KR20200058132A - 철도차량 주요부품 및 시스템 진단장치 - Google Patents
철도차량 주요부품 및 시스템 진단장치 Download PDFInfo
- Publication number
- KR20200058132A KR20200058132A KR1020180142750A KR20180142750A KR20200058132A KR 20200058132 A KR20200058132 A KR 20200058132A KR 1020180142750 A KR1020180142750 A KR 1020180142750A KR 20180142750 A KR20180142750 A KR 20180142750A KR 20200058132 A KR20200058132 A KR 20200058132A
- Authority
- KR
- South Korea
- Prior art keywords
- railway vehicle
- speed
- main parts
- power
- gps
- Prior art date
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 64
- 230000002159 abnormal effect Effects 0.000 claims abstract description 13
- 238000005070 sampling Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 description 33
- 238000001228 spectrum Methods 0.000 description 23
- 238000012423 maintenance Methods 0.000 description 8
- 230000002950 deficient Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000012774 diagnostic algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000013021 overheating Methods 0.000 description 2
- 101100096650 Mus musculus Srms gene Proteins 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
- B61L27/57—Trackside diagnosis or maintenance, e.g. software upgrades for vehicles or trains, e.g. trackside supervision of train conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L15/00—Indicators provided on the vehicle or train for signalling purposes
- B61L15/0081—On-board diagnosis or maintenance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2264—Multidimensional index structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L2205/00—Communication or navigation systems for railway traffic
- B61L2205/04—Satellite based navigation systems, e.g. global positioning system [GPS]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
- B61L25/021—Measuring and recording of train speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
- B61L25/025—Absolute localisation, e.g. providing geodetic coordinates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mechanical Engineering (AREA)
- Biomedical Technology (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
본 발명은 철도차량 주요부품 및 시스템 진단장치에 관한 것으로, 제1 구간 동안 복수의 센서들을 통해 수집된 센싱값들을 다차원 철도차량 파라미터로 요약하여 적어도 하나의 철도차량 주요부품 및 시스템에 대한 특징값을 생성하는 철도차량 상태 요약부, 복수의 연속적인 제1 구간들로 구성되는 제2 구간 동안 누적된 복수의 특징값들을 정규 분포화 하여 상기 적어도 하나의 철도차량 주요부품 및 시스템에 관한 데이터베이스를 생성하는 데이터베이스 생성부 및 상기 주요부품 및 시스템에 관한 데이터베이스를 기초로 상기 적어도 하나의 철도차량 주요부품 및 시스템에 관한 이상상황을 검출하여 정밀진단을 수행하는 주요부품 및 시스템 진단 수행부를 포함한다. 따라서, 본 발명은 복수의 센서들로부터 수집한 센싱값들을 이용하여 주요부품 및 시스템의 결함을 진단할 수 있다.
Description
본 발명은 철도차량 주요부품 및 시스템 진단 기술에 관한 것으로, 보다 상세하게는 복수의 센서들로부터 수집한 센싱값들을 이용하여 주요부품 및 시스템의 결함을 진단할 수 있는 철도차량 주요부품 및 시스템 진단장치에 관한 것이다.
고속철도는 대량 수송 체계로서 사고 발생시 대형 사고로 이어질 확률이 높아 철도차량의 결함을 조기에 검출할 수 있는 시스템의 필요성이 대두되고 있다. 전세계적으로 사고예방 및 유지보수에 소요되는 비용 절감을 위해 주기 정비에서 상태기반 유지보수(Condition Based Maintenance, CBM)으로 전환되고 있다. 또한, 고속철도의 정시 도착율은 국민 편익 측면에서 매우 중요한 항목이고, 정시 도착율을 효과적으로 유지하기 위해서는 철도차량의 주요 부품 및 시스템에 대한 상태진단이 필수적이다.
한국등록특허 제10-0540162(2005.12.23)호는 철도차량의 유지보수를 위한 정보화 시스템에 관한 것으로, 정보화 인프라 구축을 통하여 철도차량의 운영기관에서 분산되어 진행되는 업무 프로세스 및 자료관리 등을 통합관리 운영이 가능하여 철도분야의 운영 효율성을 증대시키고, 철도차량분야의 운영 유지보수 체계의 표준화/정보화 구축을 통해 철도차량 분야의 생산성 및 경쟁력을 향상시킬 수 있다.
한국등록특허 제10-1231836(2013.02.04)호는 철도차량 출입문 유지보수를 위한 실시간 모니터링 시스템에 관한 것으로, 철도차량의 출입문이 고장 시 출입문을 제어하는 DCU의 상태정보를 직접 휴대가 가능한 노트북이나 산업용 컴퓨터 등의 이동식 컴퓨터를 케이블로 직접 연결하여 출입문의 제어 및 감시 이력 등의 상태 정보를 확인하고 그 고장 등이 발생시에 고장 원인의 분석이 용이하고 그로 인해 유지 보수 장비 및 유비보수 시간을 단축할 수 있다.
본 발명의 일 실시예는 복수의 센서들로부터 수집한 센싱값들을 이용하여 주요부품 및 시스템의 결함을 진단할 수 있는 철도차량 주요부품 및 시스템 진단장치를 제공하고자 한다.
본 발명의 일 실시예는 복수의 센서들 각각에 대해 미리 정의된 레벨 구간에 따라 센싱값을 레벨화 하여 다차원 철도차량 파라미터로 요약함으로써 주요부품 및 시스템에 대한 이상상황을 효과적으로 검출할 수 있는 철도차량 주요부품 및 시스템 진단장치를 제공하고자 한다.
본 발명의 일 실시예는 샘플링을 통해 누적된 복수의 특징값들 각각을 복수의 클래스 레벨들 중 하나로 분류하여 2차원 좌표계에서의 분포를 산출함으로써 주요부품 및 시스템에 대한 이상상황을 효과적으로 검출할 수 있는 철도차량 주요부품 및 시스템 진단장치를 제공하고자 한다.
실시예들 중에서, 철도차량 주요부품 및 시스템 진단장치는 제1 구간 동안 복수의 센서들을 통해 수집된 센싱값들을 다차원 철도차량 파라미터로 요약하여 적어도 하나의 철도차량 주요부품 및 시스템에 대한 특징값을 생성하는 철도차량 상태 요약부, 복수의 연속적인 제1 구간들로 구성되는 제2 구간 동안 누적된 복수의 특징값들을 정규 분포화 하여 상기 적어도 하나의 철도차량 주요부품 및 시스템에 관한 데이터베이스를 생성하는 데이터베이스 생성부 및 상기 주요부품 및 시스템에 관한 데이터베이스를 기초로 상기 적어도 하나의 철도차량 주요부품 및 시스템에 관한 이상상황을 검출하여 정밀진단을 수행하는 주요부품 및 시스템 진단 수행부를 포함한다.
상기 철도차량 상태 요약부는 상기 복수의 센서들 각각의 센싱 주기를 기초로 상기 복수의 센서들 모두에 대한 센싱값을 포함하도록 상기 제1 구간을 결정할 수 있다.
