KR20020071859A - 모터구동식 자동문용 예측진단시스템을 갖는 경량 레일차량 - Google Patents

모터구동식 자동문용 예측진단시스템을 갖는 경량 레일차량 Download PDF

Info

Publication number
KR20020071859A
KR20020071859A KR1020027005845A KR20027005845A KR20020071859A KR 20020071859 A KR20020071859 A KR 20020071859A KR 1020027005845 A KR1020027005845 A KR 1020027005845A KR 20027005845 A KR20027005845 A KR 20027005845A KR 20020071859 A KR20020071859 A KR 20020071859A
Authority
KR
South Korea
Prior art keywords
door
data
door system
neural network
maintenance
Prior art date
Application number
KR1020027005845A
Other languages
English (en)
Inventor
맥쿨러스커티스더블유
칼그케네스에이
캄프벨딘제이
에첼엔드리아스에치
스미스앨리스이
Original Assignee
봄바디어 트랜스포테이션 게엠베하
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 봄바디어 트랜스포테이션 게엠베하 filed Critical 봄바디어 트랜스포테이션 게엠베하
Publication of KR20020071859A publication Critical patent/KR20020071859A/ko

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61B—RAILWAY SYSTEMS; EQUIPMENT THEREFOR NOT OTHERWISE PROVIDED FOR
    • B61B13/00—Other railway systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61D—BODY DETAILS OR KINDS OF RAILWAY VEHICLES
    • B61D19/00—Door arrangements specially adapted for rail vehicles
    • B61D19/02—Door arrangements specially adapted for rail vehicles for carriages
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/2263—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using neural networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Transportation (AREA)
  • Power-Operated Mechanisms For Wings (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

본 발명은 모터 구동식 자동문(100)용 예측 진단 시스템을 갖추어 조건부의 보수유지를 할 수 있는 경량 레일 차량에 관한 것이다. 상기 경량 레일 차량(110)은 자동 문 시스템(112), 적어도 하나의 데이터 획득 보드(114), 데이터 수집 프로그램(116), 지수 간략화 알고리즘(an exponential smoothing algorithm)(118), 신경 네트워크(120)들을 포함한다. 보수 유지의 필요성은 다양한 문 시스템(112) 변수들의 수집, 이러한 변수들로 부터 현재 에너지와 시간 소모값을 계산하고, 상기 문 시스템(112)의 현재 에너지와 시간 소모값에 기초하여 이력 에너지와 시간 소모값에 비교하여 열화율을 결정함으로서 나타내어진다. 이러한 열화율로 부터 필요에 따라 보수 유지가 계획된다.

