WO2018106044A1 - 철도차량이상판별장치 및 철도차량 이상 판별 방법 - Google Patents

철도차량이상판별장치 및 철도차량 이상 판별 방법 Download PDF

Info

Publication number
WO2018106044A1
WO2018106044A1 PCT/KR2017/014328 KR2017014328W WO2018106044A1 WO 2018106044 A1 WO2018106044 A1 WO 2018106044A1 KR 2017014328 W KR2017014328 W KR 2017014328W WO 2018106044 A1 WO2018106044 A1 WO 2018106044A1
Authority
WO
WIPO (PCT)
Prior art keywords
railway vehicle
value
disturbance value
observation
vehicle
Prior art date
Application number
PCT/KR2017/014328
Other languages
English (en)
French (fr)
Inventor
유부연
은용순
Original Assignee
재단법인대구경북과학기술원
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 재단법인대구경북과학기술원 filed Critical 재단법인대구경북과학기술원
Priority to JP2019530818A priority Critical patent/JP2020500778A/ja
Publication of WO2018106044A1 publication Critical patent/WO2018106044A1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
    • B61K13/00—Other auxiliaries or accessories for railways
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
    • B61L25/02—Indicating or recording positions or identities of vehicles or trains
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
    • B61L25/02—Indicating or recording positions or identities of vehicles or trains
    • B61L25/021—Measuring and recording of train speed
    • 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

Definitions

  • the present invention compares an actual disturbance value that observes a resistance force affecting the railroad vehicle due to the topographical factors in the operating position of the railroad vehicle, and a reference disturbance value that is predefined in relation to the operating position. It is about a method for determining the presence or absence.
  • the railway vehicle is operating a separate monitoring system for the purpose of securing the safety of the railway operation, but in order to operate the monitoring system there is a problem that additional sensors or devices in addition to the sensor required for the operation of the railway vehicle must be installed.
  • the present invention is to propose a new method for securing the stability of the railway operation.
  • the present invention has been made in view of the above circumstances, and an object of the present invention is to measure the disturbance value of the railroad vehicle due to the topographical factors at the railroad vehicle's operating position, and to measure the disturbance value. This is to compare the standard disturbance values already stored in relation to the location to determine the abnormality of railway vehicles.
  • the measured disturbance value observed the resistance force to the railway vehicle due to the topographical factors in the operating position of the railway vehicle, and the reference disturbance value predefined in relation to the operating position
  • FIG. 1 is a diagram illustrating a railroad vehicle error determination system according to an exemplary embodiment of the present disclosure.
  • FIG. 2 is a schematic configuration diagram of a railway vehicle upper discrimination apparatus according to an embodiment of the present disclosure.
  • FIG. 3 is a diagram illustrating a railroad vehicle error determining system according to another exemplary embodiment of the present disclosure.
  • FIG. 4 is a flowchart illustrating an operation flow of the railway vehicle upper discrimination apparatus according to an embodiment of the present disclosure.
  • the railroad vehicle phase discrimination apparatus for achieving the object, an observation unit for observing the measured disturbance value, which is a value associated with the resistance to the railroad vehicle due to the topographical factors at the operating position of the railroad vehicle, A check unit for confirming the observation operation position, which is the operating position of the railway vehicle on which the disturbance value is observed, and the abnormality of the railway vehicle based on a comparison result between the reference disturbance value and the measured disturbance value which are predefined for the observed operation position. And a discriminating unit for discriminating.
  • the measured disturbance value is determined from a dynamic equation model defined in relation to the railway vehicle, an operation amount input in relation to the operation of the railway vehicle so that the operating speed of the railway vehicle reaches a target operating speed, and an observation operation position. It is characterized in that observed based on at least one of the running speed of the railway vehicle.
  • the observation operation position is characterized in that it is confirmed on the basis of the operating distance estimated as a value obtained by integrating the operating speed of the railway vehicle, or is determined from a position measuring sensor installed in the railway vehicle.
  • the reference disturbance value is defined based on the measured terrain information corresponding to the observed driving position and the vehicle information of the railway vehicle, or based on the machine learning based learning value in the railway vehicle related to the observed driving position.
  • the learning value is characterized in that it includes a measured disturbance value at the time of normal determination of the railway vehicle.
  • Rail vehicle phase determination method for achieving the object, the observation step of observing the measured disturbance value, which is a value related to the resistance to the railway vehicle due to the topographical factors in the operating position of the railway vehicle, The step of confirming the observation operation position, which is the operating position of the railroad vehicle where the disturbance value is observed, and the abnormality of the railway vehicle based on the result of comparison between the reference disturbance value and the measured disturbance value which are predefined for the observed operation position. And a discriminating step of discriminating.
  • the observation step may include a dynamic equation model defined in relation to the railway vehicle, an operation amount input in relation to the operation of the railway vehicle so that the operating speed of the railway vehicle reaches a target operating speed, and the observed operation position. Observing the measured disturbance value based on at least one of the operating speed of the railway vehicle.
  • the checking step the observation operation position is confirmed on the basis of the operating distance estimated by integrating the operating speed of the railway vehicle, or using the sensing value from the position measurement sensor installed in the railway vehicle observation position Characterized in that the check.
  • the reference disturbance value is defined based on the measured terrain information corresponding to the observed driving position and the vehicle information of the railway vehicle, or based on the machine learning based learning value in the railway vehicle related to the observed driving position.
  • the learning value is characterized in that it includes a measured disturbance value at the time of normal determination of the railway vehicle.
  • FIG. 1 illustrates a railroad vehicle error determination system according to an exemplary embodiment of the present disclosure.
  • the railroad vehicle abnormality determining system has a configuration including a train automatic operation device 10 and a railroad vehicle phase discrimination device 20.
  • ATO Automatic train operation
  • Such a train automatic driving device 10 includes, for example, a speed profile generation unit 11 for determining a target running speed of a railroad car, and a controller for determining an operation amount of the railroad car so that the running speed of the railroad car reaches a target running speed ( 12), and a speed sensor 13 for measuring the running speed of the railway vehicle.
  • control unit 12 is for manipulating the physical output of the railway vehicle, for example, may be a PID (Proportional Integral Derivative) controller.
  • PID Proportional Integral Derivative
  • the railroad vehicle phase discrimination apparatus 20 refers to a device for determining whether the railroad vehicle is abnormal in connection with the train automatic operation device 10.
  • the railroad vehicle phase discrimination device 20 determines whether the railroad vehicle is abnormal by observing the disturbance value of the railroad vehicle. Can be determined.
  • the disturbance value may be understood as a resistance generated to a railroad car due to a geographic factor such as a curved terrain or a slope at a driving position of the railroad car.
  • Such a railway vehicle upper discrimination apparatus 20 may be installed in a railway vehicle, and may be installed at a place receiving various information related to the railway vehicle, for example, an integrated control center (ATS).
  • ATS integrated control center
  • the integrated control center may receive an operation amount and a speed value of the railway vehicle through a communication network to determine whether there is an abnormality of the railway vehicle.
  • the railroad vehicle abnormality determination system it is possible to determine whether the railroad vehicle abnormality based on the above-described configuration.
  • the existing monitoring system for determining the abnormality of the railway vehicle for example, by installing an additional sensor in addition to the sensor necessary for the operation of the railway vehicle to determine the abnormality of the existing sensor, or by installing an inertial navigation system in the railway vehicle
  • an embodiment of the present disclosure proposes a new method for determining whether a railway vehicle is abnormal without installing an additional sensor or device in addition to a sensor required for operating the railway vehicle.
  • the configuration of the determination device 20 will be described in detail.
  • Figure 2 shows the configuration of the railway vehicle upper discrimination apparatus 20 according to an embodiment of the present disclosure.
  • the railroad vehicle phase discrimination apparatus 20 includes an observation unit 21 for observing a disturbance value, a confirmation unit 22 for confirming a driving position of the railroad vehicle, And a judging section 23 for judging whether there is an abnormality of the railway vehicle.
  • the whole or at least part of the construction of the railway vehicle discrimination apparatus 20 including the above observation unit 21, the confirmation unit 22, and the determination unit 23 is particularly implemented by a software module. .
  • the software module may be understood as, for example, an instruction executed by a processor that processes an operation in the railway vehicle upper discrimination apparatus 20, and the instruction may be a memory or a separate memory in the railway vehicle upper discrimination apparatus 20. It may have a form stored in the memory.
  • the railway vehicle phase discrimination apparatus 20 determines whether there is an abnormality of the railway vehicle by using the disturbance value observed at the operating position of the railway vehicle through the above-described configuration.
  • Each configuration in the railway vehicle top discrimination apparatus 20 for implementation will be described in more detail.
  • the observation unit 21 performs a function of observing a disturbance value at the operating position of the railway vehicle.
  • the observer 21 observes the measured disturbance value, which is a value related to the resistance that is exerted on the railroad vehicle due to the topographical factors (eg, curves and gradients) at the operating position of the railroad vehicle.
  • the measured disturbance value is a value related to the resistance that is exerted on the railroad vehicle due to the topographical factors (eg, curves and gradients) at the operating position of the railroad vehicle.
  • the observation unit 21 is a dynamic equation model that is defined in the design process of the railway vehicle, the operation amount input from the control unit 12 so that the operating speed of the railway vehicle reaches the target operating speed, and the speed sensor 13 Observe or estimate the measured disturbance at the current operating position of the railway vehicle using at least one of the operating speeds of the railway vehicle measured at.
  • Disturbance values are resistance to railroad cars, which may be more dominantly influenced by topographical factors such as line gradient and track curvature rather than wheel friction or air drag.
  • topographical factors such as line gradient and track curvature rather than wheel friction or air drag.
  • the speed and weight of the railway vehicle do not affect the shape of the graph except the size in the graph of the disturbance value for the position.
  • the speed and weight of the railway vehicle does not affect the shape of the graph except the size in the graph of the disturbance value for the position. Therefore, it is possible to obtain the data of the disturbance value according to the position of the railway vehicle without collecting data through the driving in advance.
  • the observer 21 for observing the disturbance value reaching the railway vehicle may follow the structure of a general disturbance observer (DOB).
  • DOE general disturbance observer
  • the verification unit 22 performs a function of confirming a driving position at which observation of the measured disturbance value is made.
  • the confirming unit 22 confirms the observed operating position which is the operating position of the railroad car on which the measured disturbance value is observed.
  • the confirmation unit 22 confirms the observation operation position where the observation of the measured disturbance value is made using the operation distance of the railway vehicle.
  • the operation distance of the railway vehicle used for the observation operation position is the speed sensor in the railway vehicle. It can be estimated by integrating the running speed of the railway vehicle measured in (13).
  • the observation operation position is also possible to use the sensing value from the position measurement sensors (eg, GPS, location markers) separately installed in the railway vehicle in addition to the method of using the traveling distance of the railway vehicle.
  • the position measurement sensors eg, GPS, location markers
  • the determination unit 23 performs a function of determining the presence or absence of an abnormality of the railway vehicle.
  • the determination unit 23 compares the reference disturbance value predefined for the confirmed observation driving position with the measured disturbance value observed (estimated) at the observation operating position (eg : Coherence value comparison, machine learning technique) to determine the abnormality of railway vehicles.
  • the determination unit 23 is an example of comparing the coherence value, and the similarity between the reference disturbance value and the measured disturbance value observed (estimated) at the observed operating position is equal to or less than the threshold value, that is, the reference disturbance value and the observed operating position ( If the difference from the estimated measured disturbance value is greater than or equal to the threshold value, it may be determined that there is an error in the railway vehicle.
  • the determination unit 23 may determine that a certain error factor has occurred when a difference between a predefined reference disturbance value and a measured disturbance value observed (estimated) at an observation driving position is less than an error tolerance.
  • the error tolerance may be a value smaller than the threshold.
  • the determination unit 23 may correct the predetermined reference disturbance value by reflecting the error.
  • the difference from the measured disturbance value is greater than or equal to the threshold based on the corrected reference disturbance value, it may be determined that there is an abnormality in the railway vehicle.
  • the determination unit 23 is an example of a machine learning technique, by applying a machine learning technique (eg, SupportVector Machine, Artifical Neural Network) by using measured disturbance values at the time of normal determination of a railway vehicle as learning data. The abnormality of can be determined.
  • a machine learning technique eg, SupportVector Machine, Artifical Neural Network
  • the abnormality of the railroad vehicle may be understood as, for example, a malfunction state of the sensor utilized for determining whether there is an error, that is, the speed sensor 13 or other actuator in the railroad vehicle.
  • the reference disturbance value predefined for the observation driving position is measured terrain information corresponding to the observation driving position (eg, actual measurement information on curves and gradients of the track design) and vehicle information of the railway vehicle (eg, Length and weight), or as a learning value for an actual disturbance value observed (estimated) at an observation driving position.
  • the learning value means a kind of representative value obtained by learning the measured disturbance value at the time of normal determination of the railway vehicle.
  • the curve resistance and the gradient resistance are each inversely proportional to the line's curve radius and can be defined as being proportional to the gradient. It is possible to define the standard disturbance value.
  • the railway vehicle phase discrimination apparatus 20 in a system environment in which a plurality of speed sensors 13-1, 13-2, ... are installed as shown in FIG. It can be applied to determine whether there is an individual abnormality for each speed sensor (13-1, 13-2, ).
  • the respective speed sensors 13-1, 13-2, ... On the basis of the respective traveling speeds measured at), the measured disturbance values corresponding to each of the speed sensors 13-1, 13-2, ... can be observed (estimated).
  • the comparison between the disturbance value and the reference disturbance value it is possible to determine whether there is an individual abnormality for each of the speed sensors 13-1, 13-2, ....
  • the feedback sensor selecting unit 14 further performs a function of selecting a speed sensor to be used for feedback control related to the running speed of the railway vehicle in the train automatic driving apparatus 10. May be included.
  • the measured disturbance value observed the resistance force that affects the railroad vehicle due to the topographical factors at the operating position of the railroad vehicle
  • the reference disturbance values stored in advance compared with respect to the driving position, and determining whether there is an abnormality of the railway vehicle on the basis of the result value, it is possible to determine the abnormality of the railway vehicle without additional sensors or devices to the railway vehicle. The effect can be achieved.
  • the observation unit 21 observes the measured disturbance value, which is a value related to the resistance force which is exerted on the railroad car due to the topographical factors (eg, curves and gradients) at the operating position of the railroad car according to step S10.
  • the measured disturbance value which is a value related to the resistance force which is exerted on the railroad car due to the topographical factors (eg, curves and gradients) at the operating position of the railroad car according to step S10.
  • the observation unit 21 is a dynamic equation model that is defined in the design process of the railway vehicle, the operation amount input from the control unit 12 so that the operating speed of the railway vehicle reaches the target operating speed, and the speed sensor 13 Observe (estimate) the measured disturbance at the current operating position of the railway vehicle using at least one of the operating speeds of the railway vehicle measured at.
  • the observer 21 for observing the disturbance value reaching the railway vehicle may follow the structure of a general disturbance observer (DOB).
  • DOE general disturbance observer
  • the confirming unit 22 confirms the observed operating position which is the operating position of the railway vehicle on which the measured disturbance value is observed according to step S20.
  • the confirmation unit 22 confirms the observation operation position where the observation of the measured disturbance value is made using the operation distance of the railway vehicle.
  • the operation distance of the railway vehicle used for the observation operation position is the speed sensor in the railway vehicle. It can be estimated by integrating the running speed of the railway vehicle measured in (13).
  • the verification unit 22 may check the observation operation position by using a sensing value from a position measuring sensor (eg, GPS, position marker) separately installed in the railway vehicle.
  • a position measuring sensor eg, GPS, position marker
  • the determination unit 23 when the confirmation is completed in the observation running position, extracts a reference disturbance value predefined for the observation running position confirmed through the step 'S30', and in step 'S40' and 'S50' Accordingly, the difference between the reference disturbance value extracted and the measured disturbance value observed (estimated) at the observed driving position (for example, coherence value comparison and machine learning technique) is determined to determine the abnormality of the railway vehicle.
  • the determination unit 23 is an example of comparing the coherence value, and the similarity between the reference disturbance value and the measured disturbance value observed (estimated) at the observed operating position is equal to or less than the threshold value, that is, the reference disturbance value and the observed operating position ( If the difference from the estimated measured disturbance value is greater than or equal to the threshold value, for example, the sensor used for determining whether there is an error, that is, the speed sensor 13 or other actuator in the railroad vehicle may be determined to be an abnormality in the railroad vehicle due to a malfunction. have.
  • the determination unit 23 is an example of the machine learning technique, by applying the machine learning technique (eg, SupportVector Machine, Artifical Neural Network) by using the measured disturbance values at the time of the normal determination of the railway vehicle as the training data. It is also possible to determine whether there is an abnormality.
  • the machine learning technique eg, SupportVector Machine, Artifical Neural Network
  • the measurement of the resistance force exerted on the railroad car due to the topographical factors at the operating position of the railroad car Based on the result of comparing the disturbance value and the reference disturbance value stored in advance with respect to the driving position, the abnormality of the railway vehicle may be determined based on the value, thereby determining the abnormality of the railway vehicle without additional sensors or devices in the railway vehicle. Possible effects can be achieved.
  • Implementations of the subject matter described herein are one or more computer program products, ie one or more modules pertaining to computer program instructions encoded on a program storage medium of tangible type for controlling or by the operation of a processing system. Can be implemented.
  • the computer readable medium may be a machine readable storage device, a machine readable storage substrate, a memory device, a composition of materials affecting a machine readable propagated signal, or a combination of one or more thereof.
  • system encompasses all the instruments, devices, and machines for processing data, including, for example, programmable processors, computers, or multiple processors or computers.
  • the processing system may include, in addition to hardware, code that forms an execution environment for a computer program on demand, such as code constituting processor firmware, a protocol stack, a database management system, an operating system, or a combination of one or more thereof. .
  • Computer programs may be written in any form of programming language, including compiled or interpreted languages, or a priori or procedural languages. It can be deployed in any form, including components, subroutines, or other units suitable for use in a computer environment. Computer programs do not necessarily correspond to files in the file system.
  • a program may be in a single file provided to the requested program, in multiple interactive files (eg, a file that stores one or more modules, subprograms, or parts of code), or part of a file that holds other programs or data. (Eg, one or more scripts stored in a markup language document).
  • the computer program may be deployed to run on a single computer or on multiple computers located at one site or distributed across multiple sites and interconnected by a communication network.
  • Computer-readable media suitable for storing computer program instructions and data include, for example, semiconductor memory devices such as EPROM, EEPROM, and flash memory devices, such as magnetic disks such as internal hard disks or external disks, magneto-optical disks, and CDs. It may include all types of nonvolatile memory, media and memory devices, including -ROM and DVD-ROM disks.
  • semiconductor memory devices such as EPROM, EEPROM, and flash memory devices, such as magnetic disks such as internal hard disks or external disks, magneto-optical disks, and CDs. It may include all types of nonvolatile memory, media and memory devices, including -ROM and DVD-ROM disks.
  • the processor and memory can be supplemented by or integrated with special purpose logic circuitry.
  • Implementations of the subject matter described herein may include, for example, a backend component such as a data server, or include a middleware component such as, for example, an application server, or a web browser or graphical user, for example, where a user may interact with the implementation of the subject matter described herein. It may be implemented in a computing system that includes a front end component such as a client computer having an interface or any combination of one or more of such back end, middleware or front end components. The components of the system may be interconnected by any form or medium of digital data communication such as, for example, a communication network.
  • the railroad vehicle abnormality discrimination apparatus and the railroad vehicle abnormality discrimination method exceed the limitations of the existing technology in that it is possible to determine the abnormality of the railroad vehicle without additional sensors or devices. Therefore, not only the use of the related technology but also the possibility of market or sales of the applied device is not only sufficient, but also practically evident, and thus the invention is industrially applicable.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