상기 철도차량 상태 요약부는 상기 복수의 센서들 각각에 대해 미리 정의된 레벨 구간에 따라 센싱값을 레벨화 하여 상기 다차원 철도차량 파라미터로 요약할 수 있다.
상기 데이터베이스 생성부는 상기 복수의 특징값들 각각을 복수의 클래스 레벨들 중 하나로 분류하여 특징값 및 클래스 레벨에 대한 2차원 좌표계에서의 분포를 산출할 수 있다.
상기 데이터베이스 생성부는 상기 복수의 특징값들 각각의 다차원 철도차량 파라미터를 분류 순서에 따라 차례대로 분류함으로써 상기 복수의 클래스 레벨들 중 하나로 최종 분류할 수 있다.
상기 주요부품 및 시스템 진단 수행부는 상기 적어도 하나의 철도차량 주요부품 및 시스템마다 단계적으로 정의된 검출 기준을 적용하여 정상 범위를 결정할 수 있다.
상기 주요부품 및 시스템 진단 수행부는 상기 적어도 하나의 철도차량 주요부품 및 시스템에 대해 상기 제1 구간 간격으로 실시간 샘플링을 수행하고 상기 샘플링을 통해 생성되는 특징값이 상기 정상 범위를 벗어나고 기준 횟수만큼 연속하여 반복되는 경우 상기 이상상황으로서 검출할 수 있다.
상기 주요부품 및 시스템 진단 수행부는 상기 이상상황이 검출된 철도차량 주요부품 및 시스템에 대해 상기 제1 구간 간격보다 짧은 간격으로 실시간 샘플링을 수행하고 상기 샘플링을 통해 생성되는 특징값을 기초로 상기 정밀진단을 수행할 수 있다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 철도차량 주요부품 및 시스템 진단장치는 복수의 센서들 각각에 대해 미리 정의된 레벨 구간에 따라 센싱값을 레벨화 하여 다차원 철도차량 파라미터로 요약함으로써 주요부품 및 시스템에 대한 이상상황을 효과적으로 검출할 수 있다.
본 발명의 일 실시예에 따른 철도차량 주요부품 및 시스템 진단장치는 샘플링을 통해 누적된 복수의 특징값들 각각을 복수의 클래스 레벨들 중 하나로 분류하여 2차원 좌표계에서의 분포를 산출함으로써 주요부품 및 시스템에 대한 이상상황을 효과적으로 검출할 수 있다.
도 1은 본 발명의 일 실시예에 따른 철도차량 주요부품 및 시스템 진단 시스템을 설명하는 도면이다.
도 2는 도 1에 있는 철도차량 주요부품 및 시스템 진단장치를 설명하는 블록도이다.
도 3은 도 1에 있는 철도차량 주요부품 및 시스템 진단장치에서 수행되는 철도차량 주요부품 및 시스템 진단 과정을 설명하는 순서도이다.
도 4 내지 6은 도 1에 있는 철도차량 주요부품 및 시스템 진단장치에서 다차원 철도차량 파라미터를 이용하여 주요부품 및 시스템에 대한 클래스 레벨을 결정하는 과정을 설명하는 예시도이다.
도 7 및 8은 도 1에 있는 철도차량 주요부품 및 시스템 진단장치에서 주요부품 및 시스템에 대한 특징값의 2차원 분포를 산출하는 과정을 설명하는 예시도이다.
도 2는 도 1에 있는 철도차량 주요부품 및 시스템 진단장치를 설명하는 블록도이다.
도 3은 도 1에 있는 철도차량 주요부품 및 시스템 진단장치에서 수행되는 철도차량 주요부품 및 시스템 진단 과정을 설명하는 순서도이다.
도 4 내지 6은 도 1에 있는 철도차량 주요부품 및 시스템 진단장치에서 다차원 철도차량 파라미터를 이용하여 주요부품 및 시스템에 대한 클래스 레벨을 결정하는 과정을 설명하는 예시도이다.
도 7 및 8은 도 1에 있는 철도차량 주요부품 및 시스템 진단장치에서 주요부품 및 시스템에 대한 특징값의 2차원 분포를 산출하는 과정을 설명하는 예시도이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 본 발명의 일 실시예에 따른 철도차량 주요부품 및 시스템 진단 시스템을 설명하는 도면이다.
도 1을 참조하면, 철도차량 주요부품 및 시스템 진단 시스템(100)은 철도차량(110), 철도차량 주요부품 및 시스템 진단장치(130), 데이터베이스(150) 및 사용자 단말(170)을 포함할 수 있다.
철도차량(110)은 철도의 선로 위를 운행할 목적으로 제조된 동력차, 객차, 화차 및 특수차 등에 해당할 수 있다. 일 실시예에서, 철도차량(110)은 다양한 부품들의 상태를 모니터링하기 위하여 관련 데이터를 측정할 수 있는 복수의 센서들을 포함하여 구현될 수 있다. 예를 들어, 철도차량(110)은 헌팅 센서, 진동 센서, 가속도 센서, GPS(Global Positioning System) 센서, 전류 센서, 열화상 센서, 휠 센서 및 구동 센서 등을 포함하여 구현될 수 있다.
철도차량 주요부품 및 시스템 진단장치(130)는 철도차량(110)을 구성하는 주요부품 및 시스템들의 결함을 사전에 진단할 수 있는 컴퓨터 또는 프로그램에 해당하는 서버로 구현될 수 있다. 여기에서, 주요부품 및 시스템은 철도차량(110)을 구성하는 부품들 중에서 결함이 발생하는 경우 철도차량(110) 및 탑승자의 안전에 영향을 미칠 수 있는 부품에 해당할 수 있다. 철도차량 주요부품 및 시스템 진단장치(130)는 철도차량(110)과 블루투스, WiFi 등을 통해 무선으로 연결될 수 있고, 네트워크를 통해 철도차량(110)과 데이터를 주고 받을 수 있다.
일 실시예에서, 철도차량 주요부품 및 시스템 진단 장치(130)는 철도차량(110)에 포함된 복수의 센서들로부터 센싱값을 주기적으로 또는 실시간으로 수신할 수 있고, 주요부품 및 시스템의 이상상황 또는 결함을 진단하여 그 결과를 철도차량(110)에 제공할 수 있다. 다른 실시예에서, 차량 주요부품 및 시스템 진단 장치(130)는 철도차량(110)에 포함되어 구현될 수 있고, 주요부품 및 시스템에 대한 진단 결과를 사용자 단말(170)에 제공할 수 있다.
일 실시예에서, 철도차량 주요부품 및 시스템 진단장치(130)는 데이터베이스(150)와 연동하여 주요부품 및 시스템 진단을 위하여 필요한 정보를 저장할 수 있다. 한편, 철도차량 주요부품 및 시스템 진단장치(130)는 도 1과 달리, 데이터베이스(150)를 내부에 포함하여 구현될 수 있다. 또한, 철도차량 주요부품 및 시스템 진단장치(130)는 프로세서, 메모리, 사용자 입출력부 및 네트워크 입출력부를 포함하여 구현될 수 있다.
데이터베이스(150)는 철도차량 주요부품 및 시스템을 진단하기 위해 필요한 다양한 정보들을 저장할 수 있는 저장장치이다. 데이터베이스(150)는 철도차량(110) 및 철도차량(110)을 구성하는 다양한 주요부품 및 시스템들에 관한 정보를 저장할 수 있고, 철도차량(110)으로부터 수신한 복수의 센싱값들을 저장할 수 있으며, 반드시 이에 한정되지 않고, 복수의 센싱값들을 기초로 철도차량 주요부품 및 시스템을 진단하는 과정에서 다양한 형태로 수집 또는 가공된 정보들을 저장할 수 있다.
사용자 단말(170)은 철도차량 주요부품 및 시스템 진단장치(130)에 의해 수행된 주요부품 및 시스템 진단 결과를 수신하여 다양한 인터페이스를 통해 표시할 수 있는 컴퓨팅 장치에 해당할 수 있다. 사용자 단말(170)은 스마트폰, 노트북 또는 컴퓨터로 구현될 수 있으며, 반드시 이에 한정되지 않고, 태블릿 PC 등 다양한 디바이스로도 구현될 수 있다. 사용자 단말(170)은 철도차량 주요부품 및 시스템 진단장치(130)와 네트워크를 통해 연결될 수 있고, 복수의 사용자 단말(170)들은 철도차량 주요부품 및 시스템 진단장치(130)와 동시에 연결될 수 있다. 일 실시예에서, 사용자 단말(170)은 철도차량(110) 및/또는 철도차량 주요부품 및 시스템 진단장치(130)에 미리 등록될 수 있다.
도 2는 도 1에 있는 철도차량 주요부품 및 시스템 진단장치를 설명하는 블록도이다.
도 2를 참조하면, 철도차량 주요부품 및 시스템 진단장치(130)는 철도차량 상태 요약부(210), 데이터베이스 생성부(230), 철도차량 진단 수행부(250) 및 제어부(270)를 포함할 수 있다.
철도차량 상태 요약부(210)는 제1 구간 동안 복수의 센서들을 통해 수집된 센싱값들을 다차원 철도차량 파라미터로 요약하여 적어도 하나의 철도차량 주요부품 및 시스템에 대한 특징값을 생성할 수 있다. 제1 구간은 미리 정의된 시간 구간으로서, 철도차량의 상태를 파악하기 위하여 설치된 복수의 센서들로부터 센싱값들을 수집하는 단위 시간 구간에 해당할 수 있다. 특징값은 철도차량을 구성하는 주요부품 및 시스템의 상태를 표현하는 값에 해당할 수 있고, 예를 들어, 모터블록과열, 배전반과열, 응축수탱크수위, 도어끼임, 도어결함, 트라이포드, 휠베어링, 휠 플래팅, 기어박스, 대차불안정성 및 송풍기 결함 등에 관한 상태를 표현하는 값에 해당할 수 있다.
또한, 다차원 철도차량 파라미터는 복수의 센서들로부터 수집된 센싱값 중 특정 주요부품 및 시스템 진단과 관계된 센싱값들 만으로 구성되는 센싱값 벡터에 해당할 수 있다. 즉, 철도차량 상태 요약부(210)는 복수의 센서들로부터 수집한 센싱값을 기초로 철도차량 주요부품 및 시스템 별로 필요한 센싱값을 선별하여 다차원 철도차량 파라미터로 요약함으로써 특징값을 생성할 수 있다.
예를 들어, 철도차량 상태 요약부(210)는 다음과 같은 철도차량 주요부품 및 시스템 진단 항목에 관한 특징값 및 다차원 철도차량 파라미터를 정의하여 활용할 수 있다(진단 항목: 특징값(다차원 철도차량 파라미터)).
1) 모터블럭 과열: 모터블럭온도(속도, Power, GPS)
2) 배전반과열: 배전반온도(속도, Power, GPS)
3) 응축수 범람: 응축수 수위(응축수 수위)
4) 도어 끼임: 도어갭(도어갭)
5) 도어 결함: 작동전류(도어개폐 히스테리시스)
6) 트라이포드 결함: 축비틀림각(속도, Power, GPS)
7) 휠베어링 결함: 휠진동(속도, Power, GPS)
8) 휠 찰상: 휠진동(속도, Power, GPS)
9) 기어박스 결함: 기어박스진동(속도, Power, GPS)
10) 대차 불안정성: 대차진동(속도, Power, GPS)
11) 송풍기 결함: 송풍기진동(속도, Power, GPS)
일 실시예에서, 철도차량 상태 요약부(210)는 복수의 센서들 각각의 센싱 주기를 기초로 복수의 센서들 모두에 대한 센싱값을 포함하도록 제1 구간을 결정할 수 있다. 철도차량 상태 요약부(210)는 제1 구간에 대해 복수의 센서들 모두로부터 적어도 하나의 센싱값을 수집할 수 있도록 각각의 센서들의 센싱 주기를 모두 포함할 수 있는 길이의 시간을 할당할 수 있다. 예를 들어, 총 3개의 센서가 있고, 각 센서의 센싱 주기가 1초, 3초, 5초 인 경우 철도차량 상태 요약부(210)는 제1 구간을 적어도 5초 이상으로 결정함으로써 제1 구간 동안 3개의 센서 모두로부터 적어도 하나의 센싱값을 수집할 수 있다.
일 실시예에서, 철도차량 상태 요약부(210)는 복수의 센서들 각각에 대해 미리 정의된 레벨 구간에 따라 센싱값을 레벨화 하여 다차원 철도차량 파라미터로 요약할 수 있다. 예를 들어, 속도 센서, 파워 센서 및 온도 센서 각각을 통해 수집된 실제 센싱값이 55km, 33%, 15°인 경우 철도차량 상태 요약부(210)는 각 센서별로 미리 정의된 레벨 구간에 따라 속도 55km을 속도 2레벨로, 파워 33%를 파워 4레벨로, 온도 15°를 온도 4레벨로 레벨화할 수 있다. 결과적으로, (속도, 파워, 온도) = (55km, 33%, 15°)인 경우 철도차량 상태 요약부(210)는 레벨화를 통해 (속도, 파워, 온도) = (2, 4, 4)를 다차원 철도차량 파라미터로서 요약할 수 있다.
데이터베이스 생성부(230)는 복수의 연속적인 제1 구간들로 구성되는 제2 구간 동안 누적된 복수의 특징값들을 정규 분포화 하여 적어도 하나의 철도차량 주요부품 및 시스템에 관한 데이터베이스를 생성할 수 있다. 데이터베이스 생성부(230)는 제1 구간 별로 생성되는 특징값들을 누적시켜 철도차량 주요부품 및 시스템에 관한 데이터베이스를 생성할 수 있다. 제2 구간은 복수의 연속적인 제1 구간들에 의해 정의되는 시간 구간에 해당할 수 있다. 결과적으로, 데이터베이스 생성부(230)는 제2 구간동안 수집된 모든 센싱값을 기초로 데이터베이스를 생성하는 것이 아니라 제2 구간동안 샘플링 주기에 따라 주기별로 요약된 정보만을 이용하여 데이터베이스를 생성함으로써 데이터베이스 구축에 소요되는 연산 및 시간을 절약할 수 있다.
또한, 데이터베이스 생성부(230)는 제2 시간 동안 누적된 특징값들을 기초로 정규 분포화 함으로써 제2 시간 전체에 대한 연속적인 데이터를 확보할 수 있으며, 이는 적어도 하나의 철도차량 주요부품 및 시스템에 관한 데이터베이스를 구축하는데 있어 소요되는 연산 및 시간을 효과적으로 절약할 수 있는 효과를 제공할 수 있다.
일 실시예에서, 데이터베이스 생성부(230)는 복수의 특징값들 각각을 복수의 클래스 레벨들 중 하나로 분류하여 특징값 및 클래스 레벨에 대한 2차원 좌표계에서의 분포를 산출할 수 있다. 데이터베이스 생성부(230)는 다차원 철도차량 파라미터로 요약된 특징값에 대해 미리 정의된 복수의 클래스 레벨들 중 하나로 분류할 수 있고, 클래스 레벨을 x축으로 하고 특징값을 y축으로 하는 2차원 좌표계에 표시하여 특징값에 대한 분포를 산출할 수 있다. 클래스 레벨은 특징값에 대한 분류를 위해 정의된 분류 항목에 해당할 수 있고, 클래스 레벨의 수는 특징값을 구성하는 다차원 철도차량 파라미터의 차원 수 및 각 파라미터의 레벨 수를 기초로 산출될 수 있다.
일 실시예에서, 데이터베이스 생성부(230)는 복수의 특징값들 각각의 다차원 철도차량 파라미터를 분류 순서에 따라 차례대로 분류함으로써 복수의 클래스 레벨들 중 하나로 최종 분류할 수 있다. 데이터베이스 생성부(230)에 의해서 수행되는 클래스 레벨 분류 방법에 대해서는 도 4 내지 6에서 보다 자세히 설명한다.
철도차량 진단 수행부(250)는 주요부품 및 시스템에 관한 데이터베이스를 기초로 적어도 하나의 철도차량 주요부품 및 시스템에 관한 이상상황을 검출하여 정밀진단을 수행할 수 있다. 데이터베이스 생성부(230)에 의해 생성된 주요부품 및 시스템에 관한 데이터베이스를 기초로 복수의 센서들로부터 수집되고 철도차량 상태 요약부(210)에 의해 생성되는 특징값이 정상 범위 내의 값인지를 기초로 철도차량 주요부품 및 시스템에 관한 이상상황을 예지하거나 또는 검출할 수 있고, 이상상황이 예지되거나 또는 검출된 철도차량 주요부품 및 시스템에 대해 정밀진단을 수행할 수 있다.
일 실시예에서, 철도차량 진단 수행부(250)는 적어도 하나의 철도차량 주요부품 및 시스템마다 단계적으로 정의된 검출 기준을 적용하여 정상 범위를 결정할 수 있다. 철도차량 진단 수행부(250)는 주요부품 및 시스템에 관한 데이터베이스를 기초로 각 철도차량 주요부품 및 시스템에 대해 정상적인 동작 과정에서 수집되는 특징값의 범위를 결정할 수 있다. 검출 기준은 데이터베이스에 저장된 정보와의 비교를 통해 특정 주요부품 및 시스템의 동작이 비정상인지 여부를 판단할 수 있는 기준에 해당할 수 있고, 예를 들어, 경고, 경보 등을 포함할 수 있다. 경고는 주요부품 및 시스템에 이상이 생길 위험이 높은 상황임을 판단하는 기준이고, 경보는 경고보다 더 위험한 수준으로 즉각적인 진단이나 검사가 필요한 상황임을 판단하는 기준에 해당할 수 있다.
또한, 철도차량 진단 수행부(250)는 다음과 같이 철도차량 주요부품 및 시스템의 진단 항목에 대해 검출 기준에 따른 정상 범위를 정의하여 활용할 수 있다.
1) 모터블럭 과열
Criterion 설정: Tmref(속도, Power, GPS)=Tmpeak (속도, Power, GPS)*Fm(=1.5, 2.0: 경고, 경보) in 모터블럭온도(속도, Power, GPS) at VML<속도<VMH, PML(속도)<Power<PMH(속도), and Class(GPS)
2) 배전반 과열
Criterion 설정: Tdref(속도, Power, GPS)=Tdpeak(RMP, 속도, GPS)*Fd(=1.5, 2.0: 경고, 경보) in 배전반온도(속도, Power, GPS) at VDL<속도<VDH, PDL(속도)<속도<PDH(RPM), and Class(GPS)
3) 응축수 범람
Criterion 설정: Htref=Htpeak*Fh(=1.1, 1.2: 경고, 경보)
4) 도어 끼임
Criterion 설정: Gpref=Gppeak*Fg(=1.1, 1.2: 경고, 경보)
5) 도어 결함
Criterion 설정: Ghref=Ghpeak*Ft(=1.1, 1.2: 경고, 경보)
6) 트라이포드 결함
- 1차 Criterion 설정: Tref (속도, Power, GPS)=Trms (속도, Power, GPS)*Ft(=1.5, 2.0: 경고, 경보) in 축비틀림각(속도, Power, GPS) at VTL<속도<VTH, and PTL(속도)<Power<PTH(속도), and Class(GPS)
- 2차 Criterion 설정: Stref-tdfi (속도, Power, GPS)=Stpeak-tdfi (속도, Power, GPS)*Ft(=1.5, 2.0: 경고, 경보) in 비틀림진동 Enveloping Spectrum or Kepstrum (속도, Power, GPS), 트라이포드 defect frequency(tdfi) at VTL<속도<VTH, and PTL(속도)<Power<PTH(속도), and Class(GPS)
7) 휠베어링 결함
- 1차 Criterion 설정: Wref(속도, Power, GPS)=Wrms((속도, Power, GPS)*Fw(=1.5, 2.0: 경고, 경보) in 휠진동 (속도, Power, GPS) at VWL<속도<VWH, and PWL(속도)<Power<PWH(속도), and Class(GPS)
- 2차 Criterion 설정: Swref-wdfi (속도, Power, GPS)=Swpeak-wdfi(속도, Power, GPS)*Fw(=1.5, 2.0: 경고, 경보) in 휠진동 Enveloping Spectrum(속도, Power, GPS), 휠베어링 defect frequency(wdfi) at VWL<속도<VWH, and PWL(속도)<Power<PWH(속도), and Class(GPS)
8) 휠 찰상
- 1차 Criterion 설정: Sref(속도, Power, GPS)=Srms((속도, Power, GPS)*Fw(=1.5, 2.0: 경고, 경보) in 휠진동 (속도, Power, GPS) at VSL<속도<VSH, and PSL(속도)<Power<PSH(속도), and Class(GPS)
- 2차 Criterion 설정: Ssref-sdfi(RMP, 속도, 가속페달 각도)=Sspeak-sdfi(RMP, 속도, 가속페달 각도)*Fs(=1.5, 2.0: 경고, 경보) in 휠진동 Power, ENVEOPING Spectrum, Kepstrum (속도, Power, GPS), 휠 defect frequency(sdfi) at VSL<속도<VSH, and PSL(속도)<Power<PSH(속도), and Class(GPS)
9) 기어박스 결함
- 1차 Criterion 설정: Gref(속도, Power, GPS)=Grms(속도, Power, GPS)*Fg(=1.5, 2.0: 경고, 경보) in 너클진동(속도, Power, GPS) at VGL<속도<VGH, and PGL(속도)<Power<PGH(속도), and Class(GPS)
- 2차 Criterion 설정: Sgref-gdfi (속도, Power, GPS)=Sgpeak-gdfi (속도, Power, GPS)*Fg(=1.5, 2.0: 경고, 경보) in 기어박스진동 Enveloping Spectrum or Kepstrum (속도, Power, GPS), 기어&베어링 defect frequency(gdfi) at VGL<속도<VGH, and PGL(속도)<Power<PGH(속도), and Class(GPS)
10) 대차 불안정성
- 1차 Criterion 설정: Bref(속도, Power, GPS)=Brms(속도, Power, GPS)*Fb(=1.5, 2.0: 경고, 경보) in 대차진동(속도, Power, GPS) at VBL<속도<VBH, and PBL(속도)<Power<PBH(속도), and Class(GPS)
- 2차 Criterion 설정: Sbref-bdfi (속도, Power, GPS)=Sbpeak-bdfi(속도, Power, GPS)*Fb(=1.5, 2.0: 경고, 경보) in 대차진동 Power Spectrum(속도, Power, GPS), 대차진동 natural frequency(bdfi) at VBL<속도<VBH, and PBL(속도)<Power<PBH(속도), and Class(GPS)
11) 송풍기 결함
- 1차 Criterion 설정: Fref(속도, Power, GPS)=Frms(속도, Power, GPS)*Ff(=1.5, 2.0: 경고, 경보) in 송풍기진동(속도, Power, GPS) at VFL<속도<VFH, and PFL(속도)<Power<PFH(속도), and Class(GPS)
- 2차 Criterion 설정: Sfref-fdfi (속도, Power, GPS) =Sfpeak-fdfi(속도, Power, GPS)*Ff(=1.5, 2.0: 경고, 경보) in 휠진동 Power, ENVEOPING Spectrum or Kepstrum (속도, Power, GPS), 송풍기 defect frequency(fdfi) at VFL<속도<VFH, and PFL(속도)<Power<PFH(속도), and Class(GPS)
일 실시예에서, 철도차량 진단 수행부(250)는 적어도 하나의 철도차량 주요부품 및 시스템에 대해 제1 구간 간격으로 실시간 샘플링을 수행하고 샘플링을 통해 생성되는 특징값이 정상 범위를 벗어나고 기준 횟수만큼 연속하여 반복되는 경우 이상상황으로서 검출할 수 있다. 기준 횟수는 철도차량 주요부품 및 시스템 진단장치(130)에 의해 미리 설정되거나 또는 자동으로 설정될 수 있다. 철도차량 진단 수행부(250)는 주요부품 및 시스템에 관한 데이터베이스를 기초로 정상 범위를 벗어나는 특징값을 검출할 수 있고, 반복하여 정상 범위를 벗어나는 경우에는 해당 특징값과 연관된 주요부품 및 시스템에 이상이 발생한 것으로 예지 또는 진단할 수 있다.
또한, 철도차량 진단 수행부(250)는 다음과 같이 철도차량 주요부품 및 시스템의 진단 항목에 대해 진단 알고리즘을 정의하여 활용할 수 있다.
1) 모터블럭 과열
모터블럭온도(속도, Power, GPS) > Tmref(속도, Power, GPS) & Repeat at VML<속도<VMH, PML(속도)<Power<PMH(속도), and Class(GPS)
2) 배전반 과열
배전반온도(속도, Power, GPS) > Tdref(속도, Power, GPS) & Repeat at VDL<속도<VDH, PDL(속도)<Power<PDH(속도), and Class(GPS)
3) 응축수 범람
응축수 수위 > Htref & Repeat
4) 도어 끼임
도어갭 > Gpref & Repeat
5) 도어 결함
도어개폐 히스테리시스 > Ghref & Repeat
6) 트라이포드 결함
축비틀림각(속도, Power, GPS) > Tref (속도, Power, GPS) & Repeat at VTL<속도<VTH, and PTL(속도)<Power<PTH(속도), and Class(GPS)
7) 휠베어링 결함
휠진동 (속도, Power, GPS) > Wref(속도, Power, GPS) & Repeat at VWL<속도<VWH, and PWL(속도)<Power<PWH(속도), and Class(GPS)
8) 휠 찰상
휠진동 (속도, Power, GPS) > Sref(속도, Power, GPS) & Repeat at VSL<속도<VSH, and PSL(속도)<Power<PSH(속도), and Class(GPS)
9) 기어박스 결함
기어박스진동(속도, Power, GPS) > Gref(속도, Power, GPS) & Repeat at VGL<속도<VGH, and PGL(속도)<Power<PGH(속도), and Class(GPS)
10) 대차 불안정성
대차진동(속도, Power, GPS) > Bref(속도, Power, GPS) & Repeat at VBL<속도<VBH, and PBL(속도)<Power<PBH(속도), and Class(GPS)
11) 송풍기 결함
송풍기진동(속도, Power, GPS) > Frms(속도, Power, GPS) & Repeat at VFL<속도<VFH, and PFL(속도)<Power<PFH(속도), and Class(GPS)
일 실시예에서, 철도차량 진단 수행부(250)는 이상상황이 검출된 철도차량 주요부품 및 시스템에 대해 제1 구간 간격보다 짧은 간격으로 실시간 샘플링을 수행하고 샘플링을 통해 생성되는 특징값을 기초로 정밀진단을 수행할 수 있다. 철도차량 진단 수행부(250)는 1차 진단으로 진단이 완료되는 주요부품 및 시스템과 1차 진단 이후 2차 진단이 필요한 주요부품 및 시스템을 사전에 분류하여 철도차량 진단에 활용할 수 있다. 철도차량 진단 수행부(250)는 이상상황이 검출된 철도차량 주요부품 및 시스템에 대해 2차 진단 필요 여부를 결정할 수 있고, 미리 정의된 2차 진단 필요 주요부품 및 시스템에 해당하는 경우 제1 구간 간격보다 짧은 간격으로 샘플링되는 특징값을 기초로 정밀진단을 수행할 수 있다.
즉, 철도차량 진단 수행부(250)는 고주기에 의한 샘플링을 통해 1차 진단을 수행할 수 있고, 저주기에 의한 샘플링을 통해 2차 진단을 수행함으로써 단계적 진단을 통해 진단의 효율성을 높일 수 있다. 또한, 철도차량 진단 수행부(250)는 다음과 같이 철도차량 주요부품 및 시스템의 진단 항목에 대해 정밀진단 알고리즘을 정의하여 활용할 수 있다.
1) 트라이포드 결함
비틀림진동 ENVEOPING Spectrum or Kepstrum(속도, Power, GPS) > Stref-tdfi(속도, Power, GPS) & Repeatness in 비틀림진동 Enveloping Spectrum or Kepstrum(속도, Power, GPS), 트라이포드 defect frequency(tdfi) at VTL<속도<VTH, and PTL(속도)<Power<PTH(속도), and Class(GPS)
2) 휠베어링 결함
휠진동 ENVEOPING Spectrum(속도, Power, GPS) > Swref-wdfi(속도, Power, GPS) & Repeatness in 휠진동 Enveloping Spectrum(속도, Power, GPS), 휠 defect frequency(wdfi) at VWL<속도<VWH, and PWL(속도)<Power<PWH(속도), and Class(GPS)
3) 휠 찰상
휠진동 Power, ENVEOPING Spectrum or Kepstrum(속도, Power, GPS) > Ssref-sdfi(속도, Power, GPS) & Repeatness in 휠진동 Power, ENVEOPING Spectrum, Kepstrum(속도, Power, GPS), 휠 defect frequency(sdfi) at VSL<속도<VSH, and PSL(속도)<Power<PSH(속도), and Class(GPS)
4) 기어박스 결함
기어박스진동 ENVEOPING Spectrum or Kepstrum(속도, Power, GPS) > Sgref(속도, Power, GPS) & Repeatness in 기어박스진동 Enveloping Spectrum or Kepstrum(속도, Power, GPS), 기어&베어링 defect frequency(gdfi) at VGL<속도<VGH, and PGL(속도)<Power<PGH(속도), and Class(GPS)
5) 대차 불안정성
대차진동 Power Spectrum(속도, Power, GPS) > Sbref-bdfi(속도, Power, GPS) & Repeatness in 대차진동 Power Spectrum(속도, Power, GPS), 대차진동 natural frequency(bdfi) at VBL<속도<VBH, and PBL(속도)<Power<PBH(속도), and Class(GPS)
6) 송풍기 결함
송풍기진동 Power, ENVEOPING Spectrum, Kepstrum(속도, Power, GPS) > Sfref-fdfi((속도, Power, GPS) & Repeatness in 휠진동 Power, ENVEOPING Spectrum, Kepstrum(속도, Power, GPS), 송풍기 defect frequency(fdfi) at VFL<속도<VFH, and PFL(속도)<Power<PFH(속도), and Class(GPS)
일 실시예에서, 철도차량 진단 수행부(250)는 이상상황이 검출된 철도차량 주요부품 및 시스템에 대해 제1 구간 간격보다 짧은 간격으로 실시간 샘플링을 수행하고 샘플링을 통해 수집된 센싱값을 기초로 엔벨로프(Envelope) 해석 및 고속푸리에 변환(FFT, Fast Fourier Transform) 중 어느 하나를 통해 정밀진단을 위한 특징값을 생성할 수 있다. 철도차량 주요부품 및 시스템 진단장치(130)는 철도차량 주요부품 및 시스템에 따라 엔벨로프 해석 및 고속푸리에 변환 중 어느 것을 사용할지 여부를 미리 설정할 수 있다. 엔벨로프 해석 또는 고속 푸리에 변환을 사용하여 생성되는 특징값은 엔벨로프 스펙트럼(enveloping spectrum), 파워 스펙트럼(power spectrum), 캡스트럼(cepstrum 또는 kepstrum) 등에 해당할 수 있다. 엔벨로프 해석 또는 고속푸리에 변환은 당업자에게 잘 알려져 있으므로, 이에 대한 상세한 설명은 생략한다.
예를 들어, 철도차량 주요부품 및 시스템과 연관된 진단 항목이 트라이포드 결함인 경우 철도차량 진단 수행부(250)는 비틀림진동과 관련된 다차원 철도차량 파라미터에 대한 센싱값들을 엔벨로프 해석을 통해 엔벨로핑 스펙트럼(ENVELOPING Spectrum)을 산출할 수 있다. 철도차량 진단 수행부(250)는 엔벨로핑 스펙트럼을 트라이포드 결함에 대한 특징값으로 사용하여 정밀진단을 수행할 수 있다. 휠베어링 결함인 경우에 있어서, 철도차량 진단 수행부(250)는 휠진동에 대한 엔벨로핑 스펙트럼을 산출할 수 있고, 이를 기초로 휠베어링 결함에 대한 정밀진단을 수행할 수 있다.
제어부(270)는 철도차량 주요부품 및 시스템 진단장치(130)의 전체적인 동작을 제어하고, 철도차량 상태 요약부(210), 데이터베이스 생성부(230) 및 철도차량 진단 수행부(250) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.
도 3은 도 1에 있는 철도차량 주요부품 및 시스템 진단장치에서 수행되는 철도차량 주요부품 및 시스템 진단 과정을 설명하는 순서도이다.
도 3을 참조하면, 철도차량 주요부품 및 시스템 진단장치(130)는 철도차량 상태 요약부(210)를 통해 제1 구간 동안 복수의 센서들을 통해 수집된 센싱값들을 다차원 철도차량 파라미터로 요약하여 적어도 하나의 철도차량 주요부품 및 시스템에 대한 특징값을 생성할 수 있다(단계 S310).
철도차량 주요부품 및 시스템 진단장치(130)는 데이터베이스 생성부(230)를 통해 복수의 연속적인 제1 구간들로 구성되는 제2 구간 동안 누적된 복수의 특징값들을 정규 분포화 하여 적어도 하나의 철도차량 주요부품 및 시스템에 관한 데이터베이스를 생성할 수 있다(단계 S330).
철도차량 주요부품 및 시스템 진단장치(130)는 철도차량 진단 수행부(250)를 통해 주요부품 및 시스템에 관한 데이터베이스를 기초로 적어도 하나의 철도차량 주요부품 및 시스템에 관한 이상상황을 검출하여 정밀진단을 수행할 수 있다(단계 S350).
도 4 내지 6은 도 1에 있는 철도차량 주요부품 및 시스템 진단장치에서 다차원 철도차량 파라미터를 이용하여 주요부품 및 시스템에 대한 클래스 레벨을 결정하는 과정을 설명하는 예시도이다.
도 4 내지 6을 참조하면, 철도차량 주요부품 및 시스템 진단장치(130)가 철도차량 주요부품 및 시스템에 대한 특징값을 다차원 철도차량 파라미터들을 이용하여 클래스 레벨로 분류하는 과정을 확인할 수 있다. 보다 구체적으로, 주요부품 및 시스템의 특징값을 구성하는 다차원 철도차량 파라미터는 속도, 파워, 선로 및 온도를 포함하여 표현될 수 있고, 속도 및 파워는 각 10단계(또는 레벨)의 레벨로 레벨화 되며, 선로 및 온도는 각 5단계의 레벨로 레벨화 될 수 있다.
예를 들어, 특징값을 구성하는 다차원 철도차량 파라미터가 속도 = 2, 파워 = 5, 선로 = 3, 온도 = 4인 경우 도 4에서 속도 2단계 구간을 파워 10단계로 분할할 수 있고, 도 5에서 파워 5단계 구간을 선로 5단계로 분할할 수 있으며, 도 6에서 선로 3단계 구간을 온도 5단계로 분할할 수 있다. 철도차량 주요부품 및 시스템 진단장치(130)는 최종적으로 온도 4단계에 대응되는 클래스 레벨을 구간을 최종 클래스 레벨로서 결정할 수 있다.
철도차량 주요부품 및 시스템 진단장치(130)는 레벨화된 다차원 철도차량 파라미터를 활용하여 특징값에 대한 클래스 레벨을 효과적으로 분류할 수 있고, 이를 기초로 각 철도차량 주요부품 및 시스템에 대한 데이터베이스를 효과적으로 구축하여 주요부품 및 시스템 진단에 활용할 수 있다.
도 7 및 8은 도 1에 있는 철도차량 주요부품 및 시스템 진단장치에서 주요부품 및 시스템에 대한 특징값의 2차원 분포를 산출하는 과정을 설명하는 예시도이다.
도 7에서, 철도차량 주요부품 및 시스템 진단장치(130)는 철도차량 상태 요약부(210)에 의해 생성된 특징값을 2차원 좌표계에 표시할 수 있다. 철도차량 주요부품 및 시스템 진단장치(130)는 특징값을 y축으로 설정하고 특징값에 대응하는 DB 클래스 레벨을 x축으로 설정하여 2차원 그래프를 생성할 수 있다.
특징값은 다차원 철도차량 파라미터로 속도, 파워, 선로 및 온도를 포함할 수 있고, 속도 및 파워는 각 10단계(또는 레벨)로 구성되며, 선로 및 온도는 각 5단계로 구성될 수 있다. 철도차량 주요부품 및 시스템 진단장치(130)는 x축에 해당하는 DB 클래스 레벨의 총 단계(또는 레벨)를 다차원 철도차량 파라미터를 구성하는 각 파라미터의 단계 수의 곱을 통해 산출할 수 있다. 예를 들어, 특징값에 대한 DB 클래스 레벨의 총 단계는 속도 * 파워 * 선로 * 온도 = 10 * 10 * 5 * 5 = 2500로 표현될 수 있다.
도 8에서, 철도차량 주요부품 및 시스템 진단장치(130)는 특징값을 구성하는 다차원 철도차량 파라미터를 이용하여 특징값에 대한 DB 클래스 레벨을 결정할 수 있고, 이를 2차원 좌표계에 표현할 수 있다. 산출된 특징값의 2차원 분포를 기초로 각각의 레벨에서 해당 특징값의 분포가 가우스 분포(Gaussian Distribution)를 따른다는 가정하에 전체 레벨에서의 특징값에 관한 평균선, σ선(단, σ는 표준편차), 3σ선 등을 결정할 수 있다. 철도차량 주요부품 및 시스템 진단장치(130)는 σ, 3σ 등을 검출 기준으로 정의하여 σ선, 3σ선 등을 주요부품 및 시스템에 대한 정상 범위로써 활용할 수 있다.
철도차량 주요부품 및 시스템 진단장치(130)는 주요부품 및 시스템 별로 복수의 센서들로부터 획득한 센싱값을 이용하여 특징값에 대한 클래스 레벨을 결정할 수 있고, 특징값 및 클래스 레벨에 관한 주요부품 및 시스템 각각의 데이터베이스를 구축하여 데이터베이스(150)에 저장할 수 있다. 철도차량 주요부품 및 시스템 진단장치(130)는 상기 과정을 통해 생성된 주요부품 및 시스템별 데이터베이스를 기초로 해당 주요부품 및 시스템에 대한 이상상황을 판단할 수 있고, 철도차량 주요부품 및 시스템에 대한 정밀진단을 수행할 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 철도차량 주요부품 및 시스템 진단 시스템
110: 철도차량
130: 철도차량 주요부품 및 시스템 진단장치
150: 데이터베이스 170: 사용자 단말
210: 철도차량 상태 요약부
230: 데이터베이스 생성부
250: 철도차량 진단 수행부 270: 제어부
110: 철도차량
130: 철도차량 주요부품 및 시스템 진단장치
150: 데이터베이스 170: 사용자 단말
210: 철도차량 상태 요약부
230: 데이터베이스 생성부
250: 철도차량 진단 수행부 270: 제어부
Claims (8)
- 제1 구간 동안 복수의 센서들을 통해 수집된 센싱값들을 다차원 철도차량 파라미터로 요약하여 적어도 하나의 철도차량 주요부품 및 시스템에 대한 특징값을 생성하는 철도차량 상태 요약부;
복수의 연속적인 제1 구간들로 구성되는 제2 구간 동안 누적된 복수의 특징값들을 정규 분포화 하여 상기 적어도 하나의 철도차량 주요부품 및 시스템에 관한 데이터베이스를 생성하는 데이터베이스 생성부; 및
상기 주요부품 및 시스템에 관한 데이터베이스를 기초로 상기 적어도 하나의 철도차량 주요부품 및 시스템에 관한 이상상황을 검출하여 정밀진단을 수행하는 주요부품 및 시스템 진단 수행부를 포함하는 철도차량 주요부품 및 시스템 진단장치.
- 제1항에 있어서, 상기 철도차량 상태 요약부는
상기 복수의 센서들 각각의 센싱 주기를 기초로 상기 복수의 센서들 모두에 대한 센싱값을 포함하도록 상기 제1 구간을 결정하는 것을 특징으로 하는 철도차량 주요부품 및 시스템 진단장치.
- 제1항에 있어서, 상기 철도차량 상태 요약부는
상기 복수의 센서들 각각에 대해 미리 정의된 레벨 구간에 따라 센싱값을 레벨화 하여 상기 다차원 철도차량 파라미터로 요약하는 것을 특징으로 하는 철도차량 주요부품 및 시스템 진단장치.
- 제1항에 있어서, 상기 데이터베이스 생성부는
상기 복수의 특징값들 각각을 복수의 클래스 레벨들 중 하나로 분류하여 특징값 및 클래스 레벨에 대한 2차원 좌표계에서의 분포를 산출하는 것을 특징으로 하는 철도차량 주요부품 및 시스템 진단장치.
- 제4항에 있어서, 상기 데이터베이스 생성부는
상기 복수의 특징값들 각각의 다차원 철도차량 파라미터를 분류 순서에 따라 차례대로 분류함으로써 상기 복수의 클래스 레벨들 중 하나로 최종 분류하는 것을 특징으로 하는 철도차량 주요부품 및 시스템 진단장치
- 제1항에 있어서, 상기 주요부품 및 시스템 진단 수행부는
상기 적어도 하나의 철도차량 주요부품 및 시스템마다 단계적으로 정의된 검출 기준을 적용하여 정상 범위를 결정하는 것을 특징으로 하는 철도차량 주요부품 및 시스템 진단장치.
- 제6항에 있어서, 상기 주요부품 및 시스템 진단 수행부는
상기 적어도 하나의 철도차량 주요부품 및 시스템에 대해 상기 제1 구간 간격으로 실시간 샘플링을 수행하고 상기 샘플링을 통해 생성되는 특징값이 상기 정상 범위를 벗어나고 기준 횟수만큼 연속하여 반복되는 경우 상기 이상상황으로서 검출하는 것을 특징으로 하는 철도차량 주요부품 및 시스템 진단장치.
- 제1항에 있어서, 상기 주요부품 및 시스템 진단 수행부는
상기 이상상황이 검출된 철도차량 주요부품 및 시스템에 대해 상기 제1 구간 간격보다 짧은 간격으로 실시간 샘플링을 수행하고 상기 샘플링을 통해 생성되는 특징값을 기초로 상기 정밀진단을 수행하는 것을 특징으로 하는 철도차량 주요부품 및 시스템 진단장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180142750A KR102169791B1 (ko) | 2018-11-19 | 2018-11-19 | 철도차량 주요부품 및 시스템 진단장치 |
| US16/688,272 US20200156680A1 (en) | 2018-11-19 | 2019-11-19 | Railway vehicle major component and system diagnosis apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180142750A KR102169791B1 (ko) | 2018-11-19 | 2018-11-19 | 철도차량 주요부품 및 시스템 진단장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200058132A true KR20200058132A (ko) | 2020-05-27 |
| KR102169791B1 KR102169791B1 (ko) | 2020-10-26 |
Family
ID=70728751
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180142750A KR102169791B1 (ko) | 2018-11-19 | 2018-11-19 | 철도차량 주요부품 및 시스템 진단장치 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20200156680A1 (ko) |
| KR (1) | KR102169791B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220073574A (ko) * | 2020-11-26 | 2022-06-03 | 에스넷시스템(주) | 고장 진단 장치 및 그 방법 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102020200568A1 (de) * | 2020-01-17 | 2021-07-22 | Mtu Friedrichshafen Gmbh | Verfahren zum Überwachen der Funktionsfähigkeit eines Fahrzeugs, Steuerung für einen Antrieb eines Fahrzeugs, Antrieb mit einer solchen Steuerung, und Fahrzeug mit einem solchen Antrieb |
| CN111994137B (zh) * | 2020-09-04 | 2022-07-12 | 深圳科安达电子科技股份有限公司 | 一种基于铁路信号集中监测的报警分析方法 |
| CN113865885B (zh) * | 2021-09-26 | 2024-04-26 | 青岛迈金智能科技股份有限公司 | 一种用于检测自行车损耗的方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100540162B1 (ko) | 2003-12-16 | 2005-12-29 | 한국철도기술연구원 | 철도차량의 유지보수를 위한 정보화 시스템 |
| JP2007170815A (ja) * | 2005-08-31 | 2007-07-05 | Nsk Ltd | 異常診断装置 |
| JP2009294146A (ja) * | 2008-06-06 | 2009-12-17 | Tokyu Car Corp | 機械システムの異常検出方法 |
| JP2012242894A (ja) * | 2011-05-16 | 2012-12-10 | Toyota Motor Corp | 車両データの解析方法及び車両データの解析システム |
| KR101231836B1 (ko) | 2010-05-17 | 2013-02-21 | 흥일기업주식회사 | 철도차량 출입문 유지보수를 위한 실시간 모니터링 시스템 |
| JP2017077055A (ja) * | 2015-10-13 | 2017-04-20 | 公益財団法人鉄道総合技術研究所 | 状態診断装置及びプログラム |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101764540B1 (ko) * | 2016-06-21 | 2017-08-02 | 두산중공업 주식회사 | 풍력발전기 진동 상태감시 및 진단 시스템 |
| KR102132850B1 (ko) * | 2018-05-24 | 2020-07-13 | 주식회사 글로비즈 | 차량 안전부품 진단장치 |
-
2018
- 2018-11-19 KR KR1020180142750A patent/KR102169791B1/ko active IP Right Grant
-
2019
- 2019-11-19 US US16/688,272 patent/US20200156680A1/en not_active Abandoned
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100540162B1 (ko) | 2003-12-16 | 2005-12-29 | 한국철도기술연구원 | 철도차량의 유지보수를 위한 정보화 시스템 |
| JP2007170815A (ja) * | 2005-08-31 | 2007-07-05 | Nsk Ltd | 異常診断装置 |
| JP2009294146A (ja) * | 2008-06-06 | 2009-12-17 | Tokyu Car Corp | 機械システムの異常検出方法 |
| KR101231836B1 (ko) | 2010-05-17 | 2013-02-21 | 흥일기업주식회사 | 철도차량 출입문 유지보수를 위한 실시간 모니터링 시스템 |
| JP2012242894A (ja) * | 2011-05-16 | 2012-12-10 | Toyota Motor Corp | 車両データの解析方法及び車両データの解析システム |
| JP2017077055A (ja) * | 2015-10-13 | 2017-04-20 | 公益財団法人鉄道総合技術研究所 | 状態診断装置及びプログラム |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220073574A (ko) * | 2020-11-26 | 2022-06-03 | 에스넷시스템(주) | 고장 진단 장치 및 그 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102169791B1 (ko) | 2020-10-26 |
| US20200156680A1 (en) | 2020-05-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109689470B (zh) | 异常诊断装置、异常诊断方法和计算机程序 | |
| KR102169791B1 (ko) | 철도차량 주요부품 및 시스템 진단장치 | |
| CN111351664B (zh) | 一种基于lstm模型的轴承温度预测和报警诊断方法 | |
| CN107271839B (zh) | 用于监测车辆的车载电气系统的方法和控制装置 | |
| US8744651B2 (en) | Method of determining a maneuver performed by an aircraft | |
| JP5416630B2 (ja) | 移動体異常判断支援システム | |
| KR102126428B1 (ko) | 철도 차량 부품들의 결함을 진단하는 방법 및 장치 | |
| Márquez et al. | Designing CBM plans, based on predictive analytics and big data tools, for train wheel bearings | |
| US20210217256A1 (en) | Method and Apparatus for Diagnosing and Monitoring Vehicles, Vehicle Components and Routes | |
| Mesgarpour et al. | Overview of telematics-based prognostics and health management systems for commercial vehicles | |
| Shimada et al. | A statistical approach to reduce failure facilities based on predictive maintenance | |
| CN116994418B (zh) | 管道安全预警方法及系统 | |
| CN112766771A (zh) | 一种基于svm的重型汽车整车质量预测方法 | |
| Mrugalska | Remaining useful life as prognostic approach: a review | |
| US20220284740A1 (en) | Method for determining the operating state of vehicle components | |
| Davari et al. | A fault detection framework based on lstm autoencoder: A case study for volvo bus data set | |
| US11580087B2 (en) | Blockchain generation system and method for operating the same | |
| US11941920B2 (en) | Apparatus and method of providing automotive preventive maintenance service | |
| US20230244562A1 (en) | Method and apparatus of monitoring condition and calculating remaining life of central processing unit for transportation device | |
| KR102172012B1 (ko) | 철도차량 안전부품 진단장치 | |
| Makarova et al. | Improvement of the Vehicle's Onboard Diagnostic System by Using the Vibro-Diagnostics Method | |
| Byington et al. | False alarm mitigation of vibration diagnostic systems | |
| US12030537B2 (en) | Method for analyzing conditions of technical components | |
| Shahab et al. | A novel fault diagnosis technique based on model and computational intelligence applied to vehicle active suspension systems | |
| CN114450647B (zh) | 技术系统的诊断 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |