記比較処理部で算出した前記比較結果に基づいて、軌条車両の内部状態に関するパラメータを推定するパラメータ推定部と、
推定された前記パラメータに基づいて、前記軌条車両における振動の異常要因を判定する異常要因判定部と、を備えた、
ことを特徴とする軌条車両の異常検出装置。
請求項２に記載の軌条車両の異常検出装置であって、
前記パラメータ推定部は、正常状態の軌条車両と異常状態の軌条車両のＰＳＤ比率に基づいて、軌条車両の内部状態に関する前記パラメータを推定する、
ことを特徴とする軌条車両の異常検出装置。
請求項２または３に記載の軌条車両の異常検出装置であって、
前記パラメータ推定部は、軌条車両の振動特性を予測するための力学モデルに基づいて、軌条車両の内部状態に関する前記パラメータを推定する、
ことを特徴とする軌条車両の異常検出装置。
請求項４に記載の軌条車両の異常検出装置であって、
前記力学モデルが、軌条車両左右系力学モデルあるいは軌条車両上下系力学モデルである、
ことを特徴とする軌条車両の異常検出装置。
請求項２〜５のいずれか一項に記載の軌条車両の異常検出装置であって、
前記異常要因判定部は、前記パラメータ推定部で推定された軌条車両の内部状態に関する前記パラメータの推定値と、正常値との比較結果に基づいて、前記軌条車両における振動の異常要因を判定する、
ことを特徴とする軌条車両の異常検出装置。
請求項２〜６のいずれか一項に記載の軌条車両の異常検出装置であって、
前記パラメータ推定部は、前記軌条車両の振動データに基づいて、軌道不整を同定する、
ことを特徴とする軌条車両の異常検出装置。
請求項２〜７のいずれか一項に記載の軌条車両の異常検出装置であって、
前記パラメータ推定部は、軌条車両の内部状態に関する前記パラメータの推定値の推定精度を求め、求めた前記推定精度が基準レベル以上である場合は、異常要因と推定されるパラメータを出力し、求めた前記推定精度が基準レベルより低い場合は、軌条車両が異常であることを示す情報のみを出力する、
ことを特徴とする軌条車両の異常検出装置。
請求項１〜８のいずれか一項に記載の軌条車両の異常検出装置であって、
前記振動データ取得部が、前記軌条車両の車体、台車枠、あるいは軸箱体の振動を検出する、
ことを特徴とする軌条車両の異常検出装置。
請求項１〜９のいずれか一項に記載の軌条車両の異常検出装置であって、
前記振動データ取得部及び前記運行データ取得部は、単独の列車編成中の複数の軌条車両、または同じ軌道上を走行する異なる列車編成それぞれの軌条車両に設けられている、
ことを特徴とする軌条車両の異常検出装置。
請求項１〜１０のいずれか一項に記載の軌条車両の異常検出装置であって、
前記データ分析部は、軌条車両の走行区間の中から設定された代表区間にて、各軌条車両の振動データを抽出する、
ことを特徴とする軌条車両の異常検出装置。
請求項１〜１１のいずれか一項に記載の軌条車両の異常検出装置であって、
前記比較処理部は、各軌条車両の振動データが閾値を超える場合は、その軌条車両を異常状態にあると判別し、前記振動データが前記閾値を超えない場合は、その軌条車両は正常状態にあると判別する、
ことを特徴とする軌条車両の異常検出装置。