본 발명은 철도차량의 운행 위치에서의 지형적 요인으로 인해 상기 철도차량에 미치게 되는 저항력을 관측한 실측 외란 값과, 상기 운행 위치와 관련하여 기저장되어 있는 기준 외란 값을 상호 비교한 결과 값을 기초로 철도차량의 이상 유무를 판별함으로써, 철도차량에 추가적인 센서 또는 장치 없이도 철도차량의 이상유무를 판별할 수 있는 철도차량이상판별장치 및 철도차량 이상 판별 방법을 제안한다.

Description

철도차량이상판별장치 및 철도차량 이상 판별 방법
본 발명은 철도차량의 운행 위치에서의 지형적 요인으로 인해 상기 철도차량에 미치게 되는 저항력을 관측한 실측 외란 값과, 상기 운행 위치와 관련하여 기 정의되어 있는 기준 외란 값을 상호 비교하여 철도차량의 이상 유무를 판별하기 위한 방안에 관한 것이다.
철도는 국가의 사람과 화물의 대표적인 운송수단으로서, 대규모의 화물이나 많은 사람이 탑승하고 있어 사고가 발생하는 경우에는 화물의 경우에도 그 피해액수는 대규모에 해당하지만, 특히 승객들의 운송의 경우에는 사고가 발생하는 경우에는 그 피해가 측정되기 어렵다.
근래의 철도차량은 갈수록 전자기기의 역할이 증대되고 있는바, 이러한 전자기기는 각 장치가 통신을 통해 차량에 필요한 정보를 주고 받으며 차량제어 및 감시, 방송, 차량의 운행기록 저장 등의 기능을 수행하여 열차의 안정성과 편의성을 높이는데 기여하고 있다.
한편, 철도차량에서는 철도운행의 안전성을 확보하기 위한 목적으로 별도 감시시스템 구축 운영하고 있으나, 이처럼 감시시스템을 운영하기 위해선 철도차량의 운행에 필요한 센서 이외에 추가적인 센서 혹은 장치를 장착하여야만 한다는 문제점이 있다.
이에, 본 발명에서는 철도운행의 안정성을 확보하기 위한 새로운 방식을 제안하고자 한다.
본 발명은 상기한 사정을 감안하여 창출된 것으로서, 본 발명에서 도달하고자 하는 목적은, 철도차량의 운행 위치에서의 지형적 요인으로 인해 상기 철도차량에 미치게 되는 저항력을 관측한 실측 외란 값과, 상기 운행 위치와 관련하여 기 저장되어 있는 기준 외란 값을 상호 비교하여 철도차량의 이상 유무를 판별하는데 있다.
상술한 기술적 과제를 해결하기 위하여, 철도차량의 운행 위치에서의 지형적 요인으로 인해 상기 철도차량에 미치게 되는 저항력을 관측한 실측 외란 값과, 상기 운행 위치와 관련하여 기 정의되어 있는 기준 외란 값을 상호 비교하여 철도차량의 이상 유무를 판별하는 방식을 제안한다.
철도차량의 운행에 필요한 센서 이외에 추가적인 센서 혹은 장치를 장착할 필요 없이 철도차량의 이상 유무를 판별할 수 있도록 한다.
도 1은 본 개시의 일 실시 예에 따른 철도차량 이상 판별 시스템을 도시한 도면이다.
도 2는 본 개시의 일 실시 예에 따른 철도차량이상판별장치의 개략적인 구성도이다.
도 3은 본 개시의 다른 실시 예에 따른 철도차량 이상 판별 시스템을 도시한 도면이다.
도 4는 본 개시의 일 실시 예에 따른 철도차량이상판별장치에서의 동작 흐름을 설명하기 위한 순서도이다.
목적을 달성하기 위한 본 개시의 일 실시 예에 따른 철도차량이상판별장치는, 철도차량의 운행 위치에서의 지형적 요인으로 인해 철도차량에 미치게 되는 저항력과 관련된 값인 실측 외란 값을 관측하는 관측부, 실측 외란 값의 관측이 이루어진 철도차량의 운행 위치인 관측 운행 위치를 확인하는 확인부, 및 관측 운행 위치에 대해 기 정의되어 있는 기준 외란 값과 실측 외란 값의 비교 결과를 기초로 철도차량의 이상 유무를 판별하는 판별부를 포함하는 것을 특징으로 한다.
보다 구체적으로, 실측 외란 값은, 철도차량과 관련하여 기 정의되어 있는 동력학 수식 모델, 철도차량의 운행 속도가 목표 운행 속도에 도달하도록 철도차량의 운행과 관련하여 입력되는 조작량, 및 관측운행 위치에서의 철도차량의 운행 속도 중 적어도 하나를 기초로 관측되는 것을 특징으로 한다.
보다 구체적으로, 관측 운행 위치는, 철도차량의 운행 속도를 적분한 값으로 추정되는 운행 거리를 기초로 확인되거나, 또는 철도차량에 설치된 위치측정센서로부터 확인되는 것을 특징으로 한다.
보다 구체적으로, 기준 외란 값은, 관측 운행 위치에 해당하는 실측 지형 정보와 철도차량의 차량 정보를 기초로 정의되거나, 또는 관측 운행 위치와 관련된 철도차량에서의 머신러닝 기반 학습 값을 기초로 정의되며, 학습 값은, 철도차량의 정상 판별 시의 실측 외란 값을 포함하는 것을 특징으로 한다.
목적을 달성하기 위한 본 개시의 일 실시 예에 따른 철도차량이상 판별 방법은, 철도차량의 운행 위치에서의 지형적 요인으로 인해 철도차량에 미치게 되는 저항력과 관련된 값인 실측 외란 값을 관측하는 관측단계, 실측 외란 값의 관측이 이루어진 철도차량의 운행 위치인 관측 운행 위치를 확인하는 확인단계, 및 관측 운행 위치에 대해 기 정의되어 있는 기준 외란 값과 실측 외란 값의 비교 결과를 기초로 철도차량의 이상 유무를 판별하는 판별단계를 포함하는 것을 특징으로 한다.
보다 구체적으로, 관측단계는, 철도차량과 관련하여 기 정의되어 있는 동력학 수식 모델, 철도차량의 운행 속도가 목표 운행 속도에 도달하도록 철도차량의 운행과 관련하여 입력되는 조작량, 및 관측 운행위치에서의 철도차량의 운행 속도 중 적어도 하나를 기초로 실측 외란값을 관측하는 것을 특징으로 한다.
보다 구체적으로, 확인단계는, 철도차량의 운행 속도를 적분한 값으로 추정되는 운행 거리를 기초로 관측 운행 위치를 확인하거나,또는 철도차량에 설치된 위치측정센서로부터의 센싱 값을 이용하여 관측운행 위치를 확인하는 것을 특징으로 한다.
보다 구체적으로, 기준 외란 값은, 관측 운행 위치에 해당하는 실측 지형 정보와 철도차량의 차량 정보를 기초로 정의되거나, 또는 관측 운행 위치와 관련된 철도차량에서의 머신러닝 기반 학습 값을 기초로 정의되며, 학습 값은, 철도차량의 정상 판별 시의 실측 외란 값을 포함하는 것을 특징으로 한다.
이하, 첨부된 도면을 참조하여 본 개시의 일 실시 예에 대하여 설명한다.
도 1은 본 개시의 일 실시 예에 따른 철도차량 이상 판별 시스템을 도시하고 있다.
도 1에 도시된 바와 같이 본 개시의 일 실시 예에 따른 철도차량 이상 판별 시스템은, 열차자동운행장치(10) 및 철도차량이상판별장치(20)를 포함하는구성을 갖는다.
열차자동운행장치(10, ATO; Automatic Train Operation)는 철도차량의 주행과 정차, 출입문 개폐 등 철도차량의 운행을 자동으로 수행하는 장치를 일컫는다.
이러한, 열차자동운행장치(10)에는 예컨대, 철도차량의 목표 운행속도를 결정하는 속도프로파일생성부(11), 철도차량의 운행 속도가 목표 운행 속도에 도달하도록 철도차량의 조작량을 결정하는 제어부(12), 및 철도차량의 운행 속도를 측정하는 속도센서(13)가 포함될 수 있다.
여기서, 제어부(12)는 철도차량의 물리적인 출력을 조작하기 위한것으로서 예컨대, PID(Proportional Integral Derivative) 제어기가 이에 해당될수 있다.
철도차량이상판별장치(20)는 열차자동운행장치(10)와 연계하여 철도차량의 이상 여부를 판별하는 장치를 일컫는 것으로서, 철도차량에 미치게 되는 외란 값을 관측하는 방식을 통해 철도차량의 이상 여부를 판별할 수 있다.
여기서, 외란 값이란, 철도차량의 운행 위치에서 예컨대, 곡선 형태의 지형(선로)나 또는 구배 등의 지형적 요인으로 인해 철도차량에 대해 발생하는 저항력으로 이해될 수 있다.
이러한, 철도차량이상판별장치(20)는 철도차량에 설치될 수 있고, 철도차량과 관련된 다양한 정보를 수신하는 곳 예컨대, 통합관제센터(ATS,Automatic Train Supervision)에 설치될 수 있다.
만약, 철도차량이상판별장치(20)가 통합관제센터에 설치된 경우라면, 통합관제센터에서는 철도차량에서의 조작량, 속도 값을 통신망을 통해 전송 받아 철도차량의 이상유무를 판단하는 것이 가능하다.
결국, 본 개시의 일 실시 예에 따른 철도차량 이상 판별 시스템은,전술한 구성을 기반으로 철도차량의 이상 여부를 판별할 수 있게 된다.
한편, 철도차량의 이상 여부를 판별하는 기존의 감시시스템의 경우 예컨대, 철도차량의 운행에 필요한 센서 이외에 추가적인 센서를 설치하여 기존 센서의 이상 여부를 판별한다거나, 또는 철도차량에 관성항법장치를 설치하여 철도차량의 기울기를 측정하고 이를 레퍼런스 데이터(예: 학습을 통해 구해진 기울기)와 비교하여 이상을 감지하는 방식 등이 존재한다.
