KR102334220B1 - 철도 차량 부품들의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치 - Google Patents

철도 차량 부품들의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치 Download PDF

Info

Publication number
KR102334220B1
KR102334220B1 KR1020200050603A KR20200050603A KR102334220B1 KR 102334220 B1 KR102334220 B1 KR 102334220B1 KR 1020200050603 A KR1020200050603 A KR 1020200050603A KR 20200050603 A KR20200050603 A KR 20200050603A KR 102334220 B1 KR102334220 B1 KR 102334220B1
Authority
KR
South Korea
Prior art keywords
index
corresponding class
class
vehicle
calculating
Prior art date
Application number
KR1020200050603A
Other languages
English (en)
Other versions
KR20210132352A (ko
Inventor
임종순
임준식
Original Assignee
주식회사 글로비즈
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 주식회사 글로비즈 filed Critical 주식회사 글로비즈
Priority to KR1020200050603A priority Critical patent/KR102334220B1/ko
Publication of KR20210132352A publication Critical patent/KR20210132352A/ko
Application granted granted Critical
Publication of KR102334220B1 publication Critical patent/KR102334220B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G06Q50/30—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00—Indicators provided on the vehicle or train for signalling purposes
    • B61L15/0072—On-board train data handling
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00—Indicators provided on the vehicle or train for signalling purposes
    • B61L15/0081—On-board diagnosis or maintenance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/08—Railway vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Mechanical Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

철도 차량 부품들의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치가 개시된다. 상기 방법은 각 부품의 진단을 위한 파라미터와 상태값을 설정하는 단계; 파라미터들의 각 클래스 별로 인덱스 및 기준 인덱스의 데이터베이스를 구축하는 단계; 검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계; 그리고 검출된 클래스의 검출된 인덱스가 데이터베이스 내 해당 클래스의 기준 인덱스보다 크면, 해당 부품의 고장 코드를 저장하는 단계를 포함한다. 상기 인덱스는 상기 상태값이거나, 상기 상태값을 시간 영역 또는 주파수 영역에서 가공하여 계산되고, 상기 기준 인덱스는 상기 인덱스에 설정 팩터를 적용하여 계산된다.

