KR20110058401A

KR20110058401A - Method for synchronizing positions of track irregularity data measured from railway track, and system for the same

Info

Publication number: KR20110058401A
Application number: KR1020090115177A
Authority: KR
Inventors: 최일윤
Original assignee: 한국철도기술연구원
Priority date: 2009-11-26
Filing date: 2009-11-26
Publication date: 2011-06-01
Also published as: KR101040511B1

Abstract

PURPOSE: A method and system for synchronizing the position of track irregularity data detected from a railway are provided to efficiently analyze detected track irregularity data by comparing correlation between respective measured track irregularity data from a railway. CONSTITUTION: Track irregularity data is measured from a railway by using two measuring vehicles. A reference data block and a comparison data block are set by dividing two measured data into reference data and comparison data(S142). The correlation between a first reference data block and a first comparison data block is compared through a correlation function(S143).

Description

Method for synchronizing positions of track irregularity data detected from railroad rail and system for performing the same {Method for synchronizing positions of track irregularity data measured from railway track, and system for the same}

본 발명은 철도레일의 궤도틀림 검측에 관한 것으로, 보다 구체적으로, 검측차들에 의해 철도레일로부터 각각 검측된 궤도틀림 데이터들 간의 위치를 동기화시키는 방법 및 이를 수행하기 위한 시스템에 관한 것이다.The present invention relates to track track detection of railroad rails, and more particularly, to a method for synchronizing positions between track rail track data detected from railroad rails by detection cars and a system for performing the same.

궤도(Track)는 열차를 정해진 길로 유도하는 역할을 할뿐만 아니라 하부로 전달되는 열차의 하중을 완화시켜 하부 구조물을 보호하는 역할을 수행한다. 또한, 열차의 주행 안정성 및 승차감은 궤도의 성능에 따라 직접적인 영향을 받으며, 철도 환경 소음 및 진동의 대부분은 궤도와 차륜의 상호작용에 의해 발생한다. 따라서 궤도는 전체 철도 시스템의 안정성, 경제성 및 쾌적성에 직접적인 영향을 주는 주요 요인이라고 할 수 있다.The track not only guides the train to a predetermined path but also serves to protect the lower structure by relieving the load of the train being transferred to the lower part. In addition, the running stability and ride comfort of the train are directly affected by the track performance, and most of the railway environmental noise and vibration are caused by the interaction between the track and the wheel. Therefore, the track is a major factor directly affecting the stability, economy and comfort of the entire railway system.

그러나 궤도는 열차의 통과에 의해 미소한 영구변형이 일어나며 시간이 지날수록 이러한 변형이 누적되어 주행 노면에 틀림을 발생시킨다. 특히, 궤도는 고속으로 주행함에 따라 작용하는 과대한 열차 하중에 비해 간단한 구조로 이루어져 있 으므로 일반 구조물에 비해 재료의 열화에 따른 부재의 갱환 등을 비교적 빈번하게 수행해야 하는 계속적인 보수를 전제로 하는 특수한 구조물이다.However, the track has a small permanent deformation due to the passing of the train, and as time passes, the deformation accumulates and causes a mistake on the road surface. In particular, since the track has a simple structure compared to the excessive train load acting at high speeds, it is assumed that the track should be relatively frequently repaired due to material deterioration compared to general structures. It is a special structure.

이미 궤도 보수 업무의 많은 부분을 차지하는 궤도틀림의 보수에 있어서, 이미 궤도 검측차가 실용화되고 정기적으로 궤도의 상태를 검측하여 정해진 평가 기준을 기초로 하여 보수의 투입이 행해져 왔다. 이것은 어느 의미에서는 상태 감시 보전에 가까운 보수 체계라고 할 수 있다. 그러나 보수 투입의 우선도와 투입량에 관해서는 데이터의 뒷받침이 부족하고 동원 가능한 보수 노력을 특이치의 관리에 우선적으로 투입하는 것 이외에는 나머지 노동 자원을 경험과 직감에 따라 순차적으로 배분하는 실정이다.In the repair of track distortions, which already occupy a large part of track repair work, the track detection vehicle has already been put into practical use, and the condition of tracks has been regularly detected, and repair has been made on the basis of evaluation criteria determined. This is, in a sense, a close conservative system to state surveillance preservation. However, in terms of priorities and inputs of remuneration inputs, there is a lack of data support, and the remaining labor resources are allocated sequentially according to experience and intuition, except for mobilizing remuneration efforts to prioritize outliers.

철도에 있어 선로의 역할은 선형(Line form)에 정해진 차륜 주행로를 확실하게 실현하는 것이지만, 현실에서는 이와 달리 오차가 발생한다. 즉, 궤도는 열차를 지지하고 원활하게 유도하는 역할을 수행하고 있지만, 열차의 반복적인 하중을 받게 되면 차차 궤도의 변형이 일어나 궤도차량 주행면의 부정합을 일으키게 되는데, 이를 궤도틀림(track irregularity)이라 한다. 다시 말하면, 철도레일의 궤도틀림은 열차가 주행하는 서로 평행한 두 개의 철도레일이 열차의 반복운행 또는 다른 요인에 의해 상하, 좌우 또는 수평으로 원래 소정의 위치에서 변위가 발생하는 것을 의미한다. The role of tracks in railways is to reliably realize wheeled tracks defined in a linear form, but in reality, errors occur. That is, the track supports the train and smoothly guides the train, but when the train is repeatedly loaded, the track track is deformed and the track surface is misaligned. This is called track irregularity. do. In other words, the track distortion of the railway rail means that two parallel railway rails in which the train travels are displaced at a predetermined position vertically, horizontally, or horizontally by the repetitive operation of the train or other factors.

이러한 궤도틀림은 궤도차량의 고속화에 따라 작은 궤도틀림으로도 큰 사고로 이어질 가능성이 커지고 있다. 예를 들면, 궤도틀림이 커지면 열차의 요동이 증대되고 승객의 승차감이 악화되며, 이러한 궤도틀림이 커지거나 다른 궤도틀림과 함께 복합 틀림이 발생하면 열차의 탈선을 일으킬 수도 있다. 따라서 궤도틀림의 측정은 철도 수송의 안정성 확보에 있어서 매우 중요한 요인이 되고 있으며, 철도의 유지관리 및 보수의 측면에서도 점차 그 필요성이 증가하고 있다.Such orbital distortions are likely to lead to large accidents even with small orbital distortions as the orbital vehicle speeds up. For example, a larger track distortion may increase the fluctuations of the train and worsen the ride comfort of the passengers, and if the track distortion increases or a combination mistake occurs with other track distortions, the train may be derailed. Therefore, the measurement of track distortion becomes a very important factor in securing the stability of rail transportation, and its necessity is gradually increasing in terms of railroad maintenance and repair.

궤도틀림은 궤도 유지관리의 지표이자, 열차 주행 안정성과 승객 승차감에 결정적인 영향을 미치는 요소이다. 궤도의 유지관리는 궤도틀림을 일정 기준한도 이내로 복원시키기 위한 작업으로서 안전의 관점에서 사고의 예방을 보장하여 승차감을 확보할 수 있어야 한다. Track distortion is an indicator of track maintenance and a decisive factor in train running stability and passenger comfort. Track maintenance is a work to restore track distortion within a certain standard limit, and it must be able to secure a riding comfort by ensuring the prevention of accidents from a safety point of view.

도 1a 내지 도 1c는 궤도의 기하학적 레일 위치를 설명하기 위한 도면이고, 도 2는 궤도틀림의 기하학적 정의를 나타내는 테이블이다. 도 1a는 2개의 레일(10L, 10R)의 위치를 나타내며, 도 1b는 평면 선형을 설명하기 위한 도면이고, 도 1c는 측면 선형을 설명하기 위한 도면이다. 또한, 도 2는 궤도틀림의 기하학적 정의를 나타내는 테이블이다.1A to 1C are views for explaining the geometric rail positions of the track, and FIG. 2 is a table showing the geometric definition of the track distortion. FIG. 1A shows the positions of two rails 10L and 10R, FIG. 1B is a view for explaining planar linearity, and FIG. 1C is a view for explaining lateral alignment. 2 is a table showing the geometric definition of orbital distortion.

이러한 궤도틀림은 두 개의 레일 위치에 대한 기하학적 불일치로부터 야기되며, 도 1a 내지 도 1c는 2개의 레일 위치에 대한 기하학적 변수를 나타내며, 도 1b에 도시된 바와 같이, 평면 선형의 경우, 2개의 레일 사이의 간격은 (Z1 - Z2)/2로 주어질 수 있고, 도 1c에 도시된 바와 같이, 측면 선형의 경우, 2개의 레일의 높이 차이는 (Y1 - Y2)/2로 주어질 수 있다. 또한, 도 2에 도시된 바와 같이, 4개 유형의 궤도틀림은 면(Vertical) 틀림, 줄(Alignment) 틀림, 수평(Cross level 또는 Superelevation) 틀림 및 궤간(Gauge) 틀림으로 정의된다.This distortion results from geometric inconsistencies for the two rail positions, and FIGS. 1A-1C show the geometric variables for the two rail positions, and as shown in FIG. 1B, in the case of planar linearity, between the two rails. The spacing of may be given as (Z1-Z2) / 2, and as shown in FIG. 1C, in the case of lateral linearity, the height difference of the two rails may be given as (Y1-Y2) / 2. In addition, as shown in FIG. 2, the four types of orbital distortion are defined as vertical wrong, alignment wrong, cross level or superelevation wrong, and gauge wrong.

한편, 선행 기술로서, 본 발명의 동일 출원인에 의해 출원된 대한민국 특허 출원번호 제2006-48980호(출원일: 2006년 05월 30일)에는 "철도궤도의 효율적 유지보수를 위한 3차원 데이터 형식의 철도 궤도틀림도 측정방법"이라는 명칭의 발명이 개시되어 있는데, 본 명세서 내에 참조되어 본 발명의 일부를 이룬다.On the other hand, as a prior art, Korean Patent Application No. 2006-48980 filed by the same applicant of the present invention (application date: May 30, 2006), "Railway in the three-dimensional data format for efficient maintenance of railway tracks The invention entitled "orbital distortion measuring method" is disclosed, which forms a part of the present invention by reference to the present specification.

이러한 선행 발명은 열차가 주행하는 철도궤도(railway track)를 효율적으로 유지 및 보수할 수 있도록 철도궤도의 궤도틀림(track irregularity) 정도, 즉, 궤도틀림도를 3차원 데이터의 형식으로 측정할 수 있는 측정방법에 관한 것으로, 구체적으로, 철도 궤도를 검측하여 구해지는 궤도틀림 데이터를 처리하여 궤도틀림도를 측정함에 있어서, 궤도틀림 데이터를 처리하는 과정에서 궤도의 길이에 따른 궤도틀림의 정도를 나타내는 정보가 계속 존재하도록 하여, 궤도틀림의 주요 파장과 발생위치, 그리고 그 정도를 동시에 알 수 있도록 함으로써 실제로 궤도틀림으로 인하여 열차 탑승자가 느끼게 될 승차감에 영향을 미치는 요소들에 대한 구체적인 평가를 내릴 수 있도록 하는 더욱 정밀한 궤도틀림도를 측정할 수 있는 측정방법을 제공한다.This prior invention can measure the degree of track irregularity, that is, the track distortion degree in the form of three-dimensional data to efficiently maintain and repair the railway track (railway) on which the train runs The present invention relates to a measuring method, and specifically, in measuring track torsion degree by processing track torsion data obtained by detecting railroad tracks, information indicating a degree of track torsion according to track length in the process of processing track torsion data. To keep track of the major wavelength, location, and extent of track distortion at the same time so that specific assessments can be made of factors affecting the ride comfort that train passengers will experience due to track distortion. It provides a measuring method that can measure more precise orbital distortion.

한편, 이러한 궤도틀림은 열차의 운전에 따라서 일정한 주기로 동적으로(Dynamically), 도 3에 도시된 바와 같이, 궤도 검측차(20)를 이용하여 측정되며, 필요에 따라 인력 또는 간이 검측장치를 이용하여 정적으로(Statically) 측정될 수도 있다. 즉, 철도레일의 궤도틀림이 발생하면 열차 운행시 열차의 동요를 유발시켜 주행안전성 및 승객의 승차감에 큰 영향을 주게 되므로, 검측차(20)를 이용하여 궤도틀림을 주기적으로 검측하고 일정한 허용한계치 이내로 관리하게 된다. 예를 들면, 동일한 노선에 두 개의 검측차(20)를 이용하여 차륜(31)의 회전에 의해 궤도틀림 검측을 수행하고 궤도틀림 데이터의 값을 비교할 때에는 두 검측차의 검측 위치를 정확히 일치시키는 것이 중요하다.On the other hand, such a track distortion is measured dynamically (Dynamically) at regular intervals according to the operation of the train, using the track detection vehicle 20, as shown in Figure 3, using a manpower or simple detection device as needed It may be measured statically. In other words, if the track rail is misaligned, the train rails may fluctuate when the train is running, which greatly affects the driving safety and the ride comfort of the passengers. Will be managed within. For example, when performing the torsional detection by the rotation of the wheel 31 using the two detection cars 20 on the same line and comparing the values of the orbital data, it is necessary to exactly match the detection positions of the two detection cars. It is important.

한편, 도 4는 종래의 기술에 따른 두 대의 검측차로부터 계측된 궤도틀림 데이터간 오차 발생 원인을 설명하기 위한 도면이다.On the other hand, Figure 4 is a view for explaining the cause of the error between the orbital distortion data measured from the two detection cars according to the prior art.

도 4에 도시된 바와 같이, 종래의 기술에 따른 검측차(21, 22)의 측정위치 결정 방법은, 철도 레일(10) 상에서 철도차량 차륜(31, 32)의 회전수를 기준으로 산정하기 때문에 차륜(31, 32)의 반경의 크기에 작은 오차가 발생하게 되거나, 차량이 좌우로 흔들리는 운동(헌팅, 사행동)을 하게 되면 차륜반경(r)의 변화가 발생하여 거리(위치) 측정에 오차가 누적되어 장거리를 운행하면 측정거리(위치) 값이 부정확하게 된다.As shown in FIG. 4, since the measurement position determination method of the detection vehicles 21 and 22 according to the related art is calculated based on the rotation speed of the railway vehicle wheels 31 and 32 on the railway rail 10. If a small error occurs in the size of the radius of the wheels (31, 32), or if the vehicle shakes to the left or right (hunting, meandering movement), a change in the radius of the wheel (r) occurs and error in the distance (position) measurement If you accumulate over long distances, the measured distance (position) value will be incorrect.

종래에는 사람이 직접 궤도틀림 검측을 수행하여 검측차의 궤도틀림 발생 위치를 확인하였다. 또한, 두 대 이상의 검측차를 이용하여 각각 별도로 검측한 궤도틀림 검측결과의 위치동기화 방법이 개발되지 않아서 두 대의 검측차의 궤도틀림 데이터를 정확히 비교하기가 곤란하였다. 즉, 종래기술은 궤도틀림 검측 결과의 위치 동기화가 이루어지지 않아서, 각각의 검측차에서 검측된 궤도틀림 값의 상호비교 및 신호상관성을 분석하기가 곤란한 문제점이 있었다.In the related art, a person tracks orbital distortion detection to confirm the position of orbital distortion of the detection vehicle. In addition, it was difficult to accurately compare the track distortion data of two detection cars because no position synchronization method of track distortion detection results separately detected using two or more detection cars was developed. That is, the prior art has a problem that it is difficult to analyze the cross-correlation and signal correlation of the track distortion value detected in each detection difference, because the position synchronization of the track distortion detection result is not achieved.

전술한 문제점을 해결하기 위한 본 발명이 이루고자 하는 기술적 과제는, 두 개의 검측 거리에 따른 철도레일로부터 검측된 궤도틀림 데이터를 상관함수(Correlation Function)를 사용하여 신호상관성을 비교하여 데이터 위치를 동기화시킬 수 있는 철도레일로부터 검측된 궤도틀림 데이터의 위치 동기화 방법 및 이를 수행하기 위한 시스템을 제공하기 위한 것이다.The technical problem to be solved by the present invention is to synchronize the position of the data by comparing the signal correlation between the track distortion data detected from the railroad rail according to the two detection distance using a correlation function (Correlation Function) It is to provide a method for synchronizing the position of the torsional data detected from the railway rails and a system for performing the same.

전술한 기술적 과제를 달성하기 위한 수단으로서, 본 발명에 따른 철도레일로부터 검측된 궤도틀림 데이터의 위치 동기화 방법은, a) 2대의 검측차를 이용하여 철도레일로부터 궤도틀림 데이터를 각각 검측하는 단계; b) 상기 검측된 2개의 궤도틀림 데이터를 기준 데이터와 비교 데이터로 구분하여 제1 내지 제n 기준 데이터 블록과 제1 내지 제n 비교 데이터 블록으로 각각 설정하는 단계; c) 상관성이 높은 데이터의 위치를 파악하기 위해서, 제1 내지 제n 기준 데이터 블록과 제1 내지 제n 비교 데이터 블록을 각각 블록 이동시키면서 상관성 비교 루틴에 따라 상관성(Correlation)을 비교하는 단계; d) 상기 상관성 비교 루틴을 마지막 제n 기준 데이터 블록까지 진행하여 계수행렬(Coefficient Matrix)을 형성하고 행렬 데이터를 생성하는 단계; e) 상기 형성된 행렬 데이터로부터 최대값을 검출하는 단계; 및 f) 상기 검출된 행렬 데이터의 최대값을 기준으로 상기 기준 데이터 블록을 이동시켜 상기 비교 데이터와 기준 데이터의 위치를 동기화시키는 단계를 포함하여 이루 어진다.As a means for achieving the above-described technical problem, a method for synchronizing the positional torsional data detected from the railroad rail according to the present invention, a) using the two detection cars to detect the torsional data from the railroad, respectively; b) dividing the detected two track distortion data into reference data and comparison data and setting the first to n th reference data blocks and the first to n th comparison data blocks, respectively; c) comparing correlations according to a correlation comparison routine while moving the first through n-th reference data blocks and the first through n-th comparison data blocks, respectively, to identify the location of highly correlated data; d) advancing the correlation comparison routine to the last n th reference data block to form a coefficient matrix and generate matrix data; e) detecting a maximum value from the formed matrix data; And f) moving the reference data block based on the detected maximum value of the matrix data to synchronize the position of the comparison data with the reference data.

여기서, 상기 c) 단계는, c-1) 상관성이 높은 데이터의 위치를 파악하기 위해 상관함수(Correlation Function)를 통해 제1 기준 데이터 블록과 제1 비교 데이터의 블록의 상관성을 비교하는 단계; c-2) 상기 제1 기준 데이터 블록과 상관성을 비교한 제1 비교 데이터 블록을 제n 비교 데이터 블록까지 상관성을 비교하는 상관성 비교 루틴을 진행시키면서 상관성)을 비교하는 단계; 및 c-3) 상기 상관성 비교 루틴을 마지막 제n 기준 데이터 블록까지 진행하여 상관성을 비교하는 단계를 포함할 수 있다.In the step c), c-1) comparing the correlation between the first reference data block and the block of the first comparison data through a correlation function to determine the location of highly correlated data; c-2) comparing the first comparison data block comparing the correlation with the first reference data block while continuing the correlation comparison routine for comparing the correlation to the nth comparison data block; And c-3) comparing the correlation by going through the correlation comparison routine to the last n th reference data block.

여기서, 상기 d) 단계는 상기 제1 기준 데이터 블록을 (n-1)번 이동하면서 상관성 비교 루틴을 수행한 결과에 따라

행렬의 데이터가 생성되는 것을 특징으로 한다.Here, step d) is performed according to a result of performing a correlation comparison routine while moving the first reference data block (n-1) times.

Characterized in that the data of the matrix is generated.

한편, 전술한 기술적 과제를 달성하기 위한 다른 수단으로서, 본 발명에 따른 철도레일로부터 검측된 궤도틀림 데이터 처리 방법은, a) 제1 검측차를 통해 궤도틀림 데이터를 검측하는 단계; b) 제2 검측차를 통해 궤도틀림 데이터를 검측하는 단계; c) 상기 제1 및 제2 검측차를 통해 검측된 궤도틀림 데이터를 수집하는 단계; d) 상관성이 높은 데이터의 위치를 파악하기 위해서, 상관함수(Correlation Function)를 통한 궤도틀림 데이터들 간의 상관성 분석결과를 이용하여 위치값을 동기화시키는 단계; e) 상기 위상 동기화가 수행된 궤도틀림 데이터를 분석하는 단계; 및 f) 상기 궤도틀림 데이터의 분석 결과를 출력하는 단계를 포함하여 이루어진다.On the other hand, as another means for achieving the above-described technical problem, a method for processing track distortion data detected from a railroad rail according to the present invention, a) detecting the track distortion data through a first detection car; b) detecting the torsional data through a second detection difference; c) collecting orbital distortion data detected by the first and second detection differences; d) synchronizing the position value using the correlation analysis result between the torsional data through the correlation function to identify the position of highly correlated data; e) analyzing the torsional data on which the phase synchronization has been performed; And f) outputting an analysis result of the track distortion data.

여기서, 상기 d) 단계는, d-1) 상기 검측된 2개의 궤도틀림 데이터를 기준 데이터와 비교 데이터로 구분하여 제1 내지 제n 기준 데이터 블록과 제1 내지 제n 비교 데이터 블록으로 각각 설정하는 단계; d-2) 상관성이 높은 데이터의 위치를 파악하기 위해서, 제1 내지 제n 기준 데이터 블록과 제1 내지 제n 비교 데이터 블록을 각각 블록 이동시키면서 상관성 비교 루틴에 따라 상관성(Correlation)을 비교하는 단계; d-3) 상기 상관성 비교 루틴을 마지막 제n 기준 데이터 블록까지 진행하여 계수행렬(Coefficient Matrix)을 형성하고 행렬 데이터를 생성하는 단계; d-4) 상기 형성된 행렬 데이터로부터 최대값을 검출하는 단계; 및 d-5) 상기 검출된 행렬 데이터의 최대값을 기준으로 상기 기준 데이터 블록을 이동시켜 상기 비교 데이터와 기준 데이터의 위치를 동기화시키는 단계를 포함할 수 있다.In step d), d-1) dividing the detected two orbital distortion data into reference data and comparison data and setting the first to n-th reference data blocks and the first to n-th comparison data blocks, respectively. step; d-2) comparing correlations according to a correlation comparison routine while moving the first to n-th reference data blocks and the first to n-th comparison data blocks, respectively, in order to determine the location of highly correlated data. ; d-3) advancing the correlation comparison routine to the last n th reference data block to form a coefficient matrix and generating matrix data; d-4) detecting a maximum value from the formed matrix data; And d-5) synchronizing positions of the comparison data and the reference data by moving the reference data block based on the detected maximum value of the matrix data.

한편, 전술한 기술적 과제를 달성하기 위한 다른 수단으로서, 본 발명에 따른 철도레일로부터 검측된 궤도틀림 데이터 처리 시스템은, 제1 및 제2 검측차를 통해 검측된 궤도틀림 데이터를 각각 수집하는 궤도틀림 데이터 수집부; 상관성이 높은 데이터의 위치를 파악하기 위해서, 상관함수(Correlation Function)를 통한 궤도틀림 데이터들 간의 상관성 분석결과를 이용하여 위치값을 동기화시키는 위상 동기화 처리부; 상기 위상 동기화 처리부에 의해 위상 동기화가 수행된 궤도틀림 데이터를 분석하는 궤도틀림 데이터 분석부; 및 상기 궤도틀림 데이터의 분석 결과를 출력하는 분석결과 출력부를 포함하여 구성된다.On the other hand, as another means for achieving the above-described technical problem, the track distortion data processing system detected from the railroad rail according to the present invention, the track distortion data collected by the first and second detection cars, respectively A data collection unit; A phase synchronization processor for synchronizing position values using correlation analysis results between orbital torsion data through a correlation function in order to determine the position of highly correlated data; An orbital torsion data analyzer configured to analyze orbital torsion data in which phase synchronization is performed by the phase synchronization processor; And an analysis result output unit configured to output an analysis result of the orbital distortion data.

여기서, 상기 위상 동기화 처리부는, 상기 제1 검측차로부터 수집된 기준 데이터를 제1 내지 제n 기준 데이터블록으로 설정하는 기준 데이터블록 설정부; 상기 제2 검측차로부터 수집된 비교 데이터를 제1 내지 제n 비교 데이터블록으로 설정하는 비교 데이터블록 설정부; 상관성이 높은 데이터의 위치를 파악하기 위해서, 상기 제1 내지 제n 기준 데이터 블록과 상기 제1 내지 제n 비교 데이터 블록을 각각 블록 이동시키면서 상관성 비교 루틴에 따라 상관성(Correlation)을 비교하는 상관 연산부; 상기 제1 내지 제n 기준 데이터 블록과 상기 제1 내지 제n 비교 데이터 블록을 각각 정해진 데이터 간격만큼 이동시키는 데이터블록 시프터(Shifter); 상기 상관성 비교 루틴을 마지막 제n 기준 데이터 블록까지 진행한 후 계수행렬(Coefficient Matrix)을 형성하여 행렬 데이터를 생성하는 계수행렬 형성부; 상기 형성된 행렬 데이터로부터 최대값을 검출하는 최대치 검출부; 및 상기 검출된 행렬 데이터의 최대값을 기준으로 상기 기준 데이터 블록을 이동시켜 상기 비교 데이터와 기준 데이터의 위치를 동기화시키는 위치 동기화 수행부를 포함할 수 있다.The phase synchronization processor may include a reference data block setting unit configured to set reference data collected from the first detection difference as first to nth reference data blocks; A comparison data block setting unit configured to set comparison data collected from the second detection difference as first to nth comparison data blocks; A correlation calculation unit comparing the correlation according to a correlation comparison routine while moving the first to n-th reference data blocks and the first to n-th comparison data blocks, respectively, to identify the location of highly correlated data; A data block shifter for moving the first to n th reference data blocks and the first to n th comparison data blocks by a predetermined data interval, respectively; A coefficient matrix forming unit for generating matrix data by forming a coefficient matrix after advancing the correlation comparison routine to the last n-th reference data block; A maximum value detector for detecting a maximum value from the formed matrix data; And a position synchronization performing unit configured to synchronize the position of the comparison data with the reference data by moving the reference data block based on the detected maximum value of the matrix data.

본 발명에 따르면, 두 개의 검측 거리에 따른 철도레일로부터 검측된 궤도틀림 데이터를 상관함수(Correlation Function)를 사용하여 신호상관성을 비교하고, 이를 통해 상관성이 가장 높은 데이터의 위치를 파악하여 데이터 계열을 비교 데이터 블록을 기준으로 이동해 위치를 동기화시킴으로써 철도레일로부터 각각 검측된 궤도틀림 데이터들 간의 상관성을 비교하여 검측된 궤도틀림 데이터를 효율적으로 분석할 수 있다.According to the present invention, the signal correlation between the track orbital data detected from the railway rails according to the two detection distances is compared using a correlation function, and through this, the position of the data having the highest correlation is determined to determine the data series. By synchronizing the position by moving relative to the comparison data block, it is possible to efficiently analyze the detected torsional data by comparing the correlation between the torsional data detected from each railway rail.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.DETAILED DESCRIPTION Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those skilled in the art may easily implement the present invention. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. In the drawings, parts irrelevant to the description are omitted in order to clearly describe the present invention, and like reference numerals designate like parts throughout the specification.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "…부" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.Throughout the specification, when a part is said to "include" a certain component, it means that it can further include other components, without excluding other components unless specifically stated otherwise. Also, the term "part" or the like, as described in the specification, means a unit for processing at least one function or operation, and may be implemented by hardware, software, or a combination of hardware and software.

도 5는 본 발명의 실시예에 따른 철도레일로부터 검측된 궤도틀림 데이터 처리 시스템의 구성도이다.5 is a block diagram of a track distortion data processing system detected from a railway rail according to an embodiment of the present invention.

도 5를 참조하면, 본 발명의 실시예에 따른 철도레일로부터 검측된 궤도틀림 데이터 처리 시스템은, 제1 검측차(100), 제2 검측차(200) 및 궤도틀림 데이터 처리 시스템(300)을 포함하며, 상기 제1 검측차(100)는 제1 궤도틀림 데이터 검측부(110) 및 제1 궤도틀림 데이터 처리부(120)를 포함하고, 제2 검측차(200)는 제2 궤도틀림 데이터 검측부(210) 및 제2 궤도틀림 데이터 처리부(220)를 포함한다. 또한, 상기 궤도틀림 데이터 처리 시스템(300)은 궤도틀림 데이터 수집부(310), 위상 동기화 처리부(320), 궤도틀림 데이터 분석부(330) 및 분석결과 출력부(340)를 포함할 수 있다.Referring to FIG. 5, a track distortion data processing system detected from a railroad rail according to an embodiment of the present invention may include a first detection vehicle 100, a second detection vehicle 200, and a track distortion data processing system 300. The first detection vehicle 100 includes a first track distortion data detecting unit 110 and a first track distortion data processing unit 120, and the second detection vehicle 200 detects a second track distortion data. The unit 210 and the second track data processing unit 220 is included. In addition, the orbital distortion data processing system 300 may include an orbital data collector 310, a phase synchronization processor 320, an orbital data analysis unit 330, and an analysis result output unit 340.

두 대 이상의 검측차(100, 200)를 이용하여 각각 별도로 궤도틀림을 검측할 경우, 제1 검측차(100)의 제1 궤도틀림 데이터 검측부(110)는 궤도틀림 데이터를 검측하기 위한 것으로, 예를 들면, 센서일 수 있다. 제1 검측차(100)의 제1 궤도틀림 데이터 처리부(120)는 제1 궤도틀림 데이터 검측부(110)에 의해 검측된 궤도틀림 데이터를 예를 들면, A/D 변환기를 통해 디지털 신호로 변환할 수 있지만, 이에 국한되는 것은 아니다. 마찬가지로, 제2 검측차(200)의 제2 궤도틀림 데이터 검측부(210)는 궤도틀림 데이터를 상기 제1 검측차(100)와 별도로 검측하기 위한 것으로, 예를 들면, 센서일 수 있다. 또한, 제2 검측차(200)의 제2 궤도틀림 데이터 처리부(220)는 제2 궤도틀림 데이터 검측부(210)에 의해 검측된 궤도틀림 데이터를 처리하게 된다.In the case of detecting track distortion separately using two or more detection vehicles 100 and 200, the first track distortion data detecting unit 110 of the first detection vehicle 100 is for detecting track distortion data. For example, it may be a sensor. The first track distortion data processing unit 120 of the first detection vehicle 100 converts the track distortion data detected by the first track distortion data detection unit 110 into a digital signal through, for example, an A / D converter. You can, but it is not so limited. Similarly, the second track distortion data detector 210 of the second detection vehicle 200 detects the track distortion data separately from the first detection vehicle 100, and may be, for example, a sensor. In addition, the second track distortion data processing unit 220 of the second detection vehicle 200 processes the track distortion data detected by the second track distortion data detection unit 210.

궤도틀림 데이터 처리 시스템(300)은, 두 개의 검측 거리에 따른 철도레일로부터 검측된 궤도틀림 데이터를 상관함수(Correlation Function)를 사용하여 신호상관성을 비교하고, 이를 통해 상관성이 가장 높은 데이터의 위치를 파악하여 데이터 계열을 비교 데이터 블록을 기준으로 이동해 위치를 동기화시키며, 위치 동기화가 이루어진 궤도틀림 데이터를 분석하여 출력하게 된다.The orbital distortion data processing system 300 compares the signal correlation between the orbital distortion data detected from the railroad rails according to the two detection distances using a correlation function, thereby determining the position of the data having the highest correlation. It grasps and synchronizes the position by moving the data series based on the comparison data block, and analyzes and outputs the orbital distortion data which has been synchronized.

구체적으로, 궤도틀림 데이터 처리 시스템(300)의 검측 데이터 수집부(310)는, 제1 및 제2 검측차(100, 200)를 통해 검측된 궤도틀림 데이터를 각각 수집한다.Specifically, the detection data collection unit 310 of the torsional data processing system 300 collects the torsional data detected through the first and second detection vehicles 100 and 200, respectively.

위상 동기화 처리부(320)는 상관성이 높은 데이터의 위치를 파악하기 위해서, 상관함수(Correlation Function)를 통한 궤도틀림 데이터들 간의 상관성 분석 결과를 이용하여 위치값을 동기화시킨다.The phase synchronization processor 320 synchronizes the position value by using correlation analysis results between orbital torsion data through a correlation function in order to identify the position of highly correlated data.

궤도틀림 데이터 분석부(330)는 상기 위상 동기화 처리부에 의해 위상 동기화가 수행된 궤도틀림 데이터를 분석한다.The orbital data analysis unit 330 analyzes the orbital data on which phase synchronization is performed by the phase synchronization processing unit.

분석결과 출력부(340)는 상기 궤도틀림 데이터의 분석 결과를 출력한다.The analysis result output unit 340 outputs an analysis result of the track distortion data.

따라서 본 발명의 실시예에 따른 철도레일로부터 검측된 궤도틀림 데이터 처리 시스템은 두 개의 검측치에 의해 철도레일로부터 각각 검측된 궤도틀림 데이터들 간의 상관성을 비교하여 검측된 궤도틀림 데이터를 효율적으로 분석할 수 있다.Therefore, the track distortion data processing system detected from the railroad rail according to an embodiment of the present invention can efficiently analyze the detected track distortion data by comparing the correlation between the track distortion data detected from the railroad rail by two detection values. Can be.

도 6은 도 5에 도시된 철도레일로부터 검측된 궤도틀림 데이터 처리 시스템에서 위치 동기화 처리부의 세부 구성도이다.FIG. 6 is a detailed configuration diagram of a position synchronization processor in the track twist data processing system detected from the railway rail shown in FIG. 5.

도 6을 참조하면, 궤도틀림 데이터 처리 시스템(300) 내에 구현되는 위치 동기화 처리부(320)는, 기준 데이터블록 설정부(321), 비교 데이터블록 설정부(322), 상관(Correlation) 연산부(323), 데이터블록 시프터(Shifter)(324), 계수행렬(Coefficient Matrix) 형성부(325), 최대치 검출부(326) 및 위치 동기화 수행부(327)를 포함한다.Referring to FIG. 6, the position synchronization processor 320 implemented in the torsional data processing system 300 may include a reference data block setting unit 321, a comparison data block setting unit 322, and a correlation calculation unit 323. ), A data block shifter 324, a coefficient matrix forming unit 325, a maximum value detector 326, and a position synchronization performer 327.

기준 데이터블록 설정부(321)는 상기 제1 검측차(100)로부터 수집된 기준 데이터를 제1 내지 제n 기준 데이터블록으로 설정하고, 비교 데이터블록 설정부(322)는 상기 제2 검측차(200)로부터 수집된 비교 데이터를 제1 내지 제n 비교 데이터블록으로 설정한다. 여기서, 제1 검측차(100)로부터 비교 데이터를 수집하고, 제2 검측차(200)로부터 기준 데이터를 수집할 수도 있다.The reference data block setting unit 321 sets reference data collected from the first detection difference 100 as first to nth reference data blocks, and the comparison data block setting unit 322 sets the second detection difference ( The comparison data collected from 200 is set as the first through n-th comparison data blocks. Here, the comparison data may be collected from the first detection vehicle 100, and the reference data may be collected from the second detection vehicle 200.

상관(Correlation) 연산부(323)는 상관성이 높은 데이터의 위치를 파악하기 위해서, 상기 제1 내지 제n 기준 데이터 블록과 상기 제1 내지 제n 비교 데이터 블록을 각각 블록 이동시키면서 상관성 비교 루틴에 따라 상관성(Correlation)을 비교한다.The correlation calculator 323 correlates the first to n-th reference data blocks and the first to n-th comparison data blocks, respectively, to block the position of highly correlated data, according to a correlation comparison routine. Compare (Correlation).

데이터블록 시프터(Shifter)(324)는 상기 제1 내지 제n 기준 데이터 블록과 상기 제1 내지 제n 비교 데이터 블록을 각각 정해진 데이터 간격만큼 이동시킨다.The data block shifter 324 moves the first to n-th reference data blocks and the first to n-th comparison data blocks by a predetermined data interval.

계수행렬(Coefficient Matrix) 형성부(325)는 상기 상관성 비교 루틴을 마지막 제n 기준 데이터 블록까지 진행한 후 계수행렬(Coefficient Matrix)을 형성하여 행렬 데이터를 생성한다.The coefficient matrix forming unit 325 generates matrix data by forming a coefficient matrix after advancing the correlation comparison routine to the last n-th reference data block.

최대치 검출부(326)는 상기 형성된 행렬 데이터로부터 최대값을 검출한다.The maximum value detector 326 detects a maximum value from the formed matrix data.

위치 동기화 수행부(327)는 상기 검출된 행렬 데이터의 최대값을 기준으로 상기 기준 데이터 블록을 이동시켜 상기 비교 데이터와 기준 데이터의 위치를 동기화시킨다.The position synchronization performer 327 synchronizes the position of the comparison data with the reference data by moving the reference data block based on the detected maximum value of the matrix data.

이와 같이, 기준 데이터 블록을 (n-1)번 이동하였을 경우,

행렬의 데이터가 생성되며, 상기

행렬의 값은 각각의 데이터간의 상관계수(Correlation Coefficient)로 채워지며, 상기 값들 중에서 최대값을 기준으로 데이터 셋(Data Set)을 이동시킴으로써 시각 및 위치를 동기화시키게 된다.As such, when the reference data block is moved (n-1) times,

The data of the matrix is generated,

The value of the matrix is filled with a correlation coefficient between each data, and the time and position are synchronized by moving the data set based on the maximum value among the values.

이하, 도 7 , 도 8 및 도 9a 내지 도 9f를 참조하여, 철도레일로부터 검측된 궤도틀림 데이터 처리 방법 및 철도레일로부터 검측된 궤도틀림 데이터의 위치 동기화 방법에 대해 구체적으로 설명하기로 한다.Hereinafter, with reference to FIGS. 7, 8, and 9A to 9F, a method of processing track distortion data detected from a railroad rail and a method of synchronizing positions of track distortion data detected from a railroad rail will be described in detail.

도 7은 본 발명의 실시예에 따른 철도레일로부터 검측된 궤도틀림 데이터 처 리 방법의 동작흐름도이다.7 is a flowchart illustrating a method for processing track distortion data detected from a railroad track according to an exemplary embodiment of the present invention.

도 7을 참조하면, 발명의 실시예에 따른 철도레일로부터 검측된 궤도틀림 데이터 처리 방법은, 먼저, 제1 검측차를 통해 궤도틀림 데이터를 검측하고(S110), 제2 검측차를 통해 궤도틀림 데이터를 검측한다(S120).Referring to FIG. 7, in the track twist data processing method detected from a railroad rail according to an embodiment of the present invention, first, track twist data is detected through a first detection car ( S110 ), and track twist is detected through a second detection car. The data is detected ( S120 ).

다음으로, 상기 제1 및 제2 검측차를 통해 검측된 궤도틀림 데이터를 수집한다(S130).Next, track distortion data detected through the first and second detection cars are collected ( S130 ).

다음으로, 상기 수집된 궤도틀림 데이터들 간의 위치를 동기화시킨다(S140). 이러한 위치 동기화 방법은 도 8을 참조하여 후술하기로 한다.Next, synchronize the position between the collected orbital data ( S140 ). This location synchronization method will be described later with reference to FIG. 8.

다음으로, 상기 위상 동기화가 수행된 궤도틀림 데이터에 대한 데이터의 분석이 수행되며(S150), 이러한 궤도틀림 데이터의 분석 결과를 출력한다(S160). 후속적으로, 분석 결과에 따라 궤도틀림이 발생한 철도레일의 유지보수가 수행될 수 있다.Next, the analysis of the data on the torsional data on which the phase synchronization has been performed is performed ( S150 ), and outputs the analysis result of the orbital torsional data ( S160 ). Subsequently, according to the analysis result, the maintenance of the railway rail having a misaligned track can be performed.

따라서 본 발명의 실시예에 따른 철도레일로부터 검측된 궤도틀림 데이터 처리 방법은 궤도틀림 데이터를 위상 동기화시킴으로써, 검측차에서 검측된 궤도틀림 값의 상호비교 및 신호상관성을 분석할 수 있게 된다.Therefore, in the track distortion data processing method detected from the railway rail according to the embodiment of the present invention, by synchronizing the track distortion data, it is possible to analyze the mutual comparison and signal correlation of the track distortion values detected in the detection vehicle.

도 8은 본 발명의 실시예에 따른 철도레일로부터 검측된 궤도틀림 데이터의 위치 동기화 방법의 동작흐름도이고, 도 9a 내지 도 9f는 본 발명의 실시예에 따른 기준 데이터 블록 및 비교 데이터 블록 간의 상관을 구하는 과정을 예시하는 도면들이다.8 is a flowchart illustrating a method of synchronizing positional track data detected from a railroad rail according to an embodiment of the present invention, and FIGS. 9A to 9F illustrate correlation between a reference data block and a comparison data block according to an embodiment of the present invention. Figures illustrating the process of obtaining.

도 8을 참조하면, 본 발명의 실시예에 따른 철도레일로부터 검측된 궤도틀림 데이터의 위치 동기화 방법은, 철도레일로부터 검측된 궤도틀림 데이터를 2대의 검측차를 이용하여 각각 검측하고, 검측된 궤도틀림 데이터를 로딩한다(S141).Referring to FIG. 8, according to an embodiment of the present invention, in the method of synchronizing positional torsional data detected from a railway rail, the positional torsional data detected from the railway rail are respectively detected using two detecting vehicles, and the detected track The incorrect data is loaded ( S141 ).

다음으로, 상기 검측된 2개의 검측 데이터를 기준 데이터와 비교 데이터로 구분하여 제1 내지 제n 기준 데이터 블록과 제1 내지 제n 비교 데이터 블록으로 각각 설정한다(S142).Next, the detected two pieces of detection data are divided into reference data and comparison data and set as first to nth reference data blocks and first to nth comparison data blocks, respectively ( S142 ).

다음으로, 상관성이 높은 데이터의 위치를 파악하기 위해 상관함수(Correlation Function)를 통해 제1 기준 데이터 블록과 제1 비교 데이터의 블록의 상관성(Correlation)을 비교한다(S143).Next, in order to identify the location of highly correlated data, the correlation between the first reference data block and the block of the first comparison data is compared through a correlation function ( S143 ).

구체적으로, 상관함수(Correlation Function)는 두 개의 시계열(Time Series) 데이터의 신호상관성을 바탕으로 위치동기를 한다. 일반적으로 어떤 양의 관측결과를 일정한 기준에 따라 계열로 정리한 것을 통계계열이라고 하는데, 시계열은 어떤 관측치 또는 통계량의 변화를 시간의 움직임에 따라서 포착하고 이것을 계열화하였을 때, 이와 같은 통계계열을 시계열이라고 한다. 이러한 경우의 관측결과 x는 시간 t에 따라서 변동하는 양이므로 그 시계열은 x(t)로 표시된다.Specifically, the correlation function performs position synchronization based on signal correlation of two time series data. In general, when a certain amount of observations are organized into a series according to a certain criterion, a statistical series is called. A time series is a time series when a change of an observation or a statistic is captured over time and serialized. do. In this case, the observed result x is a quantity that fluctuates over time t, so the time series is represented by x (t).

이러한 상관성 분석을 위해서 상관함수(Correlation Function)는 다음의 수학식 1과 같이 정의될 수 있다.For such correlation analysis, a correlation function may be defined as in Equation 1 below.

이 값은 신호

가 얼마나 빨리 변화하는가 하는 척도가 된다. 정상랜덤신 호(stationary random signal)인 특별한 경우에 자기상관함수는 시간간격

만의 함수가 된다. 그리고 파워스펙트럼 밀도(Power spectral density)는 이러한 자기상관함수를 통해 정의되며, 다음의 수학식 2와 같다. This value is the signal

It is a measure of how quickly changes. In the special case of a stationary random signal, the autocorrelation function

Will be a function of The power spectral density is defined through this autocorrelation function, as shown in Equation 2 below.

이러한 신호의 상관계수(Correlation Coefficient)

는 다음 수학식 3과 같이 정의된다.Correlation Coefficient of These Signals

Is defined as in Equation 3 below.

여기서

및

는 기대치이고,

및

는 표준편차이다.here

And

Is an expectation,

And

Is the standard deviation.

이러한 수학식 3을 샘플 데이터에 적용하기 위해 피어슨 적률 상관계수(Pearson product-moment correlation coefficient)를 적용한다. 이때, 피어슨 상관계수는 다음 수학식 4와 같이 표현될 수 있다.In order to apply Equation 3 to the sample data, Pearson product-moment correlation coefficient is applied. In this case, the Pearson correlation coefficient may be expressed as Equation 4 below.

여기서, 샘플 상관계수(sample correlation coefficient)의 제곱항으로 계수를 다음의 수학식 5와 같이 결정할 수 있다. Here, the coefficient may be determined by the square term of the sample correlation coefficient as shown in Equation 5 below.

여기서,

는

의

에서의 선형회귀 오차의 제곱값이며, 다음의 수학식 6과 같이 표현된다. here,

Is

of

Is the square value of the linear regression error in Equation 6 below.

여기서,

은

의 분산이다.here,

silver

Is the dispersion of.

상기 수학식 6을 이용하여 시계열 데이터간의 상관성을 비교하며, 이때 상관성이 가장 높은 데이터의 위치를 파악하기 위해서, 먼저 기준 데이터와 비교 데이터를 각각 블록화하여 제1 내지 제n 기준 데이터 블록과 제1 내지 제n 비교 데이터 블록으로 설정한다.The correlation between the time series data is compared using Equation 6, and in order to determine the position of the data having the highest correlation, first, the reference data and the comparison data are first blocked, and the first to n th reference data blocks and the first to n th blocks are compared. Set to the nth comparison data block.

도 9a 및 도 9b에 도시된 바와 같이, 먼저 제1 기준 데이터 블록을 제1 내지 제n 비교 데이터 블록에 대하여 상관(Correlation)을 구한다. 즉, 비교 데이터 블록을 기설정된 데이터 간격만큼 이동시키면서 제1 기준 데이터 블록과의 상관을 구한다.As shown in FIGS. 9A and 9B, first, a correlation is obtained for the first reference data block with respect to the first to nth comparison data blocks. That is, the correlation with the first reference data block is obtained while moving the comparison data block by a predetermined data interval.

다음으로, 상기 제1 기준 데이터 블록과 상관성을 비교한 제1 비교 데이터 블록을 제n 비교 데이터 블록까지 상관성을 비교하는 상관성 비교 루틴을 진행하는데, 기준 데이터 블록을 이동시키면서 상관성 비교 루틴을 진행하고(S144), 마지막 기준 데이터 블록까지 반복적으로 상관성 비교 루틴을 진행한다(S145). 즉, 도 9c 및 도 9d에 도시된 바와 같이, 마지막 N번째 비교 데이터 블록까지 상관을 구한 후에는 다시 제1 기준 데이터 블록을 기설정된 간격만큼 이동하고, 다음 제2 기준 데이터 블록을 제1 비교 데이터 블록부터 마지막 제n 비교 데이터 블록까지 상관을 구하는 과정을 수행하는데, 도 9e 및 도 9f에 도시된 바와 같이, 전술한 과정을 n번째 비교 데이터 블록까지 S143 단계 및 S144 단계를 반복한다.Next, a correlation comparison routine for comparing the correlation between the first comparison data block comparing the correlation with the first reference data block to the nth comparison data block is performed, and the correlation comparison routine is performed while moving the reference data block ( S144 ), the correlation comparison routine is repeatedly performed until the last reference data block ( S145 ). That is, as shown in FIGS. 9C and 9D, after obtaining a correlation up to the last N-th comparison data block, the first reference data block is moved again by a predetermined interval, and the next second reference data block is first compared data. A process of obtaining a correlation from the block to the last n-th comparison data block is performed. As shown in FIGS. 9E and 9F, the above-described process is repeated to the n-th comparison data block in steps S143 and S144.

다음으로, 상기 상관성 비교 루틴을 진행하여 기준 데이터 블록을 (n-1)번 이동하였을 경우의

계수행렬(Coefficient Matrix)을 형성하여 계수행렬 데이터를 생성하고(S146), 이후, 상기 형성된 행렬 데이터로부터 최대값을 검출하며(S147), 상기 검출된 행렬 데이터의 최대값을 기준으로 상기 기준 데이터 블록을 이동시켜 상기 비교 데이터와 기준 데이터의 위치를 동기화시킨다(S148).Next, the correlation comparison routine is performed to move the reference data block (n-1) times.

A coefficient matrix is formed to generate coefficient matrix data ( S146 ), and then a maximum value is detected from the formed matrix data ( S147 ), and the reference data block is based on the maximum value of the detected matrix data. Move to synchronize the position of the comparison data and the reference data ( S148 ).

이와 같이, 기준 데이터 블록을 (n-1)번 이동하였을 경우,

행렬의 데이터가 생성되며, 상기

행렬의 값은 각각의 데이터간의 상관계수(Correlation Coefficient)로 채워지며, 상기 값들 중에서 최대값을 기준으로 데이터 셋(Data Set)을 이동시킴으로써 시각 및 위치를 동기화 시킬 수 있다.As such, when the reference data block is moved (n-1) times,

The data of the matrix is generated,

The value of the matrix is filled with a correlation coefficient between each data, and time and position can be synchronized by moving a data set based on a maximum value among the values.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않 고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분리되어 실시될 수도 있으며, 마찬가지로 분리된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.The foregoing description of the present invention is intended for illustration, and those skilled in the art can understand that the present invention can be easily modified in other specific forms without changing the technical spirit or essential features of the present invention. There will be. It is therefore to be understood that the above-described embodiments are illustrative in all aspects and not restrictive. For example, each component described as a single type may be implemented separately, and similarly, components described as separated may be implemented as a combined type.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention is shown by the following claims rather than the above description, and all changes or modifications derived from the meaning and scope of the claims and their equivalents should be construed as being included in the scope of the present invention. do.

도 1a 내지 도 1c는 궤도의 기하학적 레일 위치를 설명하기 위한 도면이다.1A to 1C are views for explaining the geometric rail positions of the track.

도 2는 궤도틀림의 기하학적 정의를 나타내는 테이블이다.2 is a table showing the geometric definition of orbital distortion.

도 3은 검측차를 예시하는 도면이다.3 is a diagram illustrating a detection difference.

도 4는 종래의 기술에 따른 두 대의 검측차로부터 계측된 궤도틀림 데이터간 오차 발생 원인을 설명하기 위한 도면이다.4 is a view for explaining the cause of the error between the orbital distortion data measured from the two detection cars according to the prior art.

도 7은 본 발명의 실시예에 따른 철도레일로부터 검측된 궤도틀림 데이터 처리 방법의 동작흐름도이다.7 is a flowchart illustrating a method for processing track distortion data detected from a railway rail according to an exemplary embodiment of the present invention.

도 8은 본 발명의 실시예에 따른 철도레일로부터 검측된 궤도틀림 데이터의 위치 동기화 방법의 동작흐름도이다.8 is a flowchart illustrating a method of synchronizing position of track distortion data detected from a railway rail according to an exemplary embodiment of the present invention.

도 9a 내지 도 9f는 본 발명의 실시예에 따른 기준 데이터 블록 및 비교 데이터 블록 간의 상관을 구하는 과정을 예시하는 도면들이다.9A to 9F are diagrams illustrating a process of obtaining a correlation between a reference data block and a comparison data block according to an embodiment of the present invention.

< 도면부호의 간단한 설명 ><Brief Description of Drawings>

100: 제1 검측차 200: 제2 검측차100: first detection car 200: second detection car

110: 제1 궤도틀림 데이터 검측부 120: 제1 궤도틀림 데이터 처리부110: first track distortion data detecting unit 120: first track distortion data processing unit

210: 제2 궤도틀림 데이터 검측부 120: 제2 궤도틀림 데이터 처리부210: second orbital distortion data detection unit 120: second orbital distortion data processing unit

300: 궤도틀림 데이터 처리 시스템300: torsional data processing system

310: 궤도틀림 데이터 수집부 320: 위상 동기화 처리부310: orbital distortion data collection unit 320: phase synchronization processing unit

330: 궤도틀림 데이터 분석부 340: 분석결과 출력부330: Orbital distortion data analysis unit 340: Analysis result output unit

321: 기준 데이터블록 설정부 322: 비교 데이터블록 설정부321: reference data block setting unit 322: comparison data block setting unit

323: 상관(Correlation) 연산부 324: 데이터블록 시프터(Shifter)323: Correlation calculation unit 324: Data block shifter

325: 계수행렬(Coefficient Matrix) 형성부325: coefficient matrix forming unit

326: 최대치 검출부 327: 위치 동기화 수행부326: maximum detection unit 327: position synchronization execution unit

Claims

A position synchronization method for signal processing of track distortion data detected from a railway rail,

a) detecting track distortion data from a railway rail using two detection cars;

b) dividing the detected two detection data into reference data and comparison data and setting the first to n th reference data blocks and the first to n th comparison data blocks, respectively;

c) comparing correlations according to a correlation comparison routine while moving the first through n-th reference data blocks and the first through n-th comparison data blocks, respectively, to identify the location of highly correlated data;

d) advancing the correlation comparison routine to the last n th reference data block to form a coefficient matrix and generate matrix data;

e) detecting a maximum value from the formed matrix data; And

f) synchronizing the position of the comparison data with the reference data by moving the reference data block based on the detected maximum value of the matrix data

Position synchronization method of the torsional data detected from the railway rail comprising a.

The method of claim 1, wherein c) is

c-1) comparing the correlation between the first reference data block and the block of the first comparison data through a correlation function to determine a location of highly correlated data;

c-2) comparing the first comparison data block comparing the correlation with the first reference data block while continuing the correlation comparison routine for comparing the correlation to the nth comparison data block; And

c-3) comparing the correlation by going through the correlation comparison routine to the last nth reference data block

The method of claim 1,

Step d) is performed according to a result of performing a correlation comparison routine while moving the first reference data block (n-1) times.

A method of synchronizing positional torsional data detected from a railway rail, characterized in that data of a matrix is generated.

In the track distortion data processing method for signal processing of track distortion data detected from a railway rail,

a) detecting the torsional data through the first detection vehicle;

b) detecting the torsional data through a second detection difference;

c) collecting orbital distortion data detected by the first and second detection differences;

d) synchronizing the position value using the correlation analysis result between the torsional data through the correlation function to identify the position of highly correlated data;

e) analyzing the torsional data on which the phase synchronization has been performed; And

f) outputting an analysis result of the track distortion data

Track twist data processing method detected from the railway rail comprising a.

The method of claim 4, wherein the d) step,

d-1) dividing the detected two pieces of detection data into reference data and comparison data and setting the first to nth reference data blocks and the first to nth comparison data blocks, respectively;

d-2) comparing correlations according to a correlation comparison routine while moving the first to n-th reference data blocks and the first to n-th comparison data blocks, respectively, in order to determine the location of highly correlated data. ;

d-3) advancing the correlation comparison routine to the last n th reference data block to form a coefficient matrix and generating matrix data;

d-4) detecting a maximum value from the formed matrix data; And

d-5) synchronizing the position of the comparison data and the reference data by moving the reference data block based on the detected maximum value of the matrix data

Track twist data processing method detected from the railway rail comprising a.

In the track distortion data processing system for signal processing of track distortion data detected from a railroad rail,

A torsional data collecting unit configured to collect orbital torsional data detected through the first and second detection cars, respectively;

A phase synchronization processor for synchronizing position values using correlation analysis results between orbital torsion data through a correlation function in order to determine the position of highly correlated data;

An orbital torsion data analyzer configured to analyze orbital torsion data in which phase synchronization is performed by the phase synchronization processor; And

Analysis result output unit for outputting the analysis result of the orbital distortion data

Track orbital data processing system detected from the railway rail comprising a.

The method of claim 6, wherein the phase synchronization processing unit,

A reference data block setting unit which sets reference data collected from the first detection difference as first to nth reference data blocks;

A comparison data block setting unit configured to set comparison data collected from the second detection difference as first to nth comparison data blocks;

A correlation calculation unit comparing the correlation according to a correlation comparison routine while moving the first to n-th reference data blocks and the first to n-th comparison data blocks, respectively, to identify the location of highly correlated data;

A data block shifter for moving the first to n th reference data blocks and the first to n th comparison data blocks by a predetermined data interval, respectively;

A coefficient matrix forming unit for generating matrix data by forming a coefficient matrix after advancing the correlation comparison routine to the last n-th reference data block;

A maximum value detector for detecting a maximum value from the formed matrix data; And

A position synchronization performer configured to synchronize the position of the comparison data with the reference data by moving the reference data block based on the detected maximum value of the matrix data