그러나, 이러한 기존 감시시스템의 경우, 공통적으로 철도차량의 운행에 필요한 센서 이외에 추가적인 센서 또는 장치의 설치가 필요하다는 한계점을 확인할 수 있다.
이에, 본 개시의 일 실시 예에서는 철도차량의 운행에 필요한 센서 이외에 추가적인 센서 또는 장치의 설치 없이도 철도차량의 이상 여부를 판별할 수 있는 새로운 방식을 제안하고자 하며, 이하에서는 이를 구현하기 위한 철도차량이상판별장치(20)의 구성에 대해 구체적으로 설명하기로 한다.
도 2에는 본 개시의 일 실시 예에 따른 철도차량이상판별장치(20)의 구성을 보여주고 있다.
도 2에 도시된 바와 같이, 본 개시의 일 실시 예에 따른 철도차량이상판별장치(20)는 외란 값을 관측하는 관측부(21), 철도차량의 운행 위치를 확인하는 확인부(22), 및 철도차량의 이상 유무를 판별하는 판별부(23)를 포함하는 구성을 갖는다.
이상의 관측부(21), 확인부(22), 및 판별부(23)를 포함하는 철도차량이상판별장치(20)의 구성 전체 내지는 적어도 일부는, 특히 관측부(21)는 소프트웨어 모듈로 구현된다.
여기서, 소프트웨어 모듈이란, 예컨대, 철도차량이상판별장치(20)내에서 연산을 처리하는 프로세서에 의해 실행되는 명령어로 이해될 수 있으며, 이러한 명령어는 철도차량이상판별장치(20) 내 메모리 또는 별도의 메모리에 저장된형태를 가질 수 있다.
결국, 본 개시의 일 실시 예에 따른 철도차량이상판별장치(20)는 전술한 구성을 통해 철도차량의 운행 위치에서 관측되는 외란 값을 이용하여 철도차량의 이상 유무를 판별하게 되는데, 이하에서는 이를 구현하기 위한 철도차량이상판별장치(20) 내 각 구성에 대해 보다 구체적으로 설명하기로 한다.
관측부(21)는 철도차량의 운행위치에서의 외란 값을 관측하는 기능을 수행한다.
보다 구체적으로, 관측부(21)는 철도차량의 운행 위치에서의 지형적요인(예: 곡선, 구배)으로 인해 철도차량에 미치게 되는 저항력과 관련된 값인 실측 외란 값을 관측하게 된다.
이때, 관측부(21)는 철도차량의 설계 과정에서 기 정의되어 있는 동력학 수식 모델과, 철도차량의 운행 속도가 목표 운행 속도에 도달하도록 제어부(12)로부터 입력되는 조작량, 그리고 속도센서(13)에서 측정되는 철도차량의 운행속도 중 적어도 하나를 이용하여 철도차량의 현재 운행 위치에서의 실측 외란 값을 관측 또는 추정한다.
외란 값은 철도차량에 미치는 저항력이며, 이 저항력은 바퀴의 마찰저항이나 차량의 공기저항보다는 선로의 구배 저항이나 선로의 곡선 저항과 같은 지형적 요인에 더 지배적 영향을 받을 수 있다. 지형적 요인 중 구배로 인한 요인의 경우, 철도차량의 속도 및 무게는 위치에 대한 외란 값의 그래프에 있어서, 크기를 제외한 그래프 형태(shape)에 영향을 미치지 않는다. 또한, 지형적 요인 중 커브로 인한 요인의 경우, 철도차량의 속도 및 무게는 위치에 대한 외란 값의 그래프에 있어서, 크기를 제외한 그래프 형태에 영향을 미치지 않는다. 따라서, 미리 주행을 통한 데이터 수집이 없이도, 철도차량의 위치에 따른 외란 값의 데이터를 획득할 수 있다.
참고로, 이처럼 철도차량에 미치게 되는 외란 값을 관측하는 관측부(21)는 일반적인 외란관측기(DOB, Disturbance Observer)의 구조를 따를 수 있다.
확인부(22)는 실측 외란 값의 관측이 이루어진 운행 위치를 확인하는 기능을 수행한다.
보다 구체적으로, 확인부(22)는 실측 외란 값에 대한 관측(추정)이 이루어진 경우, 실측 외란 값의 관측이 이루어진 철도차량의 운행 위치인 관측 운행 위치를 확인하게 된다.
이때, 확인부(22)는 철도차량의 운행 거리를 이용하여 실측 외란 값의 관측이 이루어진 관측 운행 위치를 확인하게 되는데, 이처럼, 관측 운행 위치확인에 이용되는 철도차량의 운행 거리는 철도차량 내 속도센서(13)에서 측정된 철도차량의 운행 속도를 적분한 값으로 추정될 수 있다.
물론, 관측 운행 위치는 철도차량의 운행 거리를 이용하는 방식 이외에 철도차량에 별도로 설치된 위치측정센서(예: GPS, 위치마커)에서의 센싱 값을이용하는 것 또한 가능하다.
판별부(23)는 철도차량의 이상 유무를 판별하는 기능을 수행한다.
보다 구체적으로, 판별부(23)는 관측 운행 위치에 확인이 완료되면, 확인된 관측 운행 위치에 대해 기 정의되어 있는 기준 외란 값과 관측 운행 위치에서 관측(추정)된 실측 외란 값을 비교(예: 코히런스 값 비교, 머신러닝 기법)하여 철도차량의 이상 유무를 판별하게 된다.
이때, 판별부(23)는 코히런스 값 비교의 일례로서, 기준 외란 값과관측 운행 위치에서 관측(추정)된 실측 외란 값 간의 유사도가 임계치 이하, 다시말해 기준 외란 값과 관측 운행 위치에서 관측(추정)된 실측 외란 값과의 차이가 임계치 이상인 경우, 철도차량에 이상이 있는 것으로 판별할 수 있다.
다른 일 예로서, 판별부(23)는 기 정의되어 있는 기준 외란 값과 관측 운행 위치에서 관측(추정)된 실측 외란 값과의 차이가 오차 허용치 이하인 경우, 일정한 오차 요인이 발생한 것으로 판별할 수 있다. 이 때, 오차 허용치는 임계치보다 작은 값일 수 있다. 이 때, 판별부(23)는 오차를 반영하여 기 정의되어 있는 기준 외란 값을 보정할 수 있다. 또한, 보정된 기준 외란 값을 기준으로 실측 외란 값과의 차이가 임계치 이상인 경우, 철도차량에 이상이 있는 것으로 판별할 수 있다.
또한, 판별부(23)는 머신러닝 기법의 일례로서, 철도차량의 정상 판별 시의 실측 외란 값들을 학습데이터로 활용하여 머신러닝 기법(예: SupportVector Machine, Artifical Neural Network)을 적용함으로써, 철도차량의 이상 유무를 판별할 수 있다.
여기서, 철도차량의 이상이란, 예컨대, 이상 유무 판단에 활용된 센서 즉, 철도차량 내 속도센서(13) 또는 기타 엑츄에이터의 오작동 상태로 이해될 수 있다.
그리고, 관측 운행 위치에 대해 기 정의되어 있는 기준 외란 값은 관측 운행 위치에 해당하는 실측 지형 정보(예: 선로 설계도의 곡선 및 구배에 대한 실측 정보)와 철도차량의 차량 정보(예: 철도차량의 길이 및 무게)를 기초로 정의되거나, 또는 관측 운행 위치에서 관측(추정)된 실측 외란 값에 대한 학습 값으로 정의될 수 있다.
여기서, 학습 값이란, 철도차량의 정상 판별 시의 실측 외란 값을 학습하여 구한 일종의 대표 값을 의미한다.
참고로, 철도시스템에서 흔히 곡선 저항과 구배 저항은 각각 선로의 곡선 반지름에 반비례하고, 구배에 비례하는 것으로 정의될 수 있으며, 따라서 선로 설계도의 곡선 반지름과 구배 값을 이용하면 관측 운행 위치마다 철도차량에 미치게 되는 기준 외란 값을 정의할 수 있게 된다.
한편, 본 개시의 일 실시 예에 따른 철도차량이상판별장치(20)는 도3에 도시된 바와 같이 다수의 속도센서(13-1, 13-2, ...)가 중복하여 설치된 시스템 환경에서 각 속도센서(13-1, 13-2, ...)에 대한 개별적인 이상 유무 판단을 위해 적용될 수 있다.
이 경우, 본 개시의 일 실시 예에 따라 철도차량의 운행위치에서의 외란 값을 관측하는 기능을 수행하게 되는 관측부(23)에서는, 각 속도센서(13-1,13-2, ...)에서 측정되는 각각의 운행 속도를 기반으로 각 속도센서(13-1, 13-2,...) 각각과 대응하는 실측 외란 값을 관측(추정)할 수 있으며, 나아가 이처럼 관측된 각각의 실측 외란 값과 기준 외란 값에 대한 비교가 이루어지게 되면, 각 속도센서(13-1, 13-2, ...)에 대하여 개별적인 이상 여부 판별이 가능하다.
참고로, 도 3에 도시된 시스템 환경의 경우 시스템의 신뢰성 향상을 목적으로 동일한 물리량을 측정하는 다수의 센서 즉, 다수의 속도센서(13-1, 13-2,...)가 중복하여 설치된 것으로서, 도 1에서의 시스템 환경과는 달리, 열차자동운행장치(10)에서 철도차량의 운행 속도와 관련된 피드백 제어에 이용될 속도센서를 선택하는 기능을 수행하는 피드백센서선택부(14)가 더 포함될 수 있다.
이상에서 살펴본 바와 같이, 본 개시의 일 실시 예에 따른 철도차량이상판별장치(20)의 구성에 따르면, 철도차량의 운행 위치에서의 지형적 요인으로 인해 철도차량에 미치게 되는 저항력을 관측한 실측 외란 값과, 운행 위치와 관련하여 기 저장되어 있는 기준 외란 값을 상호 비교한 결과 값을 기초로 철도차량의 이상 유무를 판별함으로써, 철도차량에 추가적인 센서 또는 장치 없이도 철도차량의 이상 유무를 판별할 수 있는 효과가 성취될 수 있다.
이하에서는, 도 4를 참조하여 본 개시의 일 실시 예에 따른 철도차량이상판별장치(20)에서의 동작 흐름 즉, 철도차량 이상 판별 방법에 대해 설명하기로 한다.
먼저, 관측부(21)는 단계 'S10'에 따라 철도차량의 운행 위치에서의 지형적 요인(예: 곡선, 구배)으로 인해 철도차량에 미치게 되는 저항력과 관련된 값인 실측 외란 값을 관측한다.
이때, 관측부(21)는 철도차량의 설계 과정에서 기 정의되어 있는 동력학 수식 모델과, 철도차량의 운행 속도가 목표 운행 속도에 도달하도록 제어부(12)로부터 입력되는 조작량, 그리고 속도센서(13)에서 측정되는 철도차량의 운행속도 중 적어도 하나를 이용하여 철도차량의 현재 운행 위치에서의 실측 외란 값을 관측(추정)한다.
참고로, 이처럼 철도차량에 미치게 되는 외란 값을 관측하는 관측부(21)는 일반적인 외란관측기(DOB, Disturbance Observer)의 구조를 따를 수 있다.
이어서, 확인부(22)는 실측 외란 값에 대한 관측(추정)이 이루어진 경우, 단계 'S20'에 따라 실측 외란 값의 관측이 이루어진 철도차량의 운행 위치인 관측 운행 위치를 확인한다.
이때, 확인부(22)는 철도차량의 운행 거리를 이용하여 실측 외란 값의 관측이 이루어진 관측 운행 위치를 확인하게 되는데, 이처럼, 관측 운행 위치확인에 이용되는 철도차량의 운행 거리는 철도차량 내 속도센서(13)에서 측정된 철도차량의 운행 속도를 적분한 값으로 추정될 수 있다.
물론, 확인부(22)는 철도차량에 별도로 설치된 위치측정센서(예:GPS, 위치마커)에서의 센싱 값을 이용하여 관측 운행 위치를 확인할 수도 있다.
이후, 판별부(23)는 관측 운행 위치에 확인이 완료되면, 단계 'S30'을 통해 확인된 관측 운행 위치에 대해 기 정의되어 있는 기준 외란 값을 추출하고, 단계 'S40' 및 'S50'에 따라 추출된 기준 외란 값과 관측 운행 위치에서 관측(추정)된 실측 외란 값을 비교(예: 코히런스 값 비교, 머신러닝 기법)하여 철도차량의 이상 유무를 판별한다.
이때, 판별부(23)는 코히런스 값 비교의 일례로서, 기준 외란 값과관측 운행 위치에서 관측(추정)된 실측 외란 값 간의 유사도가 임계치 이하, 다시말해 기준 외란 값과 관측 운행 위치에서 관측(추정)된 실측 외란 값과의 차이가임계치 이상인 경우, 예컨대, 이상 유무 판단에 활용된 센서 즉, 철도차량 내 속도센서(13) 또는 기타 엑츄에이터가 오작동으로 인해 철도차량에 이상이 있는 것으로판별할 수 있다.
물론, 판별부(23)는 머신러닝 기법의 일례로서, 철도차량의 정상 판별 시의 실측 외란 값들을 학습데이터로 활용하여 머신러닝 기법(예: SupportVector Machine, Artifical Neural Network)을 적용함으로써, 철도차량의 이상 유무를 판별하는 것도 가능하다.
이상에서 살펴본 바와 같이, 본 개시의 일 실시 예에 따른 철도차량이상판별장치(20)에서의 동작 흐름에 따르면, 철도차량의 운행 위치에서의 지형적요인으로 인해 철도차량에 미치게 되는 저항력을 관측한 실측 외란 값과, 운행 위치와 관련하여 기 저장되어 있는 기준 외란 값을 상호 비교한 결과 값을 기초로 철도차량의 이상 유무를 판별함으로써, 철도차량에 추가적인 센서 또는 장치 없이도 철도차량의 이상 유무를 판별할 수 있는 효과가 성취될 수 있다.
한편, 본 명세서에서 설명하는 기능적인 동작과 주제의 구현물들은디지털 전자 회로로 구현되거나, 본 명세서에서 개시하는 구조 및 그 구조적인 등가물들을 포함하는 컴퓨터 소프트웨어, 펌웨어 혹은 하드웨어로 구현되거나, 이들중 하나 이상의 결합으로 구현 가능하다. 본 명세서에서 설명하는 주제의 구현물들은 하나 이상의 컴퓨터 프로그램 제품, 다시 말해 처리 시스템의 동작을 제어하기 위하여 혹은 이것에 의한 실행을 위하여 유형의 프로그램 저장매체 상에 인코딩된 컴퓨터 프로그램 명령에 관한 하나 이상의 모듈로서 구현될 수 있다.
컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장 장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조성물 혹은 이들 중 하나 이상의 조합일 수 있다.
본 명세서에서 "시스템"이나 "장치"라 함은 예컨대 프로그래머블 프로세서, 컴퓨터 혹은 다중 프로세서나 컴퓨터를 포함하여 데이터를 처리하기 위한모든 기구, 장치 및 기계를 포괄한다. 처리 시스템은, 하드웨어에 부가하여, 예컨대 프로세서 펌웨어를 구성하는 코드, 프로토콜 스택, 데이터베이스 관리 시스템, 운영 체제 혹은 이들 중 하나 이상의 조합 등 요청 시 컴퓨터 프로그램에 대한 실행 환경을 형성하는 코드를 포함할 수 있다.
컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 혹은절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다. 컴퓨터 프로그램은파일 시스템의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상의 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트) 내에 저장될 수 있다. 컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.
한편, 컴퓨터 프로그램 명령어와 데이터를 저장하기에 적합한 컴퓨터로 판독 가능한 매체는, 예컨대 EPROM, EEPROM 및 플래시메모리 장치와 같은 반도체 메모리 장치, 예컨대 내부 하드디스크나 외장형 디스크와 같은 자기 디스크,자기광학 디스크 및 CD-ROM과 DVD-ROM 디스크를 포함하여 모든 형태의 비휘발성 메모리, 매체 및 메모리 장치를 포함할 수 있다. 프로세서와 메모리는 특수 목적의논리 회로에 의해 보충되거나, 그것에 통합될 수 있다.
본 명세서에서 설명한 주제의 구현물은 예컨대 데이터 서버와 같은 백엔드 컴포넌트를 포함하거나, 예컨대 어플리케이션 서버와 같은 미들웨어 컴포넌트를 포함하거나, 예컨대 사용자가 본 명세서에서 설명한 주제의 구현물과 상호 작용할 수 있는 웹 브라우저나 그래픽 유저 인터페이스를 갖는 클라이언트 컴퓨터와같은 프론트엔드 컴포넌트 혹은 그러한 백엔드, 미들웨어 혹은 프론트엔드 컴포넌트의 하나 이상의 모든 조합을 포함하는 연산 시스템에서 구현될 수도 있다. 시스템의 컴포넌트는 예컨대 통신 네트워크와 같은 디지털 데이터 통신의 어떠한 형태나 매체에 의해서도 상호 접속 가능하다.
본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 마찬가지로, 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.
또한, 본 명세서에서는 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티 태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 시스템 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 시스템들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징될 수 있다는 점을 이해하여야 한다
이와 같이, 본 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하려는 의도가 아니다. 따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 개시의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 본 개시의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 개시의 범위에 포함되는 것으로 해석되어야 한다.
본 발명에 일 실시 예에 따른 철도차량 이상판별장치 및 철도차량 이상 판별 방법에 따르면, 철도차량에 추가적인 센서 또는 장치 없이도 철도차량의 이상 유무를 판별할 수 있다는 점에서 기존 기술의 한계를 뛰어 넘음에 따라 관련기술에 대한 이용만이 아닌 적용되는 장치의 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있는 발명이다.

Claims (10)

  1. 철도차량의 운행 위치에서의 지형적 요인으로 인해 상기 철도차량에 미치게되는 저항력과 관련된 값인 실측 외란 값을 관측하는 관측부;
    상기 실측 외란 값의 관측이 이루어진 상기 철도차량의 운행 위치인 관측 운행 위치를 확인하는 확인부; 및
    상기 관측 운행 위치에 대해 기 정의되어 있는 기준 외란 값과 상기 실측 외란 값의 비교 결과를 기초로 상기 철도차량의 이상 유무를 판별하는 판별부를 포함하는 것을 특징으로 하는 철도차량이상판별장치.
  2. 제 1 항에 있어서,
    상기 실측 외란 값은, 상기 철도차량과 관련하여 기 정의되어 있는 동력학 수식 모델, 상기 철도차량의 운행 속도가 목표 운행 속도에 도달하도록 상기 철도차량의 운행과 관련하여입력되는 조작량, 및 상기 관측 운행 위치에서의 상기 철도차량의 운행 속도 중 적어도 하나를 기초로 관측되는 것을 특징으로 하는 철도차량이상판별장치.
  3. 제 1 항에 있어서,
    상기 관측 운행 위치는, 상기 철도차량의 운행 속도를 적분한 값으로 추정되는 운행 거리를 기초로 확인되거나, 또는 상기 철도차량에 설치된 위치측정센서로부터 확인되는 것을 특징으로 하는 철도차량이상판별장치.
  4. 제 1 항에 있어서,
    상기 기준 외란 값은, 상기 관측 운행 위치에 해당하는 실측 지형 정보와 상기 철도차량의 차량 정보를 기초로 정의되거나, 또는 상기 관측 운행 위치와 관련된 상기 철도차량에서의 머신러닝 기반 학습 값을 기초로 정의되며,
    상기 학습 값은, 상기 철도차량의 정상 판별 시의 상기 실측 외란 값을 포함하는 것을 특징으로 하는 철도차량이상판별장치.
  5. 철도차량의 운행 위치에서의 지형적 요인으로 인해 상기 철도차량에 미치게되는 저항력과 관련된 값인 실측 외란 값을 관측하는 관측단계;
    상기 실측 외란 값의 관측이 이루어진 상기 철도차량의 운행 위치인 관측 운행 위치를 확인하는 확인단계; 및
    상기 관측 운행 위치에 대해 기 정의되어 있는 기준 외란 값과 상기 실측 외란 값의 비교 결과를 기초로 상기 철도차량의 이상 유무를 판별하는 판별단계를 포함하는 것을 특징으로 하는 철도차량 이상 판별 방법.
  6. 제 5 항에 있어서,
    상기 관측단계는, 상기 철도차량과 관련하여 기 정의되어 있는 동력학 수식 모델, 상기 철도차량의 운행 속도가 목표 운행 속도에 도달하도록 상기 철도차량의 운행과 관련하여 입력되는 조작량, 및 상기 관측 운행 위치에서의 상기 철도차량의 운행 속도 중 적어도 하나를 기초로 상기 실측 외란 값을 관측하는 것을 특징으로 하는 철도차량이상 판별 방법.
  7. 제 5 항에 있어서,
    상기 확인단계는, 상기 철도차량의 운행 속도를 적분한 값으로 추정되는 운행 거리를 기초로 상기 관측 운행 위치를 확인하거나, 또는 상기 철도차량에 설치된 위치측정센서로부터의 센싱 값을 이용하여 상기 관측 운행 위치를 확인하는 것을 특징으로 하는철도차량 이상 판별 방법.
  8. 제 5 항에 있어서,
    상기 기준 외란 값은, 상기 관측 운행 위치에 해당하는 실측 지형 정보와 상기 철도차량의 차량 정보를 기초로 정의되거나, 또는 상기 관측 운행 위치와 관련된 상기 철도차량에서의 머신러닝 기반 학습 값을 기초로 정의되며,
    상기 학습 값은, 상기 철도차량의 정상 판별 시의 상기 실측 외란 값을 포함하는 것을 특징으로 하는 철도차량 이상 판별 방법.
  9. 제 5 항 내지 제 8 항 중 어느 한 항의 각 단계를 실행시키도록 구현되어 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  10. 제 5 항 내지 제 8 항 중 어느 한 항의 각 단계를 실행시키기 위한 명령어를 포함하는 컴퓨터 판독 가능한 기록매체.
PCT/KR2017/014328 2016-12-08 2017-12-07 철도차량이상판별장치 및 철도차량 이상 판별 방법 WO2018106044A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2019530818A JP2020500778A (ja) 2016-12-08 2017-12-07 鉄道車両異常判別装置及び鉄道車両異常判別方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2016-0166749 2016-12-08
KR1020160166749A KR20180065628A (ko) 2016-12-08 2016-12-08 철도차량이상판별장치 및 철도차량 이상 판별 방법

Publications (1)

Publication Number Publication Date
WO2018106044A1 true WO2018106044A1 (ko) 2018-06-14

Family

ID=62491960

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/014328 WO2018106044A1 (ko) 2016-12-08 2017-12-07 철도차량이상판별장치 및 철도차량 이상 판별 방법

Country Status (3)

Country Link
JP (1) JP2020500778A (ko)
KR (1) KR20180065628A (ko)
WO (1) WO2018106044A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102480394B1 (ko) * 2020-12-29 2022-12-22 재단법인차세대융합기술연구원 데이터 분석 장치 및 방법, 이상 예측 장치 및 방법, 컴퓨터 프로그램

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000006807A (ja) * 1998-06-25 2000-01-11 Hitachi Ltd 鉄道車両及びその走行時の異常検知方法
JP2005067276A (ja) * 2003-08-20 2005-03-17 Hitachi Ltd 鉄道車両の異常検知装置
JP2006023204A (ja) * 2004-07-08 2006-01-26 Hitachi Ltd 移動体異常検知システム
JP2008013153A (ja) * 2006-07-10 2008-01-24 Central Japan Railway Co 鉄道車両の異常検知装置
JP2012100434A (ja) * 2010-11-02 2012-05-24 Akebono Brake Ind Co Ltd 鉄道車両用異常診断システム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3940649B2 (ja) * 2002-08-09 2007-07-04 株式会社東芝 自動列車運転装置
JP2007256153A (ja) * 2006-03-24 2007-10-04 Hitachi Ltd 鉄道車両台車異常検知システム
DE102009041823A1 (de) * 2009-09-18 2011-03-24 Knorr-Bremse Systeme für Schienenfahrzeuge GmbH Verfahren und Vorrichtung zur Überwachung des Fahrverhaltens eines Schienenfahrzeugs
KR20140133635A (ko) * 2013-05-08 2014-11-20 이승영 철도 차량의 모니터링 시스템 및 방법
JP6509548B2 (ja) * 2014-12-15 2019-05-08 日本製鉄株式会社 鉄道車両状態監視装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000006807A (ja) * 1998-06-25 2000-01-11 Hitachi Ltd 鉄道車両及びその走行時の異常検知方法
JP2005067276A (ja) * 2003-08-20 2005-03-17 Hitachi Ltd 鉄道車両の異常検知装置
JP2006023204A (ja) * 2004-07-08 2006-01-26 Hitachi Ltd 移動体異常検知システム
JP2008013153A (ja) * 2006-07-10 2008-01-24 Central Japan Railway Co 鉄道車両の異常検知装置
JP2012100434A (ja) * 2010-11-02 2012-05-24 Akebono Brake Ind Co Ltd 鉄道車両用異常診断システム

Also Published As

Publication number Publication date
KR20180065628A (ko) 2018-06-18
JP2020500778A (ja) 2020-01-16

Similar Documents

Publication Publication Date Title
CN106458221B (zh) 用于监控车辆的提供至少部分自动化的行驶功能的系统的方法和设备
AU2019419781B2 (en) Vehicle using spatial information acquired using sensor, sensing device using spatial information acquired using sensor, and server
EP3453663A1 (en) Floor monitoring method, electronic device and computer storage medium for use when robot riding elevator
RU2515947C1 (ru) Устройство для оценки аэродинамического коэффициента и устройство для обнаружения отказа/повреждения управляющей поверхности
EP3492306B1 (en) Train automatic stop control device
JP5872381B2 (ja) 代替経路情報表示装置
US10338585B2 (en) Abnormal aircraft response monitor
US11592298B2 (en) Method for determining road surface conditions
CN107264287A (zh) 基于电动车辆的车速测量方法和装置
WO2018106044A1 (ko) 철도차량이상판별장치 및 철도차량 이상 판별 방법
WO2020141694A1 (en) Vehicle using spatial information acquired using sensor, sensing device using spatial information acquired using sensor, and server
CN109050512A (zh) 一种有轨电车停放制动故障的检测系统及检测方法
WO2013180450A1 (ko) 카메라를 이용한 승객 안전하차 감지시스템 및 그 방법
WO2018074647A1 (ko) 위험 분석 방법 및 장치, 컴퓨터 판독가능 기록 매체
BR102015030231B1 (pt) Método para computar um intervalo de segurança em torno de um veículo que circula em uma via férrea e dispositivo para discriminar a presença de um veículo férreo em um bloco de uma via férrea
JP2017143658A (ja) 車両ドア開閉方向制御支援装置
CN114755036B (zh) 磁浮列车悬浮系统的故障检测方法、装置、设备及介质
KR19980702581A (ko) 차량 조립체 구성에 대한 통보 데이터 세트의 체크 방법
JP5113398B2 (ja) 自動列車制御装置
KR101618414B1 (ko) 열차 방어구간 설정 시스템 및 열차 방어구간 설정 방법
CN112158237A (zh) 集成tcms和ato功能的深度融合系统和列车
KR20080042626A (ko) 차량간 연결부위 감지를 이용한 열차 정위치 정차유도시스템
EP2390159A1 (en) Handling a malfunction of a rail vehicle
JP4771891B2 (ja) 追跡信頼度判定プログラム
CN114323706B (zh) 一种列车ato控车故障检测方法、装置、设备及介质

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: 17878063

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019530818

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17878063

Country of ref document: EP

Kind code of ref document: A1