Description

철도 차량 부품들의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치{METHOD AND SYSTEM OF DIAGNOSING DEFECT AND CALCULATING REMAINING LIFE OF COMPONENTS OF RAILWAY VEHICLE}
본 발명은 철도 차량 부품들의 진단 기술에 관한 것으로, 보다 상세하게는 철도 차량의 부품의 고장을 빠르고 정확하게 진단할 수 있고, 필요한 데이터의 양 및 요구되는 메모리 자원의 증가를 방지하는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치에 관한 것이다.
현재 철도 차량에 사용되는 부품들은 주기적으로 진단되고, 진단 시 이상이 발견된 경우 수리나 교체를 하고 있다. 그러나, 철도 시스템은 대량 수송 체계이므로 철도 시스템에서 사고가 발생하는 경우 대형 사고가 될 가능성이 높다. 이에 따라, 사고 예방 및 유지/보수 비용을 절감하기 위하여 주기적인 진단에서 상태 기반 유지 보수(Condition Based Maintenance; CBM) 체계를 도입해야 할 필요성이 커지고 있다.
또한, 대형 사고를 초래하는 철도 부품들의 고장 외에도 부품들의 경미한 고장이 발생하게 되면, 철도 차량이 정시에 목적지에 도착하지 못할 수 있다. 정시도착율은 국민들의 편익 측면에서 매우 중요한 항목으로 국가에서 엄격하게 관리하고 있다. 따라서, 정시도착율의 저하를 가져올 수 있는 철도 차량 부품들의 상태 진단이 필요하다. 더 나아가, 이러한 철도 부품들의 경미한 고장은 승객의 불편을 초래할 수 있으므로 철도 차량의 모든 부품들의 상태 진단이 필요하다.
한편, 다양한 산업 분야에서 진단 대상에 대한 진단 방법이 개발되고 있다. 진단 대상의 결함 가능성은 열, 소리, 진동 등을 통하여 확인될 수 있다. 열이나 소리를 이용한 진단 방법은 사용자가 진단 대상의 결함을 용이하게 식별할 수 있는 반면, 진단 대상의 결함이 상당히 진행된 후에야 진단 대상의 결함을 식별할 수 있다. 진동을 이용한 진단 방법은 가장 빨리 진단 대상의 결함 가능성을 예측할 수 있기 때문에 종래에는 주로 진동을 이용한 진단 방법을 많이 사용하였다.
그러나, 진동을 이용한 진단 방법을 사용하기 위해서는 데이터의 샘플링 시간을 매우 짧게 설정하고 데이터를 수집해야 하므로, 데이터의 양이 너무 많아 용량이 매우 큰 메모리가 필요하였다. 또한, 측정된 데이터를 분석하기 위하여 주파수 변환이 필요하였기에, 여러 가지 계산을 위한 메모리 자원이 지나치게 증가하였다.
그런데, 철도 차량은 한정된 메모리 자원을 가지고 있기 때문에, 철도 차량의 다양한 부품들을 위한 각각의 진단 방법을 수행하기가 어려웠다. 또한, 철도 차량 외부에 있는 진단 서버에서 철도 차량의 다양한 부품들을 위한 각각의 진단 방법을 수행하고자 하는 경우에는, 철도 차량에서 진단 서버로 데이터를 송신하여야 하는데 송신되어야 하는 데이터의 양이 너무 많은 문제점이 있었다. 이에 따라 철도 차량 외부에 있는 진단 서버에서 철도 차량의 다양한 부품들을 위한 각각의 진단 방법을 수행하는 것 역시 실현되기가 매우 어려웠다.
또한, 철도 차량은 운송 수단이기 때문에 철도 차량에서 측정된 데이터들은 외란의 영향을 많이 받으며, 이는 철도 차량 부품들의 진단의 신뢰성을 떨어지게 하였다. 특히 철도 차량은 DC 1500V~2600V 정도의 전압을 팬터그래프를 통하여 수신하기 때문에 전자파 노이즈에 따른 외란에 크게 영향을 받을 수 있다. 또한, 철도 차량은 선로 상에서 움직이기 때문에, 선로에 문제가 발생한 경우 외란으로 작용하여 측정된 데이터들의 신뢰성을 크게 해할 수 있었다.
이 배경기술 부분에 기재된 사항은 발명의 배경에 대한 이해를 증진하기 위하여 작성된 것으로서, 이 기술이 속하는 분야에서 통상의 지식을 가진 자에게 이미 알려진 종래기술이 아닌 사항을 포함할 수 있다.
본 발명의 실시예는 철도 차량의 다양한 부품들의 진단을 위한 상태값들을 설정 기준에 맞추어 제1, 2, 3상태값으로 분류하고, 제1, 2, 3상태값들을 위한 진단 방법을 각각 마련함으로써 진단의 정확성이 향상되고, 필요한 데이터의 양 및 요구되는 메모리 자원 또는 통신의 양의 증가를 방지할 수 있는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치를 제공한다.
또한, 본 발명의 다른 실시예는 각 부품들을 위한 인덱스의 경향과 정비 이력을 기초로 각 부품들의 남은 수명을 정확히 예측할 수 있는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치를 제공한다.
본 발명의 실시예에 따른 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법은 각 부품의 진단을 위한 파라미터와 상태값을 설정하는 단계; 파라미터들의 각 클래스 별로 인덱스 및 기준 인덱스의 데이터베이스를 구축하는 단계; 검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계; 그리고 검출된 클래스의 검출된 인덱스가 데이터베이스 내 해당 클래스의 기준 인덱스보다 크면, 해당 부품의 고장 코드를 저장하는 단계를 포함하고, 상기 인덱스는 상기 상태값이거나, 상기 상태값을 시간 영역 또는 주파수 영역에서 가공하여 계산되고, 상기 기준 인덱스는 상기 인덱스에 설정 팩터를 적용하여 계산되며, 상기 상태값들은 주행환경에 영향을 받고 인덱스를 계산하기 위하여 시간 영역에서 가공되는 제1상태값과, 주행환경에 영향을 받지 않으며 인덱스를 계산하기 위하여 설정 시간 동안의 적분값이 요구되는 제2상태값과, 주행환경에 영향을 받고 인덱스가 시간 영역에서 가공되는 제1인덱스와 주파수 영역에서 가공되는 제2인덱스를 포함하는 제3상태값으로 분류될 수 있고, 상기 상태값이 주행환경에 영향을 받으면, 파라미터들은 주행 속도, 전력 소모량, 주행 거리, 그리고 외기 온도 중 적어도 하나를 포함할 수 있다.
상기 데이터베이스는 버퍼 데이터베이스와 진단 데이터베이스를 포함할 수 있다.
파라미터들의 각 클래스 별로 인덱스 및 기준 인덱스의 데이터베이스를 구축하는 단계는 각 클래스 별로 버퍼 데이터베이스에 저장 가능한 최대 상태값의 개수를 설정하는 단계; 파라미터들와 상태값을 포함하는 데이터를 검출하는 단계; 검출된 데이터를 해당 클래스로 분류하고 버퍼 데이터베이스에 해당 클래스의 상태값을 저장하는 단계; 각 클래스 별로 버퍼 데이터베이스에 저장된 상태값의 개수가 해당 클래스의 최대 상태값의 개수 이상인지를 판단하는 단계; 각 클래스 별로 버퍼 데이터베이스에 저장된 상태값의 개수가 해당 클래스의 최대 상태값의 개수 이상이면, 버퍼 데이터베이스 내의 해당 클래스의 상태값을 진단 데이터베이스로 이전하고 버퍼 데이터베이스 내의 해당 클래스의 상태값을 삭제하는 단계; 그리고 진단 데이터베이스 내의 해당 클래스의 상태값을 가공하여 해당 클래스의 인덱스와 기준 인덱스를 계산하는 단계를 포함할 수 있다.
진단 데이터베이스에 저장된 해당 클래스의 상태값의 개수가 설정 개수가 될 때까지 해당 클래스의 인덱스와 기준 인덱스가 업데이트될 수 있다.
진단 데이터베이스에 저장된 해당 클래스의 상태값의 개수가 설정 개수 이상이면, 해당 클래스의 인덱스와 기준 인덱스의 업데이트가 금지될 수 있다.
상태값이 제1상태값이면, 진단 데이터베이스 내의 해당 클래스의 상태값을 가공하여 해당 클래스의 인덱스와 기준 인덱스를 계산하는 단계는 진단 데이터베이스 내의 해당 클래스의 상태값들에 분포를 정의하는 확률 분포 함수를 계산하는 단계; 계산된 확률 분포 함수를 정의하는 인덱스를 계산하는 단계; 그리고 해당 클래스의 인덱스에 설정 팩터를 적용하여 해당 클래스의 기준 인덱스를 계산하는 단계를 포함할 수 있다.
상태값이 제2상태값이면, 진단 데이터베이스 내의 해당 클래스의 상태값을 가공하여 해당 클래스의 인덱스와 기준 인덱스를 계산하는 단계는 진단 데이터베이스 내의 해당 클래스의 상태값들을 시간에 대하여 적분하는 단계; 설정 시간에 해당하는 주요 작동 영역을 설정하는 단계; 주요 작동 영역에서 시간에 대한 적분값을 가공하여 인덱스를 계산하는 단계; 그리고 해당 클래스의 인덱스에 설정 팩터를 적용하여 해당 클래스의 기준 인덱스를 계산하는 단계를 포함할 수 있다.
상태값이 제3상태값이면, 진단 데이터베이스 내의 해당 클래스의 상태값을 가공하여 해당 클래스의 인덱스와 기준 인덱스를 계산하는 단계는 제1주기마다 진단 데이터베이스 내의 해당 클래스의 상태값들의 분포를 정의하는 확률 분포 함수를 계산하는 단계; 계산된 확률 분포 함수를 정의하는 제1인덱스를 계산하는 단계; 해당 클래스의 제1인덱스에 설정 팩터를 적용하여 해당 클래스의 제1기준 인덱스를 계산하는 단계; 상기 제1주기보다 긴 제2주기마다 진단 데이터베이스 내의 해당 클래스의 상태값을 주파수 영역의 값으로 가공하는 단계; 해당 클래스의 주파수 영역의 값을 제2인덱스로 계산하는 단계; 그리고 해당 클래스의 제2인덱스에 설정 팩터를 적용하여 해당 클래스의 제2기준 인덱스를 계산하는 단계를 포함할 수 있다.
검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계는 진단 데이터베이스 내에 해당 클래스의 기준 인덱스가 존재하는 경우에만 수행될 수 있다.
상태값이 제1상태값 또는 제2상태값인 경우, 검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계는 해당 차량의 해당 클래스의 인덱스를 해당 차량의 해당 클래스의 기준 인덱스와 비교하는 단계; 해당 차량의 해당 클래스의 인덱스를 동일 철도 차량의 다른 차량의 해당 클래스의 기준 인덱스와 비교하는 단계; 그리고 해당 차량의 해당 클래스의 인덱스를 다른 철도 차량의 임의의 차량의 해당 클래스의 기준 인덱스와 비교하는 단계를 포함할 수 있다.
상태값이 제3상태값인 경우, 검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계는 해당 차량의 해당 클래스의 제1인덱스를 해당 차량의 해당 클래스의 제1기준 인덱스와 비교하는 단계; 해당 차량의 해당 클래스의 제1인덱스를 동일 철도 차량의 다른 차량의 해당 클래스의 제1기준 인덱스와 비교하는 단계; 해당 차량의 해당 클래스의 제1인덱스를 다른 철도 차량의 임의의 차량의 해당 클래스의 제1기준 인덱스와 비교하는 단계; 해당 차량의 해당 클래스의 제2인덱스를 해당 차량의 해당 클래스의 제2기준 인덱스와 비교하는 단계; 해당 차량의 해당 클래스의 제2인덱스를 동일 철도 차량의 다른 차량의 해당 클래스의 제2기준 인덱스와 비교하는 단계; 그리고 해당 차량의 해당 클래스의 제2인덱스를 다른 철도 차량의 임의의 차량의 해당 클래스의 제2기준 인덱스와 비교하는 단계를 포함할 수 있다.
상기 방법은 부품의 남은 수명을 계산하는 단계를 더 포함할 수 있다.
부품의 남은 수명을 계산하는 단계는 상기 부품에 관련된 인덱스의 경향 분석을 통한 인덱스 영향도를 계산하는 단계; 상기 부품의 정비 이력에 기초하여 정비 이력 영향도를 계산하는 단계; 그리고 상기 부품에 대한 목표 작동 시간, 상기 부품의 현재 작동 시간, 인덱스 영향도 및 정비 이력 영향도를 기초로 남은 수명을 계산하는 단계를 포함할 수 있다.
부품의 진단을 위하여 두 개 이상의 상태값이 설정되어 있으면, 각각의 상태값에 기초하여 상기 부품의 남은 수명을 계산하고, 계산된 남은 수명들의 최소값을 상기 부품의 남은 수명으로 결정할 수 있다.
부품의 남은 수명을 계산하는 단계는 상기 계산된 남은 수명을 통지하는 단계를 더 포함할 수 있다.
본 발명의 다른 실시예에 따른 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 시스템은 각 부품의 진단을 위한 파라미터와 상태값을 포함하는 데이터를 측정하는 데이터 검출기; 그리고 버퍼 데이터베이스와 진단 데이터베이스를 포함하며, 상기 데이터 검출기에 의하여 검출된 데이터를 이용하여 각 부품의 고장을 진단하고 남은 수명을 계산하도록 된 제어기를 포함하며, 상기 제어기는 본 발명의 실시예에 따른 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법을 실행하도록 되어 있을 수 있다.
상기 제어기는 부품에 관련된 인덱스의 경향 분석을 통한 인덱스 영향도, 상기 부품의 정비 이력에 기초한 정비 이력 영향도, 상기 부품에 대한 목표 작동 시간, 그리고 상기 부품의 현재 작동 시간을 기초로 남은 수명을 계산하도록 되어 있을 수 있다.
본 발명의 실시예에 따르면, 철도 차량의 다양한 부품들의 진단을 위한 상태값들을 설정 기준에 맞추어 3개의 상태값으로 분류하고, 각 상태값들을 위한 진단 방법을 각각 마련함으로써 부품들이 빠르고 정확히 진단될 수 있다.
또한, 각 클래스 별로 버퍼 데이터베이스에 저장된 상태값의 개수가 최대 상태값의 개수에 도달하면, 버퍼 데이터베이스에 저장된 상태값을 진단 데이터베이스로 이전하고 버퍼 데이터베이스 내의 해당 클래스의 상태값을 삭제하므로, 버퍼 데이터베이스의 메모리 자원의 증가를 방지할 수 있다.
또한, 진단 데이터베이스로 이전된 상태값들도 평균이나 분산과 같은 형태로 저장되므로 진단 데이터베이스의 메모리 자원의 증가를 방지할 수 있다.
또한, 진단 데이터베이스에 저장된 해당 클래스의 상태값의 개수가 설정 개수 이상이면 해당 클래스의 인덱스 및 기준 인덱스의 업데이트를 금지하므로, 진단 데이터베이스의 메모리 자원의 증가를 더욱 방지할 수 있다.
또한, 각 부품들을 위한 인덱스의 경향과 정비 이력을 기초로 각 부품들의 남은 수명을 정확히 예측할 수 있으므로, 교체 또는 수리 시점을 정확히 판단할 수 있다.
그 외에 본 발명의 실시 예로 인해 얻을 수 있거나 예측되는 효과에 대해서는 본 발명의 실시 예에 대한 상세한 설명에서 직접적 또는 암시적으로 개시하도록 한다. 즉 본 발명의 실시 예에 따라 예측되는 다양한 효과에 대해서는 후술될 상세한 설명 내에서 개시될 것이다.
본 명세서의 실시예들은 유사한 참조 부호들이 동일하거나 또는 기능적으로 유사한 요소를 지칭하는 첨부한 도면들과 연계한 이하의 설명을 참조하여 더 잘 이해될 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 철도 차량을 도시한 개략도이다.
도 2는 본 발명의 실시예에 따른 차축 조립체를 도시한 개략적인 단면도이다.
도 3은 본 발명의 실시예에 따른 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 장치의 구성도이다.
도 4는 본 발명의 실시예에 따른 데이터 검출기의 구성도이다.
도 5는 본 발명의 실시예에 따른 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법의 흐름도이다.
도 6은 도 5의 S210 단계의 흐름도이다.
도 7은 상태값이 제1상태값인 경우 도 6의 S360 단계의 흐름도이다.
도 8은 상태값이 제2상태값인 경우 도 6의 S360 단계의 흐름도이다.
도 9는 도어를 구동하는 구동 모터에 인가되는 모터 전류의 예들을 도시한 그래프이다.
도 10은 도 9의 모터 전류를 시간에 대한 적분한 적분값을 도시한 그래프이다.
도 11은 상태값이 제3상태값인 경우 도 6의 S360 단계의 흐름도이다.
도 12는 도 6의 S380 단계의 흐름도이다.
도 13은 상태값이 제1상태값 또는 제2상태값인 경우 도 5의 S230 단계의 흐름도이다.
도 14는 상태값이 제3상태값인 경우 도 5의 S230 단계의 흐름도이다.
도 15는 도 5의 S240 단계의 흐름도이다.
도 16은 시간에 대한 인덱스의 경향의 예를 도시한 그래프이다.
도 17은 주 변압기의 경우 도 5의 S210 단계의 예시적인 흐름도이다.
도 18은 특정 주행 거리에서 각 주행 속도 별로 전력 소모량과 외기 온도에 대한 냉각 장치 온도를 도시한 그래프이다.
도 19는 각 클래스 별로 냉각 장치 온도를 도시한 그래프이다.
도 20은 특정 클래스의 인덱스들의 확률 분포를 대표적인 확률 분포 함수와 비교한 그래프이다.
도 21은 주 변압기의 경우 도 5의 S220 단계 및 S230 단계의 예시적인 흐름도이다.
위에서 참조된 도면들은 반드시 축적에 맞추어 도시된 것은 아니고, 본 개시의 기본 원리를 예시하는 다양한 선호되는 특징들의 다소 간략한 표현을 제시하는 것으로 이해되어야 한다. 예를 들어, 특정 치수, 방향, 위치, 및 형상을 포함하는 본 개시의 특정 설계 특징들이 특정 의도된 응용과 사용 환경에 의해 일부 결정될 것이다.
