KR20210132351A - 철도 차량의 공조 장치의 진단 방법 및 시스템 - Google Patents

철도 차량의 공조 장치의 진단 방법 및 시스템 Download PDF

Info

Publication number
KR20210132351A
KR20210132351A KR1020200050602A KR20200050602A KR20210132351A KR 20210132351 A KR20210132351 A KR 20210132351A KR 1020200050602 A KR1020200050602 A KR 1020200050602A KR 20200050602 A KR20200050602 A KR 20200050602A KR 20210132351 A KR20210132351 A KR 20210132351A
Authority
KR
South Korea
Prior art keywords
class
database
temperature
index
average
Prior art date
Application number
KR1020200050602A
Other languages
English (en)
Other versions
KR102336873B1 (ko
Inventor
임준식
Original Assignee
주식회사 글로비즈
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 글로비즈 filed Critical 주식회사 글로비즈
Priority to KR1020200050602A priority Critical patent/KR102336873B1/ko
Publication of KR20210132351A publication Critical patent/KR20210132351A/ko
Application granted granted Critical
Publication of KR102336873B1 publication Critical patent/KR102336873B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G06Q50/30—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61D—BODY DETAILS OR KINDS OF RAILWAY VEHICLES
    • B61D27/00—Heating, cooling, ventilating, or air-conditioning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00—Indicators provided on the vehicle or train for signalling purposes
    • B61L15/0081—On-board diagnosis or maintenance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/08—Railway vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T30/00—Transportation of goods or passengers via railways, e.g. energy recovery or reducing air resistance

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Biomedical Technology (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

철도 차량의 공조 장치의 진단 방법이 개시된다. 상기 철도 차량의 공조 장치의 진단 방법은 파라미터들의 각 클래스 별로 인덱스의 데이터베이스를 구축하는 단계; 검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계; 그리고 검출된 클래스의 검출된 인덱스와 데이터베이스 내 해당 클래스의 기준 인덱스의 차가 설정 값보다 크거나 상기 인덱스가 상기 기준 인덱스보다 크면, 고장 코드를 저장하는 단계를 포함할 수 있다. 상기 데이터베이스는 버퍼 데이터베이스와 진단 데이터베이스를 포함할 수 있다.

Description

철도 차량의 공조 장치의 진단 방법 및 시스템{METHOD AND SYSTEM OF DIAGNOSING HEAT, AIR VENTILATION AND COOLING SYSTEM FOR RAILWAY VEHICLE}
본 발명은 철도 차량의 공조 장치의 진단 방법 및 시스템에 관한 것으로, 보다 상세하게는 공조 장치의 고장을 빠르고 정확하게 진단할 수 있고, 필요한 데이터의 양 및 요구되는 메모리 자원의 증가를 방지하는 철도 차량의 공조 장치의 진단 방법 및 시스템에 관한 것이다.
현재 철도 차량에 사용되는 부품들은 주기적으로 진단되고, 진단 시 이상이 발견된 경우 수리나 교체를 하고 있다. 그러나, 철도 시스템은 대량 수송 체계이므로 철도 시스템에서 사고가 발생하는 경우 대형 사고가 될 가능성이 높다. 이에 따라, 사고 예방 및 유지/보수 비용을 절감하기 위하여 주기적인 진단에서 상태 기반 유지 보수(Condition Based Maintenance; CBM) 체계를 도입해야 할 필요성이 커지고 있다.
철도 차량의 공조 장치는 실내의 온도 또는 습도를 적절하게 관리함으로써 승객들의 쾌적함을 향상시키기 위한 장치이다. 만약 철도 차량의 공조 장치가 고장이 나면, 여름에 실내의 온도가 너무 높거나 겨울에 실내의 온도가 너무 낮아 승객들이 불쾌감을 느낄 수 있다. 승객들이 쾌적하게 이동 가능하도록 철도 차량의 공조 장치의 고장(또는 작동 불량)은 조기에 진단되어야 한다. 즉, 철도 차량의 공조 장치의 작동 성능이 상당히 떨어지기 전에 공조 장치의 교체 또는 정비를 관리자에게 제안할 수 있어야 한다.
철도 차량의 공조 장치는 압축기, 증발기, 응축기 등의 다양한 부품들을 포함하고 있다. 따라서, 다양한 인자들이 공조 장치의 성능에 영향을 미치므로, 공조 장치의 성능을 평가할 기준을 정하는 것은 매우 복잡하다.
그런데, 철도 차량은 한정된 메모리 자원을 가지고 있기 때문에, 철도 차량의 공조 장치의 진단 방법을 수행하기가 어려웠다. 또한, 공조 장치를 진단하기 위한 데이터는 실시간으로 메모리에 쌓이기 때문에 방대한 양의 데이터를 적절하게 관리할 필요가 있다.
이 배경기술 부분에 기재된 사항은 발명의 배경에 대한 이해를 증진하기 위하여 작성된 것으로서, 이 기술이 속하는 분야에서 통상의 지식을 가진 자에게 이미 알려진 종래기술이 아닌 사항을 포함할 수 있다.
본 발명의 실시 예는 공조 장치의 고장을 빠르고 정확하게 진단할 수 있고 필요한 데이터의 양 및 요구되는 메모리 자원의 증가를 방지할 수 있는 철도 차량의 공조 장치의 진단 방법 및 시스템을 제공하고자 한다.
본 발명의 실시예에 따른 철도 차량의 공조 장치의 진단 방법은 파라미터들의 각 클래스 별로 인덱스의 데이터베이스를 구축하는 단계; 검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계; 그리고 검출된 클래스의 검출된 인덱스와 데이터베이스 내 해당 클래스의 기준 인덱스의 차가 설정 값보다 크거나 상기 인덱스가 상기 기준 인덱스보다 크면, 고장 코드를 저장하는 단계를 포함할 수 있다. 상기 데이터베이스는 버퍼 데이터베이스와 진단 데이터베이스를 포함할 수 있다.
파라미터들의 각 클래스 별로 인덱스의 데이터베이스를 구축하는 단계는 각 클래스 별로 버퍼 데이터베이스에 저장 가능한 최대 인덱스의 개수를 설정하는 단계; 파라미터들과 인덱스를 포함하는 데이터를 검출하는 단계; 검출된 데이터를 해당 클래스로 분류하고 버퍼 데이터베이스에 해당 클래스의 인덱스를 저장하는 단계; 각 클래스 별로 버퍼 데이터베이스에 저장된 인덱스의 개수가 해당 클래스의 최대 인덱스의 개수 이상인지를 판단하는 단계; 각 클래스 별로 버퍼 데이터베이스에 저장된 인덱스의 개수가 해당 클래스의 최대 인덱스의 개수 이상이면, 버퍼 데이터베이스 내의 해당 클래스의 인덱스를 진단 데이터베이스로 이전하고 버퍼 데이터베이스 내의 해당 클래스의 인덱스를 삭제하는 단계; 진단 데이터베이스 내의 해당 클래스의 인덱스들의 분포를 정의하는 확률 분포 함수 계산; 그리고 상기 확률 분포 함수를 정의하는 기준 인덱스 계산하고 상기 해당 클래스의 해당 기준 인덱스를 진단 데이터베이스 내에 저장하는 단계를 포함할 수 있다.
진단 데이터베이스에 저장된 해당 클래스의 인덱스의 개수가 설정 개수가 될 때까지 해당 클래스의 기준 인덱스가 업데이트될 수 있다.
진단 데이터베이스에 저장된 해당 클래스의 인덱스의 개수가 설정 개수 이상이면, 해당 클래스의 기준 인덱스의 업데이트가 금지될 수 있다.
검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계는 파라미터들과 인덱스를 포함하는 데이터를 검출하는 단계; 검출된 데이터를 해당 클래스로 분류하고 버퍼 데이터베이스에 해당 클래스의 인덱스를 저장하는 단계; 진단 데이터베이스 내에 해당 클래스의 기준 인덱스가 존재하는지 판단하는 단계; 그리고 진단 데이터베이스 내에 해당 클래스의 기준 인덱스가 존재하면, 버퍼 데이터베이스 내의 해당 클래스의 인덱스를 진단 데이터베이스 내의 해당 클래스의 기준 인덱스와 비교하는 단계를 포함할 수 있다.
진단 베이스 내에 해당 클래스의 기준 인덱스가 존재하지 않으면, 검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계는 수행되지 않을 수 있다.
상기 파라미터들은 승객수, 외기 온도, 최초 실내 온도, 및 목표 온도차 또는 공조 장치의 작동 레벨을 포함하고, 상기 인덱스는 실내 온도가 설정된 온도에 도달하기까지 소요된 시간, 설정 시간 동안의 평균 온도 변화율, 상기 설정 시간 동안 온도 변화량, 또는 이들의 평균 또는 분산을 포함하며, 상기 기준 인덱스는 상기 인덱스의 확률 분포 함수를 정의하는 평균 또는 분산에 따른 값일 수 있다.
상기 인덱스는 버퍼 데이터베이스에 저장된 제1, 2인덱스를 포함하고, 상기 기준 인덱스는 진단 데이터베이스에 저장된 제1, 2기준 인덱스를 포함할 수 있다.
하나의 양상에서, 상기 공조 장치가 실내의 온도를 자동으로 조절하는 경우, 상기 파라미터들은 승객수, 외기 온도, 최초 실내 온도 및 목표 온도차이고, 상기 제1인덱스는 실내 온도가 설정된 온도에 도달하기까지 소요된 시간, 또는 이의 평균 또는 분산이고, 상기 제2인덱스는 설정 시간 동안의 평균 온도 변화율, 또는 이의 평균 또는 분산이며, 상기 제1기준 인덱스는 상기 제1인덱스의 확률 분포 함수를 정의하는 평균 또는 분산에 따른 값이고, 상기 제2기준 인덱스는 상기 제2인덱스의 확률 분포 함수를 정의하는 평균 또는 분산에 따른 값일 수 있다.
검출된 클래스의 검출된 인덱스와 데이터베이스 내 해당 클래스의 기준 인덱스의 차가 설정값보다 크거나 상기 인덱스가 상기 기준 인덱스보다 크면, 고장 코드를 저장하는 단계는, 상기 제1인덱스와 제1기준 인덱스의 차가 설정값보다 크거나 상기 제1인덱스가 상기 제1기준 인덱스보다 크거나, 상기 제2인덱스와 제2기준 인덱스의 차가 설정값보다 크거나 상기 제2인덱스가 상기 제2기준 인덱스보다 크면, 고장 코드를 저장하는 단계를 포함할 수 있다.
다른 하나의 양상에서, 상기 공조 장치가 실내의 온도를 수동으로 조절하는 경우, 상기 파라미터들은 승객수, 외기 온도, 최초 실내 온도 및 공조 장치의 작동 레벨이고, 상기 제1인덱스는 설정 시간 동안의 온도 변화량, 또는 이의 평균 또는 분산이고, 상기 제2인덱스는 설정 시간 동안의 평균 온도 변화율, 또는 이의 평균 또는 분산이며, 상기 제1기준 인덱스는 상기 제1인덱스의 확률 분포 함수를 정의하는 평균 또는 분산에 따른 값이고, 상기 제2기준 인덱스는 상기 제2인덱스의 확률 분포 함수를 정의하는 평균 또는 분산에 따른 값일 수 있다.
검출된 클래스의 검출된 인덱스와 데이터베이스 내 해당 클래스의 기준 인덱스의 차가 설정값보다 크거나 상기 인덱스가 상기 기준 인덱스보다 크면, 고장 코드를 저장하는 단계는, 상기 제1인덱스와 제1기준 인덱스의 차가 설정값보다 크거나 상기 제1인덱스가 상기 제1기준 인덱스보다 크거나, 상기 제2인덱스와 제2기준 인덱스의 차가 설정값보다 크거나 상기 제2인덱스가 상기 제2기준 인덱스보다 크면, 고장 코드를 저장하는 단계를 포함할 수 있다.
본 발명의 다른 실시예에 따른 철도 차량의 공조 장치의 진단 시스템은 철도 차량에 탑승한 승객의 하중, 외기 온도, 실내 온도, 특정 이벤트로부터 경과된 시간을 포함하는 데이터를 측정하는 데이터 검출기; 철도 차량의 실내의 온도를 자동으로 제어하도록 되어 있는 공조 장치; 그리고 버퍼 데이터베이스와 진단 데이터베이스를 포함하며, 상기 데이터 검출기에 의하여 검출된 데이터를 이용하여 공조 장치의 고장을 진단하도록 되어 있는 제어기를 포함할 수 있다.
상기 제어기는 실내 온도가 설정된 온도에 도달하기까지 소요된 시간을 승객수, 외기 온도, 최초 실내 온도 및 목표 온도차의 클래스 별로 분류하여 상기 버퍼 데이터베이스에 저장하도록 되어 있다. 상기 제어기는 상기 각 클래스 별로 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 개수가 해당 클래스 별로 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 최대 저장 개수와 비교하도록 되어 있다. 상기 제어기는 상기 각 클래스 별로 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 개수가 해당 클래스 별로 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 최대 저장 개수보다 크면, 상기 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들을 진단 데이터베이스로 이전하고 버퍼 데이터베이스 내의 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들을 삭제하도록 되어 있다. 상기 제어기는 진단 데이터베이스 내의 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 분포를 정의하는 확률 분포 함수를 계산하며, 상기 확률 분포 함수를 정의하는 평균 또는 분산을 계산하고, 계산된 평균 또는 분산에 따른 값을 진단 데이터베이스 내에 저장하도록 되어 있다. 상기 제어기는 상기 버퍼 데이터베이스에 저장되어 있는 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간, 상기 소요된 시간의 평균, 또는 상기 소요된 시간의 분산과, 진단 데이터베이스에 저장되어 있는 해당 클래스의 평균 또는 분산에 따른 값의 차가 설정값보다 크면, 고장 코드를 저장하도록 되어 있다. 또는, 상기 제어기는 상기 버퍼 데이터베이스에 저장되어 있는 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간, 상기 소요된 시간의 평균, 또는 상기 소요된 시간의 분산이 진단 데이터베이스에 저장되어 있는 해당 클래스의 평균 또는 분산에 따른 값보다 크면, 고장 코드를 저장하도록 되어 있다.
상기 제어기는 설정 시간 동안 평균 온도 변화율을 승객수, 외기 온도, 최초 실내 온도 및 목표 온도차의 클래스 별로 분류하여 상기 버퍼 데이터베이스에 저장하도록 되어 있다. 상기 제어기는 상기 각 클래스 별로 설정 시간 동안 평균 온도 변화율들의 개수가 해당 클래스 별로 설정 시간 동안 평균 온도 변화율들의 최대 저장 개수와 비교하도록 되어 있다. 상기 제어기는 상기 각 클래스 별로 설정 시간 동안 평균 온도 변화율들의 개수가 해당 클래스 별로 설정 시간 동안 평균 온도 변화율들의 최대 저장 개수보다 크면, 상기 해당 클래스의 설정 시간 동안 평균 온도 변화율들을 진단 데이터베이스로 이전하고 버퍼 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들을 삭제하도록 되어 있다. 상기 제어기는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 분포를 정의하는 확률 분포 함수를 계산하며, 상기 확률 분포 함수를 정의하는 평균 또는 분산을 계산하고, 계산된 평균 또는 분산에 따른 값을 진단 데이터베이스 내에 저장하도록 되어 있다. 상기 제어기는 상기 버퍼 데이터베이스에 저장되어 있는 해당 클래스의 설정 시간 동안 평균 온도 변화율들, 상기 평균 온도 변화율의 평균, 또는 상기 평균 온도 변화율의 분산과, 진단 데이터베이스에 저장되어 있는 해당 클래스의 평균 또는 분산에 따른 값의 차가 설정값보다 크면, 고장 코드를 저장하도록 더 되어 있을 수 있다. 또는, 상기 제어기는 상기 버퍼 데이터베이스에 저장되어 있는 해당 클래스의 설정 시간 동안 평균 온도 변화율들, 상기 평균 온도 변화율의 평균, 또는 상기 평균 온도 변화율의 분산이 진단 데이터베이스에 저장되어 있는 해당 클래스의 평균 또는 분산에 따른 값보다 크면, 고장 코드를 저장하도록 더 되어 있다.
상기 진단 데이터베이스 내의 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 개수 또는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 개수가 설정 개수가 될 때까지, 상기 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들 또는 상기 해당 클래스의 설정 시간 동안 평균 온도 변화율들이 버퍼 데이터베이스로부터 진단 데이터베이스로 이전되면, 상기 제어기는 진단 데이터베이스 내의 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 분포를 정의하는 확률 분포 함수 또는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 분포를 정의하는 확률 분포 함수를 정의하는 평균 또는 분산을 업데이트하도록 되어 있을 수 있다.
상기 진단 데이터베이스 내의 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 개수 또는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 개수가 설정 개수 이상이면, 상기 제어기는 진단 데이터베이스 내의 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 분포를 정의하는 확률 분포 함수 또는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 분포를 정의하는 확률 분포 함수를 정의하는 평균 또는 분산의 업데이트를 금지하도록 되어 있을 수 있다.
본 발명의 또 다른 실시예에 따른 철도 차량의 공조 장치의 진단 시스템은 철도 차량에 탑승한 승객의 하중, 외기 온도, 실내 온도, 특정 이벤트로부터 경과된 시간을 포함하는 데이터를 측정하는 데이터 검출기; 철도 차량의 실내의 온도를 수동으로 설정된 작동 레벨에 기초하여 제어하도록 되어 있는 공조 장치; 그리고 버퍼 데이터베이스와 진단 데이터베이스를 포함하며, 상기 데이터 검출기에 의하여 검출된 데이터를 이용하여 공조 장치의 고장을 진단하도록 되어 있는 제어기를 포함할 수 있다.
상기 제어기는 설정 시간 동안 온도 변화량을 승객수, 외기 온도, 최초 실내 온도 및 공조 장치의 작동 레벨의 클래스 별로 분류하여 상기 버퍼 데이터베이스에 저장하도록 되어 있다. 상기 제어기는 상기 각 클래스 별로 설정 시간 동안 온도 변화량들의 개수가 해당 클래스 별로 설정 시간 동안 온도 변화량들의 최대 저장 개수와 비교하도록 되어 있다. 상기 제어기는 상기 각 클래스 별로 설정 시간 동안 온도 변화량들의 개수가 해당 클래스 별로 설정 시간 동안 온도 변화량들의 최대 저장 개수보다 크면, 상기 해당 클래스의 설정 시간 동안 온도 변화량들을 진단 데이터베이스로 이전하고 버퍼 데이터베이스 내의 해당 클래스의 설정 시간 동안 온도 변화량들을 삭제하도록 되어 있다. 상기 제어기는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 온도 변화량들의 분포를 정의하는 확률 분포 함수를 계산하며, 상기 확률 분포 함수를 정의하는 평균 또는 분산을 계산하고, 계산된 평균 또는 분산에 따른 값을 진단 데이터베이스 내에 저장하도록 되어 있다. 상기 제어기는 상기 버퍼 데이터베이스에 저장되어 있는 해당 클래스의 설정 시간 동안 온도 변화량, 상기 온도 변화량의 평균, 또는 상기 온도 변화량의 분산과, 진단 데이터베이스에 저장되어 있는 해당 클래스의 평균 또는 분산에 따른 값의 차가 설정값보다 크면, 고장 코드를 저장하도록 되어 있다. 또는 상기 제어기는 상기 버퍼 데이터베이스에 저장되어 있는 해당 클래스의 설정 시간 동안 온도 변화량, 상기 온도 변화량의 평균, 또는 상기 온도 변화량의 분산이 진단 데이터베이스에 저장되어 있는 해당 클래스의 평균 또는 분산에 따른 값보다 크면, 고장 코드를 저장하도록 되어 있다.
상기 제어기는 설정 시간 동안 평균 온도 변화율을 승객수, 외기 온도, 최초 실내 온도 및 공조 장치의 작동 레벨의 클래스 별로 분류하여 상기 버퍼 데이터베이스에 저장하도록 되어 있다. 상기 제어기는 상기 각 클래스 별로 설정 시간 동안 평균 온도 변화율들의 개수가 해당 클래스 별로 설정 시간 동안 평균 온도 변화율들의 최대 저장 개수와 비교하도록 되어 있다. 상기 제어기는 상기 각 클래스 별로 설정 시간 동안 평균 온도 변화율들의 개수가 해당 클래스 별로 설정 시간 동안 평균 온도 변화율들의 최대 저장 개수보다 크면, 상기 해당 클래스의 설정 시간 동안 평균 온도 변화율들을 진단 데이터베이스로 이전하고 버퍼 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들을 삭제하도록 되어 있다. 상기 제어기는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 분포를 정의하는 확률 분포 함수를 계산하며, 상기 확률 분포 함수를 정의하는 평균 또는 분산을 계산하고, 계산된 평균 또는 분산에 따른 값을 진단 데이터베이스 내에 저장하도록 되어 있다. 상기 제어기는 상기 버퍼 데이터베이스에 저장되어 있는 해당 클래스의 설정 시간 동안 평균 온도 변화율들, 상기 평균 온도 변화율의 평균, 또는 상기 평균 온도 변화율의 분산과, 진단 데이터베이스에 저장되어 있는 해당 클래스의 평균 또는 분산에 따른 값의 차가 설정값보다 크면, 고장 코드를 저장하도록 더 되어 있을 수 있다. 또는 상기 제어기는 상기 버퍼 데이터베이스에 저장되어 있는 해당 클래스의 설정 시간 동안 평균 온도 변화율들, 상기 평균 온도 변화율의 평균, 또는 상기 평균 온도 변화율의 분산이 진단 데이터베이스에 저장되어 있는 해당 클래스의 평균 또는 분산에 따른 값보다 크면, 고장 코드를 저장하도록 더 되어 있다.
상기 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 온도 변화량들의 개수 또는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 개수가 설정 개수가 될 때까지, 상기 해당 클래스의 설정 시간 동안 온도 변화량들 또는 상기 해당 클래스의 설정 시간 동안 평균 온도 변화율들이 버퍼 데이터베이스로부터 진단 데이터베이스로 이전되면, 상기 제어기는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 온도 변화량들의 분포를 정의하는 확률 분포 함수 또는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 분포를 정의하는 확률 분포 함수를 정의하는 평균 또는 분산을 업데이트하도록 되어 있다.
상기 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 온도 변화량들의 개수 또는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 개수가 설정 개수 이상이면, 상기 제어기는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 온도 변화량들의 분포를 정의하는 확률 분포 함수 또는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 분포를 정의하는 확률 분포 함수를 정의하는 평균 또는 분산의 업데이트를 금지하도록 되어 있다.
본 발명의 실시예에 따르면, 각 클래스 별로 버퍼 데이터베이스에 저장된 인덱스의 개수가 최대 인덱스의 개수에 도달하면, 버퍼 데이터베이스에 저장된 인덱스를 진단 데이터베이스로 이전하고 버퍼 데이터베이스 내의 해당 클래스의 인덱스를 삭제하므로, 버퍼 데이터베이스의 메모리 자원의 증가를 방지할 수 있다.
또한, 진단 데이터베이스로 이전된 인덱스들도 평균이나 분산과 같은 형태로 저장되므로 진단 데이터베이스의 메모리 자원의 증가를 방지할 수 있다.
또한, 진단 데이터베이스에 저장된 해당 클래스의 인덱스의 개수가 설정 개수 이상이면 해당 클래스의 기준 인덱스의 업데이트를 금지하므로, 진단 데이터베이스의 메모리 자원의 증가를 더욱 방지할 수 있다.
또한, 공조 장치의 성능을 평가하기 위한 파라미터들을 복수개의 클래스로 분류하고, 클래스 별 인덱스를 해당 클래스의 기준 인덱스와 비교하므로 공조 장치를 빠르고 정확하게 진단할 수 있다.
그 외에 본 발명의 실시 예로 인해 얻을 수 있거나 예측되는 효과에 대해서는 본 발명의 실시 예에 대한 상세한 설명에서 직접적 또는 암시적으로 개시하도록 한다. 즉 본 발명의 실시 예에 따라 예측되는 다양한 효과에 대해서는 후술될 상세한 설명 내에서 개시될 것이다.
본 명세서의 실시예들은 유사한 참조 부호들이 동일하거나 또는 기능적으로 유사한 요소를 지칭하는 첨부한 도면들과 연계한 이하의 설명을 참조하여 더 잘 이해될 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 철도 차량을 도시한 개략도이다.
도 2는 본 발명의 실시예에 따른 공조 장치의 개략도이다.
도 3은 본 발명의 실시예에 따른 제어기의 입력과 출력의 관계를 도시한 블록도이다.
도 4는 본 발명의 실시예에 따른 철도 차량의 공조 장치의 진단 방법의 흐름도이다.
도 5는 도 4의 S200 단계의 흐름도이다.
도 6은 도 5의 S380 단계의 흐름도이다.
도 7은 공조 장치가 자동으로 온도를 조절하는 경우 도 4의 S200 단계의 흐름도이다.
도 8은 특정 목표 온도차에서 각 최초 실내 온도 별로 외기 온도와 승객수에 대한 도달시간(설정된 온도에 도달하기까지 소요된 시간)의 그래프이다.
도 9는 각 클래스 별로 도달시간의 분포를 도시한 그래프이다.
도 10은 특정 목표 온도차에서 각 최초 실내 온도 별로 외기 온도와 승객수에 대한 평균 온도 변화율의 그래프이다.
도 11은 특정 클래스의 인덱스들의 확률 분포를 대표적인 확률 분포 함수와 비교한 그래프이다.
도 12은 공조 장치가 수동으로 온도를 조절하는 경우 도 4의 S200 단계의 흐름도이다.
도 13은 공조 장치가 자동으로 온도를 조절하는 경우 도 4의 S210 단계의 흐름도이다.
도 14는 공조 장치가 수동으로 온도를 조절하는 경우 도 4의 S210 단계의 흐름도이다.
위에서 참조된 도면들은 반드시 축적에 맞추어 도시된 것은 아니고, 본 개시의 기본 원리를 예시하는 다양한 선호되는 특징들의 다소 간략한 표현을 제시하는 것으로 이해되어야 한다. 예를 들어, 특정 치수, 방향, 위치, 및 형상을 포함하는 본 개시의 특정 설계 특징들이 특정 의도된 응용과 사용 환경에 의해 일부 결정될 것이다.
여기에서 사용되는 용어는 오직 특정 실시예들을 설명하기 위한 목적이고, 본 개시를 제한하는 것으로 의도되지 않는다. 여기에서 사용되는 바와 같이, 단수 형태들은, 문맥상 명시적으로 달리 표시되지 않는 한, 복수 형태들을 또한 포함하는 것으로 의도된다. "포함하다" 및/또는 "포함하는"이라는 용어는, 본 명세서에서 사용되는 경우, 언급된 특징들, 정수들, 단계들, 작동들, 구성요소들 및/또는 컴포넌트들의 존재를 특정하지만, 다른 특징들, 정수들, 단계들, 작동들, 구성요소들, 컴포넌트들 및/또는 이들의 그룹들 중 하나 이상의 존재 또는 추가를 배제하지는 않음을 또한 이해될 것이다. 여기에서 사용되는 바와 같이, 용어 "및/또는"은, 연관되어 나열된 항목들 중 임의의 하나 또는 모든 조합들을 포함한다.
여기에서 사용되는 바와 같은 "차량" 또는 "차량의"와 같은 용어 또는 다른 유사한 용어는 철도 차량뿐만 아니라 스포츠 유틸리티 차량(sports utility vehicles; SUVs)을 포함하는 승용차들, 버스들, 트럭들, 다양한 상업용 차량들을 포함하는 것으로 이해된다.
추가적으로, 아래의 방법들 또는 이들의 양상들 중 하나 이상은 적어도 하나 이상의 제어 유닛(예를 들어, 전자 제어 유닛(electronic control unit; ECU) 등), 제어기 또는 제어 서버에 의해 실행될 수 있음이 이해된다. "제어 유닛", "제어기", 또는 "제어 서버"라는 용어는 메모리 및 프로세서를 포함하는 하드웨어 장치를 지칭할 수 있다. 메모리는 프로그램 명령들을 저장하도록 구성되고, 프로세서는 아래에서 더욱 자세히 설명되는 하나 이상의 프로세스들을 수행하기 위해 프로그램 명령들을 실행하도록 특별히 프로그래밍된다. 제어 유닛, 제어기, 또는 제어 서버는, 여기에서 기재된 바와 같이, 유닛들, 모듈들, 부품들, 장치들, 또는 이와 유사한 것의 작동을 제어할 수 있다. 또한, 아래의 방법들은, 당업자에 의해 인식되는 바와 같이, 하나 이상의 다른 컴포넌트들과 함께 제어 유닛 또는 제어기를 포함하는 장치에 의해 실행될 수 있음이 이해된다.
또한, 본 개시의 제어 유닛, 제어기, 또는 제어 서버는 프로세서에 의해 실행되는 실행 가능한 프로그램 명령들을 포함하는 비일시적인 컴퓨터로 판독 가능한 기록 매체로서 구현될 수 있다. 컴퓨터로 판독 가능한 기록 매체들의 예들은 롬(ROM), 램(RAM), 컴팩트 디스크(CD) 롬, 자기 테이프들, 플로피 디스크들, 플래시 드라이브들, 스마트 카드들 및 광학 데이터 저장 장치들을 포함하지만, 이에 한정되는 것은 아니다. 컴퓨터 판독가능 기록 매체는 또한 컴퓨터 네트워크 전반에 걸쳐 분산되어 프로그램 명령들이, 예를 들어, 텔레매틱스 서버(telematics server) 또는 제어기 영역 네트워크(Controller Area Network; CAN)와 같은 분산 방식으로 저장 및 실행될 수 있다.
도 1은 본 발명의 실시예에 따른 철도 차량을 도시한 개략도이다.
도 1에 도시된 바와 같이, 철도 차량(1)은 서로 연결된 복수개의 차량(5)을 포함한다. 차량(5)은 승객 또는 화물을 실을 수 있도록 되어 있고, 차량(5)의 하부에는 복수개의 대차(10)가 설치되어 차량이 선로 상에서 움직이는 것을 가능하게 한다. 상기 복수개의 차량(5) 중 하나에는 기관실이 형성되고, 상기 기관실에는 제어 서버 또는 제어기(160)와, 디스플레이(170)가 배치될 수 있다.
대차(truck; 10)는 통상적으로 2개 또는 3개의 차축 조립체로 구성되어 있으며, 차체를 지지하고 있다. 대차(10)는 대차틀과, 상기 대차틀에 장착되는 차축 조립체, 완충 장치, 제동 장치, 견인 모터(14), 기어 박스(16) 등을 포함한다. 견인 모터(14)는 철도 차량(1)이 선로 상에서 움직이도록 하는 동력을 생성한다. 기어 박스(16)는 서로 치합된 복수개의 기어들을 포함하고, 견인 모터(14)에서 생성된 동력을 기어비에 따라 변환하고 변환된 동력을 차축 조립체를 통해 휠(12)에 전달한다. 상기 대차(10)는 당업자에게 잘 알려져 있으므로, 더 이상의 상세한 설명은 생략하기로 한다.
철도 차량(1)은 승객이 타거나 내릴 수 있는 도어(20)와, 상기 도어(20)의 작동을 제어하는 도어 제어 유닛(22)을 더 포함한다. 상기 도어(20)는 도어 제어 유닛(22)의 제어에 의하여 열리거나 닫힐 수 있다.
철도 차량(1)은 배터리(30)와 공기 압축기(32)를 더 포함한다. 배터리(30)는 공기 압축기(32)에 전력을 공급하고, 상기 공기 압축기(32)는 배터리(30)의 전력에 의하여 작동하여 공기를 압축한다. 공기 압축기(32)에서 압축된 공기는 제동, 서스펜션, 또는 집전기 등에 사용된다.
철도 차량(1)은 방송 통화 장치(40)와, 무선 통신기(50)를 더 포함한다. 방송 통화 장치(40)는 승객에게 정보를 시각 또는 청각으로 전달하도록 되어 있고, 무선 통신기(50)는 다른 철도 차량(1)의 제어 서버 또는 제어기, 또는 관제실의 제어 서버와 데이터를 무선으로 통신하도록 되어 있다. 예를 들어, 무선 통신기(50)는 블루투스, 지그비, 와이파이, 엘티이 등의 무선 통신 규약을 통해 외부 서버 또는 다른 철도 차량(1)과 통신 가능하다.
철도 차량(1)은 공조 장치(heating, ventilation, and air conditioning; HVAC)(60)를 더 포함한다. 상기 공조 장치(60)는 외부의 온도 변화에 관계 없이 차량(5) 실내의 온도를 적당한 온도로 유지하여 쾌적한 실내 환경을 유지할 수 있도록 한다.
도 2는 본 발명의 실시예에 따른 공조 장치의 개략도이다.
도 2에 도시된 바와 같이, 공조 장치(60)는 압축기(64), 응축기(62), 팽창 밸브, 증발기(68)를 포함한다. 압축기(64)는 냉매를 압축하고, 응축기(62)는 압축기(64)에서 압축된 냉매를 응축하여 액화시키며, 팽창밸브는 응축기(62)에서 응축되어 액화된 냉매를 급속히 팽창시키고, 증발기(68)는 팽창밸브에서 팽창된 냉매를 증발시키고 냉매의 증발 잠열을 이용하여 실내로 송풍되는 공기를 냉각한다.
또한, 공조 장치(60)는 응축기 팬(70), 증발기 팬(76), 액 분리기(74), 그리고 건조기(72)를 더 포함할 수 있다. 응축기 팬(70)은 모터에 의하여 회전하며 응축기(62)에 공기를 송풍하여 응축기(62) 내의 냉매를 냉각시킨다. 증발기 팬(76)은 모터에 의하여 회전하며 공기를 증발기(68)로 보내 증발기(68) 내의 냉매와 열교환되도록 한다. 액 분리기(74)는 냉매 내의 기체를 분리하고, 건조기(72)는 냉매 내의 수분을 제거한다.
도 3은 본 발명의 실시예에 따른 제어기의 입력과 출력의 관계를 도시한 블록도이다.
본 발명의 실시예에 따른 철도 차량(1)의 공조 장치(60)의 진단 시스템은 데이터 검출기(100), 제어기(160), 디스플레이(170), 스피커(180), 그리고 모바일 장치(190)를 포함한다.
데이터 검출기(100)는 공조 장치(60)의 진단을 위한 데이터를 검출한다. 예를 들어, 상기 데이터는 클래스를 분류하기 위한 파라미터와, 공조 장치(60)의 성능을 평가하기 위한 인덱스를 포함할 수 있다. 데이터 검출기(100)는 하중 센서(110), 제1, 2온도 센서(120, 130), 타이머(140), 작동 스위치(150)를 포함할 수 있다.
하중 센서(110)는 대차(10)에 장착되어 있으며, 철도 차량(1)의 전체 하중을 검출하고, 이에 대한 신호를 제어기(160)에 전송한다.
제1온도 센서(120)는 외기 온도를 측정하며, 이에 대한 신호를 제어기(160)에 전송한다.
제2온도 센서(130)는 차량(5)의 실내 온도를 측정하고, 이에 대한 신호를 제어기(160)에 전송한다.
타이머(140)는 특정 이벤트의 시작 시점부터 소요된 시간을 측정하고, 이에 대한 신호를 제어기(160)에 전송한다. 예를 들어, 특정 이벤트의 시작 시점은 공조 장치(60)가 작동되기 시작한 시점일 수 있다.
작동 스위치(150)는 공조 장치(60)가 자동으로 실내 온도를 조절하는 경우 공조 장치(60)를 작동시키거나 끄기 위해 사용될 수 있다. 또한, 작동 스위치(150)는 공조 장치(60)가 수동으로 실내 온도를 조절하는 경우 공조 장치(60)를 작동시키거나 끄기 위해 사용될 수 있으며, 공조 장치(60)의 작동 레벨을 설정하기 위하여 사용될 수 있다. 예를 들어, 공조 장치(60)의 작동 레벨은 '강', '중', '약'을 포함할 수 있다. 작동 스위치(150)의 작동 여부 또는 작동 스위치(150)의 작동 레벨에 대한 신호는 제어기(160)에 전송된다.
제어기(160)는 데이터 검출기(100)와 통신 가능하도록 연결되어 있으며, 데이터 검출기(100)에서 검출한 데이터에 대한 신호를 수신하도록 되어 있다. 제어기(160)는 데이터 검출기(100)로부터 수신한 신호를 이용하여 공조 장치(60)를 진단하도록 되어 있다. 이러한 목적을 위하여, 제어기(160)는 설정된 프로그램에 의해 동작하는 하나 이상의 프로세서(162)로 구현될 수 있으며, 상기 설정된 프로그램은 본 발명의 실시예에 따른 철도 차량의 공조 장치의 진단 방법의 각 단계를 수행하도록 프로그래밍된 것일 수 있다.
상기 제어기(160)는 데이터베이스(164)를 포함하며, 데이터베이스(164)는 버퍼 데이터베이스(166)와 진단 데이터베이스(168)를 포함한다.
제어기(160)는 공조 장치(60)가 고장인 것으로 판단되면 고장 코드를 저장하고, 경고 신호를 디스플레이(170), 스피커(180), 및/또는 모바일 장치(190)에 전송할 수 있다. 정비사는 상기 경고 신호를 기초로 공조 장치(60)를 정비하거나 교체할 수 있다.
도 4는 본 발명의 실시예에 따른 철도 차량의 공조 장치의 진단 방법의 흐름도이다.
본 발명의 실시예에 따른 철도 차량의 공조 장치의 진단 방법은 파라미터들의 각 클래스 별로 인덱스의 데이터베이스를 구축하는 단계(S200)와, 검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계(S210)와, 검출된 클래스의 검출된 인덱스와 데이터베이스 내 해당 클래스의 기준 인덱스에 따른 값의 차가 설정값보다 크거나 상기 인덱스가 상기 기준 인덱스에 따른 값보다 크면 고장 코드를 저장하는 단계(S230)를 포함한다. 또한, 철도 차량의 공조 장치의 진단 방법은 경고 신호를 디스플레이(170), 스피커(180), 및/또는 모바일 장치(190)에 전송하는 단계와, 경고 신호를 디스플레이(170)를 통하여 시각적으로 출력하거나, 스피커(180)를 통하여 청각적으로 출력하거나, 모바일 장치(190)를 통하여 시각적, 청각적 또는 촉각적으로 출력하는 단계를 더 포함할 수 있다.
상기 S200 단계는 공조 장치(60)가 철도 차량(1)에 최초로 장착되어 데이터베이스가 구축되어 있지 않거나, 철도 차량(1)이 정비되거나 교체되어 데이터베이스가 리셋된 경우 수행될 수 있다. 또한, S210 단계는 진단 데이터베이스(168) 내에 기준 인덱스가 존재하는 경우에만 수행될 수 있다.
도 5는 도 4의 S200 단계의 흐름도이다.
파라미터들의 각 클래스 별로 인덱스의 데이터베이스를 구축하는 단계(S200)는 각 클래스 별로 버퍼 데이터베이스(166)에 저장 가능한 최대 인덱스의 개수를 설정함으로써 시작된다(S310). 예를 들어, 사용자는 버퍼 데이터베이스(166)의 메모리 용량 등을 고려하여 최대 인덱스의 개수를 설정할 수 있다. 이와는 달리, 제어기(160)는 버퍼 데이터베이스(166)의 메모리 용량 등을 고려하여 최대 인덱스의 개수를 설정할 수 있다.
최대 인덱스의 개수가 설정되면, 데이터 검출기(100)는 공조 장치(60)의 진단을 위한 데이터를 검출한다(S320). 예를 들어, 하중 센서(110)는 철도 차량(1)의 전체 하중을 검출하고, 제1온도 센서(120)는 외기 온도를 측정하며, 제2온도 센서(130)는 차량(5)의 실내 온도를 측정하고, 타이머(140)는 특정 이벤트의 시작 시점으로부터 소요된 시간을 측정한다. 또한, 작동 스위치(150)의 작동 여부 또는 작동 스위치(150)의 작동 레벨이 검출된다.
제어기(160)는 데이터 검출기(100)에 의하여 검출된 데이터를 해당 클래스로 분류하고 버퍼 데이터베이스(166)에 해당 클래스의 인덱스를 저장한다(S330). 공조 장치(60)의 성능은 실내 온도가 설정된 온도에 도달하기까지 소요된 시간, 설정 시간 동안 실내 온도의 평균 변화율(이하, '평균 온도 변화율'이라고 칭함), 및/또는 설정 시간 동안 실내 온도의 변화량(이하, '온도 변화량'이라고 칭함)에 의하여 평가될 수 있다. 또한, 실내 온도가 설정된 온도에 도달하기까지 소요된 시간, 설정 시간 동안 평균 온도 변화율, 또는 설정 시간 동안 온도 변화량은 철도 차량(1)에 탑승한 승객수, 외기 온도, 공조 장치(60)가 작동되기 시작한 시점의 실내 온도(이하, '최초 실내 온도'라고 칭함), 목표 실내 온도와 최초 실내 온도의 차(이하, '목표 온도차'라고 칭함), 및/또는 공조 장치의 작동 레벨 등에 의하여 영향을 받을 수 있다. 따라서, 공조 장치(60)의 성능을 평가하기 위한 실내 온도가 설정된 온도에 도달하기까지 소요된 시간, 설정 시간 동안 평균 온도 변화율, 및/또는 설정 시간 동안 온도 변화량, 이의 평균, 또는 이의 분산은 인덱스로 정의하고, 상기 인덱스에 영향을 미치는 승객수, 외기 온도, 최초 실내 온도, 목표 온도차, 및/또는 공조 장치의 작동 레벨은 파라미터로 정의한다. 또한, 공조 장치(60)의 성능을 평가하기 위하여 두 개 이상의 인덱스를 사용할 수 있으므로, 상기 인덱스는 제1, 2인덱스를 포함할 수 있다.
하나의 양상에서, 공조 장치(60)가 실내 온도를 자동으로 조절하는 경우, 제1인덱스는 실내 온도가 설정된 온도에 도달하기까지 소요된 시간, 또는 이의 평균 또는 분산이고, 제2인덱스는 설정 시간 동안의 평균 온도 변화율, 또는 이의 평균 또는 분산일 수 있다. 이 경우, 파라미터들은 승객수, 외기 온도, 최초 실내 온도 및 목표 온도차일 수 있다.
다른 하나의 양상에서, 공조 장치(60)가 실내 온도를 수동으로 조절하는 경우, 제1인덱스는 설정 시간 동안의 온도 변화량, 또는 이의 평균 또는 분산이고, 제2인덱스는 설정 시간 동안의 평균 온도 변화율, 또는 이의 평균 또는 분산일 수 있다. 이 경우, 파라미터들은 승객수, 외기 온도, 최초 실내 온도 및 공조 장치의 작동 레벨일 수 있다.
또한, 상기 파라미터들은 복수개의 클래스로 분류될 수 있다. 예를 들어, 승객수가 제1승객수와 제2승객수 사이이고, 외기 온도가 제1외기 온도와 제2외기 온도 사이이며, 최초 실내 온도가 제1최초 실내 온도와 제2최초 실내 온도 사이이고, 목표 온도차가 제1목표 온도차와 제2목표 온도차 사이이면, 상기 파라미터들은 (1, 1, 1, 1) 클래스로 분류할 수 있다. 이와는 달리, 승객수가 제2승객수와 제3승객수 사이이고, 외기 온도가 제1외기 온도와 제2외기 온도 사이이며, 최초 실내 온도가 제1최초 실내 온도와 제2최초 실내 온도 사이이고, 목표 온도차가 제1목표 온도차와 제2목표 온도차 사이이면, 상기 파라미터들은 (2, 1, 1, 1) 클래스로 분류할 수 있고, 승객수가 제1승객수와 제2승객수 사이이고, 외기 온도가 제2외기 온도와 제3외기 온도 사이이며, 최초 실내 온도가 제1최초 실내 온도와 제2최초 실내 온도 사이이고, 목표 온도차가 제1목표 온도차와 제2목표 온도차 사이이면, 상기 파라미터들은 (1, 2, 1, 1) 클래스로 분류할 수 있다.
따라서, 제어기(160)는 검출된 파라미터들이 포함된 클래스를 결정하고, 검출된 인덱스를 해당 클래스의 인덱스로 버퍼 데이터베이스(166)에 저장한다.
그 후, 제어기(160)는 각 클래스 별로 버퍼 데이터베이스(166)에 저장된 인덱스의 개수가 해당 클래스의 최대 인덱스의 개수 이상인지를 판단한다(S340).
각 클래스 별로 버퍼 데이터베이스(166)에 저장된 인덱스의 개수가 해당 클래스의 최대 인덱스의 개수 미만이면, 데이터 검출기(100)는 계속하여 공조 장치(60)의 진단을 위한 데이터를 검출한다(S320).
각 클래스 별로 버퍼 데이터베이스(166)에 저장된 인덱스의 개수가 해당 클래스의 최대 인덱스의 개수 이상이면, 제어기(160)는 버퍼 데이터베이스(166) 내의 해당 클래스의 인덱스를 진단 데이터베이스(168)로 이전하고, 버퍼 데이터베이스(166) 내의 해당 클래스의 인덱스를 삭제한다(S350). 버퍼 데이터베이스(166)에 저장되는 인덱스의 개수는 최대 인덱스의 개수와 클래스의 개수의 곱이므로, 버퍼 데이터베이스(166)의 메모리 자원을 관리할 수 있다.
버퍼 데이터베이스(166)로부터 진단 데이터베이스(168)로 해당 클래스의 인덱스들이 이전되면, 제어기(160)는 진단 데이터베이스(168) 내의 해당 클래스의 인덱스들의 분포를 정의하는 확률 분포 함수를 계산하고(S360), 상기 확률 분포 함수를 정의하는 기준 인덱스를 계산하며(S370), 상기 해당 클래스의 기준 인덱스를 진단 데이터베이스(168) 내에 저장한다. 여기서, 기준 인덱스는 상기 인덱스의 확률 분포 함수를 정의하는 평균 또는 분산에 따른 값일 수 있다. 예를 들어, 기준 인덱스는 인덱스의 확률 분포 함수를 정의하는 평균에 설정된 팩터가 곱해진 값일 수 있다. 또는, 상기 기준 인덱스는 인덱스의 확률 분포 함수를 정의하는 분산(σ2)에 따른 값(예를 들어, 3σ)일 수 있다.
그 후, 제어기(160)는 진단 데이터베이스(168)의 업데이트를 수행한다(S380).
도 6은 도 5의 S380 단계의 흐름도이다.
진단 데이터베이스(168)의 업데이트를 수행하는 단계(S380)는 진단 데이터베이스(168) 내에 기준 인덱스가 저장되어 있을 때 수행된다. 즉, 진단 데이터베이스(168) 내에 기준 인덱스가 저장되어 있으면, 데이터 검출기(100)는 공조 장치(60)의 진단을 위한 데이터를 검출한다(S320). 예를 들어, 하중 센서(110)는 철도 차량(1)의 전체 하중을 검출하고, 제1온도 센서(120)는 외기 온도를 측정하며, 제2온도 센서(130)는 차량(5)의 실내 온도를 측정하고, 타이머(140)는 특정 이벤트의 시작 시점으로부터 소요된 시간을 측정한다. 또한, 작동 스위치(150)의 작동 여부 또는 작동 스위치(150)의 작동 레벨이 검출된다.
제어기(160)는 데이터 검출기(100)에 의하여 검출된 데이터를 해당 클래스로 분류하고 버퍼 데이터베이스(166)에 해당 클래스의 인덱스를 저장한다(S330). 제어기(160)는 각 클래스 별로 버퍼 데이터베이스(166)에 저장된 인덱스의 개수가 해당 클래스의 최대 인덱스의 개수(n) 이상인지를 판단한다(S340).
각 클래스 별로 버퍼 데이터베이스(166)에 저장된 인덱스의 개수가 해당 클래스의 최대 인덱스의 개수 미만이면, 데이터 검출기(100)는 계속하여 공조 장치(60)의 진단을 위한 데이터를 검출한다(S320).
각 클래스 별로 버퍼 데이터베이스(166)에 저장된 인덱스의 개수가 해당 클래스의 최대 인덱스의 개수 이상이면, 제어기(160)는 버퍼 데이터베이스(166) 내의 해당 클래스의 인덱스를 진단 데이터베이스(168)로 이전하고, 버퍼 데이터베이스(166) 내의 해당 클래스의 인덱스를 삭제한다(S350).
그 후, 제어기(160)는 진단 데이터베이스(168) 내의 해당 클래스의 확률 분포 함수를 정의하는 평균 및/또는 분산을 업데이트한다(S382). 예를 들어, 업데이트 전 진단 데이터베이스(168) 내의 해당 클래스의 인덱스들의 개수, 평균 및 분산이 각각 Nc, Ac, σc 2이고, 버퍼 데이터베이스(166)로부터 이전된 해당 클래스의 인덱스들의 개수, 평균 및 분산이 각각 n, a, σ2이면, 업데이트 후 진단 데이터베이스(168) 내의 해당 클래스의 인덱스들의 개수, 평균 및 분산은 다음과 같다.
업데이트 후 해당 클래스의 인덱스들의 개수 = Nc+n
업데이트 후 해당 클래스의 인덱스들의 평균 = (Ac*Nc + a*n)/(Nc + n)
업데이트 후 해당 클래스의 인덱스들의 분산 = (σc 2*Nc + σ2*n)/(Nc + n)
진단 데이터베이스(168) 내의 해당 클래스의 확률 분포 함수를 정의하는 평균 및/또는 분산이 업데이트되면, 진단 데이터베이스(168) 내의 해당 클래스의 기준 인덱스도 이에 따라 업데이트된다.
그 후, 제어기(160)는 진단 데이터베이스(168)에 저장된 해당 클래스의 인덱스들의 개수가 설정 인덱스의 개수 이상인지를 판단한다(S384). 공조 장치(60)의 성능은 장착 초기, 교체 초기 또는 정비 초기에 높고, 사용 기간이 늘어남에 따라 감소된다. 따라서, 공조 장치(60)의 성능을 평가하기 위한 기준으로 공조 장치(60)의 장착 초기, 교체 초기 또는 정비 초기의 성능을 사용할 수 있다. 진단 데이터베이스(168)에 저장된 해당 클래스의 인덱스들의 개수를 제한함으로써, 진단 데이터베이스(168)의 메모리 자원을 관리할 수 있다. 또한, 공조 장치(60)의 성능을 평가하기 위한 기준으로 공조 장치(60)의 장착 초기, 교체 초기 또는 정비 초기의 성능을 사용함으로써, 공조 장치(60)를 정확히 진단할 수 있다.
S384 단계에서 진단 데이터베이스(168)에 저장된 해당 클래스의 인덱스들의 개수가 설정 인덱스의 개수 미만이면, 데이터 검출기(100)는 계속하여 공조 장치(60)의 진단을 위한 데이터를 검출한다(S320).
S384 단계에서 진단 데이터베이스(168)에 저장된 해당 클래스의 인덱스들의 개수가 설정 인덱스의 개수 이상이면, 제어기(160)는 진단 데이터베이스(168) 내의 해당 클래스의 기준 인덱스의 업데이트를 금지한다(S386). 일부 실시예에서, 진단 데이터베이스(168)의 업데이트가 가능한 업데이트 기간을 설정하고, 데이터베이스 구축을 시작한 시점으로부터 업데이트 기간이 경과하면, 진단 데이터베이스(168) 내의 해당 클래스의 기준 인덱스의 업데이트가 금지될 수 있다. 또한, 진단 데이터베이스(168) 내의 해당 클래스의 기준 인덱스의 업데이트가 금지되면, 제어기(160)는 진단 데이터베이스(168)에 저장된 해당 클래스의 인덱스들을 삭제할 수 있다. 이에 따라, 진단 데이터베이스(168)의 메모리 자원을 관리할 수 있다. 더 나아가, 진단 데이터베이스(168) 내의 해당 클래스의 기준 인덱스의 업데이트가 금지되면, 제어기(160)는 버퍼 데이터베이스(166)로부터 해당 클래스의 인덱스들의 이전을 금지할 수 있다. 이 경우, 각 클래스 별로 버퍼 데이터베이스(166)에 저장된 인덱스의 개수가 해당 클래스의 최대 인덱스의 개수 이상이면, 제어기(160)는 버퍼 데이터베이스(166) 내의 해당 클래스의 인덱스를 진단 데이터베이스(168) 내의 해당 클래스의 기준 인덱스와 비교하고, 이후 버퍼 데이터베이스(166) 내의 해당 클래스의 인덱스의 이전 없이 삭제할 수 있다.
이하, 도 7 내지 도 14를 참고로, 본 발명의 실시예에 따른 철도 차량(1)의 공조 장치(60)를 진단하는 방법을 보다 구체적으로 설명한다.
도 7은 공조 장치가 자동으로 온도를 조절하는 경우 도 4의 S200 단계의 흐름도이고, 도 12은 공조 장치가 수동으로 온도를 조절하는 경우 도 4의 S200 단계의 흐름도이다.
도 7에 도시된 바와 같이, 공조 장치(60)가 자동으로 온도를 조절하는 경우 하중 센서(110)는 철도 차량(1)의 전체 하중을 측정하고(S402), 제어기(160)는 측정된 철도 차량(1)의 전체 하중에서 철도 차량(1)의 하중을 차감하여 철도 차량(1)에 탑승한 승객들의 하중을 계산하며(S404), 제어기(160)는 철도 차량(1)에 탑승한 승객들의 하중과 승객들의 평균 몸무게에 기초하여 철도 차량(1)에 탑승한 승객수를 추산한다(S406). 또한, 제1온도 센서(120)는 외기 온도를 측정하고(S410), 제2온도 센서(130)는 실내 온도를 측정하며(S420), 제어기(160)는 공조 장치(60)의 설정 온도값을 읽어온다(S430).
그 후, 제어기(160)는 승객수, 외기 온도, 최초 실내 온도, 목표 온도차의 4개의 파라미터를 해당 클래스로 분류한다(S440). 또한, 타이머(140)는 목표 실내 온도(즉, 설정된 온도)에 도달하기까지 소요된 시간을 측정하고(S450), 제어기(160)는 설정 시간 동안 실내 온도의 평균 변화율(즉, 평균 온도 변화율)을 계산한다(S460).
그 후, 제어기(160)는 해당 클래스의 목표 실내 온도에 도달하기까지 소요된 시간을 버퍼 데이터베이스(166)에 저장하여 해당 클래스 별 제1인덱스의 데이터베이스를 구축하고(S470), 해당 클래스의 평균 온도 변화율을 버퍼 데이터베이스(166)에 저장하여 해당 클래스 별 제2인덱스의 데이터베이스를 구축한다(S480).
상기 제어기(160)는 해당 클래스의 제1인덱스의 개수 또는 해당 클래스의 제2인덱스의 개수가 해당 클래스의 최대 인덱스의 개수가 될 때까지 S402 단계 내지 S480 단계를 반복한다.
해당 클래스의 제1인덱스의 개수 또는 해당 클래스의 제2인덱스의 개수가 해당 클래스의 최대 인덱스의 개수에 도달하면, 제어기(160)는 버퍼 데이터베이스(166) 내의 해당 클래스의 제1인덱스(목표 실내 온도까지에 도달하기까지 소요된 시간) 및/또는 제2인덱스(평균 온도 변화율)를 진단 데이터베이스(168)로 이전하고, 버퍼 데이터베이스(166) 내의 해당 클래스의 제1인덱스 및/또는 제2인덱스를 삭제한다(S350).
그 후, 제어기(160)는 진단 데이터베이스(168) 내의 해당 클래스의 제1인덱스의 분포를 정의하는 확률 분포 함수를 계산한다(S360). 예를 들어, 도 8에 도시된 바와 같이, 특정 목표 온도차(예를 들어, ΔT = T1)에서 각 최초 실내 온도(예를 들어, 시작온도1, 시작온도2 등) 별로 외기 온도와 승객수에 대한 설정된 온도에 도달하기까지 소요된 시간이 도시될 수 있다. 즉, 제1인덱스를 시각적으로 용이하게 인식하고 제1인덱스의 분포를 정의하는 확률 분포 함수를 계산하기 위하여, 4개의 파라미터의 함수를 2차원으로 표현한다.
마찬가지로, 도 10에 도시된 바와 같이, 특정 목표 온도차(예를 들어, ΔT = T1)에서 각 최초 실내 온도(예를 들어, 시작온도1, 시작온도2 등) 별로 외기 온도와 승객수에 대한 평균 온도 변화율(제2인덱스)이 도시될 수 있다.
그 후, 도 9에 도시된 바와 같이, 각 클래스 별로 제1인덱스의 분포가 1차원으로 도시된다. 도 9에는 각 클래스 별로 제1인덱스의 평균 및 분산에 따른 값이 표현되어 있다. 유사하게, 각 클래스 별로 제2인덱스의 분포가 1차원으로 도시될 수 있다.
도 9에 도시된 바와 같이, 각 클래스 별로 제1인덱스 및/또는 제2인덱스의 분포가 도시되면, 제어기(160)는 진단 데이터베이스(168) 내의 해당 클래스의 인덱스의 분포에 근접한 확률 분포 함수를 도출한다(S360).
도 11은 특정 클래스의 인덱스들의 확률 분포를 대표적인 4개의 확률 분포 함수(레일레이, 가우스, 와이블, 번바움??샌더스)와 비교한 그래프이다. 도 11에서 가는 점선은 가우스(Gauss) 확률 분포 함수를 나타내고, 굵은 점선은 레일에이(Rayleigh) 확률 분포 함수를 나타내며, 가는 실선은 와이블(Weibull) 확률 분포 함수를 나타내고, 굵은 실선은 번바움??샌더스(Birnbaum??Saunders) 확률 분포 함수를 나타낸다. 도 11에 도시된 특정 클래스의 인덱스들의 분포는 번바움??샌더스 확률 분포 함수와 가장 잘 매칭되는 것을 알 수 있다.
그 후, 제어기(160)는 도출된 확률 분포 함수를 정의하는 평균 및/또는 분산을 계산하여 기준 인덱스를 계산한다(S370). 앞에서 언급한 바와 같이, 기준 인덱스는 상기 인덱스의 확률 분포 함수를 정의하는 평균 또는 분산에 따른 값일 수 있다. 예를 들어, 기준 인덱스는 인덱스의 확률 분포 함수를 정의하는 평균에 설정된 팩터가 곱해진 값일 수 있다. 또는, 상기 기준 인덱스는 인덱스의 확률 분포 함수를 정의하는 분산(σ2)에 따른 값(예를 들어, 3σ)일 수 있다.
도 12에 도시된 바와 같이, 공조 장치(60)가 수동으로 온도를 조절하는 경우 하중 센서(110)는 철도 차량(1)의 전체 하중을 측정하고(S402), 제어기(160)는 측정된 철도 차량(1)의 전체 하중에서 철도 차량(1)의 하중을 차감하여 철도 차량(1)에 탑승한 승객들의 하중을 계산하며(S404), 제어기(160)는 철도 차량(1)에 탑승한 승객들의 하중과 승객들의 평균 몸무게에 기초하여 철도 차량(1)에 탑승한 승객수를 추산한다(S406). 또한, 제1온도 센서(120)는 외기 온도를 측정하고(S410), 제2온도 센서(130)는 실내 온도를 측정하며(S420), 제어기(160)는 공조 장치(60)의 작동 레벨을 읽어온다(S430). 앞에서 언급한 바와 같이, 공조 장치(60)의 작동 레벨은 '강/중/약'으로 설정될 수 있다. 그러나, 공조 장치(60)의 작동 레벨은 '강/중/약'에 한정되지 아니한다. 예를 들어, 공조 장치(60)의 작동 레벨은 하나의 단계 또는 복수의 단계로 설정될 수 있다.
그 후, 제어기(160)는 승객수, 외기 온도, 최초 실내 온도, 공조 장치(60)의작동 레벨의 4개의 파라미터를 해당 클래스로 분류한다(S440'). 또한, 제어기(160)는 설정 시간 동안 실내 온도의 평균 변화량(즉, 온도 변화량)을 계산하고(S450'), 설정 시간 동안 실내 온도의 평균 변화율(즉, 평균 온도 변화율)을 계산한다(S460).
그 후, 제어기(160)는 해당 클래스의 온도 변화량을 버퍼 데이터베이스(166)에 저장하여 해당 클래스 별 제1인덱스의 데이터베이스를 구축하고(S470'), 해당 클래스의 평균 온도 변화율을 버퍼 데이터베이스(166)에 저장하여 해당 클래스 별 제2인덱스의 데이터베이스를 구축한다(S480).
상기 제어기(160)는 해당 클래스의 제1인덱스의 개수 또는 해당 클래스의 제2인덱스의 개수가 해당 클래스의 최대 인덱스의 개수가 될 때까지 S402 단계 내지 S480 단계를 반복한다.
해당 클래스의 제1인덱스의 개수 또는 해당 클래스의 제2인덱스의 개수가 해당 클래스의 최대 인덱스의 개수에 도달하면, 제어기(160)는 버퍼 데이터베이스(166) 내의 해당 클래스의 제1인덱스 및/또는 제2인덱스를 진단 데이터베이스(168)로 이전하고, 버퍼 데이터베이스(166) 내의 해당 클래스의 제1인덱스 및/또는 제2인덱스를 삭제한다(S350).
그 후, 제어기(160)는 진단 데이터베이스(168) 내의 해당 클래스의 제1인덱스의 분포를 정의하는 확률 분포 함수를 계산한다(S360).
그 후, 제어기(160)는 도출된 확률 분포 함수를 정의하는 평균 및/또는 분산을 계산하여 기준 인덱스를 계산한다(S370).
이하, 도 13 및 도 14를 참고로, S210 단계를 구체적으로 설명한다.
도 13은 공조 장치가 자동으로 온도를 조절하는 경우 도 4의 S210 단계의 흐름도이고, 도 14는 공조 장치가 수동으로 온도를 조절하는 경우 도 4의 S210 단계의 흐름도이다.
도 13에 도시된 바와 같이, 공조 장치(60)가 자동으로 온도를 조절하는 경우 하중 센서(110)는 철도 차량(1)의 전체 하중을 측정하고(S502), 제어기(160)는 측정된 철도 차량(1)의 전체 하중에서 철도 차량(1)의 하중을 차감하여 철도 차량(1)에 탑승한 승객들의 하중을 계산하며(S504), 제어기(160)는 철도 차량(1)에 탑승한 승객들의 하중과 승객들의 평균 몸무게에 기초하여 철도 차량(1)에 탑승한 승객수를 추산한다(S506). 또한, 제1온도 센서(120)는 외기 온도를 측정하고(S510), 제2온도 센서(130)는 실내 온도를 측정하며(S520), 제어기(160)는 공조 장치(60)의 설정 온도값을 읽어온다(S530).
그 후, 제어기(160)는 승객수, 외기 온도, 최초 실내 온도, 목표 온도차의 4개의 파라미터를 해당 클래스로 분류하고(S540), 진단 데이터베이스(168) 내의 해당 클래스의 기준 인덱스(제1기준 인덱스 및/또는 제2기준 인덱스)를 읽어온다. 또한, 타이머(140)는 목표 실내 온도(즉, 설정된 온도)에 도달하기까지 소요된 시간을 측정하고(S570), 제어기(160)는 설정 시간 동안 실내 온도의 평균 변화율(즉, 평균 온도 변화율)을 계산한다(S580).
그 후, 제어기(160)는 해당 클래스의 목표 실내 온도에 도달하기까지 소요된 시간 또는 해당 클래스의 평균 온도 변화율을 버퍼 데이터베이스(166)에 저장한다. 여기서, 상기 제1인덱스는 실내 온도가 설정된 온도에 도달하기까지 소요된 시간, 또는 이의 평균 또는 분산이고, 상기 제2인덱스는 설정 시간 동안의 평균 온도 변화율, 또는 이의 평균 또는 분산일 수 있다.
그 후, 제어기(160)는 버퍼 데이터베이스(166) 내의 해당 클래스의 제1인덱스를 진단 데이터베이스(168) 내의 해당 클래스의 제1기준 인덱스와 비교하거나(S550), 버퍼 데이터베이스(166) 내의 해당 클래스의 제2인덱스를 진단 데이터베이스(168) 내의 해당 클래스의 제2기준 인덱스와 비교한다(S560).
제어기(160)는 상기 제1인덱스와 제1기준 인덱스의 차가 설정값보다 크거나 상기 제1인덱스가 상기 제1기준 인덱스보다 크면, 고장 코드를 저장할 수 있다(S230). 또는, 제어기(160)는 상기 제2인덱스와 제2기준 인덱스의 차가 설정값보다 크거나 상기 제2인덱스가 상기 제2기준 인덱스보다 크면, 고장 코드를 저장할 수 있다(S230). 여기서, 고장 코드를 저장하는 기준은 제1, 2인덱스와 제1, 2기준 인덱스의 종류에 따라 달라진다. 예를 들어, 제1인덱스가 각 클래스의 목표 실내 온도에 도달하기까지 소요된 시간이고, 제1기준 인덱스가 제1인덱스의 평균에 설정된 팩터가 곱해진 값인 경우, 제1인덱스가 제1기준 인덱스보다 크면 제어기(160)는 고장 코드를 저장할 수 있다. 이와는 달리, 제2인덱스가 각 클래스의 평균 온도 변화율의 평균이고, 제2기준 인덱스가 제2인덱스의 평균인 경우, 제2인덱스와 제2기준 인덱스의 차가 설정값보다 크면 제어기(160)는 고장 코드를 저장할 수 있다.
도 14에 도시된 바와 같이, 공조 장치(60)가 수동으로 온도를 조절하는 경우 하중 센서(110)는 철도 차량(1)의 전체 하중을 측정하고(S502), 제어기(160)는 측정된 철도 차량(1)의 전체 하중에서 철도 차량(1)의 하중을 차감하여 철도 차량(1)에 탑승한 승객들의 하중을 계산하며(S504), 제어기(160)는 철도 차량(1)에 탑승한 승객들의 하중과 승객들의 평균 몸무게에 기초하여 철도 차량(1)에 탑승한 승객수를 추산한다(S506). 또한, 제1온도 센서(120)는 외기 온도를 측정하고(S510), 제2온도 센서(130)는 실내 온도를 측정하며(S520), 제어기(160)는 공조 장치(60)의 작동 레벨을 읽어온다(S530').
그 후, 제어기(160)는 승객수, 외기 온도, 최초 실내 온도, 공조 장치(60)의 작동 레벨의 4개의 파라미터를 해당 클래스로 분류하고(S540'), 진단 데이터베이스(168) 내의 해당 클래스의 기준 인덱스(제1기준 인덱스 및/또는 제2기준 인덱스)를 읽어온다. 또한, 제어기(160)는 설정 시간 동안 실내 온도의 평균 변화량(즉, 온도 변화량)을 계산하고(S570'), 설정 시간 동안 실내 온도의 평균 변화율(즉, 평균 온도 변화율)을 계산한다(S580).
그 후, 제어기(160)는 해당 클래스의 온도 변화량 또는 해당 클래스의 평균 온도 변화율을 버퍼 데이터베이스(166)에 저장한다. 여기서, 상기 제1인덱스는 설정 시간 동안의 온도 변화량, 또는 이의 평균 또는 분산이고, 상기 제2인덱스는 설정 시간 동안의 평균 온도 변화율, 또는 이의 평균 또는 분산일 수 있다.
그 후, 제어기(160)는 버퍼 데이터베이스(166) 내의 해당 클래스의 제1인덱스를 진단 데이터베이스(168) 내의 해당 클래스의 제1기준 인덱스와 비교하거나(S550'), 버퍼 데이터베이스(166) 내의 해당 클래스의 제2인덱스를 진단 데이터베이스(168) 내의 해당 클래스의 제2기준 인덱스와 비교한다(S560).
제어기(160)는 상기 제1인덱스와 제1기준 인덱스의 차가 설정값보다 크거나 상기 제1인덱스가 상기 제1기준 인덱스보다 크면, 고장 코드를 저장할 수 있다(S230). 또는, 제어기(160)는 상기 제2인덱스와 제2기준 인덱스의 차가 설정값보다 크거나 상기 제2인덱스가 상기 제2기준 인덱스보다 크면, 고장 코드를 저장할 수 있다(S230).
이상으로 본 발명에 관한 바람직한 실시예를 설명하였으나, 본 발명은 상기 실시예에 한정되지 아니하며, 본 발명의 실시예로부터 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의한 용이하게 변경되어 균등하다고 인정되는 범위의 모든 변경을 포함한다.

Claims (18)

  1. 파라미터들의 각 클래스 별로 인덱스의 데이터베이스를 구축하는 단계;
    검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계; 그리고
    검출된 클래스의 검출된 인덱스와 데이터베이스 내 해당 클래스의 기준 인덱스의 차가 설정값보다 크거나 상기 인덱스가 상기 기준 인덱스보다 크면, 고장 코드를 저장하는 단계;
    를 포함하고,
    상기 데이터베이스는 버퍼 데이터베이스와 진단 데이터베이스를 포함하며,
    파라미터들의 각 클래스 별로 인덱스의 데이터베이스를 구축하는 단계는
    각 클래스 별로 버퍼 데이터베이스에 저장 가능한 최대 인덱스의 개수를 설정하는 단계;
    파라미터들과 인덱스를 포함하는 데이터를 검출하는 단계;
    검출된 데이터를 해당 클래스로 분류하고 버퍼 데이터베이스에 해당 클래스의 인덱스를 저장하는 단계;
    각 클래스 별로 버퍼 데이터베이스에 저장된 인덱스의 개수가 해당 클래스의 최대 인덱스의 개수 이상인지를 판단하는 단계;
    각 클래스 별로 버퍼 데이터베이스에 저장된 인덱스의 개수가 해당 클래스의 최대 인덱스의 개수 이상이면, 버퍼 데이터베이스 내의 해당 클래스의 인덱스를 진단 데이터베이스로 이전하고 버퍼 데이터베이스 내의 해당 클래스의 인덱스를 삭제하는 단계;
    진단 데이터베이스 내의 해당 클래스의 인덱스들의 분포를 정의하는 확률 분포 함수 계산; 그리고
    상기 확률 분포 함수를 정의하는 기준 인덱스 계산하고 상기 해당 클래스의 해당 기준 인덱스를 진단 데이터베이스 내에 저장하는 단계;
    를 포함하는 철도 차량의 공조 장치의 진단 방법.
  2. 제1항에 있어서,
    진단 데이터베이스에 저장된 해당 클래스의 인덱스의 개수가 설정 개수가 될 때까지 해당 클래스의 기준 인덱스가 업데이트되는 철도 차량의 공조 장치의 진단 방법.
  3. 제2항에 있어서,
    진단 데이터베이스에 저장된 해당 클래스의 인덱스의 개수가 설정 개수 이상이면, 해당 클래스의 기준 인덱스의 업데이트가 금지되는 철도 차량의 공조 장치의 진단 방법.
  4. 제1항에 있어서,
    검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계는
    파라미터들과 인덱스를 포함하는 데이터를 검출하는 단계;
    검출된 데이터를 해당 클래스로 분류하고 버퍼 데이터베이스에 해당 클래스의 인덱스를 저장하는 단계;
    진단 데이터베이스 내에 해당 클래스의 기준 인덱스가 존재하는지 판단하는 단계; 그리고
    진단 데이터베이스 내에 해당 클래스의 기준 인덱스가 존재하면, 버퍼 데이터베이스 내의 해당 클래스의 인덱스를 진단 데이터베이스 내의 해당 클래스의 기준 인덱스와 비교하는 단계;
    를 포함하는 철도 차량의 공조 장치의 진단 방법.
  5. 제4항에 있어서,
    진단 베이스 내에 해당 클래스의 기준 인덱스가 존재하지 않으면, 검출된 클래스의 검출된 인덱스를 데이터베이스 내 해당 클래스의 기준 인덱스와 비교하는 단계는 수행되지 않는 철도 차량의 공조 장치의 진단 방법.
  6. 제1항 내지 제5항 중 어느 하나의 항에 있어서,
    상기 파라미터들은 승객수, 외기 온도, 최초 실내 온도, 및 목표 온도차 또는 공조 장치의 작동 레벨을 포함하고,
    상기 인덱스는 실내 온도가 설정된 온도에 도달하기까지 소요된 시간, 설정 시간 동안의 평균 온도 변화율, 상기 설정 시간 동안 온도 변화량, 또는 이들의 평균 또는 분산을 포함하며,
    상기 기준 인덱스는 상기 인덱스의 확률 분포 함수를 정의하는 평균 또는 분산에 따른 값인 철도 차량의 공조 장치의 진단 방법.
  7. 제6항에 있어서,
    상기 인덱스는 버퍼 데이터베이스에 저장된 제1, 2인덱스를 포함하고, 상기 기준 인덱스는 진단 데이터베이스에 저장된 제1, 2기준 인덱스를 포함하며,
    상기 공조 장치가 실내의 온도를 자동으로 조절하는 경우,
    상기 파라미터들은 승객수, 외기 온도, 최초 실내 온도 및 목표 온도차이고,
    상기 제1인덱스는 실내 온도가 설정된 온도에 도달하기까지 소요된 시간, 또는 이의 평균 또는 분산이고,
    상기 제2인덱스는 설정 시간 동안의 평균 온도 변화율, 또는 이의 평균 또는 분산이며,
    상기 제1기준 인덱스는 상기 제1인덱스의 확률 분포 함수를 정의하는 평균 또는 분산에 따른 값이고,
    상기 제2기준 인덱스는 상기 제2인덱스의 확률 분포 함수를 정의하는 평균 또는 분산에 따른 값인 철도 차량의 공조 장치의 진단 방법.
  8. 제7항에 있어서,
    검출된 클래스의 검출된 인덱스와 데이터베이스 내 해당 클래스의 기준 인덱스의 차가 설정값보다 크거나 상기 인덱스가 상기 기준 인덱스보다 크면, 고장 코드를 저장하는 단계는, 상기 제1인덱스와 제1기준 인덱스의 차가 설정값보다 크거나 상기 제1인덱스가 상기 제1기준 인덱스보다 크거나, 상기 제2인덱스와 제2기준 인덱스의 차가 설정값보다 크거나 상기 제2인덱스가 상기 제2기준 인덱스보다 크면, 고장 코드를 저장하는 단계를 포함하는 철도 차량의 공조 장치의 진단 방법.
  9. 제6항에 있어서,
    상기 인덱스는 버퍼 데이터베이스에 저장된 제1, 2인덱스를 포함하고, 상기 기준 인덱스는 진단 데이터베이스에 저장된 제1, 2기준 인덱스를 포함하며,
    상기 공조 장치가 실내의 온도를 수동으로 조절하는 경우,
    상기 파라미터들은 승객수, 외기 온도, 최초 실내 온도 및 공조 장치의 작동 레벨이고,
    상기 제1인덱스는 설정 시간 동안의 온도 변화량, 또는 이의 평균 또는 분산이고,
    상기 제2인덱스는 설정 시간 동안의 평균 온도 변화율, 또는 이의 평균 또는 분산이며,
    상기 제1기준 인덱스는 상기 제1인덱스의 확률 분포 함수를 정의하는 평균 또는 분산에 따른 값이고,
    상기 제2기준 인덱스는 상기 제2인덱스의 확률 분포 함수를 정의하는 평균 또는 분산에 따른 값인 철도 차량의 공조 장치의 진단 방법.
  10. 제9항에 있어서,
    검출된 클래스의 검출된 인덱스와 데이터베이스 내 해당 클래스의 기준 인덱스의 차가 설정값보다 크거나 상기 인덱스가 상기 기준 인덱스보다 크면, 고장 코드를 저장하는 단계는, 상기 제1인덱스와 제1기준 인덱스의 차가 설정값보다 크거나 상기 제1인덱스가 상기 제1기준 인덱스보다 크거나, 상기 제2인덱스와 제2기준 인덱스의 차가 설정값보다 크거나 상기 제2인덱스가 상기 제2기준 인덱스보다 크면, 고장 코드를 저장하는 단계를 포함하는 철도 차량의 공조 장치의 진단 방법.
  11. 철도 차량에 탑승한 승객의 하중, 외기 온도, 실내 온도, 특정 이벤트로부터 경과된 시간을 포함하는 데이터를 측정하는 데이터 검출기;
    철도 차량의 실내의 온도를 자동으로 제어하도록 되어 있는 공조 장치; 그리고
    버퍼 데이터베이스와 진단 데이터베이스를 포함하며, 상기 데이터 검출기에 의하여 검출된 데이터를 이용하여 공조 장치의 고장을 진단하도록 되어 있는 제어기;
    를 포함하며,
    상기 제어기는
    실내 온도가 설정된 온도에 도달하기까지 소요된 시간을 승객수, 외기 온도, 최초 실내 온도 및 목표 온도차의 클래스 별로 분류하여 상기 버퍼 데이터베이스에 저장하고,
    상기 각 클래스 별로 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 개수가 해당 클래스 별로 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 최대 저장 개수와 비교하며,
    상기 각 클래스 별로 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 개수가 해당 클래스 별로 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 최대 저장 개수보다 크면, 상기 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들을 진단 데이터베이스로 이전하고 버퍼 데이터베이스 내의 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들을 삭제하고,
    진단 데이터베이스 내의 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 분포를 정의하는 확률 분포 함수를 계산하며,
    상기 확률 분포 함수를 정의하는 평균 또는 분산을 계산하고, 계산된 평균 또는 분산에 따른 값을 진단 데이터베이스 내에 저장하고,
    상기 버퍼 데이터베이스에 저장되어 있는 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간, 상기 소요된 시간의 평균, 또는 상기 소요된 시간의 분산과, 진단 데이터베이스에 저장되어 있는 해당 클래스의 평균 또는 분산에 따른 값의 차가 설정값보다 크거나, 상기 버퍼 데이터베이스에 저장되어 있는 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간, 상기 소요된 시간의 평균, 또는 상기 소요된 시간의 분산이 진단 데이터베이스에 저장되어 있는 해당 클래스의 평균 또는 분산에 따른 값보다 크면, 고장 코드를 저장하도록 되어 있는 철도 차량의 공조 장치의 진단 시스템.
  12. 제11항에 있어서,
    상기 제어기는
    설정 시간 동안 평균 온도 변화율을 승객수, 외기 온도, 최초 실내 온도 및 목표 온도차의 클래스 별로 분류하여 상기 버퍼 데이터베이스에 저장하고,
    상기 각 클래스 별로 설정 시간 동안 평균 온도 변화율들의 개수가 해당 클래스 별로 설정 시간 동안 평균 온도 변화율들의 최대 저장 개수와 비교하며,
    상기 각 클래스 별로 설정 시간 동안 평균 온도 변화율들의 개수가 해당 클래스 별로 설정 시간 동안 평균 온도 변화율들의 최대 저장 개수보다 크면, 상기 해당 클래스의 설정 시간 동안 평균 온도 변화율들을 진단 데이터베이스로 이전하고 버퍼 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들을 삭제하고,
    진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 분포를 정의하는 확률 분포 함수를 계산하며,
    상기 확률 분포 함수를 정의하는 평균 또는 분산을 계산하고, 계산된 평균 또는 분산에 따른 값을 진단 데이터베이스 내에 저장하고,
    상기 버퍼 데이터베이스에 저장되어 있는 해당 클래스의 설정 시간 동안 평균 온도 변화율들, 상기 평균 온도 변화율의 평균, 또는 상기 평균 온도 변화율의 분산과, 진단 데이터베이스에 저장되어 있는 해당 클래스의 평균 또는 분산에 따른 값의 차가 설정값보다 크거나, 상기 버퍼 데이터베이스에 저장되어 있는 해당 클래스의 설정 시간 동안 평균 온도 변화율들, 상기 평균 온도 변화율의 평균, 또는 상기 평균 온도 변화율의 분산이 진단 데이터베이스에 저장되어 있는 해당 클래스의 평균 또는 분산에 따른 값보다 크면, 고장 코드를 저장하도록 더 되어 있는 철도 차량의 공조 장치의 진단 시스템.
  13. 제12항에 있어서,
    상기 진단 데이터베이스 내의 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 개수 또는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 개수가 설정 개수가 될 때까지, 상기 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들 또는 상기 해당 클래스의 설정 시간 동안 평균 온도 변화율들이 버퍼 데이터베이스로부터 진단 데이터베이스로 이전되면, 상기 제어기는 진단 데이터베이스 내의 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 분포를 정의하는 확률 분포 함수 또는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 분포를 정의하는 확률 분포 함수를 정의하는 평균 또는 분산을 업데이트하도록 되어 있는 철도 차량의 공조 장치의 진단 시스템.
  14. 제13항에 있어서,
    상기 진단 데이터베이스 내의 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 개수 또는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 개수가 설정 개수 이상이면, 상기 제어기는 진단 데이터베이스 내의 해당 클래스의 실내 온도가 설정된 온도에 도달하기까지 소요된 시간들의 분포를 정의하는 확률 분포 함수 또는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 분포를 정의하는 확률 분포 함수를 정의하는 평균 또는 분산의 업데이트를 금지하도록 되어 있는 철도 차량의 공조 장치의 진단 시스템.
  15. 철도 차량에 탑승한 승객의 하중, 외기 온도, 실내 온도, 특정 이벤트로부터 경과된 시간을 포함하는 데이터를 측정하는 데이터 검출기;
    철도 차량의 실내의 온도를 수동으로 설정된 작동 레벨에 기초하여 제어하도록 되어 있는 공조 장치; 그리고
    버퍼 데이터베이스와 진단 데이터베이스를 포함하며, 상기 데이터 검출기에 의하여 검출된 데이터를 이용하여 공조 장치의 고장을 진단하도록 되어 있는 제어기;
    를 포함하며,
    상기 제어기는
    설정 시간 동안 온도 변화량을 승객수, 외기 온도, 최초 실내 온도 및 공조 장치의 작동 레벨의 클래스 별로 분류하여 상기 버퍼 데이터베이스에 저장하고,
    상기 각 클래스 별로 설정 시간 동안 온도 변화량들의 개수가 해당 클래스 별로 설정 시간 동안 온도 변화량들의 최대 저장 개수와 비교하며,
    상기 각 클래스 별로 설정 시간 동안 온도 변화량들의 개수가 해당 클래스 별로 설정 시간 동안 온도 변화량들의 최대 저장 개수보다 크면, 상기 해당 클래스의 설정 시간 동안 온도 변화량들을 진단 데이터베이스로 이전하고 버퍼 데이터베이스 내의 해당 클래스의 설정 시간 동안 온도 변화량들을 삭제하고,
    진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 온도 변화량들의 분포를 정의하는 확률 분포 함수를 계산하며,
    상기 확률 분포 함수를 정의하는 평균 또는 분산을 계산하고, 계산된 평균 또는 분산에 따른 값을 진단 데이터베이스 내에 저장하고,
    상기 버퍼 데이터베이스에 저장되어 있는 해당 클래스의 설정 시간 동안 온도 변화량, 상기 온도 변화량의 평균, 또는 상기 온도 변화량의 분산과, 진단 데이터베이스에 저장되어 있는 해당 클래스의 평균 또는 분산에 따른 값의 차가 설정값보다 크거나, 상기 버퍼 데이터베이스에 저장되어 있는 해당 클래스의 설정 시간 동안 온도 변화량, 상기 온도 변화량의 평균, 또는 상기 온도 변화량의 분산이 진단 데이터베이스에 저장되어 있는 해당 클래스의 평균 또는 분산에 따른 값보다 크면, 고장 코드를 저장하도록 되어 있는 철도 차량의 공조 장치의 진단 시스템.
  16. 제15항에 있어서,
    상기 제어기는
    설정 시간 동안 평균 온도 변화율을 승객수, 외기 온도, 최초 실내 온도 및 공조 장치의 작동 레벨의 클래스 별로 분류하여 상기 버퍼 데이터베이스에 저장하고,
    상기 각 클래스 별로 설정 시간 동안 평균 온도 변화율들의 개수가 해당 클래스 별로 설정 시간 동안 평균 온도 변화율들의 최대 저장 개수와 비교하며,
    상기 각 클래스 별로 설정 시간 동안 평균 온도 변화율들의 개수가 해당 클래스 별로 설정 시간 동안 평균 온도 변화율들의 최대 저장 개수보다 크면, 상기 해당 클래스의 설정 시간 동안 평균 온도 변화율들을 진단 데이터베이스로 이전하고 버퍼 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들을 삭제하고,
    진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 분포를 정의하는 확률 분포 함수를 계산하며,
    상기 확률 분포 함수를 정의하는 평균 또는 분산을 계산하고, 계산된 평균 또는 분산에 따른 값을 진단 데이터베이스 내에 저장하고,
    상기 버퍼 데이터베이스에 저장되어 있는 해당 클래스의 설정 시간 동안 평균 온도 변화율들, 상기 평균 온도 변화율의 평균, 또는 상기 평균 온도 변화율의 분산과, 진단 데이터베이스에 저장되어 있는 해당 클래스의 평균 또는 분산에 따른 값의 차가 설정값보다 크거나, 상기 버퍼 데이터베이스에 저장되어 있는 해당 클래스의 설정 시간 동안 평균 온도 변화율들, 상기 평균 온도 변화율의 평균, 또는 상기 평균 온도 변화율의 분산이 진단 데이터베이스에 저장되어 있는 해당 클래스의 평균 또는 분산에 따른 값보다 크면, 고장 코드를 저장하도록 더 되어 있는 철도 차량의 공조 장치의 진단 시스템.
  17. 제16항에 있어서,
    상기 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 온도 변화량들의 개수 또는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 개수가 설정 개수가 될 때까지, 상기 해당 클래스의 설정 시간 동안 온도 변화량들 또는 상기 해당 클래스의 설정 시간 동안 평균 온도 변화율들이 버퍼 데이터베이스로부터 진단 데이터베이스로 이전되면, 상기 제어기는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 온도 변화량들의 분포를 정의하는 확률 분포 함수 또는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 분포를 정의하는 확률 분포 함수를 정의하는 평균 또는 분산을 업데이트하도록 되어 있는 철도 차량의 공조 장치의 진단 시스템.
  18. 제17항에 있어서,
    상기 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 온도 변화량들의 개수 또는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 개수가 설정 개수 이상이면, 상기 제어기는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 온도 변화량들의 분포를 정의하는 확률 분포 함수 또는 진단 데이터베이스 내의 해당 클래스의 설정 시간 동안 평균 온도 변화율들의 분포를 정의하는 확률 분포 함수를 정의하는 평균 또는 분산의 업데이트를 금지하도록 되어 있는 철도 차량의 공조 장치의 진단 시스템.
KR1020200050602A 2020-04-27 2020-04-27 철도 차량의 공조 장치의 진단 방법 및 시스템 KR102336873B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200050602A KR102336873B1 (ko) 2020-04-27 2020-04-27 철도 차량의 공조 장치의 진단 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200050602A KR102336873B1 (ko) 2020-04-27 2020-04-27 철도 차량의 공조 장치의 진단 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20210132351A true KR20210132351A (ko) 2021-11-04
KR102336873B1 KR102336873B1 (ko) 2021-12-08

Family

ID=78521704

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200050602A KR102336873B1 (ko) 2020-04-27 2020-04-27 철도 차량의 공조 장치의 진단 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102336873B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110039417A (ko) * 2008-04-06 2011-04-18 퓨전-아이오, 인크. 가상 주소 및 물리적 주소를 효율적으로 매핑시키는 장치, 시스템 및 방법
KR20130109860A (ko) * 2012-03-28 2013-10-08 전남대학교산학협력단 센서 네트워크 환경에서의 오류 데이터 식별방법 및 이를 이용한 센서 네트워크 시스템
KR20140127068A (ko) * 2013-04-24 2014-11-03 삼성테크윈 주식회사 고장 처리 이동체 및 이동체의 고장 처리 방법
JP2018100010A (ja) * 2016-12-21 2018-06-28 東日本旅客鉄道株式会社 車両用空調装置の状態評価方法
KR20190083029A (ko) * 2018-01-02 2019-07-11 주식회사 글로비즈 철도 차량 부품들의 결함을 진단하는 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110039417A (ko) * 2008-04-06 2011-04-18 퓨전-아이오, 인크. 가상 주소 및 물리적 주소를 효율적으로 매핑시키는 장치, 시스템 및 방법
KR20130109860A (ko) * 2012-03-28 2013-10-08 전남대학교산학협력단 센서 네트워크 환경에서의 오류 데이터 식별방법 및 이를 이용한 센서 네트워크 시스템
KR20140127068A (ko) * 2013-04-24 2014-11-03 삼성테크윈 주식회사 고장 처리 이동체 및 이동체의 고장 처리 방법
JP2018100010A (ja) * 2016-12-21 2018-06-28 東日本旅客鉄道株式会社 車両用空調装置の状態評価方法
KR20190083029A (ko) * 2018-01-02 2019-07-11 주식회사 글로비즈 철도 차량 부품들의 결함을 진단하는 방법 및 장치

Also Published As

Publication number Publication date
KR102336873B1 (ko) 2021-12-08

Similar Documents

Publication Publication Date Title
CN104955702B (zh) 车辆用空调控制装置
US10571908B2 (en) Autonomous vehicle failure mode management
JP5274555B2 (ja) 車両用空調装置、車両空調管理システム及び車両空調管理方法
JP6639666B2 (ja) 車両用空調装置及び車両用空調装置の目詰まり検知システム
WO2019016996A1 (en) ANOMALY DETECTION DEVICE, ANOMALY DETECTION METHOD, AND COMPUTER PROGRAM
WO2011010369A1 (ja) 車両用空調制御方法
KR102334220B1 (ko) 철도 차량 부품들의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치
JP2012017003A (ja) 車両用空気調和装置
KR102336873B1 (ko) 철도 차량의 공조 장치의 진단 방법 및 시스템
CN104029581A (zh) 汽车空调内外循环模式的控制方法及系统
KR102274302B1 (ko) 철도 차량의 도어의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치
KR102529926B1 (ko) 철도 차량의 도어의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치
JP2015101203A (ja) 鉄道車両用空気調和システム
Yokouchi et al. LSTM-based anomaly detection for railway vehicle air-conditioning unit using monitoring data
KR20220129755A (ko) 기어박스의 결함을 진단하고 남은 수명을 계산하는 방법 및 장치
JP5679712B2 (ja) 車両用機器制御装置
CN110758050A (zh) 一种汽车空调除霜控制系统及控制方法
JP5773751B2 (ja) 車両用空気調和機
CN104943704A (zh) 一种轨道车辆空调通过制冷功能实现湿度控制的方法
CN112182858B (zh) 标准动车组空调制冷系统不良预测方法及系统
KR102296541B1 (ko) 철도 차량 객차의 냉난방 모니터링 시스템
KR20230147606A (ko) 전기 자동차용 열 관리 시스템
KR102380104B1 (ko) 철도 차량용 공기조화 시스템 및 철도 차량용 공기조화 시스템을 개선하는 방법
CN117740247A (zh) 使用车厢湿度模型检测车辆车厢外部泄露
KR20240030161A (ko) 전력 제어 장치 및 그를 가지는 차량

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20200427

PA0201 Request for examination
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20210623

Patent event code: PE09021S01D

PG1501 Laying open of application
E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20211129

PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20211203

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20211203

End annual number: 3

Start annual number: 1

PG1601 Publication of registration