Description

모터구동식 자동문용 예측진단시스템을 갖는 경량 레일 차량{LIGHT RAIL VEHICLE HAVING PREDICTIVE DIAGNOSTIC SYSTEM FOR MOTOR DRIVEN AUTOMATED DOORS}
경량 레일 차량의 모터 구동식 자동문 시스템은 시간 초과에 따라서 열화하는 전기기계 시스템이다. 현재, 상기 자동문 시스템은 높은 신뢰성을 보증하기 위하여 강도높은 예방정비를 요구하고 있다. 이와 같은 "시간 기준" 보수유지는 보수유지가 불필요한 경우라도 상기 시스템과 그 부품들이 보수되어지는 결과를 초래하여, 높은 보수비용과, 보수자원의 비효율적인 사용및 상당한 가동 정지기간을 유발시킨다.
본 발명은 모터구동식 자동문 시스템용 예측진단시스템을 갖는 경량 레일 차량에 관한 것이다. 상기 진단시스템은 자동화된 문 시스템을 검지하여 조건부의(condition-based) 보수유지를 가능하게 한다.
도 1은 본 발명의 개략도;
도 2는 도1에 도시된 자동 문 시스템의 전방 평면도;및
도 3은 본 발명에 따른 일반적인 공정을 도시한 플로우 다이아 그램이다.
본 발명의 목적은 경량 레일 차량의 자동문 시스템에서 계획된 예방정비에 관련된 대체안을 제공함으로써 보수비용을 절감하고, 보수효율을 증대시키며, 동시에 자동문 시스템의 가동성을 유지시키거나 또는 증대시킬수 있도록 함에 있는 것이다.
따라서, 본 발명자들은 경량 레일 차량의 자동문 시스템에 사용되기 위하여 문 시스템을 검지하고, 검지된 문 시스템의 조건에 기초하여 보수유지가 필요한 때를 식별하도록 된 예측 진단 시스템을 개발하였다. 본 발명의 예측 진단경향은 정상및 고장 상태의 문 시스템 상태를 아는 것과, 현재 상태의 문특성 편차를 결정하는 것과, 고장상태로 향한 비율을 계산하는 것과, 고장상태가 일어나기 전에 보수유지를 요청하는 것등을 포함한다.
자동 문 시스템이 작동하면,기후 조건, 문 통로 또는 문 트랙내의 외부물체 존재, 마찰및 스트레스를 통한 부품의 통상적인 마모, 문을 개방상태로 잡고 있는 사람등이 시스템 부품들, 예를들면 전기모터, 레버, 롤러 및/또는 트랙등의 열화를 초래한다. 이러한 열화는 문의 부적절한 개방및 닫침, 롤러의 마모파손, 작동암의 굽음및 작동 암 트랙의 마모파손등과 같은 고장을 초래한다. 이러한 고장들은 문에 대한 마찰 저항을 증대시키고, 모터가 보다 심하게 동작하도록 한다. 따라서,문에 가해지는 마찰 영향은 자동 문 시스템의 중요한 진단 매개변수인 것이다.
본 발명에 따른 경량 레일 차량의 자동문 시스템에 사용되기 위한 예측진단 시스템은 모터 구동식 문 시스템을 검지하고, 그 현재의 상태와 열화율을 결정한다. 문 시스템의 동작도중에, 몇몇의 변수들이 다가 올 시스템의 고장을 나타내는 특성 편차를 위해 체크된다. 편차들은 변수들의 현재 상태와 과거 변수들의 값들을 비교함으로써 검출되고, 여기서 문 시스템의 현재 상태와 열화율들이 결정된다. 상기 열화율및 상기 시스템이 보수 유지를 필요로 하는 알려진 포인트(point)로 부터, 고장까지의 예측시간이 결정된다. 차례로, 요구되는 보수를 나타내는 표시가제공되어질 수 있고, 그에 따라서 양호한 장치의 불필요한 예측검사를 회피할 수 있다.
따라서, 상기 진단 시스템은 충분히 미리 문 시스템의 고장을 예측할 수 있고, 그에 따라서 필요한 보수유지가 예정된 보수기간동안 이루어질 수 있다. 이러한 예측진단을 사용하는 이익은 자동화된 문 시스템이 과도하게 보수되지 않게 될 것이고, 단지 필요한 때에만 보수유지되어 열화방식의 고장, 보수비용의 절감, 보수효율의 증대및, 시스템 활용도의 증대등을 이룰 수 있는 것이다.
이하, 본 발명을 도면에 참조하여 보다 상세히 설명하기로 하며, 여기서는 동일 부분에 동일 부호들이 전반에 걸쳐서 부여되어 있다.
도 1은 본 발명에 따른 모터 구동식 자동 문 100에 사용되는 예측진단 시스템을 구비한 경량 레일차량을 도시한다. 본 발명은 경량 레일 차량 110, 자동 문 시스템 112, 적어도 하나의 데이터 획득 보드 114, 데이터 수집 프로그램 116, 지수 간략화 알고리즘(an exponential smoothing algorithm) 118, 신경 네트워크 120( 상기 데이터 수집 프로그램 116, 상기 지수 간략화 알고리즘 118, 상기 신경 네트워크 120들은 컴퓨터 프로그램들임)들을 포함한다.
신경 네트워크는 일련의 조건들로 부터 결론을 도출할 수 있는 컴퓨터 모델이다(Fausett,L.,Fundamentals of Neural Networks,Prentice Hall(1994); Haykin, S.,Neural Networks-A Comprehensive Foundation,Prentice Hall(1994) 참조.) 신경 네트워크들은 조사하에 시스템으로 부터 수집된 관찰결과들을 사용하여 훈련된다. 일단 훈련되면, 상기 신경 네트워크들은 훈련되어진 패턴들과 유사한 패턴들을 인식하고, 그에 따라서 새로운 패턴을 분류한다. 본 발명의 신경 네트워크는 상태 평가도구(a state assessment tool)로서 사용된다. 따라서, 경량 레일 차량의 자동 문 시스템용 예측 진단 시스템 100내에 사용되기에 앞서, 상기 신경 네트워크는 관찰된 시스템의 모델들과, 정상작동의 시스템(즉, 사양에 따른 작동)및, 고장으로 향한 시스템들을 비교함으로써 다양한 시스템 조건들을 학습하여야만 한다.
예를들면, 시험용 문 시스템을 세팅하여 실제 작동의 문시스템을 모사하도록 함으로써 상기 신경 네트워크를 훈련시키기 위하여 데이터들이 수집될 수 있다. 데이터들은 상기 시스템이 정상조건(즉, 사양에 따른 가동)하에서 작동되는 동안 수집될 수 있다. 마찰이 상기 시스템에 가해져서 상기 시스템내에 열화가 이루어지는 상태로 작동하는 문 시스템을 모사할 수 있다. 다른 마찰량들이 가해져서 열화의 다른 상태 또는 방식들을 모사할 수 있다. 알려진 고장 부품들이 장착되어 고장상태로 동작하는 시스템을 모사하도록 할 수 있다. 그 다음, 다양한 시스템 작동상태에서 수집된 데이터들이 훈련 목적으로 상기 신경 네트워크에 공급될 수 있다.
도 2는 경량 레일 차량용 자동문 시스템 112을 도시한다. 전형적으로, 상기 경량레일 차량 110은 4쌍의 문 212들을 가지며, 각각의 문 212들은 전용의 문 시스템 112에 의해서 제어된다. 각각의 문 시스템 112은 전형적으로 모터 210, 문 212, 작동 암 214, 상부 트랙 216, 하부 트랙 218및, 모터 210의 축 225에 연결된 캠 224주위에 고정 배치된 다수의 스위치 226들을 갖는다. 각각의 문 212는 또한 작동 암 트랙 220과 롤러 222들을 갖는다. 상기 스위치 226들은 문 212의 위치를 검지하도록 활용되며, 이는 모터 210가 문 212을 개방하고 및/또는 닫는 때, 상기 캠 224의 회전에 반응하여 각각의 스위치에 결합하는 캠 224의 로브(lobe)의 함수이다. 다르게는, 상기 문 시스템 112은 경량 레일 차량에 사용되는 종래의 문 시스템일 수 있다. 예를들면, 상기 문 시스템 112은 캠 224과 스위치 226 대신에 엔코더(미도시)를 사용하여 문 212의 위치를 결정할 수 있다. 다른 예로서, 상기 문 시스템 112은 한쌍의 문들의 2개의 문 212들을 구동하는 단일 스크류 구동기(미도시)를 구비하거나, 또는 2개의 문 212들을 구동하기 위한 한쌍의 스크류 구동기(미도시)들을 구비한 교감 구동시스템(sympathetic drive system)일 수 있다.
상기 설명한 전형적인 구조와 함께 사용하면, 각각의 자동 문 시스템 112은 모터 210를 지시하여 문 212을 개방하거나 또는 닫는 제어 시스템으로 부터 신호를 받는다. 상기 모터 210는 캠 224과 작동 암 214을 회전시킨다. 상기 작동 암 트랙 220은 작동 암 214의 동작을 안내한다. 상기 작동 암 214의 동작은 문 212을 당기거나 또는 밀어서 개방 또는 닫침위치에 있게 한다. 상기 문 212의 상단은 안내를 위하여 상부 트랙 216내에서 구르는 롤러 222들을 갖는다. 상기 문 212의 하단은 하부 트랙 218에 의해서 안내된다. 상기 문 212이 그 싸이클을 거치는 동안, 캠 224의로브는 선택적으로 각각의 스위치 226들로 하여금 상기 시스템 112의 전기 회로내의 저항기들을 작동시키고 연결하거나 또는 분리하도록 하여 동작 모터 212의 속도를 변경하며, 또한 다른 문의 제어함수들을 변경시킨다. 그리고, 이러한 스위치 226들의 작동은 그 이동을 통하여 문 212의 위치를 나타내 준다. 다시 언급하면, 임의의 종래의 문 시스템 또는 그 개방및 닫침 싸이클을 통하여 문 212의 위치를 나타내는 시스템들이 활용가능하다.
도 1및 도 2에 관련하여, 상기 경량 레일 차량의 예측 진단 시스템 100은 모터 구동식 문 시스템 112을 검지하고, 그것의 현재 건강도와 열화율을 결정한다. 상기 문 싸이클이 개방및 닫치게 되면, 모터 210는 캠 224과 작동 암 214을 회전시킨다. 상기 스위치 226들은 캠 224의 위치에 근거하여 데이터 획득 보드 114에 신호를 전송한다. 이러한 신호들은 싸이클을 통하여 문 212의 위치를 지시한다. 모터 210의 전류와 전압들도 데이터 획득 보드 114로 전송된다. 바람직하게는, 상기 데이터 획득 보드 114는 단위 초(second)당 100샘플들을 수집한다. 그러나, 다른 샘플 획득율도 사용가능하다.
상기 데이터 획득 보드 114에 의해서 수집된 데이터는 데이터 수집 프로그램 116에 의해서 처리된다. 상기 데이터 수집 프로그램 116은 상기 데이터 획득 보드 114에 일체로 되어질 수 있고, 또는 컴퓨터내에서 예를 들면 랩탑(laptop) 개인 컴퓨터내에서 실행될 수 있다. 상기 데이터 획득 보드 114는 컴퓨터상에서 데이터 수집 프로그램 116에 RS485 시리얼 네트워크를 통하여 데이터를 전송할 수 있으며, 물론 상기와 다른 네트워크를 사용할 수도 있다. 상기 컴퓨터는 데이터 획듣 보드 114와데이터 수집 프로그램 116을 내장할 수 있다. 상기 데이터 수집 프로그램 116은 C++ 언어로 이루어질 수 있다. 상기 데이터 수집 프로그램 116은 닫침 전압과 개방 전압들이 영(zero)에 일치하지 않을 때, 데이터를 수집하도록(즉, 문 시스템 112이 작동되는 때에만 데이터를 수집하도록) 설계되어질 수 있다. 데이터들은 진단 시스템 100을 위한 임의의 적절한 포멧으로 저장될 수 있다. 예를들면, 데이터는 첫번째 8 데이터 비트들이 디지탈 I/O 이고, 나머지 비트들은 개방동작 도중의 모터 210의 아마튜어상의 전압, 닫침 작동 도중의 모터 210의 아마튜어상의 전압, 3 전류 측정값, 온도및 프레임 수(즉, 레코드 수)가 되도록 저장될 수 있다.
상기 데이터 수집 프로그램 116은 그 싸이클을 통하여 문 시스템의 에너지및 시간 소모를 계산한다. 현재및 과거의 소모값들이 지수 간략화 알고리즘 118으로 제공되어 신경 네트워크 120로 제공되기 위하여 세트되는 입력값으로 처리된다. 바람직하게는, 상기 지수 간략화 알고리즘 118과 신경 네트워크 120들은 상기 데이터 수집 프로그램 116과 같이 동일 컴퓨터상에 내장될 수 있다. 다르게는, 컴퓨터 1대이상이 상기 데이터 수집 프로그램 116, 상기 지수 간략화 알고리즘 118및, 신경 네트워크 120등에 대해 활용되어질 수 있다. 1대 이상의 컴퓨터가 활용되는 곳에서는, 상기 컴퓨터들이 서로 통신될 수 있을 것이다.
상기 신경 네트워크 120는 열화율을 결정한다. 상기 열화율및, 문 시스템 112이 보수유지를 필요로 하는 알려진 지점으로 부터, 고장까지의 예측시간이 결정되어질 수 있다. 보수유지는 이러한 열화율에 근거하여 계획된다. 예측 진단의 특별한 이익은 고장이 실제로 일어나기 전에 그것을 예측하는 능력이다.
본 발명의 신경 네트워크는 임의의 종래의 신경 네트워크 패러다임(paradigms)의 하나일 수 있다. 본 발명의 바람직한 실시예는 이하의 신경 네트워크: 즉 백프로퍼게이션(backpropagation), 캐스케이드 코릴레이션 네트워크(cascade correlation network), 또는 레이디얼 베이스 함수(radial basis function)중의 하나를 활용한다. 이러한 3가지의 신경 네트워크들은 통합 기능의 산출기(approximators)로서 작용하는 관리된(supervised) 네트워크들이다.
도 3은 경량 레일 차량의 모터 구동식 자동 문 100에 사용되는 예측 진단 시스템의 일반적인 공정 300을 도시한다. 상기 데이터 획득보드 114는 단계 310에서 사용되어 자동 문 시스템 112으로 부터 데이터를 수집한다. 상기 수집된 데이터는 문이동의 불연속 위치들에 걸쳐서 모터 전류, 모터 전압 및 스위치 신호들을 포함한다. 상기 데이터 획득 보드 114는 데이터를 데이터 수집 프로그램 116으로 전송한다. 상기 자동문에 의해서 사용된 전류는 전체 전류로 부터 개방 또는 폐쇄 저항기 회로를 통한 전류를 차감함으로써 상기 모터를 통한 전류를 결정하도록 사용된다. 아마튜어 전압 데이터는 에너지및 문 동력 계산에 사용된다. 상기 문 스위치들로 부터의 데이터는 타이밍 정보와 문 상태에 사용된다.
단계 312에서, 데이터 수집 프로그램 116은 시스템에 대한 전류 에너지와 시간 소모값들을 계산한다. 본 발명의 경량 레일 차량용 자동문 시스템 112은, 에너지가 아래와 같이 계산되며:
에너지 =I｜ c1 V c - c2 V D ｜ c3 T
여기서, I는 전류, Vc와VD는 폐쇄전압및 개방전압을 각각 나타내며, Vsg는 접지로 분류(shunt)되는 전압을 나타내고, T는 2개의 샘플들 사이의 시간을 나타낸다. 상기c1,c2,c3,c4및c5들은 바람직한 실시예내의 임의의 회로에 대해 선택된 변환 팩터들을 나타내고, 여기서는 5개의 스위치들이 문 위치를 측정하기 위해서 사용된 것이다. 상기 데이터 수집 프로그램 116은 현재(current)및 이력(historical) 에너지와 시간 소모값을 단계 314및 316에서 각각 통계적 간략화 알고리즘 118으로 전송한다.
단계 318에서, 상기 지수 간략화 알고리즘 118은 상기 현재및 이력 에너지와 시간 소모 데이터에 기초하여 에너지및 시간 소모값 세트들을 산출한다. 상기 지수 간략화 알고리즘 118은 데이터내에서 노이즈를 감소시키고, 열화의 추세를 검지한다. 상기 지수 간략화 알고리즘 118은 아래와 같이 본 발명에서 사용하기에 맞춰진 공지된 알고리즘이며:
O-S-A(One-Step-Ahead) 예측F t = S t-1 + G t-1
평균 St=αD t + (1-α)(S t-1 + G t-1 )
=αD t + (1-α)F t
추세 Gt =β(S t - S t-1 ) + (1-β)G t-1
여기서, Dt는 최초 데이터를 나타내며, α와 β는 본 시스템에 기초하여 선택된 간략화 상수들을 나타낸다. 여러가지 간략화 상수들의 효과를 비교하기 위하여, 절대 예측 에러의 평균(MAFE)이 α와 β의 세트에 대해 계산될 수 있으며, 가장 작은 MAFE를 갖는 상기 α와 β의 세트가 상기 시스템에 대해 선택될 수 있다.
상기 에너지및 시간 소모값의 세트들은 입력값으로서 상기 신경 네트워크 120에 제공된다. 단계 320에서, 상기 신경 네트워크 120는 상기 에너지및 시간 소모값 세트(조건들)에 기초하여 상기 시스템의 열화도(결론)를 생성한다. 열화는 열화 예측 신뢰, 추정 가혹치, 고장까지의 추정시간및, 유사 조건에 의해 서열이 지워진 열화 원인등으로 보고될 수 있다. 상기 열화도및 보수가 필요로 하는 알려진 지점(임계레벨)로 부터, 고장까지의 예측 시간이 결정될 수 있다. 상기 임계레벨은 경험 이 풍부한 정비작업자 또는 제작자 요구조건등에 의해서 최초 규정될 수 있다. 상기 임계값은 필요에 따라서 조정가능하다. 단계 322,324및 326에서, 만일 열화도가 임계값을 초과한다면, 예를들면 0.5이상 초과한다면 보수가 필요하게 되며; 다르게는 공정 300이 단계 310의 데이터 수집부터 시작하여 그 스스로 반복한다. 단계 324에서, 시스템 112 또는 그 부품들은 즉각적으로 또는 장래의 특정점에서, 예를들면, 특정수의 개방및 폐쇄 싸이클 후에 보수에 대한 주의가 추천될 수 있다.
본 발명은 모터구동식 자동문 시스템용 예측진단시스템을 갖는 경량 레일 차량을 제공한다.
상기에서는 본 발명의 바람직한 실시예들에 대해서 설명하였지만, 이들로 부터 여러가지 수정구조, 부가구조및 변경구조들이 본 발명의 범위를 벗어남이 없이 이루어질 수 있음을 당업자들은 쉽게 이해할 수 있을 것이다.

Claims (11)

  1. a) 문 시스템으로 부터 데이터를 수집하는 단계;
    b) 상기 데이터에 근거하여 문 시스템에 대한 현재 에너지와 시간 소모값들을 계산하는 단계;
    c) 상기 현재 에너지와 시간 소모값및 이력 에너지와 시간 소모값들에 기초하여 에너지및 시간 소모값 세트를 생성하는 단계;
    d) 상기 에너지및 시간 소모값 세트에 근거하여 상기 시스템의 열화도를 생성하는 단계;
    e) 상기 열화도와 상기 시스템이 보수를 필요로 하는 알려진 지점에 근거하여 상기 시스템의 고장까지의 추정시간을 생성하는 단계;
    f) 상기 고장까지의 추정시간에 근거하여 보수의 필요성을 나타내는 단계;들을 포함하여 경량 레일 차량의 모터구동식 자동문시스템에서 보수가 필요한 때를 나타내는 방법.
  2. 제1항에 있어서, 상기 단계 a)에서 수집된 데이터들은 문 시스템의 임의의 시간에서의 모터 전류, 모터 전압및 문 위치들을 포함함을 특징으로 하는 방법.
  3. 제1항에 있어서, 문 위치는 상기 문 시스템의 모터 축에 연결된 캠주위에 고정 위치된 다수의 스위치들로 부터 보내진 데이터들을 통하여 결정되어짐을 특징으로 하는 방법.
  4. 제1항에 있어서, 상기 문 시스템에 전기적으로 연결된 적어도 하나의 데이터 획득 보드가 상기 단계 a)내에서 데이터를 수집하고;
    상기 데이터 획득 보드에 전기적으로 연결된 컴퓨터가 상기 데이터 획득보드로 부터 데이터를 받으며, 상기 컴퓨터는 단계 b)에서의 현재 에너지와 시간 소모값들을 계산하는 데이터 수집 프로그램을 포함하며;
    지수 간략화 알고리즘이 단계 c)에서 상기 에너지와 시간 소모값 세트를 생성하고; 그리고, 신경 네트워크가 열화율과, 고장까지의 추정시간을 계산하고, 보수 필요성을 나타내는 것을 특징으로 하는 방법.
  5. 제4항에 있어서, 상기 컴퓨터는 또한 데이터 획득보드를 포함함을 특징으로 하는 방법.
  6. 제3항에 있어서, 상기 신경 네트워크는 백프로퍼게이션(backpropagation), 캐스케이드 코릴레이션(cascade correlation), 또는 레이디얼 베이스 함수(radial basis function) 신경 네트워크임을 특징으로 하는 방법.
  7. 개방및 폐쇄싸이클들을 통하여 문의 위치를 나타내는 수단;
    모터및 상기 문의 위치를 나타내는 수단에 전기적으로 연결된 적어도 하나의 데이터 획득 보드;
    데이터 수집 프로그램, 지수 간략화 알고리즘및 신경 네트워크를 포함하는 적어도 하나의 컴퓨터;를 포함하고,
    상기 데이터 획득보드는 상기 문시스템들이 개방및 폐쇄싸이클을 이루는 때에 상기 모터와, 문의 위치를 나타내는 수단으로 부터 데이터를 수집하고, 상기 데이터 수집 프로그램과 지수 간략화 알고리즘들은 상기 데이터에 근거하여 입력값 세트들을 계산하고, 그리고 상기 신경 네트워크는 상기 입력값 세트들에 근거하여 열화율과 문 시스템의 고장 추정시간을 결정하며, 그리고 상기 문 시스템상에 보수가 필요한 때를 나타내도록 구성된 경량 레일 차량의 모터구동식 자동문시스템에서 보수가 필요한 때를 나타내는 장치.
  8. 제7항에 있어서, 상기 문의 위치를 나타내기 위한 수단은 상기 문 시스템의 모터 축에 연결된 캠주위에 고정 위치된 다수의 스위치들임을 특징으로 하는 장치.
  9. 제7항에 있어서, 상기 수집된 데이터들은 문 시스템의 임의의 시간에서의 모터 전류, 모터 전압및 스위치 신호들을 포함함을 특징으로 하는 장치.
  10. 제7항에 있어서, 상기 적어도 하나의 컴퓨터는 데이터 획득보드에 전기적으로 연결되고, 데이터 수집 프로그램을 포함함을 특징으로 하는 장치.
  11. 제7항에 있어서, 상기 신경 네트워크는 백프로퍼게이션(backpropagation), 캐스케이드 코릴레이션(cascade correlation), 또는 레이디얼 베이스 함수(radial basis function) 신경 네트워크임을 특징으로 하는 장치.
KR1020027005845A 1999-11-05 2000-11-03 모터구동식 자동문용 예측진단시스템을 갖는 경량 레일차량 KR20020071859A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16384599P 1999-11-05 1999-11-05
US60/163,845 1999-11-05
PCT/US2000/030348 WO2001034446A1 (en) 1999-11-05 2000-11-03 Light rail vehicle having predictive diagnostic system for motor driven automated doors

Publications (1)

Publication Number Publication Date
KR20020071859A true KR20020071859A (ko) 2002-09-13

Family

ID=22591823

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020027005845A KR20020071859A (ko) 1999-11-05 2000-11-03 모터구동식 자동문용 예측진단시스템을 갖는 경량 레일차량

Country Status (12)

Country Link
US (1) US6636814B1 (ko)
EP (1) EP1233898B1 (ko)
KR (1) KR20020071859A (ko)
AT (1) ATE339336T1 (ko)
AU (1) AU769445B2 (ko)
CA (1) CA2390162C (ko)
DE (1) DE60030758T2 (ko)
ES (1) ES2272334T3 (ko)
HK (1) HK1046394A1 (ko)
MX (1) MXPA02004434A (ko)
TW (1) TW514612B (ko)
WO (1) WO2001034446A1 (ko)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080068849A1 (en) * 2004-10-28 2008-03-20 Polaris Industries Inc. ATV worklight
US8655540B2 (en) * 2007-08-20 2014-02-18 International Electronic Machines Corp. Rail vehicle identification and processing
ES2614505T3 (es) * 2007-12-27 2017-05-31 Iveco S.P.A. Método y dispositivo para el análisis predictivo del desgaste de componentes durante el uso de un vehículo, en particular un vehículo industrial o comercial
US8583313B2 (en) 2008-09-19 2013-11-12 International Electronic Machines Corp. Robotic vehicle for performing rail-related actions
US8370046B2 (en) * 2010-02-11 2013-02-05 General Electric Company System and method for monitoring a gas turbine
AU2012398058A1 (en) * 2012-12-27 2015-08-13 Acciona Infraestructuras, S.A. Predictive method for analysing tampering equipment, and tampering equipment
US9984513B2 (en) 2014-12-23 2018-05-29 Palo Alto Resarch Center Incorporated System and method for determining vehicle component conditions
EP3179326B1 (en) * 2015-12-10 2024-04-10 KNORR-BREMSE Systeme für Schienenfahrzeuge GmbH Railway vehicle maintenance system with modular recurrent neural networks for performing time series prediction
US20170310261A1 (en) * 2016-04-20 2017-10-26 Westinghouse Air Brake Technologies Corporation Electric Door Monitoring
US10655377B2 (en) 2016-04-21 2020-05-19 Westinghouse Air Brake Technologies Corporation Method and system for detecting an obstruction of a passenger door
CN105888432B (zh) * 2016-04-22 2017-07-28 南京康尼机电股份有限公司 一种符合城轨车辆门系统功能安全需求的可重构门控制器
EP3458923A1 (en) * 2016-06-14 2019-03-27 Siemens Mobility GmbH Prevention of failures in the operation of a motorized door
DE102017103020B4 (de) 2017-02-15 2022-09-15 Agtatec Ag Gebäudetürsystem für zumindest einen elektromotorisch angetriebenen Türflügel einer Tür und Verfahren zum Erzeugen von Wartungsinformationen für ein Gebäudetürsystem
FR3064578B1 (fr) * 2017-03-29 2020-01-31 Alstom Transport Technologies Procede de simulation experimentale, pour obtenir des informations relatives a la fiabilite d'une porte automatique d'acces voyageurs
ES2971300T3 (es) * 2017-09-29 2024-06-04 Knorr Bremse Gmbh Procedimiento y dispositivo para reconocer un estado de desgaste de un componente de un sistema de accionamiento de puertas de un vehículo ferroviario
FR3072408B1 (fr) * 2017-10-18 2021-11-26 Alstom Transp Tech Procede et systeme de diagnostic de fonctionnement d'un dispositif automatique ou semi-automatique d'acces a un vehicule de transport
DE102017130002A1 (de) * 2017-12-14 2019-06-19 Gebr. Bode Gmbh & Co. Kg Verfahren zur zustandsbasierten Instandhaltung einer Zugangsvorrichtung
US11373455B2 (en) * 2018-04-23 2022-06-28 Woodward, Inc. Predicting electromechanical actuator health and remaining life
WO2020242822A1 (en) 2019-05-30 2020-12-03 D. H. Pace Company, Inc. Systems and methods for door and dock equipment servicing
EP3792138A1 (de) * 2019-09-13 2021-03-17 Knorr-Bremse Gesellschaft mit beschränkter Haftung Verfahren und vorrichtung zum bereitstellen einer instandhaltungsinformation über ein türsystem für ein fahrzeug und türsystem für ein fahrzeug
DE102020105319A1 (de) * 2020-02-28 2021-09-02 Gebr. Bode Gmbh & Co. Kg Verfahren zur Hinderniserkennung bei einer Zugangsvorrichtung
DE102020116022A1 (de) 2020-06-17 2021-12-23 Gebr. Bode Gmbh & Co. Kg Verfahren zur zustandsbasierten Instandhaltung einer Zugangsvorrichtung
DE102020130512A1 (de) * 2020-11-18 2022-05-19 Bode - Die Tür Gmbh Verfahren und System zur zustandsbasierten Instandhaltung einer Zugangsvorrichtung
DE102021103113B3 (de) 2021-02-10 2022-05-05 Bode - Die Tür Gmbh Verfahren zur Übertragung von Zustandsdaten einer Zugangsvorrichtung eines Fahrzeugs, Zugangsvorrichtungssystem für ein Fahrzeug sowie Fahrzeug mit dem Zugangsvorrichtungssystem
DE102021208793A1 (de) * 2021-08-11 2023-02-16 Roto Frank Dachsystem-Technologie GmbH Verfahren zum Betreiben einer Sensoranordnung eines Gebäudeverschlusselements, Verfahren zum Betreiben eines Netzwerks aus Sensoranordnungen mehrerer Gebäudeverschlusselemente, Sensoranordnung für ein Gebäudeverschlusselement sowie Gebäudeverschlusselement