여기에서 사용되는 용어는 오직 특정 실시예들을 설명하기 위한 목적이고, 본 개시를 제한하는 것으로 의도되지 않는다. 여기에서 사용되는 바와 같이, 단수 형태들은, 문맥상 명시적으로 달리 표시되지 않는 한, 복수 형태들을 또한 포함하는 것으로 의도된다. "포함하다" 및/또는 "포함하는"이라는 용어는, 본 명세서에서 사용되는 경우, 언급된 특징들, 정수들, 단계들, 작동들, 구성요소들 및/또는 컴포넌트들의 존재를 특정하지만, 다른 특징들, 정수들, 단계들, 작동들, 구성요소들, 컴포넌트들 및/또는 이들의 그룹들 중 하나 이상의 존재 또는 추가를 배제하지는 않음을 또한 이해될 것이다. 여기에서 사용되는 바와 같이, 용어 "및/또는"은, 연관되어 나열된 항목들 중 임의의 하나 또는 모든 조합들을 포함한다.
여기에서 사용되는 바와 같은 "차량" 또는 "차량의"와 같은 용어 또는 다른 유사한 용어는 철도 차량뿐만 아니라 스포츠 유틸리티 차량(sports utility vehicles; SUVs)를 포함하는 승용차들, 버스들, 트럭들, 다양한 상업용 차량들을 포함하는 것으로 이해된다.
추가적으로, 아래의 방법들 또는 이들의 양상들 중 하나 이상은 적어도 하나 이상의 제어 유닛(예를 들어, 전자 제어 유닛(electronic control unit; ECU) 등), 제어기 또는 제어 서버에 의해 실행될 수 있음이 이해된다. "제어 유닛", "제어기", 또는 "제어 서버"라는 용어는 메모리 및 프로세서를 포함하는 하드웨어 장치를 지칭할 수 있다. 메모리는 프로그램 명령들을 저장하도록 구성되고, 프로세서는 아래에서 더욱 자세히 설명되는 하나 이상의 프로세스들을 수행하기 위해 프로그램 명령들을 실행하도록 특별히 프로그래밍된다. 제어 유닛, 제어기, 또는 제어 서버는, 여기에서 기재된 바와 같이, 유닛들, 모듈들, 부품들, 장치들, 또는 이와 유사한 것의 작동을 제어할 수 있다. 또한, 아래의 방법들은, 당업자에 의해 인식되는 바와 같이, 하나 이상의 다른 컴포넌트들과 함께 제어 유닛 또는 제어기를 포함하는 장치에 의해 실행될 수 있음이 이해된다.
또한, 본 개시의 제어 유닛, 제어기, 또는 제어 서버는 프로세서에 의해 실행되는 실행 가능한 프로그램 명령들을 포함하는 비일시적인 컴퓨터로 판독 가능한 기록 매체로서 구현될 수 있다. 컴퓨터로 판독 가능한 기록 매체들의 예들은 롬(ROM), 램(RAM), 컴팩트 디스크(CD) 롬, 자기 테이프들, 플로피 디스크들, 플래시 드라이브들, 스마트 카드들 및 광학 데이터 저장 장치들을 포함하지만, 이에 한정되는 것은 아니다. 컴퓨터 판독가능 기록 매체는 또한 컴퓨터 네트워크 전반에 걸쳐 분산되어 프로그램 명령들이, 예를 들어, 텔레매틱스 서버(telematics server) 또는 제어기 영역 네트워크(Controller Area Network; CAN)와 같은 분산 방식으로 저장 및 실행될 수 있다.
도 1은 본 발명의 실시예에 따른 철도 차량을 도시한 개략도이다.
도 1에 도시된 바와 같이, 철도 차량(1)은 서로 연결된 복수개의 차량(5)을 포함한다. 차량(5)은 승객 또는 화물을 실을 수 있도록 되어 있고, 차량(5)의 하부에는 복수개의 대차(10)가 설치되어 차량이 선로 상에서 움직이는 것을 가능하게 한다. 상기 복수개의 차량(5) 중 하나에는 기관실이 형성되고, 상기 기관실에는 제어 서버 또는 제1제어기(160)와, 디스플레이(170)가 배치될 수 있다. 본 명세서에서는 제1제어기(160)가 기관실에만 설치되는 것을 예시하였으나, 이에 한정되지 않는다. 복수개의 차량(5) 각각에 제1제어기(160)가 설치될 수도 있다.
대차(truck; 10)는 통상적으로 2개 또는 3개의 차축 조립체(70)로 구성되어 있으며, 차체를 지지하고 있다. 대차(10)는 대차틀과, 상기 대차틀에 장착되는 차축 조립체(70), 완충 장치, 제동 장치, 견인 모터(14), 기어 박스(16) 등을 포함한다.
견인 모터(14)는 집전기(68)를 통하여 공급 받은 전기 에너지에 의하여 철도 차량(1)이 선로 상에서 움직이도록 하는 동력을 생성한다. 집전기(68)는 철도 차량(1)의 위에 설치된 전차선(electric car line)에 연결되어 전차선으로부터 전기 에너지를 공급 받는다. 상기 전차선은 철도 차량(1), 선로와 함께 전기회로를 형성할 수 있다. 상기 집전기(68)와 철도 차량(1) 사이에는 회로 차단기(66)가 장착되어 과전류로부터 철도 차량(1) 내의 회로를 보호할 수 있다.
기어 박스(16)는 서로 치합된 복수개의 기어들을 포함하고, 견인 모터(14)에서 생성된 동력을 기어비에 따라 변환하고 변환된 동력을 차축 조립체(70)를 통해 휠(12)에 전달한다. 상기 대차(10)는 당업자에게 잘 알려져 있으므로, 더 이상의 상세한 설명은 생략하기로 한다.
도 2는 본 발명의 실시예에 따른 차축 조립체를 도시한 개략적인 단면도이다.
도 2에 도시된 바와 같이, 차축 조립체(70)는 차축(72)을 포함한다. 차축(72)은 동력원(예를 들어, 견인 모터(14) 등)에 연결되어 있으며, 동력원으로부터 동력을 전달 받아 회전한다.
상기 동력원과 차축(72) 사이에는 기어 박스(16)가 배치될 수 있다. 상기 기어 박스(16)는 동력원의 동력의 회전속도를 변화시키고, 회전속도가 변화된 동력을 상기 차축(72)에 전달한다. 상기 기어 박스(16)에는 기어 박스 센서 모듈(74)이 장착될 수 있으며, 상기 기어 박스 센서 모듈(74)은 상기 복수개의 기어의 가속도, 회전속도, 그리고 온도 중 하나를 검출하도록 되어 있다. 상기 제1제어기(160)는 기어 박스 센서 모듈(74)에서 검출한 기어 박스(16)의 물리량을 기초로 기어 박스(16)의 상태를 진단할 수 있다.
상기 차축(72)의 양 측부에는 휠(12)이 고정적으로 장착된다. 휠(12)은 압입, 용접, 스플라인 등 다양한 방법으로 차축(72)에 고정될 수 있다. 상기 각 휠(12)은 선로 상에서 회전 가능하게 되어 있을 수 있다. 동력원의 동력을 전달 받아 차축(72)이 회전하면 휠(12)은 선로 상에서 회전한다. 이에 따라, 철도 차량(1)이 이동할 수 있다.
상기 차축(72)의 양 단부에는 베어링(76)이 장착되어 있다. 상기 각 베어링(76)은 상기 차축(72)을 차체에 대하여 회전 가능하게 지지한다. 상기 베어링(76)은 내륜과, 외륜과, 복수개의 전동체를 포함한다. 상기 내륜은 차축(72)에 고정되어 차축(72)과 함께 회전한다. 상기 외륜은 상기 내륜의 반경 외측에서 상기 내륜을 둘러싸고 있으며, 차체에 고정된다. 상기 복수개의 전동체는 상기 내륜과 외륜 사이에서 회전 가능하게 배치된다. 상기 복수개의 전동체는 상기 외륜에 대하여 상기 내륜이 상대 회전할 수 있도록 한다. 상기 베어링(76)에는 속도 센서(155)가 장착되어 차축(72)의 회전 속도를 측정할 수 있고, 가속도 센서(145)가 장착되어 베어링(76)의 가속도, 즉 베어링(76)의 진동을 측정할 수 있다.
상기 차축(102)의 양 단에는 커버 조립체(78)가 장착되어 있다. 상기 커버 조립체(78)는 상기 베어링(76)에 물이나 먼지 등의 이물질이 들어가는 것을 1차적으로 막아 준다.
다시 도 1을 참고하면, 철도 차량(1)은 승객이 타거나 내릴 수 있는 도어(20)와, 상기 도어(20)의 작동을 제어하는 도어 제어 유닛(22)을 더 포함한다. 상기 도어(20)는 도어 제어 유닛(22)의 제어에 의하여 열리거나 닫힐 수 있다.
철도 차량(1)은 배터리(30)와 공기 압축기(32)를 더 포함한다. 배터리(30)는 공기 압축기(32)에 전력을 공급하고, 상기 공기 압축기(32)는 배터리(30)의 전력에 의하여 작동하여 공기를 압축한다. 공기 압축기(32)에서 압축된 공기는 제동, 서스펜션, 또는 집전기(68) 등에 사용된다. 이를 위하여, 상기 공기 압축기(32)는 브레이크 제어 유닛(36)에 의하여 제어될 수 있다.
철도 차량(1)은 방송 통화 장치(40)와, 무선 통신기(50)와, 화재 경보기(62)를 더 포함한다. 방송 통화 장치(40)는 승객에게 정보를 시각 또는 청각으로 전달하도록 되어 있고, 무선 통신기(50)는 다른 철도 차량(1)의 제어 서버 또는 제2제어기(82), 관제실의 제어 서버(80), 또는 사용자 컴퓨팅 장치(90)와 데이터를 무선으로 통신하도록 되어 있다. 예를 들어, 무선 통신기(50)는 블루투스, 지그비, 와이파이, 엘티이 등의 무선 통신 규약을 통해 외부 서버(80), 다른 철도 차량(1), 또는 사용자 컴퓨팅 장치(90)와 통신 가능하다. 화재 경보기(62)는 차량(5)에 화재가 발생하였는지 여부를 검출하고 이에 대한 신호를 제1제어기(160), 외부 서버(80), 또는 사용자 컴퓨팅 장치(90)에 전송할 수 있다.
철도 차량(1)은 공조 장치(heating, ventilation, and air conditioning; HVAC)(60)를 더 포함한다. 상기 공조 장치(60)는 외부의 온도 변화에 관계 없이 차량(5) 실내의 온도를 적당한 온도로 유지하여 쾌적한 실내 환경을 유지할 수 있도록 한다.
상기 철도 차량(1)은 주 변압기(34)와 배전반(64)을 더 포함한다. 상기 주 변압기(34)는 상기 집전기(68)를 통하여 수신하는 고전압을 각 전장 부품에서 요구하는 전압으로 변환하여 공급한다. 배전반(64)에는 다양한 스위치(150)가 구비되어 있으며, 상기 스위치(150)는 주 변압기(34)와 각 전장 부품 사이의 접속을 제어한다.
도 3은 본 발명의 실시예에 따른 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 장치의 구성도이고, 도 4는 본 발명의 실시예에 따른 데이터 검출기의 구성도이다.
도 3에 도시된 바와 같이, 본 발명의 실시예에 따른 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 장치는 적어도 하나의 철도 차량(1), 외부 서버(80), 그리고 사용자 컴퓨팅 장치(90)를 포함할 수 있다.
각 철도 차량(1)은 데이터 검출기(100), 무선 통신기(50), 제1제어기(160), 디스플레이(170), 그리고 스피커(180)를 포함한다.
데이터 검출기(100)는 본 발명의 실시예에 따른 방법을 수행하기 위한 데이터를 검출한다. 예를 들어, 상기 데이터는 클래스를 분류하기 위한 파라미터와, 각 부품들을 진단하기 위한 상태값을 포함할 수 있다. 상태값은 철도 차량(1)의 각 부품의 성능을 평가하기 위한 데이터를 의미하며, 이에 따라 철도 차량(1)의 각 부품들은 상태값에 따른 인덱스를 기준 인덱스와 비교함으로써 진단될 수 있다. 또한, 각 부품들을 진단하기 위한 상태값이 설정된다. 하나의 부품을 위해 하나의 상태값이 설정될 수 있으나, 이에 한정되지 아니한다. 즉, 하나의 부품을 위해 두 개 이상의 상태값이 설정될 수 있다. 또한, 상기 상태값들은 다양한 인자들에 영향을 받을 수 있으므로, 부품들의 상태를 진단하기 위해서는 임의의 인자 하에서의 인덱스를 동일한 인자 하에서의 기준 인덱스와 비교해야 한다. 따라서, 상태값에 영향을 끼치는 데이터를 파라미터로 정의하며, 상태값, 즉 부품에 따라 파라미터들이 설정될 수 있다. 예를 들어, 주 변압기(34)를 진단하기 위한 파라미터들은 주행 속도, 전력 소모량, 외기 온도, 그리고 주행 거리로 설정될 수 있고, 상태값은 주 변압기(34)를 냉각하기 위한 냉각 장치의 작동 시간, 냉각 장치의 온도, 그리고 냉각 장치에 냉각 매체를 공급하기 위한 오일 펌프의 작동 횟수로 설정될 수 있다. 또한, 방송 통화 장치(40)를 진단하기 위한 파라미터는 주행 거리로 설정될 수 있고, 상태값은 경고 발생 횟수로 설정될 수 있다. 데이터 검출기(100)는 제1제어기(160)에 연결되어 검출한 데이터를 제1제어기(160)에 전송한다.
데이터 검출기(100)는, 도 4에 도시된 바와 같이 적어도 하나의 온도 센서(110), 적어도 하나의 압력 센서(115), 적어도 하나의 하중 센서(120), 적어도 하나의 전력계(125), 적어도 하나의 전류계(130), 위치 센서(135), 타이머(140), 적어도 하나의 가속도 센서(145), 적어도 하나의 스위치(150), 그리고 적어도 하나의 속도 센서(155)를 포함할 수 있다.
적어도 하나의 온도 센서(110)는 차량(5)의 설정된 위치에 장착되어 상기 설정된 위치의 온도 또는 상기 설정된 위치를 흘러가는 유체 또는 기체의 온도를 측정하며, 이에 대한 신호를 제1제어기(160)에 전송한다. 예를 들어, 적어도 하나의 온도 센서(110)는 외기 온도, 주 변압기(34)를 냉각하기 위한 냉각 장치 또는 상기 냉각 장치 내에서 순환하는 냉각 매체의 온도, 공기 압축기(32)를 작동 시키는 모터의 온도 또는 모터 내의 오일의 온도 등을 검출할 수 있다.
적어도 하나의 압력 센서(115)는 차량(5)의 설정된 위치에 장착되어 상기 설정된 위치에 있는 유체 또는 기체의 압력을 측정하며, 이에 대한 신호를 제1제어기(160)에 전송한다. 예를 들어, 적어도 하나의 압력 센서(115)는 공기 압축기(32)에 의해 생성된 공기의 압력, 집전기(68)에 공급되는 공기의 압력, 공조 장치(60)의 압축기에 의하여 생성된 매체의 압력 등을 검출할 수 있다.
적어도 하나의 하중 센서(120)는 복수의 대차들(10) 중 하나 이상에 장착되어 철도 차량(1)의 전체 하중을 검출하고, 이에 대한 신호를 제1제어기(160)에 전송한다. 제1제어기(160)는 상기 적어도 하나의 하중 센서(120)에서 검출한 철도 차량(1)의 전체 하중을 기초로 철도 차량(1)의 승객수를 추산할 수 있다.
적어도 하나의 전력계(125)는 철도 차량(1)의 각종 전장 부품에 장착되어 각 전장 부품에서 소모된 전력을 측정하며, 이에 대한 신호를 제1제어기(160)에 전송한다. 예를 들어, 적어도 하나의 전력계(125)는 공기 압축기(32)의 전력 소모량, 주 변압기(34)의 전력 소모량, 철도 차량(1)의 전력 소모량 등을 검출할 수 있다.
적어도 하나의 전류계(130)는 철도 차량(1)의 각종 전장 부품에 장착되어 각 전장 부품에 공급되는 전류를 측정하며, 이에 대한 신호를 제1제어기(160)에 전송한다. 예를 들어, 적어도 하나의 전류계(130)는 견인 모터(14)에 공급되는 전류, 도어(20)를 작동시키는 모터에 공급되는 전류 등을 검출할 수 있다.
위치 센서(135)는 철도 차량(1)의 GPS 좌표를 측정하여 이에 대한 신호를 제1제어기(160)에 전달한다. 철도 차량(1)은 미리 설치된 선로 상에서 움직이게 되므로, 철도 차량(1)의 GPS 좌표는 철도 차량(1)이 어느 선로 상에서 움직이고 있는지를 예측할 수 있게 한다. 또한, 제1제어기(160)는 GPS 좌표의 변화를 기초로 철도 차량(1)의 주행 거리를 계산할 수 있다.
타이머(140)는 특정 이벤트의 시작 시점부터 소요된 시간을 측정하고, 이에 대한 신호를 제1제어기(160)에 전송한다. 예를 들어, 특정 이벤트의 시작 시점은 주 변압기(34)를 냉각하기 위한 냉각 장치가 작동되기 시작한 시점, 공조 장치(60)가 작동되기 시작한 시점, 도어(20)가 열리거나 닫히기 시작한 시점일 수 있다.
적어도 하나의 가속도 센서(145)는 차량(5)의 설정된 위치 또는 부품에 장착되어 상기 설정된 위치 또는 부품의 가속도를 측정하며, 이에 대한 신호를 제1제어기(160)에 전송한다. 상기 적어도 하나의 가속도 센서(145)는 x축, y축, z축 가속도를 측정할 수 있는 3축 가속도 센서이거나 x축, y축, z축 가속도 및 x축, y축, z축 각가속도를 측정할 수 있는 6축 가속도 센서일 수 있으나, 이에 한정되지 아니한다. 예를 들어, 적어도 하나의 가속도 센서(145)는 차축 조립체(70)의 베어링(76)의 가속도, 기어 박스(16)의 가속도 등을 측정할 수 있다.
적어도 하나의 스위치(150)는 배전반(64), 기관실, 또는 철도 차량(1)의 설정된 위치에 장착되어 각 부품을 작동시키거나 작동 레벨을 설정하기 위해 사용될 수 있다. 각 부품의 작동 여부 또는 각 부품의 작동 레벨에 대한 신호는 상기 적어도 하나의 스위치(150)로부터 제1제어기(160)에 전송된다.
적어도 하나의 속도 센서(155)는 복수의 휠들(12) 중 하나 이상에 장착되어 철도 차량(1)의 주행 속도를 검출하고, 이에 대한 신호를 제1제어기(160)에 전송한다. 예를 들어, 속도 센서(155)는 차축 조립체(70)의 베어링(76) 또는 차축(72)에 장착되어 차축(72)의 회전 속도를 측정하고, 상기 차축(72)의 회전 속도로부터 철도 차량(1)의 주행 속도를 검출할 수 있다. 다른 한편으로, 위치 센서(135)의 검출값을 기초로 철도 차량(1)의 주행 속도가 계산될 수 있다.
데이터 검출기(100)는 도 4에 도시된 센서들 외에 다양한 센서를 더 포함할 수 있으며, 이들의 측정값은 제1제어기(160)에 전달된다.
제1제어기(160)는 철도 차량 네트웍을 통하여 데이터 검출기(100), 무선 통신기(50), 디스플레이(170), 및/또는 스피커(180)에 연결될 수 있다. 제1제어기(160)는 철도 차량(1)의 부품들의 진단을 위한 데이터를 상기 데이터 검출기(100) 및/또는 다른 철도 차량(1)의 데이터 검출기(100)로부터 수집할 수 있다. 제1제어기(160)는 데이터 검출기(100)로부터 수신한 신호를 이용하여 철도 차량(1)의 부품들을 진단하고 남은 수명을 계산하도록 되어 있다. 이러한 목적을 위하여, 제1제어기(160)는 설정된 프로그램에 의해 동작하는 하나 이상의 프로세서(162)로 구현될 수 있으며, 상기 설정된 프로그램은 본 발명의 실시예에 따른 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법의 각 단계를 수행하도록 프로그래밍된 것일 수 있다.
상기 제1제어기(160)는 데이터베이스(164)를 포함하며, 데이터베이스(164)는 버퍼 데이터베이스(166)와 진단 데이터베이스(168)를 포함한다.
제1제어기(160)는 공조 장치(60)가 고장인 것으로 판단되면 고장 코드를 저장하고, 경고 신호를 디스플레이(170), 스피커(180), 외부 서버(80), 및/또는 사용자 컴퓨팅 장치(90)에 전송할 수 있다. 정비사는 상기 경고 신호를 기초로 해당 부품을 정비하거나 교체할 수 있다.
무선 통신기(50)는 철도 차량(1) 외부의 장치들, 예를 들어 다른 철도 차량(1), 외부 서버(80), 및/또는 사용자 컴퓨팅 장치(90)와 무선 통신할 수 있도록 한다. 무선 통신기(50)는 철도 차량(1) 내부의 부품들과는 차량 네트웍을 통하여 통신 가능하며, 철도 차량(1) 외부의 장치들과는 무선 통신이 가능하다. 예를 들어, 무선 통신기(50)는 블루투스, 지그비, 와이파이, 엘티이 등의 무선통신 규약을 통해 다른 철도 차량(1), 외부 서버(80), 및/또는 사용자 컴퓨팅 장치(90)와 무선 통신할 수 있다.
디스플레이(170)는 철도 차량(1) 내에 기관사 또는 승무원의 시야가 닿는 곳에 설치되어 있으며, 기관사 또는 승무원에게 제공되는 각종 정보를 디스플레이 할 수 있다. 특히, 디스클레이(170)는 철도 차량(1)의 부품들의 결함 및 남은 수명과 관련하여 미리 정의된 각종 정보를 디스플레이 할 수 있다. 디스플레이(170)는 철도 차량(1) 내에 설치 가능한 다양한 디스플레이 장치들 중 어느 하나 또는 그 이상일 수 있다.
스피커(180)는 철도 차량(1) 내에 기관사 또는 승무원에게 각종 정보를 청각적으로 제공할 수 있는 장치로, 철도 차량(1) 내의 적절한 위치에 장착될 수 있다. 스피커(180)도 철도 차량(1) 내에 설치 가능한 다양한 스피커 장치들 중 어느 하나 또는 그 이상일 수 있다.
외부 서버(80)는 서버 통신부(86), 제2제어기(82), 그리고 서버 디스플레이(88)를 포함할 수 있다. 본 명세서에서 외부 서버(80)는 철도 차량(1)으로부터 각종 데이터를 제공 받아 해당 철도 차량(1)의 부품들의 진단을 수행하고 남은 수명을 계산하는 장치일 수 있으나, 이에 한정되지 않는다. 앞에서 언급한 바와 같이, 본 발명의 실시예에 따른 철도 차량 부품들의 결함을 진단하고 남은 수명을 계산하는 장치는 철도 차량(1)에만 장착되거나, 철도 차량(1) 및 철도 차량의 외부 장치(예를 들어, 외부 서버(80) 및/또는 사용자 컴퓨팅 장치(90))에 분산 장착되거나, 철도 차량의 외부 장치에만 장착될 수 있다. 또한, 외부 서버(80)는 철도 차량(1) 외부의 특정 위치에 설치되어 철도 차량(1)과 무선 통신 가능한 서버이거나, 철도 차량(1) 외부에서 철도 차량(1)과 무선 또는 유선으로 통신하는 이동 가능한 서버일 수 있다.
서버 통신부(86)는 외부 서버(80) 외부의 장치들과 통신할 수 있도록 한다. 서버 통신부(86)는 제2제어기(82)에 연결되어 철도 차량(1) 및/또는 사용자 컴퓨팅 장치(90)로부터의 각종 정보 및 신호를 제2제어기(82)에 전달하고, 제2제어기(82)로부터의 각종 정보/데이터 및 신호를 철도 차량(1) 및/또는 사용자 컴퓨팅 장치(90)로 전달할 수 있다. 예를 들어, 서버 통신부(86)는 블루투스, 지그비, 와이파이, 엘티이(LTE) 등의 무선통신 규약을 통해 적어도 하나의 철도 차량(1) 및/또는 사용자 컴퓨팅 장치(90)와 무선 통신하거나, 유선 케이블을 통해 사용자 컴퓨팅 장치(90)와 유선 통신할 수 있다.
제2제어기(82)는 서버 통신부(86)를 통하여 철도 차량(1) 및/또는 사용자 컴퓨팅 장치(90)로부터 전달 받은 각종 정보/데이터 및 신호를 이용하여 철도 차량(1)의 부품들의 결함을 진단하고 남은 수명을 계산한다. 특히, 제1제어기(160)에서 수행되기 어려운 데이터의 처리는 제2제어기(82)에서 수행될 수 있으나, 이에 한정되지 아니한다. 또한, 제2제어기(82)는 서버 통신부(86)를 통하여 철도 차량(1) 및/또는 사용자 컴퓨팅 장치(90)에 각종 제어 신호를 전달할 수 있다.
상기 제2제어기(82)는 서버 데이터베이스(84)를 포함한다. 서버 데이터베이스(84)는 철도 차량(1) 및/또는 사용자 컴퓨팅 장치(90)로부터 전달 받은 각종 정보/데이터와 제2제어기(82)에서 가공한 정보/데이터를 저장한다.
서버 디스플레이(88)는 철도 차량의 부품들의 결함 및 남은 수명과 관련하여 미리 정의된 각종 정보를 디스플레이 할 수 있다.
사용자 컴퓨팅 장치(90)는 장치 통신부(96), 제3제어기(92), 그리고 장치 디스플레이(98)를 포함할 수 있다. 상기 사용자 컴퓨팅 장치(90)는 사용자가 휴대 가능하거나 고정된 위치에서 사용자가 접속 가능하고, 철도 차량(1) 및/또는 외부 서버(80)와 무선 및/또는 유선 통신 가능한 장치로서, 스마트 디바이스들, 스마트폰들, 핸드폰들, 태블릿들, PDA들, 랩탑들 등이 이에 해당한다. 상기 사용자 컴퓨팅 장치(90)는 철도 차량(1) 및/또는 외부 서버(80)에 미리 등록되어 있을 수 있다.
장치 통신부(96)는 사용자 컴퓨팅 장치(90) 외부의 장치들과 통신할 수 있도록 한다. 장치 통신부(96)는 제3제어기(92)에 연결되어 철도 차량(1) 및/또는 외부 서버(80)로부터의 각종 정보 및 신호를 제3제어기(92)에 전달하고, 제3제어기(92)로부터의 각종 정보/데이터 및 신호를 철도 차량(1) 및/또는 외부 서버(80)로 전달한다. 예를 들어, 장치 통신부(96)는 블루투스, 지그비, 와이파이, 엘티이 등의 무선통신 규약을 통해 철도 차량(1) 및/또는 외부 서버(80)와 무선 통신하거나, 유선 케이블을 통해 외부 서버(80)와 유선 통신할 수 있다.
제3제어기(92)는 장치 통신부(96)를 통하여 철도 차량(1) 및/또는 외부 서버(80)로부터 전달 받은 각종 정보/데이터 및 신호를 이용하여 사용자 컴퓨팅 장치(90)의 작동을 제어한다. 또한, 사용자가 사용자 컴퓨팅 장치(90)의 특정 프로그램(예를 들어, 철도 차량 부품들의 결함을 진단하고 남은 수명을 계산하는 앱 등)을 작동시키면, 이와 관련된 정보/데이터를 철도 차량(1) 및/또는 외부 서버(80)에 요청한다.
제3제어기(92)는 장치 데이터베이스(94)를 포함한다. 장치 데이터베이스(94)는 철도 차량(1) 및/또는 외부 서버(80)로부터 전달 받은 각종 정보/데이터와 제3제어기(92)에서 가공한 정보/데이터를 저장한다.
장치 디스플레이(98)는 사용자 컴퓨팅 장치(90)의 소유자 또는 사용자에게 철도 차량 부품들의 결함 및 남은 수명과 관련하여 미리 정의된 각종 정보를 디스플레이 할 수 있다.
도 5는 본 발명의 실시예에 따른 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법의 흐름도이다.
본 발명의 실시예에 따른 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법은 각 부품들의 진단을 위한 파라미터와 상태값을 설정하는 단계(S200)와, 복수개의 상태값을 설정된 기준에 맞추어 분류하는 단계(S205)와, 파라미터들의 각 클래스 별로 인덱스의 데이터베이스를 구축하는 단계(S210)와, 검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계(S220)와, 검출된 클래스의 검출된 인덱스와 데이터베이스 내 해당 클래스의 기준 인덱스의 비교 결과 해당 부품의 결함을 진단하는 단계(S230)와, 상기 인덱스의 경향 분석을 통하여 부품의 남은 수명을 계산하는 단계(S240)를 포함한다. 상기 해당 부품의 결함을 진단하는 단계(S230)에서 검출된 클래스의 검출된 인덱스가 데이터베이스 내 해당 클래스의 기준 인덱스보다 크면 고장 코드를 저장하는 단계를 포함한다. 또한, 본 발명의 실시예에 따른 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법은 경고 신호를 디스플레이(170), 스피커(180), 외부 서버(80), 및/또는 사용자 컴퓨팅 장치(90)에 전송하는 단계와, 경고 신호를 디스플레이(170)를 통하여 시각적으로 출력하거나, 스피커(180)를 통하여 청각적으로 출력하거나, 외부 서버(80) 및/또는 사용자 컴퓨팅 장치(90)를 통하여 시각적, 청각적 또는 촉각적으로 출력하는 단계를 더 포함할 수 있다.
여기서, 상태값은 철도 차량(1)의 각 부품의 성능을 평가하기 위한 데이터를 의미하며, 각 부품마다 진단을 위한 상태값이 설정된다. 하나의 부품을 위해 하나의 상태값이 설정될 수 있으나, 이에 한정되지 아니한다. 즉, 하나의 부품을 위해 두 개 이상의 상태값이 설정될 수 있다. 진단의 정확성을 위하여, 상기 상태값은 인덱스로 가공되고 상기 인덱스는 기준 인덱스로 가공될 수 있다. 이에 따라 철도 차량(1)의 각 부품들은 상태값에 따른 인덱스를 기준 인덱스와 비교함으로써 진단될 수 있다. 여기서, 상기 인덱스는 상기 상태값이거나, 상기 상태값을 시간 영역 또는 주파수 영역에서 가공하여 계산되고, 상기 기준 인덱스는 상기 인덱스에 설정 팩터를 적용하여 계산될 수 있다. 또한, 상기 상태값들은 다양한 인자들에 영향을 받을 수 있으므로, 부품들의 상태를 진단하기 위해서는 임의의 인자 하에서의 인덱스를 동일한 인자 하에서의 기준 인덱스와 비교해야 한다. 따라서, 상태값에 영향을 끼치는 데이터를 파라미터로 정의하며, 상태값, 즉 부품에 따라 파라미터들이 설정될 수 있다.
상기 S205 단계에서 부품들의 결함을 진단하기 위한 상태값들은 설정된 기준에 맞추어 제1, 2, 3상태값으로 분류될 수 있다. 예를 들어, 제1상태값은 주행환경에 영향을 받고 인덱스를 계산하기 위하여 시간 영역에서 가공되며, 제2상태값은 주행환경에 영향을 받지 않으며 인덱스를 계산하기 위하여 설정 시간 동안의 적분값이 요구되며, 제3상태값은 주행환경에 영향을 받고 인덱스가 시간 영역에서 가공되는 제1인덱스와 주파수 영역에서 가공되는 제2인덱스를 포함할 수 있다. 여기서, 주행환경은 철도 차량(1)이 운행하고 있는 환경을 의미하며, 주행환경은 파라미터들 중 일부 파라미터이고, 상기 일부 파라미터는 주행 속도, 전력 소모량, 주행 거리, 그리고 외기 온도 중 적어도 하나를 포함할 수 있다.
상기 S210 단계는 해당 부품이 철도 차량(1)에 최초로 장착되어 데이터베이스가 구축되어 있지 않거나, 철도 차량(1)의 해당 부품이 정비되거나 교체되어 데이터베이스가 리셋된 경우 수행될 수 있다. 또한, S220 단계는 진단 데이터베이스(168) 내에 기준 인덱스가 존재하는 경우에만 수행될 수 있다.
도 6은 도 5의 S210 단계의 흐름도이다.
도 6에 도시된 바와 같이, 파라미터들의 각 클래스 별로 인덱스의 데이터베이스를 구축하는 단계(S210)는 각 클래스 별로 버퍼 데이터베이스(166)에 저장 가능한 최대 상태값의 개수를 설정함으로써 시작된다(S310). 예를 들어, 사용자는 버퍼 데이터베이스(166)의 메모리 용량 등을 고려하여 최대 상태값의 개수를 설정할 수 있다. 이와는 달리, 제1제어기(160)는 버퍼 데이터베이스(166)의 메모리 용량 등을 고려하여 최대 상태값의 개수를 설정할 수 있다.
최대 상태값의 개수가 설정되면, 데이터 검출기(100)는 부품들의 진단을 위한 데이터를 검출한다(S320). 여기서, 상기 데이터는 파라미터와 상태값을 포함한다. 예를 들어, 진단이 필요한 부품이 주 변압기(34)이면, 속도 센서(155)는 철도 차량(1)의 주행 속도를 측정하고, 전력계(125)는 철도 차량(1)의 전력 소모량을 측정하며, 온도 센서(110)는 외기 온도를 측정하고, 위치 센서(135) 또는 속도 센서(155)는 철도 차량(1)의 주행 거리를 측정한다. 여기서 철도 차량(1)의 주행 거리는 주 변압기(34)를 최초로 장착하거나, 주 변압기(34)를 수리하거나, 주 변압기(34)를 교체한 후 철도 차량(1)이 주행한 총 거리를 의미한다. 또한, 타이머(140)와 스위치(150)는 주 변압기(34)를 냉각 하기 위한 냉각 장치의 작동 시간 및 상기 냉각 장치에 냉각 매체를 공급하기 위한 오일 펌프의 작동 횟수를 검출하고, 온도 센서(110)는 주 변압기(34)를 냉각하기 위한 냉각 장치의 온도를 검출한다.
제1제어기(160)는 데이터 검출기(100)에 의하여 검출된 데이터를 해당 클래스로 분류하고 버퍼 데이터베이스(166)에 해당 클래스의 상태값을 저장한다(S330). 주 변압기(34)의 성능은 냉각 장치의 작동 시간, 상기 냉각 장치에 냉각 매체를 공급하기 위한 오일 펌프의 작동 횟수 및 냉각 장치의 온도에 의하여 평가될 수 있다. 또한, 냉각 장치의 작동 시간, 상기 냉각 장치에 냉각 매체를 공급하기 위한 오일 펌프의 작동 횟수 및 냉각 장치의 온도는 철도 차량(1)의 주행 속도, 철도 차량(1)의 전력 소모량, 외기 온도, 그리고 주행 거리에 의하여 영향을 받을 수 있다. 따라서, 주 변압기(34)의 성능을 평가하기 위한 냉각 장치의 작동 시간, 상기 냉각 장치에 냉각 매체를 공급하기 위한 오일 펌프의 작동 횟수 및 냉각 장치의 온도는 상태값으로 정의하고, 상기 상태값에 영향을 미치는 철도 차량(1)의 주행 속도, 철도 차량(1)의 전력 소모량, 외기 온도, 그리고 주행 거리는 파라미터로 정의한다. 또한, 주 변압기(34)의 성능을 평가하기 위하여 각각의 상태값들을 평가할 수 있다.
또한, 상기 파라미터들은 복수개의 클래스로 분류될 수 있다. 예를 들어, 주행 속도가 제1주행 속도와 제2주행 속도 사이이고, 전력 소모량이 제1전력 소모량과 제2전력 소모량 사이이며, 외기 온도가 제1외기 온도와 제2외기 온도 사이이고, 주행 거리가 제1주행 거리와 제2주행 거리 사이이면, 상기 파라미터들은 (1, 1, 1, 1) 클래스로 분류될 수 있다. 이와는 달리, 주행 속도가 제2주행 속도와 제3주행 속도 사이이고, 전력 소모량이 제1전력 소모량과 제2전력 소모량 사이이며, 외기 온도가 제1외기 온도와 제2외기 온도 사이이고, 주행 거리가 제1주행 거리와 제2주행 거리 사이이면, 상기 파라미터들은 (2, 1, 1, 1) 클래스로 분류할 수 있고, 주행 속도가 제1주행 속도와 제2주행 속도 사이이고, 전력 소모량이 제2전력 소모량과 제3전력 소모량 사이이며, 외기 온도가 제1외기 온도와 제2외기 온도 사이이고, 주행 거리가 제1주행 거리와 제2주행 거리 사이이면, 상기 파라미터들은 (1, 2, 1, 1) 클래스로 분류할 수 있다.
따라서, 제1제어기(160)는 검출된 파라미터들이 포함된 클래스를 결정하고, 검출된 상태값을 해당 클래스의 상태값으로 버퍼 데이터베이스(166)에 저장한다.
그 후, 제1제어기(160)는 각 클래스 별로 버퍼 데이터베이스(166)에 저장된 상태값의 개수가 해당 클래스의 최대 상태값의 개수 이상인지를 판단한다(S340).
각 클래스 별로 버퍼 데이터베이스(166)에 저장된 상태값의 개수가 해당 클래스의 최대 상태값의 개수 미만이면, 데이터 검출기(100)는 계속하여 부품의 진단을 위한 데이터를 검출한다(S320).
각 클래스 별로 버퍼 데이터베이스(166)에 저장된 상태값의 개수가 해당 클래스의 최대 상태값의 개수 이상이면, 제1제어기(160)는 버퍼 데이터베이스(166) 내의 해당 클래스의 상태값을 진단 데이터베이스(168)로 이전하고, 버퍼 데이터베이스(166) 내의 해당 클래스의 상태값을 삭제한다(S350). 버퍼 데이터베이스(166)에 저장되는 상태값의 개수는 최대 상태값의 개수와 클래스의 개수의 곱이므로, 버퍼 데이터베이스(166)의 메모리 자원을 관리할 수 있다.
버퍼 데이터베이스(166)로부터 진단 데이터베이스(168)로 해당 클래스의 상태값들이 이전되면, 제1제어기(160)는 진단 데이터베이스(168) 내의 해당 클래스의 상태값들을 가공하여 인덱스와 기준 인덱스를 계산하고(S360), 상기 해당 클래스의 인덱스와 기준 인덱스를 진단 데이터베이스(168) 내에 저장한다.
본 발명의 실시예에 따르면 상태값의 종류에 따라 인덱스와 기준 인덱스를 계산하는 방법이 달라진다. 이하, 도 7 내지 도 11을 참고로, 상태값의 종류에 따라 인덱스와 기준 인덱스를 계산하는 방법을 설명한다.
도 7은 상태값이 제1상태값인 경우 도 6의 S360 단계의 흐름도이다.
도 7에 도시된 바와 같이, 상태값이 제1상태값인 경우 제1제어기(160)는 진단 데이터베이스(168) 내의 해당 클래스의 상태값들의 분포에 근접한 확률 분포 함수를 계산하고(S363), 상기 확률 분포 함수를 정의하는 인덱스를 계산하며(S364), 그리고 해당 클래스의 인덱스에 설정 팩터를 적용하여 해당 클래스의 기준 인덱스를 계산한다(S362). 예를 들어, 주 변압기(34)의 경우 파라미터는 주행 속도, 전력 소모량, 외기 온도, 그리고 주행 거리이며, 상태값은 냉각 장치의 작동 시간, 냉각 장치의 온도, 그리고 오일 펌프의 작동 횟수이다. 여기서, 냉각 장치의 작동 시간, 냉각 장치의 온도, 그리고 오일 펌프의 작동 횟수는 각각 제1상태값에 해당한다. 제1상태값의 경우, 인덱스는 상기 상태값들의 확률 분포 함수를 정의하는 평균, 표준편차, 또는 최대값일 수 있다. 또한, 기준 인덱스는 인덱스와 설정 팩터의 곱 또는 합으로 정의될 수 있다. 여기서, 복수의 설정 팩터가 설정되어 있을 수 있다. 예를 들어, 하나의 설정 팩터는 2, 다른 하나의 설정 팩터는 3, 또 다른 하나의 설정 팩터는 4로 설정될 수 있다. 이 경우, 복수의 기준 인덱스가 계산되며, 각 기준 인덱스는 인덱스와 설정 팩터의 곱 또는 합으로 계산될 수 있다. 또한, 해당 클래스의 인덱스가 2인 설정 팩터가 적용된 해당 클래스의 기준 인덱스보다 크면 부품의 상태가 '주의' 상태인 것으로 판단하고 해당 고장 코드를 저장하며, 해당 클래스의 인덱스가 3인 설정 팩터가 적용된 해당 클래스의 기준 인덱스보다 크면 부품의 상태가 '경고' 상태인 것으로 판단하고 해당 고장 코드를 저장하며, 해당 클래스의 인덱스가 4인 설정 팩터가 적용된 해당 클래스의 기준 인덱스보다 크면 부품의 상태가 '경보' 상태인 것으로 판단하고 해당 고장 코드를 저장할 수 있다.
도 8은 상태값이 제2상태값인 경우 도 6의 S360 단계의 흐름도이다.
도 8에 도시된 바와 같이, 상태값이 제2상태값인 경우 제1제어기(160)는 진단 데이터베이스(168) 내의 해당 클래스의 상태값을 시간에 대하여 적분하고(S365), 주요 작동 영역을 설정한다(S366). 제1제어기(160)는 상기 주요 작동 영역에서 시간에 대한 적분값을 가공하여 인덱스를 계산하고(S367), 해당 클래스의 인덱스에 설정 팩터를 적용하여 해당 클래스의 기준 인덱스를 계산한다(S362).
예를 들어, 도어(20)의 경우 파라미터는 도어(20)의 열림 횟수, 도어(20)를작동시키는 구동 모터의 작동 횟수, 도어(20)의 닫힘 횟수, 도어 제어 유닛(22)의 경고 발생 횟수, 바이패스(안전문이 열려 있지만 열차가 승강장에 정상적으로 진입할 수 있도록 하는 장치)의 작동 횟수, 비상 핸들(비상 시 도어를 수동으로 개폐하기 위한 장치)의 작동 횟수일 수 있으며, 상태값은 상기 구동 모터의 작동 시간과 구동 모터에 공급된 모터 전류일 수 있다. 여기서, 구동 모터의 작동 시간은 제1상태값에 해당하며, 구동 모터에 공급된 모터 전류는 제2상태값에 해당한다. 제2상태값은 작동 영역에서(즉, 작동 신호가 입력된 후 설정된 시간 동안) 미리 설정된 패턴에 따라 변화되는 값이며, 비정상적인 제2상태값을 검출하기 위해서는 작동 영역에서 임의의 시점에서 제2상태값을 해당 시점에서 미리 설정된 패턴 상의 값을 비교해야 한다. 그러나, 이 경우 데이터베이스 내의 데이터의 양이 매우 많아 메모리 용량의 증가가 필요할 수 있다. 또한, 작동 영역에서 임의의 시점에서 제2상태값이 해당 시점에서 미리 설정된 패턴 상의 값보다 작거나 크다고 하더라도 해당 부품은 정상적으로 작동할 수 있어 진단의 정확성이 떨어질 수 있다. 이러한 문제점을 해결하기 위해서, 본 발명의 실시예에서는 주요 작동 영역에서 제2상태값을 시간에 대하여 적분한 값을 사용한다.
도 9는 도어를 구동하는 구동 모터에 인가되는 모터 전류의 예들을 도시한 그래프이고, 도 10은 도 9의 모터 전류를 시간에 대한 적분한 적분값을 도시한 그래프이다. 도 9에서 점선은 도어(20)가 비정상적으로 작동하는 경우 구동 모터에 인가되는 모터 전류를 나타내고, 실선은 도어(20)가 정상적으로 작동하는 경우 구동 모터에 인가되는 모터 전류를 나타낸다. 또한, 도 10에서 점선은 도어(20)가 비정상적으로 작동하는 경우 모터 전류(도 9의 점선)를 시간에 대해 적분한 적분값을 나타내고, 실선은 도어(20)가 정상적으로 작동하는 경우 모터 전류(도 9의 실선)를 시간에 대해 적분한 적분값을 나타낸다.
도 9 및 도 10에 도시된 바와 같이, 도어(20)를 구동하는 구동 모터에 인가되는 모터 전류는 설정된 패턴에 따라 변화하게 된다. 도어(20)가 비정상적으로 작동하는 경우 구동 모터에 인가되는 모터 전류는 도어(20)가 정상적으로 작동하는 경우 구동 모터에 인가되는 모터 전류와 전체적으로 비슷하나 특정 영역(예를 들어, 1.5초~2.5초)에서 차이가 크다. 또한, 작동 초기(t<T1) 및 작동 말기(t>T2)에서 도어(20)가 비정상적으로 작동하는 경우 모터 전류를 시간에 대해 적분한 적분값은 도어(20)가 정상적으로 작동하는 경우 모터 전류를 시간에 대해 적분한 적분값과 유사하나, 주요 작동 영역(T1<t<T2)에서 도어(20)가 비정상적으로 작동하는 경우 모터 전류를 시간에 대해 적분한 적분값은 도어(20)가 정상적으로 작동하는 경우 모터 전류를 시간에 대해 적분한 적분값과 차이가 크다. 따라서, 도어(20)의 성능을 정확하게 평가하기 위하여 주요 작동 영역(T1<t<T2)에서 모터 전류를 시간에 대해 적분한 적분값을 가공할 필요가 있다. 여기서, 주요 작동 영역(T1<t<T2)은 도어(20)의 작동 이력 및 실험 등을 통하여 미리 설정될 수 있다. 또한, 인덱스는 주요 작동 영역(T1<t<T2)에서 상기 모터 전류를 시간에 대해 적분한 적분값의 평균(Ia, Ic 등)일 수 있으며, 기준 인덱스는 인덱스와 설정 팩터의 곱 또는 합으로 정의될 수 있다. 앞에서 언급한 바와 같이, 부품의 상태(예를 들어, '주의', '경고', '경보' 등)에 따라 복수의 설정 팩터가 설정되어 있을 수 있다.
도 11은 상태값이 제3상태값인 경우 도 6의 S360 단계의 흐름도이다.
도 12에 도시된 바와 같이, 상태값이 제3상태값인 경우 제1제어기(160)는 제1주기마다 진단 데이터베이스(168) 내의 해당 클래스의 상태값들의 분포에 근접한 확률 분포 함수를 계산하고(S371), 상기 확률 분포 함수를 정의하는 제1인덱스를 계산하며(S372), 해당 클래스의 제1인덱스에 설정 팩터를 적용하여 해당 클래스의 제1기준 인덱스를 계산한다(S373). 또한, 제1제어기(160)는 제1주기보다 긴 제2주기마다 진단 데이터베이스(168) 내의 해당 클래스의 상태값들을 주파수 영역의 값으로 가공하고(S374), 해당 클래스의 주파수 영역의 값을 제2인덱스로 계산하며(S375), 해당 클래스의 제2인덱스에 설정 팩터를 적용하여 해당 클래스의 제2기준 인덱스를 계산한다(S376).
예를 들어, 차축 조립체(70)의 베어링(76)의 경우 파라미터는 주행 속도, 전력 소모량, 외기 온도, 그리고 주행 거리이며, 상태값은 베어링(76)의 진동 및 베어링(76)의 온도이다. 여기서, 베어링(76)의 온도는 제1상태값에 해당하나 베어링(76)의 진동은 제3상태값에 해당한다. 제3상태값의 경우 외란의 영향을 크게 받기 때문에 시간 영역에서 가공된 값만으로 부품의 결함을 진단할 수 없다. 따라서, 제3상태값의 경우 인덱스는 시간 영역에서 가공되는 제1인덱스와 주파수 영역에서 가공되는 제2인덱스를 포함한다. 예를 들어, 베어링(76)의 진동의 경우 시간 영역에서 베어링 모멘텀으로 가공되고 주파수 영역에서 베어링 포락(envelope spectrum on bearing defect frequencies)으로 가공될 수 있다. 이 경우, 제1인덱스는 베어링 모멘텀의 평균, 피크, 실효값, 또는 임펄스 팩터일 수 있고, 제2인덱스는 베어링 포락일 수 있다. 또한, 제1기준 인덱스는 제1인덱스와 설정 팩터의 곱 또는 합으로 정의될 수 있고, 제2기준 인덱스는 제2인덱스와 설정 팩터의 곱 또는 합으로 정의될 수 있다. 또한, 제1기준 인덱스를 위한 설정 팩터와 제2기준 인덱스를 위한 설정 팩터는 서로 다를 수 있으며, 부품의 상태(예를 들어, '주의', '경고', '경보' 등)에 따라 복수의 설정 팩터들이 설정되어 있을 수 있다.
앞에서 설명한 바와 같이, 각각의 상태값에 따른 인덱스와 기준 인덱스를 계산한 후, 제1제어기(160)는 진단 데이터베이스(168)의 업데이트를 수행한다(S380).
도 12는 도 6의 S380 단계의 흐름도이다.
도 12에 도시된 바와 같이, 진단 데이터베이스(168)의 업데이트를 수행하는 단계(S380)는 진단 데이터베이스(168) 내에 인덱스와 기준 인덱스가 저장되어 있을 때 수행된다. 즉, 진단 데이터베이스(168) 내에 인덱스와 기준 인덱스가 저장되어 있으면, 데이터 검출기(100)는 부품의 진단을 위한 데이터를 검출한다(S320). 여기서, 상기 데이터는 파라미터와 상태값을 포함한다.
제1제어기(160)는 데이터 검출기(100)에 의하여 검출된 데이터를 해당 클래스로 분류하고 버퍼 데이터베이스(166)에 해당 클래스의 상태값을 저장한다(S330). 제1제어기(160)는 각 클래스 별로 버퍼 데이터베이스(166)에 저장된 상태값의 개수가 해당 클래스의 최대 상태값의 개수(n) 이상인지를 판단한다(S340).
각 클래스 별로 버퍼 데이터베이스(166)에 저장된 상태값의 개수가 해당 클래스의 최대 상태값의 개수 미만이면, 데이터 검출기(100)는 계속하여 부품의 진단을 위한 데이터를 검출한다(S320).
각 클래스 별로 버퍼 데이터베이스(166)에 저장된 상태값의 개수가 해당 클래스의 최대 상태값의 개수 이상이면, 제1제어기(160)는 버퍼 데이터베이스(166) 내의 해당 클래스의 상태값을 진단 데이터베이스(168)로 이전하고, 버퍼 데이터베이스(166) 내의 해당 클래스의 상태값을 삭제한다(S350).
그 후, 제1제어기(160)는 진단 데이터베이스(168) 내의 해당 클래스의 인덱스 및 기준 인덱스를 업데이트한다(S382).
예를 들어, 상태값이 제1상태값이면 진단 데이터베이스(168) 내의 상태값들의 분포에 근접한 확률 분포 함수를 정의하는 인덱스를 업데이트한다. 예를 들어, 업데이트 전 진단 데이터베이스(168) 내의 해당 클래스의 상태값들의 개수, 평균 및 분산이 각각 Nc, Ac, σc 2이고, 버퍼 데이터베이스(166)으로부터 이전된 해당 클래스의 상태값들의 개수, 평균 및 분산이 각각 n, a, σ2이면, 업데이트 후 진단 데이터베이스(168) 내의 해당 클래스의 상태값들의 개수, 평균 및 분산은 다음과 같다.
업데이트 후 해당 클래스의 상태값들의 개수 = Nc+n
업데이트 후 해당 클래스의 상태값들의 평균 = (Ac*Nc + a*n)/(Nc + n)
업데이트 후 해당 클래스의 상태값들의 분산 = (σc 2*Nc + σ2*n)/(Nc + n)
앞에서 언급한 바와 같이, 제1상태값의 경우 인덱스는 상태값들의 평균 또는 표준편차로 정의될 수 있으므로, 해당 클래스의 상태값들의 평균 및 분산이 업데이트되면 해당 클래스의 인덱스도 업데이트되게 된다. 또한, 진단 데이터베이스(168) 내의 해당 클래스의 인덱스가 업데이트되면, 진단 데이터베이스(168) 내의 해당 클래스의 기준 인덱스도 이에 따라 업데이트된다.
상태값이 제2상태값이면 주요 작동 영역에서 시간에 대한 상태값의 적분값의 평균이 위의 식과 같이 새로 계산되며, 새로 계산된 평균이 인덱스로 업데이트된다. 또한, 진단 데이터베이스(168) 내의 해당 클래스의 인덱스가 업데이트되면, 진단 데이터베이스(168) 내의 해당 클래스의 기준 인덱스도 이에 따라 업데이트된다.
상태값이 제3상태값이면, 시간 영역에서 가공되는 제1인덱스는 제1상태값의 방식과 동일하게 업데이트된다. 또한, 제2인덱스는 진단 데이터베이스(168) 내의 해당 클래스의 모든 상태값을 주파수 영역으로 새로 가공함으로써 업데이트된다. 진단 데이터베이스(168) 내의 해당 클래스의 제1, 2인덱스가 업데이트되면, 진단 데이터베이스(168) 내의 해당 클래스의 제1, 2기준 인덱스도 이에 따라 업데이트된다.
그 후, 제1제어기(160)는 진단 데이터베이스(168)에 저장된 해당 클래스의 상태값들의 개수가 설정 상태값의 개수 이상인지를 판단한다(S384). 부품들의 성능은 장착 초기, 교체 초기 또는 정비 초기에 높고, 사용 기간이 늘어남에 따라 감소된다. 따라서, 부품의 성능을 평가하기 위한 기준으로 부품의 장착 초기, 교체 초기 또는 정비 초기의 성능을 사용할 수 있다. 진단 데이터베이스(168)에 저장된 해당 클래스의 상태값들의 개수를 제한함으로써, 진단 데이터베이스(168)의 메모리 자원을 관리할 수 있다. 또한, 부품의 성능을 평가하기 위한 기준으로 부품의 장착 초기, 교체 초기 또는 정비 초기의 성능을 사용함으로써, 부품을 정확히 진단할 수 있다.
S384 단계에서 진단 데이터베이스(168)에 저장된 해당 클래스의 상태값들의 개수가 설정 상태값의 개수 미만이면, 데이터 검출기(100)는 계속하여 부품의 진단을 위한 데이터를 검출한다(S320).
S384 단계에서 진단 데이터베이스(168)에 저장된 해당 클래스의 상태값들의 개수가 설정 상태값의 개수 이상이면, 제1제어기(160)는 진단 데이터베이스(168) 내의 해당 클래스의 인덱스 및 기준 인덱스의 업데이트를 금지한다(S386). 일부 실시예에서, 진단 데이터베이스(168)의 업데이트가 가능한 업데이트 기간을 설정하고, 데이터베이스 구축을 시작한 시점으로부터 업데이트 기간이 경과하면, 진단 데이터베이스(168) 내의 해당 클래스의 인덱스 및 기준 인덱스의 업데이트가 금지될 수 있다. 또한, 진단 데이터베이스(168) 내의 해당 클래스의 인덱스 및 기준 인덱스의 업데이트가 금지되면, 제1제어기(160)는 진단 데이터베이스(168)에 저장된 해당 클래스의 상태값들을 삭제할 수 있다. 이에 따라, 진단 데이터베이스(168)의 메모리 자원을 관리할 수 있다. 더 나아가, 진단 데이터베이스(168) 내의 해당 클래스의 인덱스 및 기준 인덱스의 업데이트가 금지되면, 제1제어기(160)는 버퍼 데이터베이스(166)로부터 해당 클래스의 상태값들의 이전을 금지할 수 있다. 이 경우, 각 클래스 별로 버퍼 데이터베이스(166)에 저장된 상태값의 개수가 해당 클래스의 최대 상태값의 개수 이상이면, 제1제어기(160)는 버퍼 데이터베이스(166) 내의 해당 클래스의 인덱스를 진단 데이터베이스(168) 내의 해당 클래스의 기준 인덱스와 비교하고, 이후 버퍼 데이터베이스(166) 내의 해당 클래스의 상태값의 이전 없이 삭제할 수 있다.
도 13은 상태값이 제1상태값 또는 제2상태값인 경우 도 5의 S230 단계의 흐름도이다.
도 13에 도시된 바와 같이, 상태값이 제1상태값 또는 제2상태값인 경우 제1제어기(160)는 해당 차량(5)의 해당 클래스의 인덱스가 진단 데이터베이스(168) 내의 해당 차량(5)의 해당 클래스의 기준 인덱스 이상인지를 판단한다(S410). 즉, 해당 차량(5)의 해당 클래스의 인덱스를 진단 데이터베이스(168) 내의 해당 차량(5)의 해당 클래스의 기준 인덱스와 비교한다. 여기서, 해당 차량(5)의 해당 클래스의 인덱스는 버퍼 데이터베이스(166) 내의 상태값을 가공한 인덱스이거나, 진단 데이터베이스(168) 내의 업데이트 된 인덱스일 수 있다.
S410 단계에서 해당 차량(5)의 해당 클래스의 인덱스가 진단 데이터베이스(168) 내의 해당 차량(5)의 해당 클래스의 기준 인덱스 이상이면, 제1제어기(160)는 해당 차량(5)의 해당 클래스의 인덱스가 동일 철도 차량(1)의 다른 차량(5)의 해당 클래스의 기준 인덱스 이상인지를 판단한다(S420). 즉, 해당 차량(5)의 해당 클래스의 인덱스를 동일 철도 차량(1)의 다른 차량(5)의 해당 클래스의 기준 인덱스와 비교한다. 여기서, 동일 철도 차량(1)의 다른 차량(5)의 해당 클래스의 기준 인덱스는 동일 철도 차량(1)의 동일한 진단 데이터베이스(168)에 저장되거나 동일 철도 차량(1)의 다른 진단 데이터베이스(168)에 저장될 수 있다.
S420 단계에서 해당 차량(5)의 해당 클래스의 인덱스가 동일 철도 차량(1)의 다른 차량(5)의 해당 클래스의 기준 인덱스 이상이면, 제1제어기(160)는 해당 차량(5)의 해당 클래스의 인덱스가 다른 철도 차량(1)의 임의의 차량(5)의 해당 클래스의 기준 인덱스 이상인지를 판단한다(S430). 즉, 해당 차량(5)의 해당 클래스의 인덱스를 다른 철도 차량(1)의 임의의 차량(5)의 해당 클래스의 기준 인덱스와 비교한다. 여기서, 다른 철도 차량(1)의 임의의 차량(5)의 해당 클래스의 기준 인덱스는 다른 철도 차량(1)의 진단 데이터베이스(168)에 저장되고 무선 통신기(50)를 통하여 해당 철도 차량(1)의 진단 데이터베이스(168)에 전송될 수 있다. 또한, 다른 철도 차량(1)은 해당 철도 차량(1)이 운행 중인 노선과 동일한 노선을 운행 중인 철도 차량(1)일 수 있다.
S430 단계에서 해당 차량(5)의 해당 클래스의 인덱스가 다른 철도 차량(1)의 임의의 차량(5)의 해당 클래스의 기준 인덱스 이상이면, 제1제어기(160)는 해당 부품이 고장인 것으로 판단하고 고장 코드를 저장한다(S440). 또한, 제1제어기(160)는 경고 신호를 디스플레이(170), 스피커(180), 외부 서버(80), 및/또는 사용자 컴퓨팅 장치(90)에 전송할 수 있다. 정비사는 상기 경고 신호를 기초로 해당 부품을 정비하거나 교체할 수 있다.
이와 같이, 해당 차량(5)의 해당 클래스의 인덱스를 해당 차량(5)의 해당 클래스의 기준 인덱스와, 동일 철도 차량(1)의 다른 차량(5)의 해당 클래스의 기준 인덱스와, 다른 철도 차량(1)의 임의의 차량(5)의 해당 클래스의 기준 인덱스와 각각 비교함으로써, 외란의 영향을 최소화할 수 있다. 따라서, 부품들의 진단의 정확성을 향상시킬 수 있다.
한편, S410 단계, S420 단계, S430 단계에서 판단 결과가 '아니오'이면, 제1제어기(160)는 S230 단계를 종료한다.
도 14는 상태값이 제3상태값인 경우 도 5의 S230 단계의 흐름도이다.
도 14에 도시된 바와 같이, 상태값이 제3상태값인 경우 제1제어기(160)는 해당 차량(5)의 해당 클래스의 제1인덱스가 진단 데이터베이스(168) 내의 해당 차량(5)의 해당 클래스의 제1기준 인덱스 이상인지를 판단한다(S412). 즉, 해당 차량(5)의 해당 클래스의 제1인덱스를 진단 데이터베이스(168) 내의 해당 차량(5)의 해당 클래스의 제1기준 인덱스와 비교한다. 여기서, 해당 차량(5)의 해당 클래스의 제1인덱스는 버퍼 데이터베이스(166) 내의 상태값을 시간 영역에서 가공한 제1인덱스이거나, 진단 데이터베이스(168) 내의 업데이트 된 제1인덱스일 수 있다.
S412 단계에서 해당 차량(5)의 해당 클래스의 제1인덱스가 진단 데이터베이스(168) 내의 해당 차량(5)의 해당 클래스의 제1기준 인덱스 이상이면, 제1제어기(160)는 해당 차량(5)의 해당 클래스의 제1인덱스가 동일 철도 차량(1)의 다른 차량(5)의 해당 클래스의 제1기준 인덱스 이상인지를 판단한다(S422). 즉, 해당 차량(5)의 해당 클래스의 제1인덱스를 동일 철도 차량(1)의 다른 차량(5)의 해당 클래스의 제1기준 인덱스와 비교한다. 여기서, 동일 철도 차량(1)의 다른 차량(5)의 해당 클래스의 제1기준 인덱스는 동일 철도 차량(1)의 동일한 진단 데이터베이스(168)에 저장되거나 동일 철도 차량(1)의 다른 진단 데이터베이스(168)에 저장될 수 있다.
S422 단계에서 해당 차량(5)의 해당 클래스의 제1인덱스가 동일 철도 차량(1)의 다른 차량(5)의 해당 클래스의 제1기준 인덱스 이상이면, 제1제어기(160)는 해당 차량(5)의 해당 클래스의 제1인덱스가 다른 철도 차량(1)의 임의의 차량(5)의 해당 클래스의 제1기준 인덱스 이상인지를 판단한다(S432). 즉, 해당 차량(5)의 해당 클래스의 제1인덱스를 다른 철도 차량(1)의 임의의 차량(5)의 해당 클래스의 제1기준 인덱스와 비교한다. 여기서, 다른 철도 차량(1)의 임의의 차량(5)의 해당 클래스의 제1기준 인덱스는 다른 철도 차량(1)의 진단 데이터베이스(168)에 저장되고 무선 통신기(50)를 통하여 해당 철도 차량(1)의 진단 데이터베이스(168)에 전송될 수 있다. 또한, 다른 철도 차량(1)은 해당 철도 차량(1)이 운행 중인 노선과 동일한 노선을 운행 중인 철도 차량(1)일 수 있다.
또한, 제1제어기(160)는 해당 차량(5)의 해당 클래스의 제2인덱스가 진단 데이터베이스(168) 내의 해당 차량(5)의 해당 클래스의 제2기준 인덱스 이상인지를 판단한다(S414). 즉, 해당 차량(5)의 해당 클래스의 제2인덱스를 진단 데이터베이스(168) 내의 해당 차량(5)의 해당 클래스의 제2기준 인덱스와 비교한다. 여기서, 해당 차량(5)의 해당 클래스의 제2인덱스는 버퍼 데이터베이스(166) 내의 상태값을 주파수 영역에서 가공한 제2인덱스이거나, 진단 데이터베이스(168) 내의 업데이트 된 제2인덱스일 수 있다.
S414 단계에서 해당 차량(5)의 해당 클래스의 제2인덱스가 진단 데이터베이스(168) 내의 해당 차량(5)의 해당 클래스의 제2기준 인덱스 이상이면, 제1제어기(160)는 해당 차량(5)의 해당 클래스의 제2인덱스가 동일 철도 차량(1)의 다른 차량(5)의 해당 클래스의 제2기준 인덱스 이상인지를 판단한다(S424). 즉, 해당 차량(5)의 해당 클래스의 제2인덱스를 동일 철도 차량(1)의 다른 차량(5)의 해당 클래스의 제2기준 인덱스와 비교한다. 여기서, 동일 철도 차량(1)의 다른 차량(5)의 해당 클래스의 제2기준 인덱스는 동일 철도 차량(1)의 동일한 진단 데이터베이스(168)에 저장되거나 동일 철도 차량(1)의 다른 진단 데이터베이스(168)에 저장될 수 있다.
S424 단계에서 해당 차량(5)의 해당 클래스의 제2인덱스가 동일 철도 차량(1)의 다른 차량(5)의 해당 클래스의 제2기준 인덱스 이상이면, 제1제어기(160)는 해당 차량(5)의 해당 클래스의 제2인덱스가 다른 철도 차량(1)의 임의의 차량(5)의 해당 클래스의 제2기준 인덱스 이상인지를 판단한다(S434). 즉, 해당 차량(5)의 해당 클래스의 제2인덱스를 다른 철도 차량(1)의 임의의 차량(5)의 해당 클래스의 제2기준 인덱스와 비교한다. 여기서, 다른 철도 차량(1)의 임의의 차량(5)의 해당 클래스의 제2기준 인덱스는 다른 철도 차량(1)의 진단 데이터베이스(168)에 저장되고 무선 통신기(50)를 통하여 해당 철도 차량(1)의 진단 데이터베이스(168)에 전송될 수 있다. 또한, 다른 철도 차량(1)은 해당 철도 차량(1)이 운행 중인 노선과 동일한 노선을 운행 중인 철도 차량(1)일 수 있다.
S432 단계에서 해당 차량(5)의 해당 클래스의 제1인덱스가 다른 철도 차량(1)의 임의의 차량(5)의 해당 클래스의 제1기준 인덱스 이상이고 S434 단계에서 해당 차량(5)의 해당 클래스의 제2인덱스가 다른 철도 차량(1)의 임의의 차량(5)의 해당 클래스의 제2기준 인덱스 이상이면, 제1제어기(160)는 해당 부품이 고장인 것으로 판단하고 고장 코드를 저장한다(S440). 또한, 제1제어기(160)는 경고 신호를 디스플레이(170), 스피커(180), 외부 서버(80), 및/또는 사용자 컴퓨팅 장치(90)에 전송할 수 있다. 정비사는 상기 경고 신호를 기초로 해당 부품을 정비하거나 교체할 수 있다.
이와 같이, 해당 차량(5)의 해당 클래스의 제1, 2인덱스를 해당 차량(5)의 해당 클래스의 제1, 2기준 인덱스와, 동일 철도 차량(1)의 다른 차량(5)의 해당 클래스의 제1, 2기준 인덱스와, 다른 철도 차량(1)의 임의의 차량(5)의 해당 클래스의 제1, 2기준 인덱스와 각각 비교함으로써, 외란의 영향을 최소화할 수 있다. 따라서, 부품들의 진단의 정확성을 향상시킬 수 있다.
한편, S412 단계, S422 단계, S432 단계 및 S414 단계, S424 단계, S434 단계에서 판단 결과가 '아니오'이면, 제1제어기(160)는 S230 단계를 종료한다.
도 15는 도 5의 S240 단계의 흐름도이고, 도 16은 시간에 대한 인덱스의 경향의 예를 도시한 그래프이다.
S240 단계가 시작되면, 제1제어기(160)는 인덱스들의 경향 분석을 통한 인덱스 영향도를 계산한다(S510). 여기서, 인덱스들의 경향을 분석하는 방법으로 이동 평균법(moving average method), 파티클 필터법(particle filter method), 하이퍼 함수 회기법(hyper function regression method) 등이 사용될 수 있다.
도 16에 도시된 바와 같이, 스타트업 단계에서는 인덱스가 설정 범위에서 진동을 하고 정상 작동 단계에서는 인덱스가 설정 값으로 안정화되게 된다. 그 후, 부품들을 사용하는 기간이 늘어나면 고장 단계로 진입하게 되고 인덱스는 급격히 증가하게 된다. 이 때, 인덱스가 증가하는 기울기를 인덱스 영향도로 정의한다. 상기 인덱스 영향도는 1 이상의 값일 수 있다.
S510 단계에서 인덱스 영향도가 계산되면, 제1제어기(160)는 정비 이력을 기초로 정비 이력 영향도를 계산한다(S520). 통상적으로, 부품들이 정비되면 정비 횟수에 따라 부품들의 수명은 줄어들게 된다. 따라서, 정비 횟수가 수명 감소에 끼치는 영향을 정비 이력 영향도로 정의한다. 예를 들어, 정비 이력 영향도는 1 이상의 값이며 정비 횟수에 따라 설정값(0.1 또는 0.2)만큼 늘어나게 설정할 수 있다.
그 후, 제1제어기(160)는 목표 작동 시간, 현재 작동 시간, 인덱스 영향도, 정비 이력 영향도를 기초로 남은 수명을 계산한다(S530). 예를 들어, 남은 수명은 다음의 식에 의하여 계산될 수 있다.
남은 시간 = 목표 작동 시간 ?? Σ 현재 작동 시간 * 인덱스 영향도 * 정비 이력 영향도
여기서, 목표 작동 시간은 신품의 기대 수명으로 미리 설정된 값이다.
한편, 해당 부품의 진단을 위하여 복수개의 상태값이 설정되어 있다면, 각각의 상태값에 대하여 남은 시간을 계산하고, 복수의 남은 시간 중 최소값을 최종 남은 시간으로 결정할 수 있다.
그 후, 제1제어기(160)는 계산된 남은 수명을 디스플레이(170), 스피커(180), 외부 서버(80), 및/또는 사용자 컴퓨팅 장치(90)에 통지할 수 있다.
이하, 도 17 내지 도 21을 참고로, 주 변압기(34)의 결함을 진단하는 방법을 보다 구체적으로 설명한다.
도 17은 주 변압기의 경우 도 5의 S210 단계의 예시적인 흐름도이고, 도 21은 주 변압기의 경우 도 5의 S220 단계 및 S230 단계의 예시적인 흐름도이다.
도 17에 도시된 바와 같이, 위치 센서(135) 또는 속도 센서(155)는 철도 차량(1)의 주행 속도와 주행 거리를 측정하고(S612, S615), 전력계(125)는 철도 차량(1)의 전력 소모량을 측정하며(S613), 온도 센서(110)는 외기 온도를 측정한다(S614).
그 후, 제1제어기(160)는 주행 속도, 전력 소모량, 외기 온도, 주행 거리의 4개의 파라미터를 해당 클래스로 분류한다(S616). 또한, 타이머(140)와 스위치(150)는 주 변압기(34)를 냉각하기 위한 냉각 장치의 작동 시간을 검출하고(S617), 온도 센서(110)는 상기 냉각 장치의 온도를 검출하며(S618), 스위치(150)는 주 변압기(34)에 냉매를 공급하기 위한 오일 펌프의 작동 횟수를 검출한다(S619). 여기서, 냉각 장치의 작동 시간, 냉각 장치의 온도, 그리고 오일 펌프의 작동 횟수는 주 변압기(34)를 진단하기 위한 상태값이고, 제1상태값에 해당한다. 즉, 주 변압기(34)를 진단하기 위해 3개의 상태값이 설정되어 있다.
그 후, 제1제어기(160)는 해당 클래스의 냉각 장치의 작동 시간, 냉각 장치의 온도, 그리고 오일 펌프의 작동 횟수를 버퍼 데이터베이스(166)에 저장하여 해당 클래스 별 상태값의 데이터베이스를 구축한다(S620).
상기 제1제어기(160)는 해당 클래스의 각 상태값의 개수가 해당 클래스의 최대 상태값의 개수가 될 때까지 S612 단계 내지 S620 단계를 반복한다.
해당 클래스의 각 상태값의 개수가 해당 클래스의 최대 상태값의 개수에 도달하면, 제1제어기(160)는 버퍼 데이터베이스(166) 내의 해당 클래스의 각 상태값을 진단 데이터베이스(168)로 이전하고, 버퍼 데이터베이스(166) 내의 해당 클래스의 각 상태값을 삭제한다.
그 후, 제1제어기(160)는 진단 데이터베이스(168) 내의 해당 클래스의 각 상태값의 분포를 정의하는 확률 분포 함수를 계산한다(주 변압기를 진단하기 위한 상태값은 제1상태값이므로). 예를 들어, 도 18에 도시된 바와 같이, 특정 주행 거리(예를 들어, 주행거리1)에서 각 주행 속도(예를 들어, 속도1, 속도2 등) 별로 외기 온도와 전력 소모량에 대한 냉각 장치의 온도가 도시될 수 있다. 즉, 상태값을 시각적으로 용이하게 인식하고 상태값의 분포를 정의하는 확률 분포 함수를 계산하기 위하여, 4개의 파라미터의 함수를 2차원으로 표현한다.
마찬가지로, 특정 주행 거리(예를 들어, 주행거리1)에서 각 주행 속도(예를 들어, 속도1, 속도2 등) 별로 외기 온도와 전력 소모량에 대한 냉각 장치의 작동 시간과 오일 펌프의 작동 횟수가 도시될 수 있다.
그 후, 도 19에 도시된 바와 같이, 각 클래스 별로 냉각 장치의 온도 분포가 1차원적으로 도시된다. 도 19에는 각 클래스 별로 냉각 장치의 온도의 평균 및 표준편차에 따른 값(3σ)이 표현되어 있다. 유사하게, 각 클래스 별로 냉각 장치의 작동 시간과 오일 펌프의 작동 횟수의 분포가 1차원으로 도시될 수 있다.
도 19에 도시된 바와 같이, 각 클래스 별로 상태값의 분포가 도시되면, 제1제어기(160)는 진단 데이터베이스(168) 내의 해당 클래스의 상태값의 분포에 근접한 확률 분포 함수를 도출한다.
도 20은 특정 클래스의 상태값들의 확률 분포를 대표적인 4개의 확률 분포 함수(레일레이, 가우스, 와이블, 번바움??샌더스)와 비교한 그래프이다. 도 20에서 가는 점선은 가우스(Gauss) 확률 분포 함수를 나타내고, 굵은 점선은 레일에이(Rayleigh) 확률 분포 함수를 나타내며, 가는 실선은 와이블(Weibull) 확률 분포 함수를 나타내고, 굵은 실선은 번바움??샌더스(Birnbaum??Saunders) 확률 분포 함수를 나타낸다. 도 20에 도시된 특정 클래스의 상태값들의 분포는 번바움??샌더스 확률 분포 함수와 가장 잘 매칭되는 것을 알 수 있다.
그 후, 제1제어기(160)는 도출된 확률 분포 함수를 정의하는 평균, 표준편차, 및/또는 최대값을 계산하여 인덱스를 계산한다. 앞에서 언급한 바와 같이, 인덱스는 상기 상태값의 확률 분포 함수를 정의하는 평균, 표준편차, 및/또는 최대값일 수 있다. 또한, 제1제어기(160)는 상기 인덱스에 설정 팩터를 곱하거나 더하여 기준 인덱스를 계산한다.
앞에서 설명한 바와 같이, S210 단계를 진행된 후, 제1제어기(160)는 S220 단계 및 S230 단계를 수행한다. 도 21에 도시된 바와 같이, 위치 센서(135) 또는 속도 센서(155)는 철도 차량(1)의 주행 속도와 주행 거리를 측정하고(S612, S615), 전력계(125)는 철도 차량(1)의 전력 소모량을 측정하며(S613), 온도 센서(110)는 외기 온도를 측정한다(S614).
그 후, 제1제어기(160)는 주행 속도, 전력 소모량, 외기 온도, 주행 거리의 4개의 파라미터를 해당 클래스로 분류하고(S616), 진단 데이터베이스(168) 내의 해당 클래스의 기준 인덱스를 읽어온다(S621). S621 단계에서 제1제어기(160)는 해당 차량(5)의 해당 클래스의 기준 인덱스와, 동일 철도 차량(1)의 다른 차량(5)의 해당 클래스의 기준 인덱스와, 다른 철도 차량(1)의 임의의 차량(5)의 해당 클래스의 기준 인덱스를 읽어온다.
또한, 타이머(140)와 스위치(150)는 주 변압기(34)를 냉각하기 위한 냉각 장치의 작동 시간을 검출하고(S617), 온도 센서(110)는 상기 냉각 장치의 온도를 검출하며(S618), 스위치(150)는 주 변압기(34)에 냉매를 공급하기 위한 오일 펌프의 작동 횟수를 검출한다(S619).
그 후, 제1제어기(160)는 해당 클래스의 냉각 장치의 작동 시간, 냉각 장치의 온도, 그리고 오일 펌프의 작동 횟수를 버퍼 데이터베이스(166)에 저장하고, 버퍼 데이터베이스(166) 내의 상태값을 가공하여 인덱스를 계산한다.
그 후, 제1제어기(160)는 해당 차량(5)의 해당 클래스의 인덱스를 해당 차량(5)의 해당 클래스의 기준 인덱스와 비교하고(S622), 해당 차량(5)의 해당 클래스의 인덱스를 동일한 철도 차량(1)의 다른 차량(5)의 해당 클래스의 기준 인덱스와 비교하며(S623), 해당 차량(5)의 해당 클래스의 인덱스를 다른 철도 차량(1)의 임의의 차량(5)의 해당 클래스의 기준 인덱스와 비교한다(S624).
그 후, 제1제어기(160)는 해당 부품의 진단 결과를 디스플레이(170), 스피커(180), 외부 서버(80), 및/또는 사용자 컴퓨팅 장치(90)에 통보한다(S624).
여기에서는 주 변압기(34)의 결함을 진단하는 방법을 구체적으로 예시하였으나, 본 발명의 실시예는 주 변압기(34)의 결함을 진단하는 방법에만 한정되는 것이 아니다. 본 발명의 실시예는 진단이 필요한 철도 차량(1)의 모든 부품들(예를 들어 공기 압축기, 공조 장치, 집전기, 배전반, 베어링, 견인 모터, 도어, 방송 장치, 화재 감지 장치 등)에 대하여 적용 가능하다.
이상으로 본 발명에 관한 바람직한 실시예를 설명하였으나, 본 발명은 상기 실시예에 한정되지 아니하며, 본 발명의 실시예로부터 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의한 용이하게 변경되어 균등하다고 인정되는 범위의 모든 변경을 포함한다.

