WO2018008654A1 - 空制システム異常判定装置、空制システム、空制システム異常判定方法およびプログラム - Google Patents

空制システム異常判定装置、空制システム、空制システム異常判定方法およびプログラム Download PDF

Info

Publication number
WO2018008654A1
WO2018008654A1 PCT/JP2017/024553 JP2017024553W WO2018008654A1 WO 2018008654 A1 WO2018008654 A1 WO 2018008654A1 JP 2017024553 W JP2017024553 W JP 2017024553W WO 2018008654 A1 WO2018008654 A1 WO 2018008654A1
Authority
WO
WIPO (PCT)
Prior art keywords
abnormality
pressure value
abnormality determination
air
control system
Prior art date
Application number
PCT/JP2017/024553
Other languages
English (en)
French (fr)
Inventor
章央 川内
浩幸 河野
雅也 三竹
誓一 中村
薫 春田
芳光 杉浦
晃 横倉
Original Assignee
東日本旅客鉄道株式会社
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 東日本旅客鉄道株式会社 filed Critical 東日本旅客鉄道株式会社
Publication of WO2018008654A1 publication Critical patent/WO2018008654A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T13/00—Transmitting braking action from initiating means to ultimate brake actuator with power assistance or drive; Brake systems incorporating such transmitting means, e.g. air-pressure brake systems
    • B60T13/10—Transmitting braking action from initiating means to ultimate brake actuator with power assistance or drive; Brake systems incorporating such transmitting means, e.g. air-pressure brake systems with fluid assistance, drive, or release
    • B60T13/24—Transmitting braking action from initiating means to ultimate brake actuator with power assistance or drive; Brake systems incorporating such transmitting means, e.g. air-pressure brake systems with fluid assistance, drive, or release the fluid being gaseous
    • B60T13/26—Compressed-air systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T17/00—Component parts, details, or accessories of power brake systems not covered by groups B60T8/00, B60T13/00 or B60T15/00, or presenting other characteristic features
    • B60T17/18—Safety devices; Monitoring
    • B60T17/22—Devices for monitoring or checking brake systems; Signal devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61H—BRAKES OR OTHER RETARDING DEVICES SPECIALLY ADAPTED FOR RAIL VEHICLES; ARRANGEMENT OR DISPOSITION THEREOF IN RAIL VEHICLES
    • B61H13/00—Actuating rail vehicle brakes
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring

Definitions

  • the present invention relates to an air-conditioning system abnormality determination device, an air-conditioning system, an air-conditioning system abnormality determination method, and a program.
  • This application claims priority on July 4, 2016 based on Japanese Patent Application No. 2016-132610 for which it applied to Japan, and uses the content here.
  • the speed calculation unit and the acceleration / deceleration calculation unit detect the speed and acceleration of the railway vehicle as the behavior of the railway vehicle based on the speed pulse signal.
  • the abnormality detection processing unit is detected by the speed calculation unit and the acceleration / deceleration calculation unit based on the speed and acceleration detected by the speed calculation unit and the acceleration / deceleration calculation unit and the driving operation signal from the driving operation unit of the railway vehicle.
  • Maintenance of the air control system is generally performed regularly, for example, during regular inspections. From the viewpoint of reducing the time required for maintenance and the work load, it is conceivable to extend the maintenance cycle or reduce the number of personnel by improving work efficiency. However, in order to ensure the reliability of the air control system, the range in which the maintenance period can be extended, the number of personnel can be reduced, etc. is limited.
  • a sensor of a type corresponding to the device is installed, and a determination criterion for the presence or absence of the abnormality is set in advance as in the vehicle monitoring device described in Patent Document 1. Therefore, it is conceivable to automatically monitor the air control system.
  • a humidity sensor is installed in order to monitor the abnormality of the dehumidifier, and the abnormality is determined when the humidity measurement value is larger than a predetermined threshold value.
  • a vibration sensor is installed in order to monitor the abnormality of the air compressor, and it is determined that there is an abnormality when the vibration measurement value is larger than a predetermined threshold value.
  • the present invention provides an air-conditioning system abnormality determination device, an air-conditioning system, an air-conditioning system abnormality determination method, and a program capable of making the maintenance cycle longer.
  • the air control system abnormality determination device is a pressure value acquisition unit that acquires a pressure value at a predetermined location of an air control system that is a brake system that uses compressed air generated by an air compressor. And a database that stores data related to pressure values at the predetermined location when an abnormality occurs in the air control system, a pressure value acquired by the pressure value acquisition unit, and the data stored in the database.
  • An abnormality determining unit that determines whether or not the air-conditioning system is abnormal, and an output unit that outputs information indicating a determination result when the abnormality determining unit determines that there is an abnormality.
  • the abnormality determining unit determines that there is an abnormality, it determines the type of abnormality.
  • the abnormality determination unit associates the pressure value acquired by the pressure value acquisition unit with the determination result of the presence / absence of an abnormality and stores it in the database.
  • the air control system includes the above-described air control system abnormality determination device.
  • an air-conditioning system abnormality determination method includes data relating to a pressure value at a predetermined location when an abnormality occurs in an air-conditioning system that is a brake system that uses compressed air generated by an air compressor.
  • An air-conditioning system abnormality determination method of an air-conditioning system abnormality determination device including a database to be stored.
  • the air control system abnormality determination method includes a pressure value acquisition step of acquiring a pressure value at the predetermined location of the air control system, a pressure value acquired in the pressure value acquisition step, and the database storing the pressure value An abnormality determination step for determining whether there is an abnormality in the air control system based on the data, and an output step for outputting information indicating a determination result when it is determined that there is an abnormality in the abnormality determination step. To do.
  • the program includes a database that stores data relating to pressure values at predetermined locations when an abnormality occurs in the air control system that is a brake system that uses compressed air generated by the air compressor.
  • the pressure value acquisition step for acquiring the pressure value at the predetermined location of the air control system, the pressure value acquired in the pressure value acquisition step, and the database are stored.
  • An abnormality determination step for determining the presence or absence of an abnormality in the air control system based on the data, and an output step for outputting information indicating a determination result when it is determined that there is an abnormality in the abnormality determination step; , Execute.
  • the maintenance cycle of the air-control system can be further extended.
  • FIG. 1 is a schematic block diagram showing a functional configuration of an air control system according to an embodiment of the present invention.
  • the air control system 10 includes a power source 111, an activation device 112, an electric motor 113, an air compressor 121, an after cooler 122, a dehumidifying filter 123, a dehumidifying device 124, an air tank 125, and a pressure.
  • Sensors 151 to 154 and an air-conditioning system abnormality determination device 200 are provided.
  • the air control system abnormality determination device 200 includes a pressure value acquisition unit 210, a database 220, an abnormality determination unit 230, and an output unit 240.
  • the air control system 10 is a brake system that uses compressed air generated by an air compressor.
  • the air control system 10 is mounted on a vehicle 1 which is a vehicle such as a railway vehicle or an automobile, for example, and brakes the vehicle 1 in response to a brake operation performed by an operator (operator) of the vehicle 1.
  • the power supply 111 supplies power to each device mounted on the vehicle 1 such as the electric motor 113.
  • the starting device 112 is used to start the electric motor 113 in a stopped state.
  • the electric motor 113 generates a rotational force using the electric power from the power source 111 and operates the air compressor 121 with the generated rotational force.
  • the air compressor 121 compresses air using the rotational force from the electric motor 113 and outputs the obtained compressed air to the aftercooler 122.
  • the aftercooler 122 cools the compressed air generated by the air compressor 121 and outputs it to the dehumidifying filter 123.
  • the dehumidifying filter 123 and the dehumidifier 124 dehumidify the compressed air cooled by the aftercooler 122 and output it to the air tank 125.
  • the air tank 125 stores the compressed air from the dehumidifier 124.
  • the compressed air stored in the air tank 125 is used to operate the brake device in accordance with a brake operation performed by the operator of the vehicle 1.
  • Each of the pressure sensors 151 to 154 measures a pressure value at a predetermined position of the air control system 10. Specifically, the pressure sensor 151 measures the outlet pressure value of the air compressor 121. The pressure sensor 152 measures the outlet pressure value of the aftercooler 122. The pressure sensor 153 measures the outlet pressure value of the dehumidifying filter 123. The pressure sensor 154 measures the outlet pressure value of the dehumidifier 124. Note that the installation locations of the pressure sensors 151 to 154 in FIG. 1 are merely examples, and the installation locations of the pressure sensors 151 to 154 in the present embodiment are not limited to the configuration illustrated in FIG. For example, only some of the pressure sensors 151 to 154 may be installed.
  • the air control system abnormality determination device 200 determines the presence or absence of abnormality of the air control system 10 based on the pressure values measured by the pressure sensors 151 to 154 (that is, the pressure measurement values).
  • the abnormality here is a failure or a sign of failure. Further, the term “failure” as used herein refers to a problem that requires treatment such as repair or replacement of parts.
  • the air control system abnormality determination device 200 may be realized by a computer or may be realized by using a dedicated circuit.
  • the pressure value acquisition unit 210 acquires a pressure value at a predetermined location of the air control system 10 measured by the pressure sensors 151 to 154.
  • the database 220 stores data related to pressure values at predetermined locations when an abnormality occurs in the air control system 10. More specifically, the database 220 stores a plurality of pieces of data in which the pressure values at the measurement points of the pressure sensors 151 to 154 are associated with normal / abnormal distinction, and in the case of abnormality, the type of abnormality.
  • the abnormality determination unit 230 determines whether there is an abnormality in the air control system 10 based on the pressure value acquired by the pressure value acquisition unit 210 and the data stored in the database 220. More specifically, the abnormality determination unit 230 uses the pressure value acquired by the pressure value acquisition unit 210 or the feature amount obtained from the pressure value, and the data stored in the database 220, for example, as a main component
  • the presence or absence of abnormality in the air control system 10 is determined by a multivariate analysis method such as an analysis method or an MT method (Mahalanobis Taguchi method).
  • the abnormality determination unit 230 determines whether there is an abnormality in the air compressor 121 using the outlet pressure value of the air compressor 121 measured by the pressure sensor 151. Further, the abnormality determination unit 230 determines whether or not there is an abnormality in the aftercooler 122 using the outlet pressure value of the aftercooler 122 measured by the pressure sensor 152. Further, the abnormality determination unit 230 determines the presence / absence of an abnormality in the dehumidification filter 123 using a pressure difference before and after the dehumidification filter 123 obtained using the pressure sensor 152 and the pressure sensor 153. Further, the abnormality determination unit 230 determines the presence / absence of an abnormality in the dehumidifier 124 using the outlet pressure value of the dehumidifier 124 measured by the pressure sensor 154.
  • the output unit 240 outputs information indicating the determination result when the abnormality determination unit 230 determines that there is an abnormality. For example, the output unit 240 outputs (transmits) information indicating the presence / absence of an abnormality and the type of abnormality as a determination result of the abnormality determination unit 230 to an alarm display device or a storage device installed in the vehicle 1.
  • FIG. 2 is a graph showing an example of the outlet pressure value of the aftercooler 122.
  • the vertical axis in the figure indicates the pressure value.
  • the horizontal axis of the figure shows the elapsed time from the occurrence of a predetermined event such as when the operation of the air compressor 121 starts.
  • Line L11 shows an example of the outlet pressure value when the aftercooler 122 is operating normally.
  • Line L12 shows an example of the outlet pressure value when abnormality occurs in the aftercooler 122.
  • the pressure value increases as time elapses, and reaches the target pressure value when time T11 elapses.
  • line L12 shows an example when the cooling capacity of the aftercooler 122 is lowered. As the cooling capacity of the aftercooler 122 decreases, the pressure value becomes larger (that is, the pressure is higher) than normal, and reaches the target pressure value when the time T12, which is shorter than normal, elapses.
  • the database 220 stores a plurality of time-series data of outlet pressure values at the time of starting the aftercooler 122 as shown in FIG. 2 in association with normal / abnormal distinction for each of normal time and abnormal time. deep.
  • Data stored in the database 220 may be data obtained in the past or assumed data obtained by simulation or the like.
  • an abnormal state may be artificially generated to acquire data at the time of abnormality and store the data in the database 220.
  • a clogged state is artificially generated by applying a tape to the dehumidifying filter 123, and sensor measurement values (for example, pressure values measured by the pressure sensor 152 and the pressure sensor 153) in the clogged state are stored in the database 220. May be.
  • the abnormality determination unit 230 acquires time series data of the outlet pressure value of the aftercooler 122 measured by the pressure sensor 152 via the pressure value acquisition unit 210. And the abnormality determination part 230 determines the presence or absence of abnormality by comparing the acquired time series data and the data which the database 220 has memorize
  • the abnormality determination unit 230 extracts a plurality of feature amounts for each of data stored in the database 220 and data measured by the pressure sensor 152. For example, the abnormality determination unit 230 calculates the time required to reach a predetermined pressure value such as an instantaneous pressure value at a predetermined time, a target pressure value, a frequency component obtained by fast Fourier transform (FFT), and the like. , Get as feature quantity. Then, the abnormality determination unit 230 determines the presence / absence of an abnormality based on the correlation between the feature amount and the normal / abnormal distinction using a multivariate analysis method such as a principal component analysis method or an MT method.
  • a multivariate analysis method such as a principal component analysis method or an MT method.
  • feature amounts may be extracted in advance for data stored in the database 220. That is, the database 220 may store the feature amount obtained from the time series data instead of the time series data of the outlet pressure value.
  • the method by which the abnormality determination unit 230 compares the data stored in the database 220 with the data measured by the pressure sensor 152 is not limited to the method using the multivariate analysis method. For example, the abnormality determination unit 230 calculates the absolute value of the difference between the data stored in the database 220 and the data measured by the pressure sensor 152 at a predetermined sampling interval, and calculates the total sum of the absolute values of the differences. Data comparison may be performed based on the above.
  • the abnormality determination unit 230 selects data having the smallest sum of absolute values of differences as data most similar to the data measured by the pressure sensor 152, and the selected data is normal data or abnormal data. Based on whether or not there is an abnormality.
  • the feature amount that the abnormality determination unit 230 should use for comparison may be set in advance for each device to be determined.
  • the abnormality determination unit 230 determines that there is an abnormality
  • the abnormality determination unit 230 further determines the type of abnormality. For example, when compressed air is leaking, such as when a pipe in the aftercooler 122 is cracked, the time to reach the target pressure value is longer than in the normal case, contrary to the example of FIG. Therefore, the abnormality determination unit 230 distinguishes between a case where the time until reaching the target pressure value is longer than a normal case and a case where the time is shorter than a normal case, and determines that there is a possibility of compressed air leakage if the time is long. It is determined that there is a possibility of insufficient cooling.
  • the determination of the type of abnormality is not an essential process in the present embodiment, and can be omitted.
  • FIG. 3 is a graph showing an example of the outlet pressure value of the dehumidifier 124.
  • the vertical axis in the figure indicates the pressure value.
  • the horizontal axis of the figure shows the elapsed time from the occurrence of a predetermined event such as when the dehumidifier 124 is started.
  • Line L21 shows an example of the outlet pressure value when the dehumidifier 124 is operating normally.
  • Line L22 shows an example of the outlet pressure value when an abnormality has occurred in the dehumidifier 124.
  • line L21 shows an example when the purge amount of the dehumidifier 124 is excessive.
  • the purge amount is large, the flow rate in the pipe decreases, and the target pressure value is reached when time T22 has elapsed, which is a longer time than normal.
  • the abnormality determination unit 230 also performs the determination of whether or not the dehumidifier 124 is abnormal in the same manner as the determination of the presence or absence of the abnormality of the aftercooler 122 described with reference to FIG.
  • the database 220 stores a plurality of time-series data of outlet pressure values at the start of the dehumidifier 124 as shown in FIG. 3 in association with normal / abnormal distinction for each of normal time and abnormal time. deep.
  • the data stored in the database 220 may be data obtained in the past, assumed data obtained by simulation or the like, or data in an abnormal state generated artificially. Good.
  • the abnormality determination unit 230 acquires time series data of the outlet pressure value of the dehumidifier 124 measured by the pressure sensor 154 via the pressure value acquisition unit 210. And the abnormality determination part 230 determines the presence or absence of abnormality by comparing the acquired time series data and the data which the database 220 has memorize
  • the feature that the feature amount may be extracted in advance for the data stored in the database 220, and the method in which the abnormality determination unit 230 compares the data stored in the database 220 with the data measured by the pressure sensor 154.
  • the point not limited to the method using the multivariate analysis method is the same as in the case of the aftercooler 122.
  • the abnormality determination unit 230 may determine the type of abnormality, and the process may be omitted, as in the case of the aftercooler 122.
  • FIG. 4 is a graph showing an example of the pressure difference before and after the dehumidifying filter 123.
  • the vertical axis of FIG. The horizontal axis of the figure shows the elapsed time from the occurrence of a predetermined event such as when the aftercooler 122 and the dehumidifier 124 are started.
  • a line L31 shows an example of a pressure difference when the dehumidifying filter 123 is in a normal state.
  • a line L32 indicates an example of a pressure difference when an abnormality has occurred in the dehumidifying filter 123. Specifically, the line L32 shows an example in which the dehumidifying filter 123 is clogged, and the pressure difference is larger than that in the normal state.
  • the abnormality determination unit 230 uses feature amounts based on the measurement values of a plurality of pressure sensors. Specifically, the abnormality determination unit 230 subtracts the outlet pressure value of the dehumidifying filter 123 measured by the pressure sensor 153 from the inlet pressure value of the dehumidifying filter 123 measured by the pressure sensor 152, or an average over a predetermined time. The value is used as one of the feature values described above.
  • a specific determination method is the same as that in the case of determining whether there is an abnormality in the aftercooler 122 described with reference to FIG.
  • the database 220 sets a normal / abnormal combination of the time series data of the pressure value at the inlet of the dehumidifying filter 123 and the time series data of the pressure value at the outlet of the dehumidifying filter 123 for each of the normal time and the abnormal time.
  • a plurality is stored in association with the distinction.
  • the data stored in the database 220 may be data obtained in the past, assumed data obtained by simulation or the like, or data in an abnormal state generated artificially. Good.
  • the abnormality determining unit 230 uses the time series data of the inlet pressure value of the dehumidifying filter 123 measured by the pressure sensor 152, and the outlet pressure of the dehumidifying filter 123 measured by the pressure sensor 153. The time series data of values is subtracted every time to obtain time series data of pressure values. In addition, the abnormality determination unit 230 subtracts the time series data of the outlet pressure value of the dehumidification filter 123 from the time series data of the inlet pressure value of the dehumidification filter 123 for each time for the data stored in the database 220. To obtain time-series data of pressure values.
  • the abnormality determination part 230 determines the presence or absence of abnormality by comparing the data obtained from the pressure sensor with the data obtained from the database 220. Specifically, as in the case of the aftercooler 122, the abnormality determination unit 230 extracts a plurality of feature amounts for each of the data obtained from the pressure sensor and the data obtained from the database 220, and is a multivariate analysis method. Is used to determine whether there is an abnormality.
  • a feature that the feature amount may be extracted in advance for the data stored in the database 220, and a method in which the abnormality determination unit 230 compares the data stored in the database 220 with the calculated data are a multivariate analysis method.
  • the method is not limited to the method using the same as in the case of the aftercooler 122. Further, the abnormality determination unit 230 may determine the type of abnormality, and the process may be omitted, as in the case of the aftercooler 122.
  • the abnormality determination unit 230 may use an instantaneous value instead of the time series data.
  • the database 220 stores instantaneous pressure values in association with normal / abnormal distinction instead of time-series data of pressure values. Then, the abnormality determination unit 230 compares the instantaneous value of pressure obtained from the pressure sensor with the instantaneous value of pressure stored in the database 220 to determine whether there is an abnormality.
  • FIG. 5 is a graph showing an example of the outlet pressure value of the air compressor 121.
  • the vertical axis in the figure indicates the pressure value.
  • the horizontal axis of the figure shows the elapsed time from the occurrence of a predetermined event such as when the air compressor 121 starts to start.
  • Line L41 shows an example of the outlet pressure value when the air compressor 121 is operating normally.
  • a line L42 indicates an example of the outlet pressure value when an abnormality has occurred in the air compressor 121. Specifically, the line L42 shows an example in which vibration is generated in the air compressor 121, and the outlet pressure value of the air compressor 121 is also vibrating.
  • the abnormality determination unit 230 uses the frequency component of the pressure value as a feature amount. Specifically, the abnormality determination unit 230 calculates a frequency component by performing Fourier transform (for example, FFT) on time-series data stored in the database 220 or time-series data obtained from a pressure sensor, and calculates one of the feature amounts. To do.
  • Fourier transform for example, FFT
  • FIG. 6 is a graph illustrating an example of frequency components acquired by the abnormality determination unit 230 by performing Fourier transform on time-series data.
  • the vertical axis in the figure indicates the pressure value.
  • the horizontal axis of FIG. Line L51 shows an example of the outlet pressure value when the air compressor 121 is operating normally.
  • a line L52 indicates an example of the outlet pressure value when abnormality occurs in the air compressor 121.
  • the line L52 indicates an example in which vibration is generated in the air compressor 121 as in the example of the line L42. For this reason, in the example of the line L52, the pressure value is large at a specific frequency component.
  • the database 220 stores a plurality of time-series data of pressure values at the outlet of the dehumidifier 124 in association with normal / abnormal distinction for each of normal time and abnormal time.
  • the data stored in the database 220 may be data obtained in the past, assumed data obtained by simulation or the like, or data in an abnormal state generated artificially. Good.
  • the abnormality determination unit 230 obtains a frequency component by Fourier-transforming the time series data of the outlet pressure value of the dehumidifier 124 measured by the pressure sensor 154. In addition, the abnormality determination unit 230 obtains a frequency component by performing Fourier transform on the time series data of the outlet pressure value of the dehumidifier 124 stored in the database 220. And the abnormality determination part 230 determines the presence or absence of abnormality by comparing the data obtained from the pressure sensor with the data obtained from the database 220 by using the obtained frequency component as one of the feature quantities. . Specifically, the abnormality determination unit 230 extracts a plurality of feature amounts including frequency components for each of the data obtained from the pressure sensor and the data obtained from the database 220, and uses a multivariate analysis method. To determine if there is an abnormality.
  • the abnormality determination unit 230 can use various values in the frequency component as the feature amount.
  • the abnormality determination unit 230 may use a pressure value in a predetermined frequency component as a feature amount, or use a frequency component maximum value, minimum value, or a difference obtained by subtracting a minimum value from the maximum value as a feature amount. You may do it. Alternatively, a plurality of them may be used as feature amounts.
  • a feature that the feature amount may be extracted in advance for the data stored in the database 220, and a method in which the abnormality determination unit 230 compares the data stored in the database 220 with the calculated data are a multivariate analysis method.
  • the method is not limited to the method using the same as in the case of the aftercooler 122. Further, the abnormality determination unit 230 may determine the type of abnormality, and the process may be omitted, as in the case of the aftercooler 122.
  • the database 220 may store statistical data instead of individual data.
  • FIG. 7 is a graph showing an example of statistical data stored in the database 220.
  • the horizontal axis indicates the feature amount
  • the vertical axis indicates the appearance frequency of the feature amount.
  • the figure F61 shows the appearance frequency of the feature amount in a histogram when a certain device is normal.
  • the figure F62 shows the appearance frequency of the feature amount in a histogram when the device is normal.
  • the abnormality determination unit 230 Based on the statistical data stored in the database 220, the abnormality determination unit 230 performs determination by setting a determination criterion for the presence or absence of abnormality. For example, in the example of FIG. 7, the abnormality determination unit 230 indicates the maximum value of the feature amount when the device is normal as indicated by the graphic F61 and the minimum value of the feature amount when the device is abnormal as indicated by the graphic F62. A value V61 that is an intermediate value (for example, an average value) is calculated as a threshold value. Then, the abnormality determination unit 230 compares the feature amount obtained from the measurement value of the pressure sensor with a threshold value, and determines that there is an abnormality if the feature amount is larger than the threshold value. On the other hand, when the feature amount is equal to or less than the threshold value, the abnormality determination unit 230 determines that there is no abnormality.
  • FIG. 8 is a flowchart showing a procedure of processing performed by the air-conditioning system abnormality determination device 200.
  • the air-conditioning system abnormality determination device 200 performs the processing shown in FIG.
  • the abnormality determination unit 230 acquires time-series data of pressure values measured by the pressure sensor (one or more of the pressure sensors 151 to 154) (step S101). Specifically, the abnormality determination unit 230 acquires and stores the pressure value measured by the pressure sensor for each predetermined sampling period via the pressure value acquisition unit 210, thereby storing time-series data of pressure values. Generate.
  • the abnormality determination unit 230 analyzes the time series data acquired in step S101 in order to determine whether there is an abnormality in the device that is the determination target (step S102). Specifically, as described above, the abnormality determination unit 230 reads the normal time series data and the abnormal time series data from the database 220, and compares the read data with the time series data acquired in step S101. To do.
  • the abnormality determination part 230 determines the presence or absence of abnormality of the apparatus used as determination object based on the analysis performed by step S102 (step S103).
  • the abnormality determination unit 230 further performs data analysis to determine the type of abnormality (step S104). For example, as described with reference to FIG. 2, the abnormality determination unit 230 determines whether the time required for the pressure value to reach the target pressure value is longer or shorter than that in the normal state. The type of abnormality is determined by comparing the normal feature amount.
  • the database 220 may not store data when the device is normal. That is, the database 220 may store only data at the time of device abnormality in association with information indicating the type of abnormality.
  • the abnormality determination unit 230 calculates, for example, the similarity between the data obtained from the database 220 and the data obtained from the pressure sensor. If there is data that is more than a predetermined similarity, the abnormality determination unit 230 determines that there is an abnormality. On the other hand, when there is no data similar to a predetermined similarity or higher, the abnormality determination unit 230 determines that there is no abnormality.
  • the output unit 240 outputs the determination result of the abnormality determination unit 230 (step S105). For example, the output unit 240 sends the determination result information indicating the name of the device determined to be abnormal, the determination result of the abnormality, and the type of abnormality to the display device provided in the driver's seat of the vehicle 1. Output and display.
  • the abnormality determination unit 230 stores the time series data obtained from the pressure sensor and the determination result of the presence or absence of abnormality in the database 220 in association with each other (step S106). By increasing the amount of data stored in the database 220, it is possible to improve the determination accuracy of the abnormality determination unit 230. After step S106, the process of FIG. 8 ends. On the other hand, when it is determined in step S103 that there is no abnormality (step S103: NO), the process proceeds to step S106.
  • the pressure value acquisition unit 210 acquires a pressure value at a predetermined location of the air control system 10. Further, the database 220 stores data relating to pressure values at predetermined locations when an abnormality occurs in the air control system 10. And the abnormality determination part 230 determines the presence or absence of abnormality of the air control system 10 based on the pressure value which the pressure value acquisition part 210 acquired, and the data which the database 220 has memorize
  • the abnormality determination unit 230 determines the presence / absence of abnormality of each device based on the pressure value, thereby unifying the sensors included in the air control system 10 into pressure sensors that are relatively highly durable and reliable sensors. be able to. In this respect, the maintenance cycle of the air control system 10 can be made longer.
  • the abnormality determination unit 230 detects a change in the pressure value as a sign of the failure, the operator of the vehicle 1 or the administrator of the air control system 10 can predict the failure, whereby the vehicle 1 Can improve the safety.
  • the maintenance person of the air-conditioning system 10 changes the maintenance level between the device that the abnormality determination unit 230 determines to be normal and the device that is determined to be abnormal, and focuses on maintenance of the device that is determined to be abnormal.
  • the maintenance can be efficiently performed while ensuring the reliability of the air control system 10.
  • the abnormality determination unit 230 determines that there is an abnormality
  • the abnormality determination unit 230 determines the type of abnormality. Thereby, the operator of the vehicle 1 and the maintenance person of the air control system 10 can take appropriate measures according to the type of abnormality.
  • the abnormality determination unit 230 associates the pressure value acquired by the pressure value acquisition unit 210 (that is, the pressure value acquired from the pressure sensor via the pressure value acquisition unit 210) with the determination result of whether there is an abnormality. Store in database 220. Thereby, the data number which the database 220 memorize
  • a program for realizing all or part of the functions of each part of the air-conditioning system abnormality determination device 200 is recorded on a computer-readable recording medium, and the program recorded on the recording medium is read by the computer system.
  • the processing of each unit may be performed by executing.
  • the “computer system” includes an OS and hardware such as peripheral devices. Further, the “computer system” includes a homepage providing environment (or display environment) if a WWW system is used.
  • the “computer-readable recording medium” refers to a storage device such as a flexible medium, a magneto-optical disk, a portable medium such as a ROM or a CD-ROM, and a hard disk incorporated in a computer system.
  • the “computer-readable recording medium” dynamically holds a program for a short time like a communication line when transmitting a program via a network such as the Internet or a communication line such as a telephone line.
  • a volatile memory in a computer system serving as a server or a client in that case and a program that holds a program for a certain period of time are also included.
  • the program may be a program for realizing a part of the functions described above, and may be a program capable of realizing the functions described above in combination with a program already recorded in a computer system.
  • the maintenance cycle of the air-control system can be made longer.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Braking Systems And Boosters (AREA)
  • Valves And Accessory Devices For Braking Systems (AREA)

Abstract

この空制システム異常判定装置は、空制システムの所定個所における圧力値を取得する圧力値取得部と、前記空制システムの異常発生時の前記所定個所における圧力値に関するデータを記憶するデータベースと、前記圧力値取得部が取得した圧力値と、前記データベースが記憶している前記データとに基づいて、前記空制システムの異常の有無を判定する異常判定部と、該異常判定部が異常有りと判定した場合に、判定結果を示す情報を出力する出力部と、を具備する。

Description

空制システム異常判定装置、空制システム、空制システム異常判定方法およびプログラム
　本発明は、空制システム異常判定装置、空制システム、空制システム異常判定方法およびプログラムに関する。
　本願は、２０１６年７月４日に、日本に出願された特願２０１６－１３２６１０号に基づき優先権を主張し、その内容をここに援用する。
　空制システム、すなわち、空気圧縮機で生成された圧縮空気を用いるブレーキシステムなど、車両に用いられる装置の状態監視に関連して幾つかの技術が提案されている。
　例えば、特許文献１に記載の車両の監視装置では、速度演算部及び加減速度演算部は、速度パルス信号に基づいて、鉄道車両の挙動として、鉄道車両の速度及び加速度を検出する。異常検知処理部は、速度演算部及び加減速度演算部により検出された速度及び加速度と鉄道車両の運転操作部からの運転操作信号とに基づいて、速度演算部及び加減速度演算部により検出された速度及び加速度が、鉄道車両の運転操作部からの運転操作信号に基づいて予め定められた異常挙動条件に該当するか否かを判定し、前記異常挙動条件に該当する場合に異常検知信号を発生する。
　これにより、特許文献１に記載の車両の監視装置では、鉄道車両等の車両の異常をより適切に検知できる。
特開２０１２－２０５３３２号公報
　空制システムのメンテナンスは、例えば定期点検時など、定期的に実施するのが一般的である。メンテナンスに要する時間や作業負荷の低減の観点からは、メンテナンス周期の延長や、作業効率化による人員削減等を行うことが考えられる。しかし、空制システムの信頼性を確保するために、メンテナンス周期の延長や人員削減等を実施可能な範囲は限定的である。
　ここで、空制システムにおける各機器の異常を検出するために、機器に応じた種類のセンサを設置し、特許文献１に記載の車両の監視装置のように異常の有無の判定基準を予め設定しておいて、空制システムを自動監視することが考えられる。例えば、除湿機の異常を監視するために湿度センサを設置し、湿度測定値が所定の閾値より大きい場合に異常と判定することが考えられる。また、空気圧縮機の異常を監視するために振動センサを設置し、振動測定値が所定の閾値より大きい場合に異常ありと判定することが考えられる。
　しかしながら、使用するセンサの種類によって、センサの耐久性や信頼性に差がある。このため、空制システムの信頼性を確保するためには、耐久性や信頼性の最も低いセンサに合わせて、センサの点検や交換等のメンテナンスを行う必要がある。従って、メンテナンス周期を短くする必要が生じ、作業負荷低減の妨げとなってしまう。
　本発明は、メンテナンス周期をより長くすることのできる空制システム異常判定装置、空制システム、空制システム異常判定方法およびプログラムを提供する。
　本発明の第一の態様によれば、空制システム異常判定装置は、空気圧縮機で生成された圧縮空気を用いるブレーキシステムである空制システムの所定個所における圧力値を取得する圧力値取得部と、前記空制システムの異常発生時の前記所定個所における圧力値に関するデータを記憶するデータベースと、前記圧力値取得部が取得した圧力値と、前記データベースが記憶している前記データとに基づいて、前記空制システムの異常の有無を判定する異常判定部と、該異常判定部が異常有りと判定した場合に、判定結果を示す情報を出力する出力部と、を具備する。
　本発明の第二の態様によれば、前記異常判定部は、異常ありと判定した場合、異常の種類を判定する。
　本発明の第三の態様によれば、前記異常判定部は、前記圧力値取得部が取得した圧力値と、異常の有無の判定結果とを対応付けて前記データベースに記憶させる。
　本発明の第四の態様によれば、空制システムは、上述の空制システム異常判定装置を具備する。
　本発明の第五の態様によれば、空制システム異常判定方法は、空気圧縮機で生成された圧縮空気を用いるブレーキシステムである空制システムの異常発生時の所定個所における圧力値に関するデータを記憶するデータベースを具備する空制システム異常判定装置の空制システム異常判定方法である。この空制システム異常判定方法は、前記空制システムの前記所定個所における圧力値を取得する圧力値取得ステップと、前記圧力値取得ステップにて取得した圧力値と、前記データベースが記憶している前記データとに基づいて、前記空制システムの異常の有無を判定する異常判定ステップと、該異常判定ステップにて異常有りと判定した場合に、判定結果を示す情報を出力する出力ステップと、を具備する。
　本発明の第六の態様によれば、プログラムは、空気圧縮機で生成された圧縮空気を用いるブレーキシステムである空制システムの異常発生時の所定個所における圧力値に関するデータを記憶するデータベースを具備する空制システム異常判定装置としてのコンピュータに、前記空制システムの前記所定個所における圧力値を取得する圧力値取得ステップと、前記圧力値取得ステップにて取得した圧力値と、前記データベースが記憶している前記データとに基づいて、前記空制システムの異常の有無を判定する異常判定ステップと、該異常判定ステップにて異常有りと判定した場合に、判定結果を示す情報を出力する出力ステップと、を実行させる。
　上記した空制システム異常判定装置、空制システム異常判定方法、及びプログラムによれば、空制システムのメンテナンス周期をより長くすることができる。
本発明の一実施形態における空制システムの機能構成を示す概略ブロック図である。 同実施形態におけるアフタークーラの出口圧力値の例を示すグラフである。 同実施形態における除湿機の出口圧力値の例を示すグラフである。 同実施形態における除湿フィルタの前後における圧力差の例を示すグラフである。 同実施形態における空気圧縮機の出口圧力値の例を示すグラフである。 同実施形態における異常判定部が時系列データをフーリエ変換して取得する周波数成分の例を示すグラフである。 同実施形態におけるデータベースが記憶する統計データの例を示すグラフである。 同実施形態における空制システム異常判定装置が行う処理の手順を示すフローチャートである。
　以下、図面を参照して、本発明の実施の形態について説明する。
　図１は、本発明の一実施形態における空制システムの機能構成を示す概略ブロック図である。同図において、空制システム１０は、電源１１１と、起動装置１１２と、電動機１１３と、空気圧縮機１２１と、アフタークーラ１２２と、除湿フィルタ１２３と、除湿機１２４と、空気タンク１２５と、圧力センサ１５１～１５４と、空制システム異常判定装置２００とを具備する。空制システム異常判定装置２００は、圧力値取得部２１０と、データベース２２０と、異常判定部２３０と、出力部２４０とを具備する。
　空制システム１０は、空気圧縮機で生成された圧縮空気を用いるブレーキシステムである。空制システム１０は、例えば鉄道車両または自動車などの車両である車両１に搭載され、車両１の操作者（運転員）が行うブレーキ操作を受けて車両１を制動する。
　電源１１１は、電動機１１３など車両１に搭載された各機器に電力を供給する。
　起動装置１１２は、停止状態にある電動機１１３を起動するために用いられる。
　電動機１１３は、電源１１１からの電力を用いて回転力を生成し、生成した回転力にて空気圧縮機１２１を動作させる。
　空気圧縮機１２１は、電動機１１３からの回転力を用いて空気を圧縮し、得られた圧縮空気をアフタークーラ１２２へ出力する。
　アフタークーラ１２２は、空気圧縮機１２１が生成した圧縮空気を冷却して除湿フィルタ１２３へ出力する。
　除湿フィルタ１２３と除湿機１２４とは、アフタークーラ１２２が冷却した圧縮空気を除湿して空気タンク１２５へ出力する。
　空気タンク１２５は、除湿機１２４からの圧縮空気を蓄える。空気タンク１２５が蓄えた圧縮空気は、車両１の操作者が行うブレーキ操作に応じてブレーキ装置を動作させるのに用いられる。
　圧力センサ１５１～１５４の各々は、空制システム１０の所定個所における圧力値を測定する。具体的には、圧力センサ１５１は、空気圧縮機１２１の出口圧力値を測定する。圧力センサ１５２は、アフタークーラ１２２の出口圧力値を測定する。圧力センサ１５３は、除湿フィルタ１２３の出口圧力値を測定する。圧力センサ１５４は、除湿機１２４の出口圧力値を測定する。
　なお、図１における圧力センサ１５１～１５４の設置箇所は一例であり、本実施形態における圧力センサ１５１～１５４の設置個所は図１に図示される構成に限られない。例えば、圧力センサ１５１～１５４のうち一部のみを設置するようにしてもよい。
　空制システム異常判定装置２００は、圧力センサ１５１～１５４が測定した圧力値（すなわち圧力測定値）に基づいて、空制システム１０の異常の有無を判定する。ここでいう異常とは、故障または故障の予兆である。また、ここでいう故障とは、修理または部品交換など処置を必要とする不具合である。空制システム異常判定装置２００は、コンピュータにて実現されていてもよいし、専用回路を用いて実現されていてもよい。
　圧力値取得部２１０は、圧力センサ１５１～１５４が測定した、空制システム１０の所定個所における圧力値を取得する。
　データベース２２０は、空制システム１０の異常発生時の所定個所における圧力値に関するデータを記憶する。より具体的には、データベース２２０は、圧力センサ１５１～１５４の測定箇所における圧力値と、正常／異常の区別、および、異常の場合は異常の種類とを対応付けたデータを複数記憶する。
　異常判定部２３０は、圧力値取得部２１０が取得した圧力値と、データベース２２０が記憶しているデータとに基づいて、空制システム１０の異常の有無の判定を行う。より具体的には、異常判定部２３０は、圧力値取得部２１０が取得した圧力値または当該圧力値から得られた特徴量と、データベース２２０が記憶しているデータとを用いて、例えば主成分分析法またはＭＴ法（マハラノビス・タグチ法）などの多変量解析手法によって、空制システム１０の異常の有無を判定する。
　例えば、異常判定部２３０は、圧力センサ１５１が測定する空気圧縮機１２１の出口圧力値を用いて、空気圧縮機１２１の異常の有無を判定する。また、異常判定部２３０は、圧力センサ１５２が測定するアフタークーラ１２２の出口圧力値を用いて、アフタークーラ１２２の異常の有無を判定する。また、異常判定部２３０は、圧力センサ１５２と圧力センサ１５３とを用いて得られる除湿フィルタ１２３の前後における圧力差を用いて、除湿フィルタ１２３の異常の有無を判定する。また、異常判定部２３０は、圧力センサ１５４が測定する除湿機１２４の出口圧力値を用いて、除湿機１２４の異常の有無を判定する。
　出力部２４０は、異常判定部２３０が異常有りと判定した場合に、判定結果を示す情報を出力する。例えば、出力部２４０は、異常判定部２３０の判定結果として、異常の有無や異常の種類を示す情報を、車両１に設置された警報表示装置または記憶装置などに出力（送信）する。
　次に、図２～図７を参照して、異常判定部２３０が行う判定について説明する。
　図２は、アフタークーラ１２２の出口圧力値の例を示すグラフである。同図の縦軸は圧力値を示す。同図の横軸は、例えば空気圧縮機１２１の動作開始時など所定事象発生時からの経過時間を示す。線Ｌ１１は、アフタークーラ１２２が正常に動作している場合の出口圧力値の例を示す。線Ｌ１２は、アフタークーラ１２２に異常が発生している場合の出口圧力値の例を示す。
　線Ｌ１１に示されるアフタークーラ１２２の正常時の例では、時間経過に応じて圧力値が上昇し、時間Ｔ１１経過時に目標圧力値に到達している。
　一方、線Ｌ１２は、アフタークーラ１２２の冷却能力が低下した場合の例を示している。アフタークーラ１２２の冷却能力が低下することで、正常時よりも圧力値が大きく（すなわち、圧力が高く）なり、正常時よりも短時間である時間Ｔ１２経過時に目標圧力値に到達している。
　例えば、データベース２２０は、図２に示すようなアフタークーラ１２２の起動時の出口圧力値の時系列データを、正常時および異常時の各々について、正常／異常の区別と対応付けて複数記憶しておく。データベース２２０が記憶するデータは、過去に得られたデータであってもよいし、シミュレーション等で得られた想定データであってもよい。
　あるいは、異常状態を人為的に発生させて異常時のデータを取得し、データベース２２０に記憶させてもよい。例えば、除湿フィルタ１２３にテープを貼って目詰まり状態を人為的に発生させ、当該目詰まり状態におけるセンサ測定値（例えば、圧力センサ１５２や圧力センサ１５３が測定する圧力値）をデータベース２２０に記憶させてもよい。
　アフタークーラ１２２の異常の有無の判定において、異常判定部２３０は、圧力センサ１５２が測定するアフタークーラ１２２の出口圧力値の時系列データを、圧力値取得部２１０を介して取得する。そして、異常判定部２３０は、取得した時系列データとデータベース２２０が記憶しているデータとを比較することで、異常の有無を判定する。
　具体的には、異常判定部２３０は、データベース２２０が記憶しているデータおよび圧力センサ１５２が測定したデータの各々について特徴量を複数抽出する。例えば、異常判定部２３０は、所定時間における圧力瞬時値や、目標圧力値など所定の圧力値になるまでの所要時間や、高速フーリエ変換（ＦＦＴ；Fast Fourier Transform）にて得られる周波数成分などを、特徴量として取得する。
　そして、異常判定部２３０は、主成分分析法またはＭＴ法などの多変量解析手法を用いて、特徴量と正常／異常との区別との相関関係に基づいて、異常の有無を判定する。
　なお、データベース２２０が記憶するデータについて予め特徴量を抽出しておいてもよい。すなわち、データベース２２０が、出口圧力値の時系列データに代えて、当該時系列データから得られる特徴量を記憶してもよい。
　なお、異常判定部２３０が、データベース２２０の記憶しているデータと圧力センサ１５２が測定したデータとを比較する方法は、多変量解析手法を用いる方法に限られない。例えば、異常判定部２３０が、データベース２２０の記憶しているデータの各々について、圧力センサ１５２が測定したデータとの差の絶対値を所定のサンプリング間隔で算出し、差の絶対値の合計の大きさに基づいてデータの比較を行ってもよい。この場合、異常判定部２３０は、差の絶対値の合計が最も小さいデータを、圧力センサ１５２の測定したデータに最も類似するデータとして選択し、選択したデータが正常時のデータか異常時のデータかに基づいて、異常の有無を判定する。
　あるいは、異常判定部２３０が比較に用いるべき特徴量を、判定対象の機器毎に予め設定しておいてもよい。
　なお、異常判定部２３０は、異常ありと判定した場合、さらに異常の種類の判定を行う。例えば、アフタークーラ１２２内の配管に亀裂が生じた場合など圧縮空気が漏れている場合、図２の例とは逆に、目標圧力値に到達するまでの時間が正常の場合よりも長くなる。そこで、異常判定部２３０は、目標圧力値に到達するまでの時間が正常の場合よりも長い場合と短い場合とを区別して、長い場合は圧縮空気漏れの可能性有りと判定し、短い場合は冷却不足の可能性ありと判定する。
　但し、異常の種類の判定は本実施形態において必須の処理ではなく、省略可能である。
　図３は、除湿機１２４の出口圧力値の例を示すグラフである。同図の縦軸は圧力値を示す。同図の横軸は、例えば除湿機１２４の起動開始時など所定事象発生時からの経過時間を示す。線Ｌ２１は、除湿機１２４が正常に動作している場合の出口圧力値の例を示す。線Ｌ２２は、除湿機１２４に異常が発生している場合の出口圧力値の例を示す。
　線Ｌ２１に示されるアフタークーラ１２２の正常時の例では、時間経過に応じて圧力値が上昇し、時間Ｔ２１経過時に目標圧力値に到達している。
　一方、線Ｌ２２は、除湿機１２４のパージ量が過大である場合の例を示している。パージ量が多いことで配管内の流量が減少し、正常時よりも長時間である時間Ｔ２２経過時に目標圧力値に到達している。
　異常判定部２３０は、除湿機１２４の異常の有無の判定についても、図２を参照して説明したアフタークーラ１２２の異常の有無の判定と同様に行う。
　例えば、データベース２２０は、図３に示すような除湿機１２４の起動時の出口圧力値の時系列データを、正常時および異常時の各々について、正常／異常の区別と対応付けて複数記憶しておく。データベース２２０が記憶するデータは、過去に得られたデータであってもよいし、シミュレーション等で得られた想定データであってもよいし、人為的に発生させた異常状態におけるデータであってもよい。
　そして、除湿機１２４の異常の有無の判定において、異常判定部２３０は、圧力センサ１５４が測定する除湿機１２４の出口圧力値の時系列データを、圧力値取得部２１０を介して取得する。そして、異常判定部２３０は、取得した時系列データとデータベース２２０が記憶しているデータとを比較することで、異常の有無を判定する。
　具体的には、アフタークーラ１２２の場合と同様、異常判定部２３０は、データベース２２０が記憶しているデータおよび圧力センサ１５４が測定したデータの各々について特徴量を複数抽出し、多変量解析手法を用いて異常の有無を判定する。
　データベース２２０が記憶するデータについて予め特徴量を抽出しておいてもよい点や、異常判定部２３０が、データベース２２０の記憶しているデータと圧力センサ１５４が測定したデータとを比較する方法が、多変量解析手法を用いる方法に限らない点も、アフタークーラ１２２の場合と同様である。
　また、異常判定部２３０が、異常の種類の判定を行うようにしてもよいし、当該処理を省略してもよい点も、アフタークーラ１２２の場合と同様である。
　図４は、除湿フィルタ１２３の前後における圧力差の例を示すグラフである。同図の縦軸は圧力差を示す。同図の横軸は、例えばアフタークーラ１２２や除湿機１２４の起動開始時など所定事象発生時からの経過時間を示す。線Ｌ３１は、除湿フィルタ１２３が正常状態にある場合の圧力差の例を示す。線Ｌ３２は、除湿フィルタ１２３に異常が発生している場合の圧力差の例を示す。
　具体的には、線Ｌ３２は、除湿フィルタ１２３に目詰まりが発生している場合の例を示しており、正常時よりも圧量差が大きくなっている。
　かかる目詰まりを検出するために、異常判定部２３０は、複数の圧力センサの測定値に基づく特徴量を用いる。具体的には、異常判定部２３０は、圧力センサ１５２が測定する除湿フィルタ１２３の入口圧力値から、圧力センサ１５３が測定する除湿フィルタ１２３の出口圧力値を減算した瞬時値、あるいは所定時間の平均値を、上述した特徴量の１つとして用いる。
　具体的な判定方法は、図２を参照して説明したアフタークーラ１２２の異常の有無の判定の場合と同様である。
　例えば、データベース２２０は、除湿フィルタ１２３の入口における圧力値の時系列データと、除湿フィルタ１２３の出口における圧力値の時系列データとの組み合わせを、正常時および異常時の各々について、正常／異常の区別と対応付けて複数記憶しておく。データベース２２０が記憶するデータは、過去に得られたデータであってもよいし、シミュレーション等で得られた想定データであってもよいし、人為的に発生させた異常状態におけるデータであってもよい。
　そして、除湿フィルタ１２３の異常の有無の判定において、異常判定部２３０は、圧力センサ１５２が測定する除湿フィルタ１２３の入口圧力値の時系列データから、圧力センサ１５３が測定する除湿フィルタ１２３の出口圧力値の時系列データを、時間毎に減算して圧力値の時系列データを取得する。また、異常判定部２３０は、データベース２２０が記憶しているデータについても、除湿フィルタ１２３の入口圧力値の時系列データから、除湿フィルタ１２３の出口圧力値の時系列データを、時間毎に減算して圧力値の時系列データを取得する。そして、異常判定部２３０は、圧力センサから得られたデータと、データベース２２０から得られたデータとを比較することで、異常の有無を判定する。
　具体的には、アフタークーラ１２２の場合と同様、異常判定部２３０は、圧力センサから得られたデータと、データベース２２０から得られたデータとの各々について特徴量を複数抽出し、多変量解析手法を用いて異常の有無を判定する。
　データベース２２０が記憶するデータについて予め特徴量を抽出しておいてもよい点や、異常判定部２３０が、データベース２２０の記憶しているデータと算出したデータとを比較する方法が、多変量解析手法を用いる方法に限らない点も、アフタークーラ１２２の場合と同様である。
　また、異常判定部２３０が、異常の種類の判定を行うようにしてもよいし、当該処理を省略してもよい点も、アフタークーラ１２２の場合と同様である。
　なお、除湿フィルタ１２３の前後の圧力差のように時間変化の小さいデータの場合、異常判定部２３０が時系列データに代えて瞬時値を用いるようにしてもよい。具体的には、データベース２２０が、圧力値の時系列データに代えて圧力の瞬時値を、正常／異常の区別と対応付けて記憶しておく。そして、異常判定部２３０は、圧力センサから得られる圧力の瞬時値と、データベース２２０が記憶している圧力の瞬時値とを比較して、異常の有無を判定する。
　図５は、空気圧縮機１２１の出口圧力値の例を示すグラフである。同図の縦軸は圧力値を示す。同図の横軸は、例えば空気圧縮機１２１の起動開始時など所定事象発生時からの経過時間を示す。線Ｌ４１は、空気圧縮機１２１が正常に動作している場合の出口圧力値の例を示す。線Ｌ４２は、空気圧縮機１２１に異常が発生している場合の出口圧力値の例を示す。
　具体的には、線Ｌ４２は、空気圧縮機１２１に振動が生じている場合の例を示しており、空気圧縮機１２１の出口圧力値も振動している。
　かかる振動を検出するために、異常判定部２３０は、圧力値の周波数成分を特徴量として用いる。具体的には、異常判定部２３０は、データベース２２０の記憶する時系列データや、圧力センサから得られる時系列データをフーリエ変換（例えば、ＦＦＴ）して周波数成分を算出して特徴量の１つとする。
　図６は、異常判定部２３０が時系列データをフーリエ変換して取得する周波数成分の例を示すグラフである。同図の縦軸は圧力値を示す。同図の横軸は周波数を示す。線Ｌ５１は、空気圧縮機１２１が正常に動作している場合の出口圧力値の例を示す。
　線Ｌ５２は、空気圧縮機１２１に異常が発生している場合の出口圧力値の例を示す。
　具体的には、線Ｌ５２は、線Ｌ４２の例のように、空気圧縮機１２１に振動が生じている場合の例を示している。このため、線Ｌ５２の例では、特定の周波数成分において圧力値が大きくなっている。
　例えば、データベース２２０は、除湿機１２４の出口における圧力値の時系列データを、正常時および異常時の各々について、正常／異常の区別と対応付けて複数記憶しておく。データベース２２０が記憶するデータは、過去に得られたデータであってもよいし、シミュレーション等で得られた想定データであってもよいし、人為的に発生させた異常状態におけるデータであってもよい。
　除湿機１２４の異常の有無の判定において、異常判定部２３０は、圧力センサ１５４が測定する除湿機１２４の出口圧力値の時系列データをフーリエ変換して周波数成分を取得する。また、異常判定部２３０は、データベース２２０が記憶している除湿機１２４の出口圧力値の時系列データについても、フーリエ変換して周波数成分を取得する。
　そして、異常判定部２３０は、得られた周波数成分を特徴量の１つとして、圧力センサから得られたデータと、データベース２２０から得られたデータとを比較することで、異常の有無を判定する。具体的には、異常判定部２３０は、圧力センサから得られたデータと、データベース２２０から得られたデータとの各々について、周波数成分を含む複数の特徴量を抽出し、多変量解析手法を用いて異常の有無を判定する。
　なお、異常判定部２３０は、周波数成分における様々な値を特徴量として用いることができる。例えば、異常判定部２３０が、所定周波数成分における圧力値を特徴量として用いるようにしてもよいし、周波数成分の最大値、最小値、または最大値から最小値を減算した差を特徴量として用いるようにしてもよい。あるいは、これらのうち複数を特徴量として用いるようにしてもよい。
　データベース２２０が記憶するデータについて予め特徴量を抽出しておいてもよい点や、異常判定部２３０が、データベース２２０の記憶しているデータと算出したデータとを比較する方法が、多変量解析手法を用いる方法に限らない点も、アフタークーラ１２２の場合と同様である。
　また、異常判定部２３０が、異常の種類の判定を行うようにしてもよいし、当該処理を省略してもよい点も、アフタークーラ１２２の場合と同様である。
　なお、データベース２２０が、個々のデータに代えて統計データを記憶するようにしてもよい。
　図７は、データベース２２０が記憶する統計データの例を示すグラフである。同図の横軸は特徴量を示し、縦軸は特徴量の出現頻度を示す。図形Ｆ６１は、ある機器が正常な場合における特徴量の出現頻度をヒストグラムにて示す。図形Ｆ６２は、当該機器が正常な場合における特徴量の出現頻度をヒストグラムにて示す。
　異常判定部２３０は、データベース２２０が記憶する統計データに基づいて、異常の有無の判定基準を設定して判定を行う。
　例えば、図７の例において、異常判定部２３０は、図形Ｆ６１に示される、機器が正常な場合における特徴量の最大値と、図形Ｆ６２に示される、機器が異常な場合における特徴量の最小値との中間値（例えば平均値）である値Ｖ６１を閾値として算出する。そして、異常判定部２３０は、圧力センサの測定値から得られる特徴量と閾値とを比較し、特徴量が閾値より大きい場合は異常ありと判定する。一方、特徴量が閾値以下である場合、異常判定部２３０は異常なしと判定する。
　次に、図８を参照して、空制システム異常判定装置２００の動作について説明する。
　図８は、空制システム異常判定装置２００が行う処理の手順を示すフローチャートである。空制システム異常判定装置２００は、例えば、所定時間毎かつ判定対象の機器毎に同図の処理を行う。
　図８の処理において、異常判定部２３０は、圧力センサ（圧力センサ１５１～１５４のうち１つ以上）が測定する圧力値の時系列データを取得する（ステップＳ１０１）。具体的には、異常判定部２３０は、圧力センサが測定する圧力値を、圧力値取得部２１０を介して所定のサンプリング周期毎に取得し記憶しておくことで、圧力値の時系列データを生成する。
　次に、異常判定部２３０は、判定対象となっている機器の異常の有無を判定するために、ステップＳ１０１で取得した時系列データを分析する（ステップＳ１０２）。具体的には、上述したように、異常判定部２３０は、データベース２２０から正常時の時系列データおよび異常時の時系列データを読み出し、読み出したデータとステップＳ１０１で取得した時系列データとを比較する。
　そして、異常判定部２３０は、ステップＳ１０２で行った分析に基づいて、判定対象となっている機器の異常の有無を判定する（ステップＳ１０３）。
　異常有りと判定した場合（ステップＳ１０３：ＹＥＳ）、異常判定部２３０は、さらに、データ分析を行って異常の種類を判定する（ステップＳ１０４）。例えば、図２を参照して説明したように、異常判定部２３０は、圧力値が目標圧力値に達するまでに要する時間が正常時の場合よりも長いか短いかなど、異常を示す特徴量と正常時の特徴量とを比較することで、異常の種類を判定する。
　なお、データベース２２０が、機器の正常時のデータを記憶していなくてもよい。すなわち、データベース２２０が、機器の異常時のデータのみ、異常の種類を示す情報と対応付けて記憶していてもよい。この場合、異常判定部２３０は、例えば、データベース２２０から得られたデータの各々について、圧力センサから得られたデータとの類似度を算出する。そして、所定の類似度以上に類似しているデータがある場合、異常判定部２３０は異常ありと判定する。一方、所定の類似度以上に類似しているデータがない場合、異常判定部２３０は異常なしと判定する。
　ステップＳ１０４の後、出力部２４０は、異常判定部２３０の判定結果を出力する（ステップＳ１０５）。例えば、出力部２４０は、異常ありと判定された機器の名称と、異常ありとの判定結果と、異常の種類とを示す判定結果情報を、車両１の運転席に設けられている表示装置へ出力して表示させる。
　また、異常判定部２３０は、圧力センサから得られた時系列データと異常有無の判定結果とを対応付けてデータベース２２０に記憶させる（ステップＳ１０６）。データベース２２０が記憶するデータの量が増えることで、異常判定部２３０の判定精度の向上を図ることが可能となる。
　ステップＳ１０６の後、図８の処理を終了する。
　一方、ステップＳ１０３において異常なしと判定した場合（ステップＳ１０３：ＮＯ）、ステップＳ１０６へ進む。
　以上のように、圧力値取得部２１０は、空制システム１０の所定個所における圧力値を取得する。また、データベース２２０は、空制システム１０の異常発生時の所定個所における圧力値に関するデータを記憶する。そして、異常判定部２３０は、圧力値取得部２１０が取得した圧力値と、データベース２２０が記憶しているデータとに基づいて、空制システム１０の異常の有無を判定する。
　異常判定部２３０が、圧力値に基づいて各機器の異常の有無を判定することで、空制システム１０が具備するセンサを、耐久性や信頼性の比較的高いセンサである圧力センサに統一することができる。この点において、空制システム１０のメンテナンス周期をより長くすることができる。
　また、異常判定部２３０が、故障の予兆としての圧力値の変化を検出することで、車両１の操作者や空制システム１０の管理者は故障を予測することができ、これにより、車両１の安全性を高めることができる。また、空制システム１０のメンテナンス者は、異常判定部２３０が異常なしと判定した機器と異常ありと判定した機器とでメンテナンスのレベルを変え、異常ありと判定した機器を重点的にメンテナンスすることで、空制システム１０の信頼性を確保しつつ、メンテナンスを効率的に行うことができる。
　また、異常判定部２３０は、異常ありと判定した場合、異常の種類を判定する。
　これにより、車両１の操作者や空制システム１０のメンテナンス者は、異常の種類に応じて適切な処置を行い得る。
　また、異常判定部２３０は、圧力値取得部２１０が取得した圧力値（すなわち、圧力値取得部２１０を介して圧力センサから取得した圧力値）と、異常の有無の判定結果とを対応付けてデータベース２２０に記憶させる。
　これにより、データベース２２０の記憶するデータ数を増やすことができ、異常判定部２３０の判定精度を向上させ得る。
　なお、空制システム異常判定装置２００の各部の全部または一部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより各部の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
　また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
　また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。
　以上、本発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計変更等も含まれる。
　　上記した空制システム異常判定装置、空制システム異常判定方法、及びプログラムによれば、空制システムのメンテナンス周期をより長くすることができる。
　１　　車両
　１０　　空制システム
　１１１　　電源
　１１２　　起動装置
　１１３　　電動機
　１２１　　空気圧縮機
　１２２　　アフタークーラ
　１２３　　除湿フィルタ
　１２４　　除湿機
　１２５　　空気タンク
　１５１～１５４　　圧力センサ
　２００　　空制システム異常判定装置
　２１０　　圧力値取得部
　２２０　　データベース
　２３０　　異常判定部
　２４０　　出力部

Claims (6)

  1. 　空気圧縮機で生成された圧縮空気を用いるブレーキシステムである空制システムの所定個所における圧力値を取得する圧力値取得部と、
    　前記空制システムの異常発生時の前記所定個所における圧力値に関するデータを記憶するデータベースと、
    　前記圧力値取得部が取得した圧力値と、前記データベースが記憶している前記データとに基づいて、前記空制システムの異常の有無を判定する異常判定部と、
    　該異常判定部が異常有りと判定した場合に、判定結果を示す情報を出力する出力部と、
    　を具備する空制システム異常判定装置。
  2. 　前記異常判定部は、異常ありと判定した場合、異常の種類を判定する請求項１に記載の空制システム異常判定装置。
  3. 　前記異常判定部は、前記圧力値取得部が取得した圧力値と、異常の有無の判定結果とを対応付けて前記データベースに記憶させる請求項１または請求項２に記載の空制システム異常判定装置。
  4. 　請求項１から３のいずれか一項に記載の空制システム異常判定装置を具備する空制システム。
  5. 　空気圧縮機で生成された圧縮空気を用いるブレーキシステムである空制システムの異常発生時の所定個所における圧力値に関するデータを記憶するデータベースを具備する空制システム異常判定装置の空制システム異常判定方法であって、
    　前記空制システムの前記所定個所における圧力値を取得する圧力値取得ステップと、
    　前記圧力値取得ステップにて取得した圧力値と、前記データベースが記憶している前記データとに基づいて、前記空制システムの異常の有無を判定する異常判定ステップと、
    　該異常判定ステップにて異常有りと判定した場合に、判定結果を示す情報を出力する出力ステップと、
    　を具備する空制システム異常判定方法。
  6. 　空気圧縮機で生成された圧縮空気を用いるブレーキシステムである空制システムの異常発生時の所定個所における圧力値に関するデータを記憶するデータベースを具備する空制システム異常判定装置としてのコンピュータに、
    　前記空制システムの前記所定個所における圧力値を取得する圧力値取得ステップと、
    　前記圧力値取得ステップにて取得した圧力値と、前記データベースが記憶している前記データとに基づいて、前記空制システムの異常の有無を判定する異常判定ステップと、
    　該異常判定ステップにて異常有りと判定した場合に、判定結果を示す情報を出力する出力ステップと、
    　を実行させるためのプログラム。
PCT/JP2017/024553 2016-07-04 2017-07-04 空制システム異常判定装置、空制システム、空制システム異常判定方法およびプログラム WO2018008654A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016132610A JP6739256B2 (ja) 2016-07-04 2016-07-04 空制システム異常判定装置、空制システム、空制システム異常判定方法およびプログラム
JP2016-132610 2016-07-04

Publications (1)

Publication Number Publication Date
WO2018008654A1 true WO2018008654A1 (ja) 2018-01-11

Family

ID=60912727

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/024553 WO2018008654A1 (ja) 2016-07-04 2017-07-04 空制システム異常判定装置、空制システム、空制システム異常判定方法およびプログラム

Country Status (2)

Country Link
JP (1) JP6739256B2 (ja)
WO (1) WO2018008654A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112793557A (zh) * 2019-11-13 2021-05-14 纳博特斯克有限公司 制动器控制装置、异常判定方法以及计算机可读存储介质
JPWO2021199174A1 (ja) * 2020-03-30 2021-10-07
CN115237081A (zh) * 2022-09-22 2022-10-25 蘑菇物联技术（深圳）有限公司 确定具有异常的后处理设备的方法、设备和介质

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7153855B2 (ja) * 2018-09-06 2022-10-17 パナソニックＩｐマネジメント株式会社 実装システム、異常判断装置及び異常判断方法
JP7133154B2 (ja) * 2019-01-18 2022-09-08 住友大阪セメント株式会社 運転異常検出システム
DE102019108066A1 (de) * 2019-03-28 2020-10-01 Knorr-Bremse Systeme für Schienenfahrzeuge GmbH System zum Bereitstellen und/oder Überwachen von Betriebsdaten einer Druckluftversorgung, Druckluftversorgung und Verfahren zum Bereitstellen von Betriebsdaten und/oder zum Überwachen der Funktionsfähigkeit einer Druckluftversorgung
JP7467318B2 (ja) 2020-11-19 2024-04-15 東日本旅客鉄道株式会社 鉄道車両における蓄圧系の異常検知方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5464881U (ja) * 1977-10-18 1979-05-08
JPS63130462A (ja) * 1986-11-20 1988-06-02 Mitsubishi Electric Corp 列車の空気系のための監視装置
JP2006117146A (ja) * 2004-10-22 2006-05-11 Nissan Diesel Motor Co Ltd ブレーキエア失陥報知装置
JP2007515341A (ja) * 2003-12-23 2007-06-14 フォイト・ターボ・ゲーエムベーハー・ウント・コンパニー・カーゲー リターダのブレーキトルク変化の監視方法
WO2016157361A1 (ja) * 2015-03-30 2016-10-06 三菱電機株式会社 鉄道車両用ブレーキシステム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3248742B2 (ja) * 1991-11-07 2002-01-21 株式会社ナブコ 空気源装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5464881U (ja) * 1977-10-18 1979-05-08
JPS63130462A (ja) * 1986-11-20 1988-06-02 Mitsubishi Electric Corp 列車の空気系のための監視装置
JP2007515341A (ja) * 2003-12-23 2007-06-14 フォイト・ターボ・ゲーエムベーハー・ウント・コンパニー・カーゲー リターダのブレーキトルク変化の監視方法
JP2006117146A (ja) * 2004-10-22 2006-05-11 Nissan Diesel Motor Co Ltd ブレーキエア失陥報知装置
WO2016157361A1 (ja) * 2015-03-30 2016-10-06 三菱電機株式会社 鉄道車両用ブレーキシステム

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112793557A (zh) * 2019-11-13 2021-05-14 纳博特斯克有限公司 制动器控制装置、异常判定方法以及计算机可读存储介质
CN112793557B (zh) * 2019-11-13 2023-03-21 纳博特斯克有限公司 制动器控制装置、异常判定方法以及计算机可读存储介质
JPWO2021199174A1 (ja) * 2020-03-30 2021-10-07
WO2021199174A1 (ja) * 2020-03-30 2021-10-07 三菱電機株式会社 ブレーキ制御装置の監視装置
DE112020006992T5 (de) 2020-03-30 2023-01-19 Mitsubishi Electric Corporation Überwachungsvorrichtung einer bremssteuervorrichtung
JP7275381B2 (ja) 2020-03-30 2023-05-17 三菱電機株式会社 ブレーキ制御装置の監視装置
CN115237081A (zh) * 2022-09-22 2022-10-25 蘑菇物联技术（深圳）有限公司 确定具有异常的后处理设备的方法、设备和介质
CN115237081B (zh) * 2022-09-22 2022-12-02 蘑菇物联技术（深圳）有限公司 确定具有异常的后处理设备的方法、设备和介质

Also Published As

Publication number Publication date
JP6739256B2 (ja) 2020-08-12
JP2018001997A (ja) 2018-01-11

Similar Documents

Publication Publication Date Title
WO2018008654A1 (ja) 空制システム異常判定装置、空制システム、空制システム異常判定方法およびプログラム
EP2014877B1 (en) Systems and methods for monitoring gas turbine engines
CN103576640A (zh) 用于监测泵气蚀的系统和方法
JP6061782B2 (ja) 異音検知装置及びプログラム
CN106660544B (zh) 用于识别在车辆的压缩空气系统中、尤其在气动制动系统中的泄漏的方法和系统
US20190166442A1 (en) Abnormality detecting device, abnormality detection method, and abnormality detection computer program
JP2014177936A (ja) ポンプを試験する方法およびシステム
JP2913552B1 (ja) 音響法による空調用フアン及びポンプの異常機器識別方法
KR20120047789A (ko) 전기 기계에서의 베어링 열 이상 진단
Klausen et al. Novel threshold calculations for remaining useful lifetime estimation of rolling element bearings
EP2944822B1 (en) Rotating stall detection through ratiometric measure of the sub-synchronous band spectrum
JP2014222150A (ja) 電動部品監視装置及び電動部品監視方法
CN106288182B (zh) 一种压缩机监控方法、装置及空调
RU2384754C2 (ru) Способ контрольной поверки рабочих параметров вентилятора
US7305317B2 (en) Joint approach of out-of-range detection and fault detection for power plant monitoring
US20220228949A1 (en) A method for estimation of malfunction using sound
WO2020250897A1 (ja) 情報処理システム、情報処理方法及びプログラム
JP2006069699A (ja) エレベータシステム診断方法およびエレベータシステム診断装置
JP2020007920A (ja) 液体ポンプの異常検出装置および方法
KR102303406B1 (ko) 산업설비의 이상유무 진단장치 및 방법
JP7438805B2 (ja) 異常分析装置及び異常分析方法
WO2017212645A1 (ja) 軸受診断装置および軸受診断方法、並びに回転機器およびその保守方法
JP7391742B2 (ja) 異常分析装置
KR20230102748A (ko) 적응형 칼만필터를 이용한 스크러버 팬 모니터링 장치 및 그 방법
EP4341563A1 (en) Pump monitoring system and method

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17824257

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17824257

Country of ref document: EP

Kind code of ref document: A1