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04133601A (ja) * 1990-09-21 1992-05-07 Toshiba Corp 保安機能付自動運転制御装置
FR2684472A1 (fr) * 1991-11-29 1993-06-04 Cit Alcatel Systeme expert supportant les contraintes du temps reel.
US6400996B1 (en) * 1999-02-01 2002-06-04 Steven M. Hoffberg Adaptive pattern recognition based control system and method
DE4245038C2 (de) * 1992-09-23 2003-11-06 Dorma Gmbh & Co Kg Diagnose- und Überwachungsverfahren zur Fehlererkennung, Statusreport und Parameteranpassung bei automatischen Türen und Toren
AT400944B (de) * 1993-06-30 1996-04-25 Friedmann Kg Alex Vorrichtung zum steuern und regeln elektrischer, elektronischer oder elektromechanischer komponenten in schienenfahrzeugen
US5483170A (en) * 1993-08-24 1996-01-09 New Mexico State University Technology Transfer Corp. Integrated circuit fault testing implementing voltage supply rail pulsing and corresponding instantaneous current response analysis

Also Published As

Publication number Publication date
DE60030758T2 (de) 2007-05-16
ATE339336T1 (de) 2006-10-15
MXPA02004434A (es) 2002-09-30
EP1233898A4 (en) 2004-10-13
HK1046394A1 (zh) 2003-01-10
TW514612B (en) 2002-12-21
EP1233898B1 (en) 2006-09-13
CA2390162A1 (en) 2001-05-17
WO2001034446A1 (en) 2001-05-17
AU1460601A (en) 2001-06-06
ES2272334T3 (es) 2007-05-01
CA2390162C (en) 2007-01-02
AU769445B2 (en) 2004-01-29
US6636814B1 (en) 2003-10-21
DE60030758D1 (de) 2006-10-26
EP1233898A1 (en) 2002-08-28

Similar Documents

Publication Publication Date Title
KR20020071859A (ko) 모터구동식 자동문용 예측진단시스템을 갖는 경량 레일차량
EP1353868B1 (en) Method for monitoring the door mechanism of an elevator
KR102235728B1 (ko) 전동차의 전기식 출입문 고장예측 장치
KR101880353B1 (ko) 엘리베이터의 고장 예측 시스템
EP3668811B1 (en) Method and monitoring device for monitoring an operation of an elevator door arrangement
EP2562614A2 (en) Control device of control system and elevator systems
JP7308717B2 (ja) ホームドア診断装置、ホームドアシステム、及びホームドア診断プログラム
CN100515901C (zh) 自动检测电梯设备可支配性的方法和装置
CN114323671A (zh) 借助人工智能方法基于对电驱动系统的组件的预测诊断来确定剩余使用寿命的方法和设备
US20220268081A1 (en) Method for carrying out a closing operation, closing device, server apparatus and communication terminal for carrying out a method of this type
KR100747219B1 (ko) 자동차의 윈도우 시스템 내구시험방법
CN114375272A (zh) 用于提供关于车辆门系统的维护信息的方法和设备以及用于车辆的门系统
WO2020201330A1 (en) Power meter based monitoring of elevator usage
KR102301011B1 (ko) 엘리베이터 도어의 고장 예측 시스템
KR102484041B1 (ko) 시스템 레벨 상태 예측 장치 및 방법
US20220403690A1 (en) Method for determining and/or verifying a status of a door system, status determination device, system, computer program product
Lehrasab et al. Intelligent multiple sensor early failure warning system for train rotary door operator
JPH08263131A (ja) プラント劣化診断装置及び方法
KR20240056865A (ko) 구동모터의 상태진단을 통한 수명주기 예지방법
CN115905886A (zh) 站台屏蔽门的故障诊断方法、装置以及存储介质
CN118311934A (zh) 一种电气自动化控制系统
Sun et al. Continuous Test-time Domain Adaptation for Efficient Fault Detection under Evolving Operating Conditions
JPH09272682A (ja) エレベータドア点検装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
J201 Request for trial against refusal decision
AMND Amendment
B601 Maintenance of original decision after re-examination before a trial
S901 Examination by remand of revocation
GRNO Decision to grant (after opposition)
NORF Unpaid initial registration fee