Claims (15)

  1. 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법에 있어서,
    철도 차량에 장착된 제1제어기에 의하여, 각 부품의 진단을 위한 파라미터와 상태값을 설정하는 단계;
    제1제어기와 데이터 검출기에 의하여, 파라미터들의 각 클래스 별로 인덱스 및 기준 인덱스의 데이터베이스를 구축하는 단계;
    제1제어기에 의하여, 검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계; 그리고
    제1제어기에 의하여, 검출된 클래스의 검출된 인덱스가 데이터베이스 내 해당 클래스의 기준 인덱스보다 크면, 해당 부품의 고장 코드를 저장하는 단계;
    를 포함하고,
    상기 인덱스는 상기 상태값이거나, 상기 상태값을 시간 영역 또는 주파수 영역에서 가공하여 계산되고, 상기 기준 인덱스는 상기 인덱스에 설정 팩터를 적용하여 계산되며,
    상기 상태값들은 주행환경에 영향을 받고 인덱스를 계산하기 위하여 시간 영역에서 가공되는 제1상태값과, 주행환경에 영향을 받지 않으며 인덱스를 계산하기 위하여 설정 시간 동안의 적분값이 요구되는 제2상태값과, 주행환경에 영향을 받고 인덱스가 시간 영역에서 가공되는 제1인덱스와 주파수 영역에서 가공되는 제2인덱스를 포함하는 제3상태값으로 분류될 수 있고,
    상기 상태값이 주행환경에 영향을 받으면, 파라미터들은 주행 속도, 전력 소모량, 주행 거리, 그리고 외기 온도 중 적어도 하나를 포함하며,
    제1제어기에 포함된 상기 데이터베이스는 버퍼 데이터베이스와 진단 데이터베이스를 포함하며,
    파라미터들의 각 클래스 별로 인덱스 및 기준 인덱스의 데이터베이스를 구축하는 단계는
    제1제어기에 의하여, 각 클래스 별로 버퍼 데이터베이스에 저장 가능한 최대 상태값의 개수를 설정하는 단계;
    데이터검출기에 의하여, 파라미터들와 상태값을 포함하는 데이터를 검출하는 단계;
    제1제어기에 의하여, 검출된 데이터를 해당 클래스로 분류하고 버퍼 데이터베이스에 해당 클래스의 상태값을 저장하는 단계;
    제1제어기에 의하여, 각 클래스 별로 버퍼 데이터베이스에 저장된 상태값의 개수가 해당 클래스의 최대 상태값의 개수 이상인지를 판단하는 단계;
    제1제어기에 의하여, 각 클래스 별로 버퍼 데이터베이스에 저장된 상태값의 개수가 해당 클래스의 최대 상태값의 개수 이상이면, 버퍼 데이터베이스 내의 해당 클래스의 상태값을 진단 데이터베이스로 이전하고 버퍼 데이터베이스 내의 해당 클래스의 상태값을 삭제하는 단계; 그리고
    제1제어기에 의하여, 진단 데이터베이스 내의 해당 클래스의 상태값을 가공하여 해당 클래스의 인덱스와 기준 인덱스를 계산하는 단계;
    를 포함하는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법.
  2. 삭제
  3. 제1항에 있어서,
    진단 데이터베이스에 저장된 해당 클래스의 상태값의 개수가 설정 개수가 될 때까지 해당 클래스의 인덱스와 기준 인덱스가 업데이트되는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법.
  4. 제1항에 있어서,
    진단 데이터베이스에 저장된 해당 클래스의 상태값의 개수가 설정 개수 이상이면, 해당 클래스의 인덱스와 기준 인덱스의 업데이트가 금지되는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법.
  5. 제1항에 있어서,
    상태값이 제1상태값이면, 진단 데이터베이스 내의 해당 클래스의 상태값을 가공하여 해당 클래스의 인덱스와 기준 인덱스를 계산하는 단계는
    진단 데이터베이스 내의 해당 클래스의 상태값들에 분포를 정의하는 확률 분포 함수를 계산하는 단계;
    계산된 확률 분포 함수를 정의하는 인덱스를 계산하는 단계; 그리고
    해당 클래스의 인덱스에 설정 팩터를 적용하여 해당 클래스의 기준 인덱스를 계산하는 단계;
    를 포함하는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법.
  6. 제1항에 있어서,
    상태값이 제2상태값이면, 진단 데이터베이스 내의 해당 클래스의 상태값을 가공하여 해당 클래스의 인덱스와 기준 인덱스를 계산하는 단계는
    진단 데이터베이스 내의 해당 클래스의 상태값들을 시간에 대하여 적분하는 단계;
    설정 시간에 해당하는 주요 작동 영역을 설정하는 단계;
    주요 작동 영역에서 시간에 대한 적분값을 가공하여 인덱스를 계산하는 단계; 그리고
    해당 클래스의 인덱스에 설정 팩터를 적용하여 해당 클래스의 기준 인덱스를 계산하는 단계;
    를 포함하는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법.
  7. 제1항에 있어서,
    상태값이 제3상태값이면, 진단 데이터베이스 내의 해당 클래스의 상태값을 가공하여 해당 클래스의 인덱스와 기준 인덱스를 계산하는 단계는
    제1주기마다 진단 데이터베이스 내의 해당 클래스의 상태값들의 분포를 정의하는 확률 분포 함수를 계산하는 단계;
    계산된 확률 분포 함수를 정의하는 제1인덱스를 계산하는 단계;
    해당 클래스의 제1인덱스에 설정 팩터를 적용하여 해당 클래스의 제1기준 인덱스를 계산하는 단계;
    상기 제1주기보다 긴 제2주기마다 진단 데이터베이스 내의 해당 클래스의 상태값을 주파수 영역의 값으로 가공하는 단계;
    해당 클래스의 주파수 영역의 값을 제2인덱스로 계산하는 단계; 그리고
    해당 클래스의 제2인덱스에 설정 팩터를 적용하여 해당 클래스의 제2기준 인덱스를 계산하는 단계;
    를 포함하는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법.
  8. 제1항에 있어서,
    검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계는 진단 데이터베이스 내에 해당 클래스의 기준 인덱스가 존재하는 경우에만 수행되는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법.
  9. 제5항 또는 제6항에 있어서,
    검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계는
    해당 차량의 해당 클래스의 인덱스를 해당 차량의 해당 클래스의 기준 인덱스와 비교하는 단계;
    해당 차량의 해당 클래스의 인덱스를 동일 철도 차량의 다른 차량의 해당 클래스의 기준 인덱스와 비교하는 단계; 그리고
    해당 차량의 해당 클래스의 인덱스를 다른 철도 차량의 임의의 차량의 해당 클래스의 기준 인덱스와 비교하는 단계;
    를 포함하는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법.
  10. 제7항에 있어서,
    검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계는
    해당 차량의 해당 클래스의 제1인덱스를 해당 차량의 해당 클래스의 제1기준 인덱스와 비교하는 단계;
    해당 차량의 해당 클래스의 제1인덱스를 동일 철도 차량의 다른 차량의 해당 클래스의 제1기준 인덱스와 비교하는 단계;
    해당 차량의 해당 클래스의 제1인덱스를 다른 철도 차량의 임의의 차량의 해당 클래스의 제1기준 인덱스와 비교하는 단계;
    해당 차량의 해당 클래스의 제2인덱스를 해당 차량의 해당 클래스의 제2기준 인덱스와 비교하는 단계;
    해당 차량의 해당 클래스의 제2인덱스를 동일 철도 차량의 다른 차량의 해당 클래스의 제2기준 인덱스와 비교하는 단계; 그리고
    해당 차량의 해당 클래스의 제2인덱스를 다른 철도 차량의 임의의 차량의 해당 클래스의 제2기준 인덱스와 비교하는 단계;
    를 포함하는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법.
  11. 제1항에 있어서,
    제어기에 의하여, 부품의 남은 수명을 계산하는 단계를 더 포함하고,
    부품의 남은 수명을 계산하는 단계는
    상기 부품에 관련된 인덱스의 경향 분석을 통한 인덱스 영향도를 계산하는 단계;
    상기 부품의 정비 이력에 기초하여 정비 이력 영향도를 계산하는 단계; 그리고
    상기 부품에 대한 목표 작동 시간, 상기 부품의 현재 작동 시간, 인덱스 영향도 및 정비 이력 영향도를 기초로 남은 수명을 계산하는 단계;
    를 포함하는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법.
  12. 제11항에 있어서,
    부품의 진단을 위하여 두 개 이상의 상태값이 설정되어 있으면, 각각의 상태값에 기초하여 상기 부품의 남은 수명을 계산하고, 계산된 남은 수명들의 최소값을 상기 부품의 남은 수명으로 결정하는 것을 특징으로 하는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법.
  13. 제11항에 있어서,
    부품의 남은 수명을 계산하는 단계는 상기 계산된 남은 수명을 통지하는 단계를 더 포함하는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법.
  14. 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 장치에 있어서,
    각 부품의 진단을 위한 파라미터와 상태값을 포함하는 데이터를 측정하는 데이터 검출기; 그리고
    철도 차량에 장착되고, 버퍼 데이터베이스와 진단 데이터베이스를 포함하며, 상기 데이터 검출기에 의하여 검출된 데이터를 이용하여 각 부품의 고장을 진단하고 남은 수명을 계산하도록 된 제1제어기;
    를 포함하며,
    상기 제1제어기는 제1항에 따른 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 방법을 실행하도록 되어 있는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 장치.
  15. 제14항에 있어서,
    상기 제1제어기는 부품에 관련된 인덱스의 경향 분석을 통한 인덱스 영향도, 상기 부품의 정비 이력에 기초한 정비 이력 영향도, 상기 부품에 대한 목표 작동 시간, 그리고 상기 부품의 현재 작동 시간을 기초로 남은 수명을 계산하도록 되어 있는 철도 차량의 부품들의 결함을 진단하고 남은 수명을 계산하는 장치.
KR1020200050603A 2020-04-27 2020-04-27 철도 차량 부품들의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치 KR102334220B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200050603A KR102334220B1 (ko) 2020-04-27 2020-04-27 철도 차량 부품들의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200050603A KR102334220B1 (ko) 2020-04-27 2020-04-27 철도 차량 부품들의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20210132352A KR20210132352A (ko) 2021-11-04
KR102334220B1 true KR102334220B1 (ko) 2021-12-02

Family

ID=78521706

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200050603A KR102334220B1 (ko) 2020-04-27 2020-04-27 철도 차량 부품들의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102334220B1 (ko)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101842028B1 (ko) * 2013-04-24 2018-03-26 한화지상방산 주식회사 고장 처리 이동체 및 이동체의 고장 처리 방법
KR101829645B1 (ko) * 2016-05-20 2018-02-20 주식회사 글로비즈 철도 차량 모니터링 장치 및 이를 이용한 모니터링 방법
KR20180130614A (ko) * 2017-05-29 2018-12-10 현대엘리베이터주식회사 엘리베이터의 부품 수명 예측 시스템
KR102126428B1 (ko) * 2018-01-02 2020-06-24 주식회사 글로비즈 철도 차량 부품들의 결함을 진단하는 방법 및 장치

Also Published As

Publication number Publication date
KR20210132352A (ko) 2021-11-04

Similar Documents

Publication Publication Date Title
US10571908B2 (en) Autonomous vehicle failure mode management
CN109689470B (zh) 异常诊断装置、异常诊断方法和计算机程序
JP6889059B2 (ja) 情報処理装置、情報処理方法及びコンピュータプログラム
EP1900597B1 (en) Diagnostic system and method for monitoring a rail system
KR102167258B1 (ko) 상태 모니터링 기반의 철도차량 유지보수 플랫폼용 장치
US20110315490A1 (en) Intelligent elevator safety monitor
SA515360150B1 (ar) طريقة لتشخيص مكونات السكك الحديدية لشبكة سكة حديدية للنقل بالسكك الحديدية
JP5112766B2 (ja) 機器モニタリングデータ解析システム
CN106324514B (zh) 车辆电池性能试验方法及其系统
US20210146933A1 (en) Method and system for monitoring and evaluating a performance of a driver of a vehicle
US20210217256A1 (en) Method and Apparatus for Diagnosing and Monitoring Vehicles, Vehicle Components and Routes
KR101450619B1 (ko) 전기자동차의 배터리 소모량에 관련된 가중치 정보의 수집 및 그 가중치 정보를 이용한 주행효율 판단 장치와 그 방법
KR102169791B1 (ko) 철도차량 주요부품 및 시스템 진단장치
KR20220129755A (ko) 기어박스의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치
KR102334220B1 (ko) 철도 차량 부품들의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치
WO2016113724A1 (ja) 状態監視装置、状態監視システム、および編成列車
KR101934857B1 (ko) 차량 배터리 상태 진단 장치
US11403889B2 (en) Part maintenance and value estimation system
JP6382732B2 (ja) 状態監視装置、状態監視システム、および編成列車
KR102529926B1 (ko) 철도 차량의 도어의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치
WO2017168940A1 (ja) データ統合分析システム
KR102336873B1 (ko) 철도 차량의 공조 장치의 진단 방법 및 시스템
KR102274302B1 (ko) 철도 차량의 도어의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치
KR102673205B1 (ko) 대차 주행안전성 예측 장치 및 방법
KR20240082457A (ko) 철도차량용 냉각팬 고장진단 예측 시스템

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant