KR102655507B1 - Management system of multidimensional shape of railroad structure - Google Patents
Management system of multidimensional shape of railroad structure Download PDFInfo
- Publication number
- KR102655507B1 KR102655507B1 KR1020220176559A KR20220176559A KR102655507B1 KR 102655507 B1 KR102655507 B1 KR 102655507B1 KR 1020220176559 A KR1020220176559 A KR 1020220176559A KR 20220176559 A KR20220176559 A KR 20220176559A KR 102655507 B1 KR102655507 B1 KR 102655507B1
- Authority
- KR
- South Korea
- Prior art keywords
- railway
- linked
- sensor
- shape
- sensor module
- Prior art date
Links
- 238000004891 communication Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000007405 data analysis Methods 0.000 claims abstract description 7
- 238000012502 risk assessment Methods 0.000 claims abstract description 6
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 230000008030 elimination Effects 0.000 abstract description 5
- 238000003379 elimination reaction Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 12
- 238000003745 diagnosis Methods 0.000 description 6
- 239000012855 volatile organic compound Substances 0.000 description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 229910002091 carbon monoxide Inorganic materials 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 206010012411 Derailment Diseases 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000001272 nitrous oxide Substances 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning, or like safety means along the route or between vehicles or vehicle trains
- B61L23/04—Control, warning, or like safety means along the route or between vehicles or vehicle trains for monitoring the mechanical state of the route
- B61L23/042—Track changes detection
- B61L23/047—Track or rail movements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
Abstract
확실한 철도구조물의 형상파악, 통신 음영지역의 해소, 명확한 형상해석, 안정적인 안전관리 등과 같은 조건을 충족하는 철도구조물의 다차원 형상 관리시스템을 제시한다. 그 시스템은 철도구조물에 장착되고 근접통신망으로 서로 링크된 각각 다수개의 센서가 센서모듈이 장착된 센서모듈부와, 센서모듈부와 근접통신망으로 링크되고 다수개의 게이트웨이를 포함하면서 서로 근접통신망으로 링크된 스캐너 및 스캐너와 원격통신망으로 링크된 제어부를 포함하고, 제어부는 구조물의 형상관리 알고리즘, 구조물의 형상 빅데이터 분석, 정밀도 확보 알고리즘, 위험도 분석 알고리즘 및 구조물 수치해석을 활용하여 철도구조물의 위험단계가 도출된다.We present a multidimensional shape management system for railway structures that satisfies conditions such as clear shape identification of railway structures, elimination of communication shadow areas, clear shape analysis, and stable safety management. The system includes a plurality of sensors mounted on a railway structure and linked to each other through a local area network, each connected to a sensor module unit equipped with a sensor module, a sensor module unit linked to a local area network, and a plurality of gateways linked to each other through a local area network. It includes a scanner and a control unit linked to the scanner and a remote communication network, and the control unit utilizes the structure configuration management algorithm, structure shape big data analysis, precision securing algorithm, risk analysis algorithm, and structure numerical analysis to derive the risk level of the railroad structure. do.
Description
본 발명은 다차원 형상 관리시스템에 관한 것으로, 보다 상세하게는 다기능 센서모듈, 인공지능 등을 활용하여 레일, 터널 등과 같이 철도에 관련된 철도구조물의 다차원 형상을 모니터링하여 관리하는 시스템에 관한 것이다. The present invention relates to a multidimensional shape management system, and more specifically, to a system that monitors and manages the multidimensional shape of railway structures related to railways, such as rails and tunnels, using multifunctional sensor modules, artificial intelligence, etc.
철도구조물은 철도레일, 철도터널 등을 포함하며, 열차운행에 필요한 시설이다. 한편, 철도레일은 온도 및 날씨 등의 기후조건과 열차의 반복적인 주행에 의하여 팽창과 수축과 같은 뒤틀림이 일어나 탈선의 우려가 있다. 철도터널은 철도차량이 통행하면서 터널변형, 백태, 부분 균열, 누수, 박리 등과 같은 노후화 현상이 발생하여 터널의 붕괴 위험성이 있다. 철도레일과 철도터널과 같은 철도 구조물은 안전사고의 발생가능성이 있어서, 실시간으로 안전진단이 요구된다. 철도구조물에 대한 안전진단은 국내등록특허 제10-0782319호, 국내등록특허 제10-2198683호, 유럽등록특허 제3275763호, 일본등록특허 제5636672호 등에서와 같이, 국내외에서 다양하게 제시되고 있다.Railway structures include railway rails, railway tunnels, etc., and are facilities necessary for train operation. Meanwhile, there is a risk of derailment of railway rails due to distortion such as expansion and contraction due to climatic conditions such as temperature and weather and repetitive running of trains. As railway vehicles pass through railway tunnels, deterioration phenomena such as tunnel deformation, whitening, partial cracks, water leaks, and peeling occur, leading to the risk of tunnel collapse. Railway structures such as railway rails and railway tunnels have the potential for safety accidents, so real-time safety diagnosis is required. Safety diagnosis for railway structures is presented in various ways both at home and abroad, such as in Domestic Patent No. 10-0782319, Domestic Patent No. 10-2198683, European Patent No. 3275763, and Japanese Patent No. 5636672.
한편, 철도구조물의 안전진단은, 인명피해 및 재산손실과 더불어 사회적으로 커다란 파장을 일으키므로, 보다 정확하고 시의적절하여야 한다. 구체적으로, 확실한 철도구조물의 형상파악, 통신 음영지역의 해소, 명확한 형상해석, 안정적인 안전관리 등과 같은 조건을 충족하여야 한다. 그런데, 종래의 안전진단은 상기 조건을 충족하기에는 미흡한 점이 있다. Meanwhile, the safety diagnosis of railway structures must be more accurate and timely because it causes serious social repercussions along with casualties and property losses. Specifically, conditions such as a clear understanding of the shape of the railway structure, elimination of communication shadow areas, clear shape interpretation, and stable safety management must be met. However, conventional safety diagnosis is insufficient to meet the above conditions.
본 발명이 해결하고자 하는 과제는 확실한 철도구조물의 형상파악, 통신 음영지역의 해소, 명확한 형상해석, 안정적인 안전관리 등과 같은 조건을 충족하는 철도구조물의 다차원 형상 관리시스템을 제공하는 데 있다. The problem to be solved by the present invention is to provide a multidimensional shape management system for railway structures that satisfies conditions such as clear shape identification of railway structures, elimination of communication shadow areas, clear shape analysis, and stable safety management.
본 발명의 과제를 해결하기 위한 철도구조물의 다차원 형상 관리시스템은 철도구조물에 근접통신망으로 서로 링크된 각각 다수개의 센서가 장착된 센서모듈(M1, M2, …, Mn, n은 자연수)을 포함하는 센서모듈부와, 상기 센서모듈부와 근접통신망으로 링크되고, 다수개의 게이트웨이(G1, G2, G3, …, Gn, n은 자연수)를 포함하면서 서로 근접통신망으로 링크된 스캐너 및 상기 스캐너와 원격통신망으로 링크된 제어부를 포함한다. 이때, 상기 제어부는 구조물의 형상관리 알고리즘, 구조물의 형상 빅데이터 분석, 정밀도 확보 알고리즘, 위험도 분석 알고리즘 및 구조물 수치해석을 활용하여 상기 철도구조물의 위험단계가 도출된다.The multidimensional shape management system for railway structures to solve the problems of the present invention includes sensor modules (M1, M2, ..., Mn, n is a natural number) equipped with a plurality of sensors, each linked to the railway structure through a proximity communication network. A sensor module unit, a scanner linked to the sensor module unit via a local area network, a plurality of gateways (G1, G2, G3, ..., Gn, n is a natural number) and linked to each other via a local area network, and a remote communication network between the scanner and the remote communication network. It includes a control unit linked to . At this time, the control unit derives the risk level of the railway structure by utilizing the structure configuration management algorithm, structure shape big data analysis, precision securing algorithm, risk analysis algorithm, and structure numerical analysis.
본 발명의 시스템에 있어서, 상기 스캐너는 인접하는 상기 게이트웨이(G1, G2, G3, …, Gn, n은 자연수)가 상기 근접통신망으로 링크되면서 하나 건너의 상기 게이트웨이가 상기 근접통신망으로 링크될 수 있다. 상기 스캐너는 상기 센서들의 기능 및 상기 근접통신망의 통신상태를 자가진단을 할 수 있다. 상기 스캐너는 상기 센서들로부터 전송된 센서데이터를 상기 센서들에 다시 전송하여 중복된 센서데이터를 삭제할 수 있다. In the system of the present invention, the scanner is connected to the adjacent gateway (G1, G2, G3, ..., Gn, n is a natural number) to the local area network, and the gateway beyond one can be linked to the local area network. . The scanner can self-diagnose the functions of the sensors and the communication status of the local area network. The scanner may retransmit sensor data transmitted from the sensors to the sensors to delete duplicate sensor data.
본 발명의 바람직한 시스템에 있어서, 상기 철도구조물은 철도레일을 포함하고, 상기 센서모듈부는 상기 철도레일의 고저틀림, 수평틀림, 뒤틀림과 같은 3차원 형상인 절대변위를 측정한다. 상기 철도구조물은 철도터널을 포함하고, 상기 센서모듈부는 상기 철도터널의 X축, Y축 및 Z축에 대한 3차원 형상인 절대변위를 측정한다. 상기 제어부는 상기 센서모듈부에 의해 측정된 센서데이터를 철도구조물에 적용이 가능한 실제값으로 보정한다. In a preferred system of the present invention, the railway structure includes a railway rail, and the sensor module unit measures absolute displacement, which is a three-dimensional shape such as elevation, horizontal distortion, and distortion, of the railway rail. The railway structure includes a railway tunnel, and the sensor module unit measures absolute displacement, which is a three-dimensional shape, about the X-axis, Y-axis, and Z-axis of the railway tunnel. The control unit corrects the sensor data measured by the sensor module unit to actual values that can be applied to railway structures.
본 발명의 철도구조물의 다차원 형상 관리시스템에 의하면, 다기능 센서모듈, 스캐너 등을 활용함으로써, 확실한 철도구조물의 형상파악, 통신 음영지역의 해소, 명확한 형상해석, 안정적인 안전관리 등과 같은 조건을 충족한다.According to the multidimensional shape management system for railway structures of the present invention, by utilizing multi-functional sensor modules, scanners, etc., conditions such as clear shape identification of railway structures, elimination of communication shadow areas, clear shape interpretation, and stable safety management are met.
도 1은 본 발명에 의한 다차원 형상 관리시스템을 설명하기 위한 모식도이다.
도 2는 도 1을 개념적으로 표현한 도면이다.
도 3은 본 발명에 의한 센서모듈부가 철도레일에 장착된 상태를 개념적으로 보여주는 도면이다.
도 4는 본 발명에 의한 센서모듈부가 철도터널에 장착된 상태를 표현한 도면이다.
도 5는 본 발명에 의한 제어부에 의한 철도레일의 형상관리 모니터를 보여주는 도면이다.
도 6은 본 발명에 의한 제어부에 의한 철도터널의 형상관리 모니터를 나타내는 도면이다. 1 is a schematic diagram for explaining a multidimensional shape management system according to the present invention.
FIG. 2 is a diagram conceptually expressing FIG. 1.
Figure 3 is a diagram conceptually showing the state in which the sensor module unit according to the present invention is mounted on a railroad rail.
Figure 4 is a diagram expressing a state in which the sensor module unit according to the present invention is mounted on a railway tunnel.
Figure 5 is a diagram showing a configuration management monitor of a railroad rail by a control unit according to the present invention.
Figure 6 is a diagram showing a configuration management monitor of a railroad tunnel by a control unit according to the present invention.
이하 첨부된 도면을 참조하면서 본 발명의 바람직한 실시예를 상세히 설명한다. 다음에서 설명되는 실시예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 아래에서 상술되는 실시예에 한정되는 것은 아니다. 본 발명의 실시예는 당 분야에서 통상의 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위하여 제공되는 것이다. 도면에서는 설명의 편의를 위하여 과장되게 표현하였다. 한편, 상부, 하부, 정면 등과 같이 위치를 지적하는 용어들은 도면에 나타낸 것과 관련될 뿐이다. 실제로, 철도구조물은 임의의 선택적인 방향으로 사용될 수 있으며, 실제 사용할 때 공간적인 방향은 철도구조물의 방향 및 회전에 따라 변한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the attached drawings. The embodiments described below may be modified into various other forms, and the scope of the present invention is not limited to the embodiments described in detail below. Examples of the present invention are provided to more completely explain the present invention to those skilled in the art. In the drawing, the representation is exaggerated for convenience of explanation. Meanwhile, terms indicating location, such as top, bottom, front, etc., are only related to what is shown in the drawing. In practice, the railway structure can be used in any optional orientation, and in actual use, the spatial orientation changes depending on the orientation and rotation of the railway structure.
본 발명의 실시예는 다기능 센서모듈, 스캐너 등을 활용함으로써, 확실한 철도구조물의 형상파악, 통신 음영지역의 해소, 명확한 형상해석, 안정적인 안전관리 등과 같은 조건을 충족하는 철도구조물의 다차원 형상 관리시스템을 제시한다. 이를 위해, 다기능 센서모듈, 인공지능 등을 활용하여 철도구조물의 다차원 형상을 관리하는 시스템에 대하여 자세하게 알아보고, 다차원 형상을 활용하여 철도구조물의 안전을 관리하는 방법에 상세하게 설명하기로 한다. 본 발명의 실시예에 의한 철도구조물은 철도레일, 철도터널, 철도교량 등을 포함하며, 열차운행에 필요한 시설이다. The embodiment of the present invention utilizes multi-functional sensor modules, scanners, etc. to provide a multi-dimensional shape management system for railway structures that satisfies conditions such as clear shape identification of railway structures, elimination of communication shadow areas, clear shape interpretation, and stable safety management. present. To this end, we will learn in detail about the system that manages the multi-dimensional shape of railway structures using multi-functional sensor modules, artificial intelligence, etc., and explain in detail how to manage the safety of railway structures by utilizing multi-dimensional shapes. Railway structures according to embodiments of the present invention include railway rails, railway tunnels, railway bridges, etc., and are facilities necessary for train operation.
도 1은 본 발명의 실시예에 의한 다차원 형상 관리시스템을 설명하기 위한 모식도이고, 도 2는 도 1을 개념적으로 표현한 도면이다. 다만, 엄밀한 의미의 도면을 표현한 것이 아니며, 설명의 편의를 위하여 도면에 나타나지 않은 구성요소가 있을 수 있다. Figure 1 is a schematic diagram for explaining a multidimensional shape management system according to an embodiment of the present invention, and Figure 2 is a diagram conceptually expressing Figure 1. However, it is not a drawing in the strict sense, and there may be components not shown in the drawing for convenience of explanation.
도 1 및 도 2를 참조하면, 본 발명의 형상 관리시스템은 센서모듈부(10), 스캐너(20) 및 제어부(30)를 포함한다. 센서모듈부(10)는 열차운행에 필요한 시설인 철도구조물에 탑재되며, 여기서는 철도레일(RL), 철도터널(TN)에 장착된 사례를 표현하였다. 센서모듈부(10)에는 일산화탄소(CO), 이산화탄소(CO2), 질산화물(NOx), 탄화수소(HC), 휘발성 유기화합물(VOC), 황화수소(H2S), 산소(O2), 미세먼지, 9축 센서를 이용한 움직임, 온습도, 방향, 불꽃감지 등 중의 적어도 하나의 물리량을 측정하기 위한 다수개의 센서모듈(M1, M2, …, Mn, n은 자연수)을 포함하지만, 상기 철도구조물의 형상을 감지하는 형상 감지센서가 부착되고, 이에 대해서는 추후에 상세하게 설명하기로 한다. Referring to Figures 1 and 2, the shape management system of the present invention includes a sensor module unit 10, a scanner 20, and a control unit 30. The sensor module unit 10 is mounted on a railway structure, which is a facility necessary for train operation. Here, examples of it being mounted on railway rails (RL) and railway tunnels (TN) are shown. The sensor module unit 10 contains carbon monoxide (CO), carbon dioxide (CO 2 ), nitrous oxide (NO x ), hydrocarbons (HC), volatile organic compounds (VOC), hydrogen sulfide (H 2 S), oxygen (O 2 ), and fine It includes a plurality of sensor modules (M1, M2, ..., Mn, n is a natural number) to measure at least one physical quantity among dust, movement using a 9-axis sensor, temperature and humidity, direction, flame detection, etc., but the A shape detection sensor is attached to detect the shape, and this will be explained in detail later.
도면에서는, 센서모듈(M1)에는 다수개의 센서(Si, i은 자연수)의 제1 조합, 센서모듈(M2)에는 다수개의 센서(Sm, m은 자연수)의 조합, 센서모듈(Mn)에는 다수개의 센서(Sn, n은 자연수)의 조합이 장착된 사례를 제시하고 있다. 센서모듈부(10)에서의 센서들은 다양하게 조합될 수 있다. 예를 들어, 센서모듈부(10)는 모두 센서모듈(M1)로 이루어질 수 있다. 또한, 다수개의 센서모듈(M1, M2, …, Mn)에는 더 많은 센서들이 부가될 수 있다. 나아가, 다수개의 센서(Si, Sm, …, Sn)에서의 각각의 센서는 부분적으로 동일한 기능을 하는 센서들이 중복될 수도 있다. 예컨대, 휘발성 유기화합물(VOC)을 측정하는 센서를 2개 장착할 수 있다. 상기 센서의 종류 및 개수는 본 발명의 실시예가 적용되는 환경, 목적 등에 따라 선정된다.In the drawing, the sensor module (M1) is a first combination of a plurality of sensors (Si, i is a natural number), the sensor module (M2) is a combination of a plurality of sensors (Sm, m is a natural number), and the sensor module (Mn) is a combination of a plurality of sensors (Sm, m is a natural number). An example is presented where a combination of sensors (Sn, n is a natural number) is installed. Sensors in the sensor module unit 10 can be combined in various ways. For example, the sensor module unit 10 may be entirely composed of a sensor module (M1). Additionally, more sensors can be added to the plurality of sensor modules (M1, M2, ..., Mn). Furthermore, each sensor in a plurality of sensors (Si, Sm, ..., Sn) may partially overlap with the same function. For example, two sensors that measure volatile organic compounds (VOC) can be installed. The type and number of sensors are selected depending on the environment and purpose to which the embodiment of the present invention is applied.
다수개의 센서모듈(M1, M2, …, Mn) 각각의 센서들은 근접통신망(11)을 통하여 상호 링크된다. 근접통신망(11)은 본 발명의 범주 내에서 다양한 방식, 예컨대 블루투스(bluetooth), 로라(Lora), 지그비(zigbee), Wifi 등이 적용될 수 있다. 즉, 다수개의 센서모듈(M1, M2, …, Mn) 각각의 센서들은 네트워크(network)를 이룬다. 각각의 센서들이 네트워크를 이룬다면, 각각의 센서에서 측정한 센서데이터는 서로 공유된다. 기존에는 각각의 센서들에서 측정된 센서데이터를 각각의 게이트웨이를 통하여 제어부(30)에 1:1로 전송되었으나, 본 발명의 센서들이 측정한 센서데이터는 네트워크로 공유되어 공유된 센서데이터가 제어부(30)에 1:n의 메시네트워크 방식으로 전송된다. Each sensor of a plurality of sensor modules (M1, M2, ..., Mn) is linked to each other through a local area network (11). The local area network 11 may use various methods, such as Bluetooth, Lora, Zigbee, Wifi, etc., within the scope of the present invention. In other words, the sensors of each of the multiple sensor modules (M1, M2, ..., Mn) form a network. If each sensor forms a network, sensor data measured by each sensor is shared with each other. Previously, the sensor data measured by each sensor was transmitted 1:1 to the control unit 30 through each gateway, but the sensor data measured by the sensors of the present invention was shared over a network and the shared sensor data was sent to the control unit (30). 30) and is transmitted using a 1:n mesh network method.
스캐너(20)는 다수개의 게이트웨이(G1, G2, G3, …, Gn, n은 자연수)를 포함한다. 각각의 게이트웨이(G1, G2, G3, …, Gn)는 인접한 게이트웨이 사이(예, G1과 G2)의 근접통신망(21a) 및 하나 건너의 게이트웨이 사이(예, G1과 G3)의 근접통신망(21b)과 같은 근접통신망(21)으로 상호 링크된다. 각각의 게이트웨이(G1, G2, G3, …, Gn)는 인접한 센서모듈(M1, M2, …, Mn)에 근접통신망(22)으로 링크된다. 예를 들어, 게이트웨이(G1)는 센서모듈(M1) 및 센서모듈(M2)와 근접통신망(22)으로 링크된다. 게이트웨이(G1)는 센서모듈(M1)에 공유된 센서데이터를 LTE와 같은 원격통신망(31)을 통하여 제어부(30)에 전송된다. 마찬가지로, 게이트웨이(G2)는 센서모듈(M1) 및 센서모듈(M2)에 공유된 센서데이터를 LTE와 같은 원격통신망(31)을 통하여 제어부(30)에 전송된다. 이와 같은 방식으로 각각의 게이트웨이(G1, G2, G3, …, Gn)는 제어부(30)에 전송된다.The scanner 20 includes a plurality of gateways (G1, G2, G3, ..., Gn, n is a natural number). Each gateway (G1, G2, G3, ..., Gn) has a local area network (21a) between adjacent gateways (e.g., G1 and G2) and a local area network (21b) between gateways across from one another (e.g., G1 and G3). They are linked to each other through a local area network 21 such as . Each gateway (G1, G2, G3, ..., Gn) is linked to adjacent sensor modules (M1, M2, ..., Mn) through a local area network (22). For example, the gateway (G1) is linked to the sensor module (M1) and the sensor module (M2) through the local area network 22. The gateway (G1) transmits sensor data shared by the sensor module (M1) to the control unit 30 through a telecommunication network 31 such as LTE. Likewise, the gateway (G2) transmits sensor data shared by the sensor module (M1) and the sensor module (M2) to the control unit 30 through a telecommunication network 31 such as LTE. In this way, each gateway (G1, G2, G3, ..., Gn) is transmitted to the control unit 30.
본 발명의 실시예에 의한 스캐너(20)는 다수개의 게이트웨이(G1, G2, G3, …, Gn)는 1:n의 메시네트워크 방식으로 제어부(30)에 전송된다. 이렇게 하면, 게이트웨이(G1)를 출입하는 센서데이터는 다수개의 센서모듈(M1, M2, …, Mn) 각각의 센서들에서 측정한 센서데이터를 모두 포함한다. 마찬가지로, 게이트웨이(Gn)를 출입하는 센서데이터는 다수개의 센서모듈(M1, M2, …, Mn) 각각의 센서들에서 측정한 센서데이터를 모두 포함한다. 이와 같이, 메시네트워크 방식으로 센서데이터를 전송하면, 센서데이터가 통신불량, 통신 음영지역 등으로 유실되지 않고 제어부(30)에 전송된다.In the scanner 20 according to an embodiment of the present invention, a plurality of gateways (G1, G2, G3, ..., Gn) are transmitted to the control unit 30 in a 1:n mesh network method. In this way, the sensor data entering and exiting the gateway (G1) includes all sensor data measured by each sensor of the multiple sensor modules (M1, M2, ..., Mn). Likewise, sensor data entering and exiting the gateway (Gn) includes all sensor data measured by each sensor of a plurality of sensor modules (M1, M2, ..., Mn). In this way, when sensor data is transmitted using the mesh network method, the sensor data is transmitted to the control unit 30 without being lost due to communication failure, communication shadow area, etc.
제어부(30)는 원격통신망(31), 중앙 관제센터(32) 및 관리자 단말기(33)를 포함한다. 제어부(30)는 센서모듈부(10)에서 전송된 센서데이터를 무선 메쉬네트워크 방식을 이용하여 센서데이터를 표시할 수 있는 응용 소프트웨어와 디스플레이 장치, 제어기와 같은 것이다. The control unit 30 includes a telecommunication network 31, a central control center 32, and an administrator terminal 33. The control unit 30 includes application software, a display device, and a controller that can display sensor data transmitted from the sensor module unit 10 using a wireless mesh network method.
스캐너(20)는 초기 단계에서는 원격통신망(31)을 포함하는 제어부(30)와의 통신상태를 점검하고, 센서모듈(M1, M2, …, Mn) 각각의 센서들 간의 근접통신망(11, 21. 22)의 통신상태를 자가진단을 한다. 상기 자가진단은 상기 센서들의 기능 및 근접통신망(11, 21, 22)의 통신상태를 자가진단을 한다.스캐너(20)는 센서모듈(M1, M2, …, Mn)로부터 센서데이터를 수집하고, 상기 센서데이터를 센서모듈(M1, M2, …, Mn) 각각의 센서(Si, Sm, …, Sn)에 공유한다. 스캐너(20)는 센서데이터에 대한 보정 또는 공유된 센서데이터를 각각의 센서(Si, Sm, …, Sn)에 전송하고, 센서(Si, Sm, …, Sn)는 중복된 센서데이터를 삭제하고 저장한다. 그후, 센서(Si, Sm, …, Sn)는 저장된 센서데이터를 스캐너(20)로 전송한다. In the initial stage, the scanner 20 checks the communication status with the control unit 30 including the remote communication network 31, and connects the proximity communication networks 11, 21 between the sensors of the sensor modules M1, M2, ..., Mn. 22) Self-diagnose the communication status. The self-diagnosis self-diagnoses the functions of the sensors and the communication status of the proximity communication network (11, 21, 22). The scanner 20 collects sensor data from the sensor modules (M1, M2, ..., Mn), The sensor data is shared with each sensor (Si, Sm, ..., Sn) of the sensor modules (M1, M2, ..., Mn). The scanner 20 transmits sensor data correction or shared sensor data to each sensor (Si, Sm, ..., Sn), and the sensors (Si, Sm, ..., Sn) delete duplicate sensor data and Save. Afterwards, the sensors (Si, Sm, ..., Sn) transmit the stored sensor data to the scanner 20.
도 3은 본 발명의 실시예에 의한 센서모듈부의 일부가 철도레일(RL)에 장착된 상태(10a)를 개념적으로 보여주는 도면이고, 도 4는 철도터널(TN)에 장착된 상태(10b)를 표현한 도면이다. 이때, 형상 관리시스템은 도 1 및 도 2를 참조하기로 하고, 설명의 편의를 위하여, 센서모듈에 속하는 센서의 개수 및 위치는 도 1 및 도 2와 다르게 조절하였다. Figure 3 is a diagram conceptually showing a state (10a) in which a part of the sensor module part according to an embodiment of the present invention is mounted on a railway rail (RL), and Figure 4 is a diagram showing a state (10b) in which a part of the sensor module part is mounted on a railway tunnel (TN). This is a drawing expressed. At this time, the configuration management system refers to Figures 1 and 2, and for convenience of explanation, the number and location of sensors belonging to the sensor module were adjusted differently from Figures 1 and 2.
도 3 및 도 4를 참조하면, 철도레일(RL) 및 철도터널(TN) 각각에는 센서모듈부(10; 10a, 10b)이 장착된다. 센서모듈부(10; 10a, 10b)는 형상을 감지하는 3차원 형상 감지센서들이 조합된다. 철도레일(RL)의 경우, 주요 변형항목인 고저틀림 이외에 수평틀림, 뒤틀림과 같은 3차원 형상인 절대변위를 측정한다. 철도터널(TN)의 경우, X축, Y축, Z축 0.005도의 정밀도로 3차원 형상인 절대변위를 측정한다. 3차원 형상 감지를 위한 센서모듈부(10)는 3차원의 변위, 가속도, 자이로(회전)에 대한 계측정보와 환경정보를 실시간 측정 및 전송하는 역할을 수행한다. 또한, 통신 음영지역을 포함하여, 철도구조물 내의 공용 통신을 위해 메시네트워크 기술을 적용하고, 센서데이터는 공용 통신망을 통해 제어부(30)로 전송한다. Referring to Figures 3 and 4, a sensor module unit (10; 10a, 10b) is mounted on each of the railway rail (RL) and railway tunnel (TN). The sensor module unit (10; 10a, 10b) is a combination of three-dimensional shape detection sensors that detect shape. In the case of railway rail (RL), in addition to elevation distortion, which is the main deformation item, absolute displacement, which is a three-dimensional shape such as horizontal distortion and distortion, is measured. In the case of a railway tunnel (TN), absolute displacement, a three-dimensional shape, is measured with a precision of 0.005 degrees on the X, Y, and Z axes. The sensor module unit 10 for three-dimensional shape detection performs the role of measuring and transmitting measurement information and environmental information for three-dimensional displacement, acceleration, and gyro (rotation) in real time. In addition, mesh network technology is applied for public communication within railway structures, including communication shadow areas, and sensor data is transmitted to the control unit 30 through a public communication network.
도 5는 본 발명의 실시예에 의한 제어부(30)에 의한 철도레일(RL)의 형상관리 모니터(34)를 보여주는 도면이고, 도 6은 철도터널(TN)의 형상관리 모니터를 나타내는 도면이다. 이때, 이때, 형상 관리시스템은 도 1 및 도 2를 참조하기로 한다. FIG. 5 is a diagram showing a configuration management monitor 34 of a railroad rail (RL) by the control unit 30 according to an embodiment of the present invention, and FIG. 6 is a diagram showing a configuration management monitor of a railroad tunnel (TN). At this time, the configuration management system will refer to FIGS. 1 and 2.
도 5 및 도 6을 참조하면, 형상관리 모니터(34)는 제어부(30)가 수행한 구조물의 경보단계, 구조물의 관리태세, 구조물의 형상 변위 추이, 구조물의 센서 통계분석 등을 보여준다. 이때, 제어부(30)는 구조물의 형상관리 알고리즘, 구조물의 형상 빅데이터 분석, 정밀도 확보 알고리즘, 위험도 분석 알고리즘 및 구조물 수치해석 등이 활용된다. 특히, 빅데이터 분석은 인공지능에 의하여, 학습 데이터 생성, 위험인자 도출 분석 및 구조물 형상 예측 기법이 활용될 수 있다. 구조물 형상관리 데이터 수집기술을 최적화하기 위하여, 센서데이터를 철도구조물에 적용이 가능한 실제값으로 보정할 수 있다. 모니터(34)는 중앙 관제센터(32) 및 관리자 단말기(33) 중에서 적어도 하나 이상에서 채택될 수 있다. Referring to FIGS. 5 and 6, the configuration management monitor 34 shows the warning stage of the structure, the management posture of the structure, the shape displacement trend of the structure, and statistical analysis of the sensor of the structure performed by the control unit 30. At this time, the control unit 30 utilizes the structure configuration management algorithm, structure shape big data analysis, precision securing algorithm, risk analysis algorithm, and structure numerical analysis. In particular, big data analysis can utilize artificial intelligence to generate learning data, derive risk factors, and predict structure shape. In order to optimize the structure configuration management data collection technology, sensor data can be corrected to actual values that can be applied to railway structures. The monitor 34 may be employed in at least one of the central control center 32 and the administrator terminal 33.
모니터(34)에 의한 철도구조물의 안전진단은 다양한 방식으로 제시될 수 있으며, 구조물 위험단계가 별도로 실시간으로 표시된다. 구체적으로, 상기 위험단계는 정상단계, 관심단계, 주의단계, 경계단계 및 심각단계로 구분되며, 여기서 주의단계는 경보단계에 진입한다. 상기 위험단계는 구조물의 형상관리 알고리즘, 구조물의 형상 빅데이터 분석, 정밀도 확보 알고리즘, 위험도 분석 알고리즘 및 구조물 수치해석 등을 활용하여 분석된 결과물이다. 본 발명의 실시예에 의한 형상 관리시스템은 보다 정확하고 시의적절하게 철도구조물의 안전진단을 수행할 수 있다. The safety diagnosis of the railway structure by the monitor 34 can be presented in various ways, and the risk level of the structure is separately displayed in real time. Specifically, the risk level is divided into a normal level, a concern level, a caution level, a warning level, and a serious level, where the caution level enters the warning stage. The risk level is the result of analysis using the structure configuration management algorithm, structure shape big data analysis, precision securing algorithm, risk analysis algorithm, and structure numerical analysis. The configuration management system according to an embodiment of the present invention can perform safety diagnosis of railway structures more accurately and in a timely manner.
이상, 본 발명은 바람직한 실시예를 들어 상세하게 설명하였으나, 본 발명은 상기 실시예에 한정되지 않으며, 본 발명의 기술적 사상의 범위 내에서 당 분야에서 통상의 지식을 가진 자에 의하여 여러 가지 변형이 가능하다. Above, the present invention has been described in detail with preferred embodiments, but the present invention is not limited to the above embodiments, and various modifications can be made by those skilled in the art within the scope of the technical idea of the present invention. possible.
10; 센서모듈부
11, 21, 22; 근접통신망
20; 스캐너 30; 제어부
31; 원격통신망 32; 중앙 관제센터
33; 관리자 단말기 34; 모니터10; Sensor module part
11, 21, 22; local area network
20; scanner 30; control unit
31; telecommunications network 32; central control center
33; Administrator terminal 34; monitor
Claims (7)
상기 센서모듈부와 근접통신망으로 링크되고, 다수개의 게이트웨이(G1, G2, G3, …, Gn, n은 자연수)를 포함하면서 서로 근접통신망으로 링크된 스캐너; 및
상기 스캐너와 원격통신망으로 링크된 제어부를 포함하고, 상기 제어부는 구조물의 형상관리 알고리즘, 구조물의 형상 빅데이터 분석, 정밀도 확보 알고리즘, 위험도 분석 알고리즘 및 구조물 수치해석을 활용하여, 상기 철도구조물의 위험단계가 도출되고,
상기 형상관리 알고리즘은 3차원 형상 감지센서에 의해 감지된 센서데이터를 활용하고, 상기 정밀도는 철도터널의 X축, Y축 및 Z축에 대한 3차원 형상인 절대변위를 활용하며, 상기 구조물의 빅데이터 분석을 통하여, 위험도 분석 알고리즘 및 구조물 수치해석을 활용하고,
상기 제어부는 상기 센서모듈부에 의해 측정된 센서데이터를 철도구조물에 적용이 가능한 실제값으로 보정하며,
상기 스캐너는 철도구조물에 대한 3차원 형상 감지센서에 의해 감지된 센서데이터를 상기 센서들에 다시 전송하여 중복된 센서데이터를 삭제하여, 상기 삭제된 센서데이터를 제외하고 상기 실제값으로 보정하는 과정에서 활용되고,
상기 스캐너는 인접하는 상기 게이트웨이(G1, G2, G3, …, Gn, n은 자연수)가 상기 근접통신망으로 링크되면서 하나 건너의 상기 게이트웨이가 상기 근접통신망으로 링크되는 것을 특징으로 하는 철도구조물의 다차원 형상 관리시스템.A sensor module unit including sensor modules (M1, M2, ..., Mn, n is a natural number) each equipped with a plurality of sensors linked to each other using a mesh network method as a proximity communication network in a railway structure;
A scanner linked to the sensor module unit through a local area network, including a plurality of gateways (G1, G2, G3, ..., Gn, n is a natural number) and linked to each other through a local area network; and
It includes a control unit linked to the scanner and a remote communication network, and the control unit utilizes a structure configuration management algorithm, structure shape big data analysis, precision securing algorithm, risk analysis algorithm, and structure numerical analysis to determine the risk level of the railway structure. is derived,
The configuration management algorithm utilizes sensor data detected by a 3D shape detection sensor, and the precision utilizes the absolute displacement, which is the 3D shape of the X-, Y-, and Z-axes of the railroad tunnel, and the big size of the structure. Through data analysis, we utilize risk analysis algorithms and structural numerical analysis,
The control unit corrects the sensor data measured by the sensor module unit to actual values applicable to railway structures,
The scanner transmits the sensor data detected by the three-dimensional shape detection sensor for the railway structure back to the sensors to delete duplicate sensor data, and in the process of correcting it to the actual value excluding the deleted sensor data It is utilized,
The scanner is a multi-dimensional shape of a railway structure, characterized in that the adjacent gateways (G1, G2, G3, ..., Gn, n is a natural number) are linked to the local area network, and the gateway beyond one is linked to the local area network. Management system.
The multi-dimensional structure of claim 1, wherein the railway structure includes a railway rail, and the sensor module unit measures absolute displacement, which is a three-dimensional shape such as elevation, horizontal distortion, and distortion of the railway rail. Configuration management system.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220176559A KR102655507B1 (en) | 2022-12-16 | 2022-12-16 | Management system of multidimensional shape of railroad structure |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220176559A KR102655507B1 (en) | 2022-12-16 | 2022-12-16 | Management system of multidimensional shape of railroad structure |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102655507B1 true KR102655507B1 (en) | 2024-04-08 |
Family
ID=90715131
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220176559A KR102655507B1 (en) | 2022-12-16 | 2022-12-16 | Management system of multidimensional shape of railroad structure |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102655507B1 (en) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190024447A (en) * | 2017-08-31 | 2019-03-08 | 투아이시스(주) | Real-time line defect detection system |
| KR102055637B1 (en) * | 2018-09-27 | 2019-12-13 | 주식회사 엔에스텍 | Apparatus of transmitting sensor data using wireless mesh network and method of transmitting the data |
| KR102277633B1 (en) * | 2020-11-03 | 2021-07-15 | 주식회사 혜성안전기술원 | Automatic robot measuring system for transit tunnel safety inspection |
| KR102404341B1 (en) * | 2022-02-17 | 2022-06-02 | 주식회사 세이프웍스 | Method and system for 3-dimensional shape management of tunnel and computer program for the same |
| KR102438845B1 (en) * | 2022-02-17 | 2022-09-01 | 주식회사 세이프웍스 | Method and system for 3-dimensional shape management of track and computer program for the same |
| KR20220126202A (en) * | 2021-03-04 | 2022-09-15 | 비트플로(주) | Method and device for detecting abnormalities in train tracks based on automation |
-
2022
- 2022-12-16 KR KR1020220176559A patent/KR102655507B1/en active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190024447A (en) * | 2017-08-31 | 2019-03-08 | 투아이시스(주) | Real-time line defect detection system |
| KR102055637B1 (en) * | 2018-09-27 | 2019-12-13 | 주식회사 엔에스텍 | Apparatus of transmitting sensor data using wireless mesh network and method of transmitting the data |
| KR102277633B1 (en) * | 2020-11-03 | 2021-07-15 | 주식회사 혜성안전기술원 | Automatic robot measuring system for transit tunnel safety inspection |
| KR20220126202A (en) * | 2021-03-04 | 2022-09-15 | 비트플로(주) | Method and device for detecting abnormalities in train tracks based on automation |
| KR102404341B1 (en) * | 2022-02-17 | 2022-06-02 | 주식회사 세이프웍스 | Method and system for 3-dimensional shape management of tunnel and computer program for the same |
| KR102438845B1 (en) * | 2022-02-17 | 2022-09-01 | 주식회사 세이프웍스 | Method and system for 3-dimensional shape management of track and computer program for the same |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hodge et al. | Wireless sensor networks for condition monitoring in the railway industry: A survey | |
| US20150009331A1 (en) | Real time railway disaster vulnerability assessment and rescue guidance system using multi-layered video computational analytics | |
| CN103112477A (en) | Rail safety monitoring automatically warning system based on wireless sensor network | |
| CN105923022A (en) | Online monitoring and scheduling system for urban rail transit | |
| CN104748799B (en) | A kind of contact net dynamic and intelligent malfunction monitoring adjusts system and method | |
| US20200307662A1 (en) | Data fusion concept | |
| KR102055637B1 (en) | Apparatus of transmitting sensor data using wireless mesh network and method of transmitting the data | |
| US20070203621A1 (en) | Rail track evaluation system | |
| BR102015030366A2 (en) | system to monitor the operating conditions of a train | |
| KR102655507B1 (en) | Management system of multidimensional shape of railroad structure | |
| Firlik et al. | Condition monitoring system for light rail vehicle and track | |
| CN202827631U (en) | Rail detection device | |
| US20220044183A1 (en) | Engineer recertification assistant | |
| CN113779734A (en) | Straddle type single-track turnout monitoring and maintaining system based on artificial intelligence | |
| CN207649660U (en) | A kind of Long-Distance Monitoring System About being adapted for contact with net detection tool car | |
| CN1528632A (en) | Wireless locomotive signal system | |
| CN210402469U (en) | Vehicle-mounted intelligent track inspection system | |
| KR102623294B1 (en) | System for measuring dynamic movement of railroad | |
| CN112525140B (en) | Beidou deformation inspection system | |
| CN208314523U (en) | A kind of all-weather monitoring system for railway building | |
| CN116039393A (en) | Superconducting magnetic material suspension state monitoring system of superconducting magnetic suspension train | |
| CN112435154B (en) | Comprehensive information supervision system for rail transit operation stage | |
| Wu et al. | Sensor network architecture for intelligent high-speed train on-board monitoring | |
| Moretti et al. | ARCHIMEDE-the first European diagnostic train for global monitoring of railway infrastructure | |
| CN113371039A (en) | Urban rail train inspection work learning system and implementation platform thereof |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |