[go: up one dir, main page]

WO2011118290A1 - 移動体異常判断支援システム - Google Patents

移動体異常判断支援システム Download PDF

Info

Publication number
WO2011118290A1
WO2011118290A1 PCT/JP2011/053234 JP2011053234W WO2011118290A1 WO 2011118290 A1 WO2011118290 A1 WO 2011118290A1 JP 2011053234 W JP2011053234 W JP 2011053234W WO 2011118290 A1 WO2011118290 A1 WO 2011118290A1
Authority
WO
WIPO (PCT)
Prior art keywords
abnormality
failure
state data
abnormality determination
data
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/JP2011/053234
Other languages
English (en)
French (fr)
Inventor
匠 伏木
洋一 杉田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
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 Hitachi Ltd filed Critical Hitachi Ltd
Priority to GB1214932.4A priority Critical patent/GB2491291B/en
Publication of WO2011118290A1 publication Critical patent/WO2011118290A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
    • B61L27/57—Trackside diagnosis or maintenance, e.g. software upgrades for vehicles or trains, e.g. trackside supervision of train conditions

Definitions

  • the present invention relates to a moving body abnormality determination support system having a state monitoring device that monitors the state of various devices provided in the moving body, and more particularly to a system that includes support for abnormality determination of a moving body by a ground system.
  • a system that detects an abnormality of a moving body a system that acquires state data of the moving body and analyzes the acquired data when a failure occurs to detect an abnormality is widely known.
  • “failure” means “a state where the device is different from the normal state”.
  • “abnormal” means “a state that is not desired as a system due to a device failure and needs to be recovered by stopping the device”.
  • a sensor that detects the state is attached to a moving body, the sensor output is stored in the moving body, and the ground system analyzes the sensor output and extracts an abnormality detection condition.
  • a system is provided that has an extraction function, inputs the abnormality detection condition to a moving body, and compares the sensor output with the abnormality detection condition on the moving body to detect an abnormality of the moving body.
  • the vehicle dynamics are aggregated and analyzed, so that Vehicle dynamic management has been proposed in which a fixed sensor is not installed at a point, and the same effect is obtained as when the sensor is installed and the vehicle dynamic value is comprehensively observed (Patent Document 2).
  • the data acquisition interval is calculated by calculating the characteristic evaluation value for evaluating whether the characteristic of the stored value follows the past characteristic for the section instead of one value.
  • aggregation processing is performed, and estimation processing is performed for subsections with missing values to obtain characteristic evaluation values.
  • a low-cost, high-definition vehicle that calculates the attribution probability indicating the probability that the characteristic evaluation value is valid, compares the attribution probability with the threshold value, and issues a warning if the characteristic evaluation value is below the threshold value We intend to do dynamic management.
  • the status data of multiple devices in the same vehicle are compared and the abnormality is detected by separating them into position factor components and device factor components, but only the data in the same vehicle is used.
  • the vehicle data is not utilized.
  • vehicle status data is classified for each small section, and abnormal alarm judgment is made by comparing with past section information.
  • communication with the ground side will occur sequentially, and when vehicle dynamics are transmitted to the ground side by wireless communication, it becomes a burden in terms of transmission capacity, cost, and reliability, and raw data is accumulated Then, a huge storage capacity is required.
  • the moving object abnormality determination support system includes a measuring device that measures the state of various devices included in the moving member, and state data of the various devices measured by the measuring device.
  • a state monitoring device that detects the occurrence of a failure using the communication device, and a communication device that transmits to the ground system the type of failure that occurred and state data before and after the failure, and receives an abnormality determination result from the ground system.
  • the ground system analyzes a communication device that transmits / receives data to / from a mobile unit, a storage unit that stores past fault type and status data of the mobile unit, and status data of past faults.
  • An abnormality diagnosis unit that outputs an abnormality diagnosis result for determining whether or not there is an abnormality.
  • the ground system further includes an abnormality analysis database that stores the past failure types, abnormality diagnosis results, and state data in association with each other, a failure type transmitted from the mobile unit, and a state before and after the failure occurrence.
  • an abnormality occurrence predicting unit that outputs an abnormality determination result by comparing the data with past failure types and state data stored in the abnormality analysis database, and the communication device of the ground system displays the abnormality determination result. Send to the mobile.
  • the ground system determines the failure by comparing the failure information (failure type and status data) with the past failure information. Since the abnormality determination result obtained by performing is returned to the moving body side, the moving body can receive support for determining whether or not there is an abnormality from the ground system, and the abnormality determination with high accuracy can be performed. Since past information provided on the ground system side is obtained offline (when inspecting a moving object, etc.), it is not necessary to provide equipment with high costs to enable failure information to be transmitted by constant communication. . In addition, the failure information obtained by the ground system can be automatically or manually analyzed in advance and stored in the abnormality analysis database. The abnormality occurrence prediction unit searches past information in the abnormality analysis database based on the type of failure and the latest state data associated with the failure newly generated from the mobile body, and outputs the abnormality determination result in comparison with the search result. .
  • the abnormality occurrence prediction unit extracts from the abnormality analysis database state data of the same failure type as the failure type transmitted from the mobile unit, and the state at the time of failure occurrence
  • the degree of similarity between the data and the state data extracted from the abnormality analysis database can be calculated, and the abnormality diagnosis result of the state data having a high degree of similarity or the total value can be output as the abnormality determination result. That is, the ground system calculates the degree of similarity of state data by performing matching processing with the past information extracted from the anomaly analysis database for the failure information that has just occurred in the mobile object, and based on the similarity, It is possible to output an abnormality diagnosis result of the failed failure.
  • the abnormality occurrence prediction unit can output the reliability based on the aggregate value of abnormality diagnosis results of past failure state data having a high degree of similarity and the number of extracted abnormality analysis databases of the same failure type. .
  • the abnormality diagnosis result is a result that the degree of similarity with one of two different tendencies is high, or that the degree of similarity is low for either of two different tendencies.
  • a high degree of similarity can be an index with a high degree of reliability for each tendency corresponding to the degree of similarity, and a low degree of similarity can be an indicator with a reasonable degree of reliability.
  • the appearance frequency obtained based on the past failure status data for each trend is trusted. It can be a measure of degree.
  • the abnormality occurrence prediction unit includes a monitor that presents an abnormality determination result, and the final abnormality determination result that has been determined based on the abnormality determination result presented on the monitor is the mobile body. Can be transmitted via the input interface.
  • the mobile body includes a state data storage unit that accumulates the type of failure and the state data, and the state data stored in the state data storage unit is transmitted to the ground system using a data transmission medium that is different from the communication device.
  • the ground system can output the failure type and status data of a plurality of moving bodies, and output an abnormality diagnosis result based on the stored type and status data of the failure.
  • the type of failure that has occurred in the moving object and the status data before and after the occurrence of the failure need not be transmitted to the ground side by sequential wireless communication, such as periodic inspections.
  • sequential wireless communication such as periodic inspections.
  • the measurement and storage of data performed by a moving object can be performed by setting a cycle at a level that enables detailed analysis performed by the ground system.
  • the ground system As a result of the abnormality determination performed by the ground system, a determination as to whether or not a failure occurs to an abnormality is made with reference to a past case, so that an abnormality determination with high accuracy is possible.
  • the present invention does not adopt an aspect depending on information according to the movement section, so it is referred to including information on other movement sections, and support with higher accuracy from data with a large number of references. Can be done.
  • the ground system can assist in determining the abnormality, and even if there is a failure, it is possible to avoid an unnecessary stop when a failure occurs that would not lead to an abnormality. improves. In particular, when the moving body is a train, the railway service quality is improved.
  • FIG. 1 is a system configuration diagram showing an embodiment of a moving object abnormality determination support system according to the present invention.
  • FIG. 2 is a diagram showing a data structure of an abnormality analysis database in the mobile object abnormality determination support system shown in FIG.
  • FIG. 3 is a flowchart illustrating an example of a processing flow of the abnormality occurrence prediction unit in the ground system of the moving object abnormality determination support system illustrated in FIG. 1.
  • FIG. 4 is a diagram illustrating a determination example of an abnormality occurrence prediction unit in the ground system of the moving object abnormality determination support system illustrated in FIG. 1.
  • FIG. 5 is a diagram showing an example of a determination support screen of the abnormality occurrence prediction unit in the ground system of the moving object abnormality determination support system shown in FIG.
  • FIG. 6 is a diagram illustrating a screen example of the state monitoring device in the moving object of the moving object abnormality determination support system illustrated in FIG. 1.
  • Embodiments of a moving object abnormality determination support system according to the present invention will be described with reference to the drawings.
  • a system using a train as a moving body is described below.
  • FIG. 1 shows a system configuration diagram of a moving object abnormality determination support system of the present invention.
  • a moving body abnormality determination support system 100 includes a moving body, that is, a train 101 and a ground system 102.
  • the train 101 stores the measurement device 103 that measures the state of various devices included in the train 101, the state monitoring device 104 that monitors the state of various devices measured by the measurement device 103, and the state data monitored by the state monitoring device 104.
  • a state data storage unit 105, information on the state monitoring device 104 is displayed to the driver, a monitor 106 that receives input from the driver, and a communication device that is connected to the state monitoring device 104 and transmits / receives data to / from the ground system 102. 107.
  • the ground system 102 is analyzed by a state data storage unit 111 that stores state data of various devices included in the train 101, an abnormality diagnosis unit 112 that determines the presence / absence and cause of abnormality from the data in the state data storage unit 111, and an abnormality diagnosis unit 112.
  • a state data storage unit 111 that stores state data of various devices included in the train 101
  • an abnormality diagnosis unit 112 that determines the presence / absence and cause of abnormality from the data in the state data storage unit 111
  • an abnormality diagnosis unit 112. are connected to the abnormality analysis database 113 for storing the abnormality diagnosis results, the communication device 114 for transmitting and receiving data by communication with the train, the communication device 114 and the abnormality analysis database 113, and whether or not an abnormality will occur in the train in the future
  • An abnormality occurrence prediction unit 115 for determining whether or not an abnormality occurrence prediction unit 115 is displayed to a worker of the ground system, and a monitor 116 that receives the input is provided.
  • the moving object abnormality determination support system 100 performs abnormality determination and a data flow.
  • the system 100 includes two processes: a normal process that is normally performed, and a failure occurrence process that is performed when a failure occurs.
  • the measuring device 103 is a state of equipment provided in the train (for example, a carriage, a brake, etc.) and a state of a sensor provided in the equipment (hereinafter, these states are collectively referred to as “equipment state”). It is simply a device that acquires "status data”.
  • the measuring device 103 sends state data, that is, part or all of the data of the measured physical quantity that changes every moment of the device to the state monitoring device 104. Further, the measuring device 103 itself may be provided with a device self-health check function, and the device status code or failure code may be sent to the status monitoring device 104.
  • the state monitoring device 104 displays the state data and the state code sent from the measuring device 103 on the monitor 106.
  • the state monitoring device 104 also monitors the state data, detects a device failure from the change in the state data, and generates a failure code.
  • the device failure detection method generates a failure code using a known method, for example, when the range of preset upper and lower limit values is exceeded, or when data cannot be acquired for a certain period of time.
  • the generated failure code is displayed on the monitor 106 together with the failure code generated by the measuring device 103, and stored in the state data storage unit 105 together with the state data.
  • the state data storage unit 105 stores and accumulates normal state data and failure codes.
  • the status data is data used for abnormality diagnosis in the ground system described later, it is detailed status data (hereinafter referred to as “detailed status data”) with high time resolution (for example, a cycle of 100 msec). is necessary.
  • the failure mode and detailed state data stored in the state data storage unit 105 are stored in the state data storage unit 111 of the ground system 102 via the data flow 108.
  • the data flow 108 is a flow for regularly moving a large amount of data.
  • a method using a storage medium by a maintenance staff at a periodic train inspection, a method of connecting a cable, a method using proximity wireless, or the like may be used.
  • the communication device 107 may be used if there is a sufficient data transfer capacity.
  • the state data storage unit 111 stores failure modes and detailed state data of a plurality of trains.
  • the abnormality diagnosis unit 112 periodically analyzes and analyzes the data of the state data storage unit 111, and detects whether there is an abnormality in the device when the failure mode is recorded.
  • the failure represents a state in which the device is different from the normal state
  • the abnormality represents a state that is not desired as a system due to the failure of the device, or a state that requires recovery by stopping the device.
  • a commonly-known data analysis method may be used for the abnormality detection, and the abnormality location of the state data is detected by using frequency analysis, principal component analysis, regression analysis, etc., and the cause of the abnormality is specified. Moreover, you may observe the actual apparatus which caused the abnormality manually.
  • the abnormality diagnosis unit 112 records an abnormality diagnosis result indicating whether an abnormality has occurred in a certain failure mode in the abnormality analysis database 113. Although details of the abnormality analysis database will be described later, failure modes, abnormality diagnosis results, and state data are recorded in association with each other.
  • the moving object abnormality determination support system 100 can be provided in the abnormality analysis database 113 of the ground system 102 in association with the state data, failure mode, and abnormality diagnosis result measured by the train 101.
  • the ground system 102 is provided with the abnormality analysis database 113 to handle the state data for a plurality of trains 101.
  • the part up to the generation of the failure mode in the state monitoring device 104 using the state data acquired from the measuring device 103 when the failure occurs is common to the normal processing.
  • the failure occurrence status is presented to the driver through the monitor 106.
  • the train 101 transmits the failure mode and the latest state data 109 to the ground system 102 via the communication device 107, and the abnormality determination result determined based on the transmitted state data 109 is sent from the ground system 102.
  • the reliability 110 is received. Based on the abnormality determination result and its reliability 110, the driver can determine whether or not to continue the operation. That is, in the ground system 102, the communication device 114 receives the failure mode at the time of the failure and the latest state data 109.
  • the abnormality occurrence prediction unit 115 compares the failure mode and the latest state data 109 with the abnormality diagnosis result made by the abnormality diagnosis unit 112 recorded together with the failure mode in the abnormality analysis database 113, so that the failure mode at the time of occurrence of the failure.
  • the past failure mode corresponding to the above and the abnormality diagnosis result are extracted, and the prediction result as to whether or not the failure mode is connected to the abnormality from the abnormality diagnosis result is output to the train 101 as the abnormality determination result and its reliability 110. . Details of the processing of the abnormality occurrence prediction unit 115 will be described later.
  • the abnormality occurrence prediction unit 115 may include a monitor 116 and look at the output result of the abnormality occurrence prediction unit 115, and the maintenance staff or the operation manager may make a decision to send the abnormality determination result and the reliability 110 to the train. .
  • the moving object abnormality determination support system 100 can determine whether or not the operation is continued by obtaining the abnormality determination result and its reliability 110 in both the train 101 and the ground system 102. .
  • the reliability of the response at the time of failure occurrence is improved, so even if the status data alone can not detect an abnormality, it is possible to determine the operation continuity, and as a result This leads to an improvement in operating rate.
  • FIG. 2 shows the data structure of the abnormality analysis database 113 of the ground system 102.
  • the abnormality analysis database 113 includes abnormality analysis data 201 shown in (a) and related detailed state data 202 shown in (b).
  • the abnormality analysis data 201 includes pointers 1 to N that determine access to failure modes, abnormality diagnosis results, and state data.
  • the failure mode includes a device that outputs the failure mode and a code that indicates the type of the failure.
  • the abnormality diagnosis result is a result diagnosed by the abnormality diagnosis unit 112 and includes the presence / absence of an abnormality of the device and the cause of the abnormality when the device is abnormal.
  • the pointer to the status data is a pointer to status data related to the failure mode, and may include a plurality of status data, for example, status data of the device if the status of different devices affects the failure.
  • the status data pointer refers to data around the failure mode occurrence location in the detailed status data 202.
  • the detailed status data 202 includes a status data header, a failure detection time, and a status data string.
  • the status data header includes various basic information related to the status data, such as the type of status data (basic information related to the time of the status data string, the address of the status data, etc.).
  • the failure detection time includes the time when the failure mode occurs and is detected. By including the failure detection time, it becomes easy to extract state data around the failure mode occurrence.
  • the state data string is time-series data of the state data, includes time, state data, and an abnormality flag, and stores the time when the abnormality flag is set corresponding to the detection time.
  • the abnormality flag is a result of determining whether or not the state data at the time is abnormal, and is a result of the abnormality diagnosis unit 112 diagnosing.
  • FIG. 2 is an image of data represented by the abnormality analysis data 201 and the detailed state data 202.
  • FIG. 206 is an example when the failure mode is a decrease in air pressure and the abnormality diagnosis result is an air leakage abnormality.
  • the horizontal axis represents the failure detection time 207 and the state data string 203 is represented as a time-series graph (diagram). It is an example, and the air pressure of the brake is given as an example of the state data.
  • An abnormality flag included in the state data string 203 can display state data in which an abnormality has occurred, as indicated by 208 (an abnormality flag ON is indicated by a cross).
  • the moving object abnormality determination support system of the present invention can provide a failure mode, an abnormality determination result, and state data in association with each other, and extract an abnormality determination result for the failure mode. Making it easy. That is, for example, when a failure mode called air pressure drop is raised on a train, it is possible on the ground side to easily read similar cases in the past as a data string.
  • FIG. 3 shows a processing flow of the abnormality occurrence prediction unit 115 of the ground system 102. Hereinafter, it demonstrates according to a process step.
  • Step 301 (corresponding to S301 in the figure, the following step is abbreviated as S):
  • the abnormality occurrence prediction unit 115 of the ground system 102 determines the failure mode and occurrence time at the occurrence of the failure of the mobile body (train 101) acquired by communication, and Read the status data of the latest device.
  • S302 The failure mode data identical to the failure mode acquired in S301 is extracted from the abnormality analysis database 113 (data accumulated in the past; usually, there are a plurality as shown in FIG. 2).
  • S303 The number of data of the same failure mode extracted in S302 is stored in the memory.
  • S304 The process up to S312 is repeated for the number of data in the same failure mode.
  • the processing up to S312 is performed for each piece of the accumulated state data B extracted.
  • S305 The state data (state data A) at the time of failure occurrence is matched with the state data (state data B) extracted from the abnormality analysis database 113.
  • the matching is a process of comparing the similarity of data.
  • the state data to be matched data for a predetermined number of times before and after the state detection time is used.
  • an inner product of vectors can be used. Taking the time series direction of the state data as a vector dimension and taking the inner product of the standardized state data A and state data B, the inner product takes a value between -1 and 1, and the value is 1. The closer it is, the more similar tendency is shown.
  • This inner product is used as a matching rate.
  • the similarity may be determined using a scale such as a correlation coefficient and a regression analysis determination coefficient.
  • matching may be performed using data converted into the frequency domain by Fourier transform or the like.
  • S306 The matching rate acquired in S305 is stored in the memory.
  • S307 It is determined whether or not the matching rate is equal to or higher than a predetermined threshold value. If the matching rate is equal to or greater than the threshold, the process proceeds to S308, and if it is smaller, the process proceeds to S309.
  • S308 If the matching rate is equal to or higher than the threshold, it is determined that the state data A and the state data B are similar, and is stored in the memory as “matching”.
  • S309 If the matching rate is less than the threshold, it is determined that the state data A and the state data B are not similar, and is stored in the memory as “unmatching”.
  • the reliability is calculated from the number of matching of the state data A with the state data B and the abnormality diagnosis result.
  • the state data A is data up to immediately after failure detection
  • most of the data to be matched is data up to immediately before failure detection. That is, the matching rate represents the degree of similarity up to the state data B immediately before the failure detection.
  • the state data A can be predicted to be “no abnormality” or “abnormal” using the number of cases as an index of reliability.
  • FIG. 4 shows a determination example of the abnormality occurrence prediction unit.
  • FIG. 4 shows, as an example, a case where the brake air pressure decreases, 401 is state data of a case to be judged (“judgment case” and state data of a failure that occurred in the train 101), and 402 is an abnormality analysis.
  • the state data shown here represents the same expression as the graph shown at 204 in FIG.
  • Reference numeral 404 denotes a matching rate of the case 401 to the case 402, and reference numeral 405 denotes a matching rate of the case 401 to the case 403.
  • the reliability that is the total result is indicated by 406.
  • a case with a higher matching rate (95%) is adopted as the abnormality determination result, and the higher matching rate is used as an index of reliability.
  • this failure mode is an example in which the air pressure has temporarily dropped when a failure is detected, but in the past cases, it is divided into “no abnormality” and “abnormal”, but the status data of the determination target case 401 is “”
  • the matching rate with the status data “no abnormality” is high.
  • the matching rate for “no abnormality” is high, and there is no matching rate for “abnormal”. It is a case that can do.
  • FIG. 5 is an example of a determination support screen of the abnormality occurrence prediction unit.
  • This screen is an example of a screen that is displayed on the monitor 116 on the ground system 102 side where the maintenance staff or the operation manager actually supports the judgment of abnormality determination with reference to the state data and past cases.
  • the screen 501 includes information for assisting the judgment such as the failure mode 502, the occurrence time and the elapsed time 503, and the reference numeral 504 overlays the state data of the failure to be judged and the state data of the past case to be compared.
  • Expressions 505 to 509 are state data of past cases.
  • the order and display size are changed based on the degree of matching or the presence or absence of abnormality (in the example shown, the two state data with the higher matching rate are larger and the three with the lower matching rate are State data is shown small). Further, by selecting 505 to 509 as a comparison control, a function of evaluating on the same time series graph on the screen of 504 is given. In addition, a display function of reliability is provided in 510 so that various types of information can be referred to. An abnormality determination 511 button or an abnormality determination 512 button is provided, and a maintenance staff or operation manager makes a determination.
  • FIG. 6 is an example of a screen of the moving body state monitoring device.
  • a screen 601 illustrated in FIG. 6 is an example of a screen on which the driver confirms the failure mode and the abnormality determination result together with the reliability in response to the ground-side support result performed on the determination support screen illustrated in FIG.
  • the screen 601 displays a failure occurrence time and elapsed time 602, a failure occurrence portion 603 of the train 101, and a failure mode 604.
  • the screen 601 further has a function of displaying the abnormality determination result 605 of the ground side system 102 and its reliability 606, and supports the operation restart determination when a failure occurs based on various information.
  • a function indicating confirmation 607 or rejection 608 is provided for the abnormality determination result on the ground side, and the ground system 102 is notified.
  • the driver can make a determination to resume operation with high reliability.
  • the cause of failure is analyzed on the ground side, and the obtained abnormality determination result is transmitted to the mobile unit.
  • the cause of the failure can be notified to the mobile body system without delay.
  • trains and railway vehicle operations have been mainly described as mobile objects.
  • other abnormality diagnosis systems particularly online and offline mobile objects with limited data collection, for example, operation by operation managers. It can also be applied to ships, aviation, and mining machinery construction machinery, which are supported transportation services.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

　移動体の故障発生時における故障から異常に繋がる可能性を適切に予測し、誤検知を低下させて稼働率の向上を目的とする移動体異常判断支援システムを提供する。　移動体異常判断支援システムは、移動体１０１に、各種計測装置１０３と、計測装置からの状態データを用いて故障発生を検知する状態監視装置１０４と、地上システム１０２に故障情報を送信し、地上システムからの異常判定結果を受信する通信装置１０７とを備える。地上システム１０２は、移動体とデータを送受信する通信装置１１４と、過去の故障情報を蓄積する蓄積部１１１と、過去の故障が異常であるか否かを分析・判定する異常診断部１１２と、過去の故障情報と異常診断結果とを関連付けて記憶する異常分析データベース１１３と、故障発生時の故障情報と異常分析データベース１１３とを対比して異常判定結果を出力する異常発生予測部１１５とを備える。

Description

移動体異常判断支援システム
　本発明は、移動体に備わる各種機器の状態を監視する状態監視装置を有する移動体異常判断支援システムに関わり、特に地上システムによる移動体の異常判断の支援を伴うシステムに関する。
　移動体の異常を検知するシステムに関して、移動体の状態データを取得し、故障発生時に当該取得したデータを解析して異常を検出するシステムが広く知られている。ここで「故障」とは「機器が通常の状態と異なる状態」をいう。また、「異常」とは「機器の故障によりシステムとして望まれない状態であって、機器を停止するなどして回復が必要な状態」をいう。
　例えば、特許文献１では、移動体にその状態を検出するセンサを取り付けて、そのセンサ出力を移動体に記憶し、地上システムは、前記センサ出力を解析して異常検知条件を抽出する異常検知条件抽出機能を有しており、前記異常検知条件を移動体に入力し、移動体上で前記センサ出力と前記異常検知条件を比較して移動体の異常を検知するシステムを提供している。これにより、移動体側に異常検知条件抽出機能のような高性能の装置を有することなく、移動体製作時に想定していなかった異常であってもそれを移動体において容易に素早く検知することができるようにしている。
　車両により収集された車両動態値を小区間ごとに格納・管理し、当該小区間毎の複数の車両についての車両動態値を用いて車両の動態を集計・分析することで、路線上の多数の地点に固定センサを設置することなく、同センサを設置して網羅的に車両動態値を観測した場合と同様の効果を得ることを図った車両動態管理が提案されている（特許文献２）。この提案によれば、データの取得間隔については、一つの値ではなく区間に対して格納値の特性が過去の特性に従うか否かを評価するための特性評価値を算出することで、距離算出の誤差を吸収し、また、同一小区間に対して複数の値が得られた場合は集約処理を行い、値が欠損した小区間に対しては推定処理を行うことにより特性評価値を得て、特性評価値が正当である確率を示す帰属確率を算出し、特異性判定部が帰属確率と閾値とを比較し、閾値以下である場合に警告を発するようにして低コストで高精細な車両動態管理を行うことを図っている。
特開２００４－３０６８８０号公報 特開２００９－７８７６４号公報
　前記に挙げたシステムでは、同一車両複数機器の状態データを比較して、位置要因成分、機器要因成分に分離して異常を検知しているが、同一車両内のデータのみを利用しており他の車両のデータが活用されていない。また、車両動態値を小区間ごとに格納・管理する手法では、車両状態データが小区間ごとに分類され、区間の過去情報と比較して異常警報判定をしているので過去情報を活用してはいるが、地上側との通信が逐次発生する危惧が大きく、車両動態値を無線通信で地上側に伝送する場合には伝送容量やコスト、信頼性の観点で負担になり、生データを蓄積するとなると莫大な蓄積容量が必要になる。
　また、前記のシステムでは、故障時の状態データ（＝センサ出力）に異常の兆候が含まれていなければ異常検知を判定することができない。逆に、故障発生時までの状態データに何らかのデータ変化があり異常検知条件を満たしても、その後状態データが回復し、条件判定に基づいて下した異常検知の判断が誤検知となる場合もある。いずれにしても、故障発生時点では将来の状態データは移動体上で得られておらず、また将来の状態データを予測するのに十分な状態データを移動体上に備えることは困難である。このように、発生した故障が軽微なものであってもその時点では移動体の乗務員の単独では異常との判断がつかず、移動体を停止させてしまうことが多い。このため、誤検知によって、異常判定に起因した本来不要な運転停止を移動体に促すことになり稼働率の低下を招くこととなる。特に移動体が列車である場合、サービス品質の低下に繋がる。
　そこで、故障が発生した時点で地上システム側から過去の事例を参照するなどして高度な支援が図られれば、当該故障から異常へ至るか否かの異常判断を確度の高いものにすることができると考えられ、そうした高度な支援を確立する点で解決すべき課題がある。
　本発明では、上記の課題に対して、故障発生の際に、移動体の状態データを地上側に送信し、地上側において過去の事例を参照するなどして故障から異常に繋がる可能性を適切に予測する高度な支援を行い、移動体を停止させるに至る誤検知となる確率を低下させて移動体の稼働率の向上を目指すものである。
　上記課題を解決するために、本発明の移動体異常判断支援システムは、移動体は、当該移動体に備える各種機器の状態を計測する計測装置と、計測装置が計測した前記各種機器の状態データを用いて故障発生を検知する状態監視装置と、地上システムに当該発生した故障の種類と故障発生時前後の状態データを送信し、地上システムからの異常判定結果を受信する通信装置とを備える。また、地上システムは、移動体とデータを送受信する通信装置と、移動体の過去の故障の種類及び状態データを蓄積する蓄積部と、過去の故障の状態データを分析するとともに当該故障が異常であるか否かを判定した異常診断結果を出力する異常診断部とを備える。地上システムは、更に、前記過去の故障の種類と異常診断結果と状態データとを関連付けて記憶する異常分析データベースと、移動体から送信された故障発生時の故障の種類と故障発生時前後の状態データと異常分析データベースに記憶されている過去の故障の種類及び状態データとを対比して異常判定結果を出力する異常発生予測部とを備えており、地上システムの通信装置は、異常判定結果を前記移動体に送信する。
　本発明である移動体異常判断支援システムによれば、移動体において故障が発生したとき、地上システムにおいては、その故障情報（故障の種類及び状態データ）と過去の故障情報との対比により故障判断をして得られた異常判定結果を移動体側に返信するので、移動体においては、地上システムから異常の有無の判定にしての支援を受けることができ、確度の高い異常判断が可能となる。地上システム側で備える過去情報についてはオフライン（移動体の検査時等）で取得するとしているので、常時通信によって故障情報を送信するのを可能にするための高いコストを伴う設備を備える必要がない。また、地上システムが入手した故障情報については、自動又は手動で故障原因を予め解析して異常分析データベースに蓄積しておくことができる。異常発生予測部では、移動体から新たに発生した故障に伴う故障の種類と直近の状態データに基づいて、異常分析データベースにおいて過去情報を検索し、検索結果と対比して異常判定結果を出力する。
　本移動体異常判断支援システムにおいて、異常発生予測部は、移動体から送信された故障発生時の故障の種類と同一の故障の種類の状態データを異常分析データベースから抽出し、故障発生時の状態データと異常分析データベースから抽出した状態データとの類似度を算出し、類似度が高い状態データの異常診断結果、又はその集計値を異常判定結果として出力することができる。即ち、地上システムは、移動体で発生した故障の直近の故障情報について異常分析データベースから抽出した過去情報とのマッチング処理をして状態データの類似度を算出し、当該類似度に基づいて、発生した故障の異常診断結果を出力することができる。例えば、軽微な故障と一致した場合には、運行継続判断を返信することが可能である。また、異常発生予測部は、類似度が高い過去の故障の状態データの異常診断結果の集計値、抽出した同一の故障の種類の異常分析データベースの件数を元に信頼度を出力することができる。
　本移動体異常判断支援システムにおいて、異常診断結果が、異なる二つの傾向のいずれかとの類似度が高いとの結果であること、又は異なる二つの傾向のいずれについても類似度が低いとの結果である場合には、高い類似度については当該類似度に対応した各傾向についての信頼度の高い指標とすることができ、低い類似度についてはそれなりの低い信頼度としての指標とすることができる。また、異常診断結果が、異なる二つの傾向について類似度に実質的な差がないとの結果であることに応答して、各傾向について過去の故障の状態データに基づいて得られる出現頻度を信頼度の指標とすることができる。
　本移動体異常判断支援システムにおいて、異常発生予測部は、異常判定結果を提示するモニタを備え、モニタに提示された異常判定結果に基づいて判断が下された最終的な異常判定結果を移動体に対して入力インタフェースを介して送信することができる。また、移動体は、故障の種類と状態データを蓄積する状態データ記憶部を備え、状態データ記憶部に記憶された状態データを通信装置とは別のデータ伝送メディアを用いて地上システムに対して出力し、地上システムは、複数の移動体の故障の種類及び状態データを蓄積し、蓄積した故障の種類及び状態データに基づいて異常診断結果を出力することができる。
　本発明である移動体異常判断支援システムによれば、移動体に発生した故障の種類と故障発生時前後の状態データについては、逐次無線通信によって地上側に送信する必要はなく、定期点検等のように定期的な時期を選んで、そのときまでに移動体側で蓄積された複数の機器の状態データを適宜に取り出して地上システム側に送信すればよい。移動体で行うデータの計測・保存では、地上システムで行う詳細分析が可能なレベルでの周期を設定して行うことも可能である。また、地上システムで行う異常判定の結果は、故障発生から異常へ至るか否かの判断が過去の事例を参照してなされるため、確度の高い異常判断が可能となる。この過去の事例の参照に際して、本発明では移動区間に応じた情報に依存する態様を採っていないので、他の移動区間の情報も含めて参照され、参照数の多いデータからより確度の高い支援を行うことが可能である。こうした移動体の故障発生時に地上システム側から異常判断について支援が受けられ、故障であっても異常に至らないであろう故障発生時の不要な停止を避けることができ、移動体の稼働率が向上する。特に移動体が列車である場合、鉄道運行サービス品質が向上する。
図１は、本発明による移動体異常判断支援システムの一実施例を示すシステム構成図である。 図２は、図１に示す移動体異常判断支援システムにおける異常分析データベースのデータ構造を示す図である。 図３は、図１に示す移動体異常判断支援システムの地上システムにおける異常発生予測部の処理フローの一例を示すフローチャートである。 図４は、図１に示す移動体異常判断支援システムの地上システムにおける異常発生予測部の判定例を示す図である。 図５は、図１に示す移動体異常判断支援システムの地上システムにおける異常発生予測部の判定支援画面例を示す図である。 図６は、図１に示す移動体異常判断支援システムの移動体における状態監視装置の画面例を示す図である。
　本発明による移動体異常判断支援システムの実施の形態を、図面を参照して説明する。以下では移動体として列車を用いたシステムについて述べる。
　図１は、本発明の移動体異常判断支援システムのシステム構成図を示したものである。図１において、移動体異常判断支援システム１００は、移動体、即ち列車１０１と、地上システム１０２とによって構成されている。列車１０１は、列車１０１に備わる各種機器の状態を計測する計測装置１０３、計測装置１０３が計測した各種機器の状態を監視する状態監視装置１０４、状態監視装置１０４が監視した状態のデータを記憶する状態データ記憶部１０５、状態監視装置１０４の情報を運転手に表示し、運転手からの入力を受け付けるモニタ１０６、及び状態監視装置１０４と接続されており地上システム１０２とデータの送受信を行う通信装置１０７を備えている。
　地上システム１０２は、列車１０１に備わる各種機器の状態データを蓄積する状態データ蓄積部１１１、状態データ蓄積部１１１のデータから異常の有無、原因を判定する異常診断部１１２、異常診断部１１２によって分析された異常診断結果を蓄積する異常分析データベース１１３、列車と通信によってデータの送受信を行う通信装置１１４、通信装置１１４と異常分析データベース１１３とに接続されており、将来列車で異常が発生するか否かを判定する異常発生予測部１１５、及び異常発生予測部１１５の状態を地上システムの作業員に対して表示し、その入力を受け付けるモニタ１１６を備えている。
　図１を用いて、移動体異常判断支援システム１００が異常判定を行う処理とデータの流れを説明する。異常判定処理を行うために、システム１００は通常時行っている通常処理と、故障発生時に行う故障発生時処理の二つの処理を備える。
　まず、通常処理について説明する。計測装置１０３は、列車に備える機器（例えば、台車、ブレーキなど）の状態や機器が備えるセンサの状態（以下、これらの状態をまとめて「機器の状態」とし、機器の状態のデータについえては単に「状態データ」という）を取得する装置である。計測装置１０３は、状態データ、即ち、機器の時々刻々と変化する計測物理量のデータの一部又は全部を状態監視装置１０４に送る。また、計測装置１０３自身が機器のセルフヘルスチェック機能を備えていて、機器の状態コードや故障コードを状態監視装置１０４に送ってもよい。状態監視装置１０４は、計測装置１０３から送られた状態データや状態コードをモニタ１０６に表示する。
　状態監視装置１０４は、また、状態データを監視し、当該状態データの変化から機器の故障を検知し、故障コードを生成する。このとき機器の故障検知方法は公知の方法を用いて、例えば予め設定した上下限値の範囲を超えた場合、或いはデータが一定時間取得できない場合に故障コードを生成する。生成した故障コードは計測装置１０３が生成した故障コードと併せて、モニタ１０６に表示し、状態データと共に状態データ記憶部１０５に記憶する。状態データ記憶部１０５は、通常時の状態データ及び故障コードを記憶し蓄積する。ここで、状態データは後述する地上システムでの異常診断に用いるデータであるので、時間分解能が高い（例えば１００ｍｓｅｃ周期などの）詳細な状態データ（以下、「詳細状態データ」という）であることが必要である。
　状態データ記憶部１０５に記憶される故障モード及び詳細状態データは、データフロー１０８を介して地上システム１０２の状態データ蓄積部１１１に蓄積される。ここで、データフロー１０８は大容量のデータを定期的に移動するフローである。地上システム１０２へのデータ伝送にあたっては、定期的に行われる列車点検時における保守員による記憶媒体を用いる方法、ケーブルを接続する方法、近接無線による方法などを用いればよい。データ転送容量に余裕があれば通信装置１０７を用いてもよい。状態データ蓄積部１１１は、複数の列車の故障モード、詳細状態データを蓄積する。異常診断部１１２は、定期的に状態データ蓄積部１１１のデータ解析や分析を行い、故障モードが記録された際の機器の異常の有無を検出する。
　ここで、上記したとおり、故障とは機器が通常の状態と異なる状態を表し、異常とは機器の故障によりシステムとして望まれない状態、機器を停止するなどして回復が必要な状態を表す。異常検出には一般的に知られるデータ解析手法を用いればよく、周波数分析、主成分分析、回帰分析等を用いて状態データの異常個所を検知し、異常原因を特定する。また人手によって異常を起こした実際の機器を観察してもよい。異常診断部１１２は、ある故障モードに対して異常が発生したか否かである異常診断結果を異常分析データベース１１３に記録する。異常分析データベースの詳細は後述するが、故障モード、異常診断結果、状態データを関連付けて記録する。
　以上の通常処理によって、移動体異常判断支援システム１００は、列車１０１で計測された状態データ、故障モード、異常診断結果を関連づけて、地上システム１０２の異常分析データベース１１３に備えることができる。異常診断結果を導出するためには、大量の詳細状態データを用いた複雑な処理が必要であるため、列車１０１に備えることは困難であり、地上システム１０２が存在することによって実現できる。また、複数の列車１０１についての状態データを扱えることも地上システム１０２に異常分析データベース１１３を備えるメリットである。
　次に、故障発生時処理について説明する。故障発生時に計測装置１０３から取得した状態データ等を用いて状態監視装置１０４にて故障モードを生成する部分までは、通常処理と共通である。故障発生時には、故障発生状況がモニタ１０６を通じて運転手に提示される。しかし運転手がその故障が運行にどの程度影響を与えるか、異常に繋がるかどうかの判断を下すことは、異常判定結果が手元に存在しないと困難である。また、異常判定結果を状態監視装置１０４で判定するには、列車１０１に大量の詳細状態データを備え、複雑な処理を備えることの困難さがある。
　そこで、列車１０１は、通信装置１０７を介して地上システム１０２に故障モード、直近の状態データ１０９を送信し、地上システム１０２からは、送信された状態データ１０９に基づいて判定された異常判定結果とその信頼度１１０を受信する。この異常判定結果とその信頼度１１０によって運転手は運行継続か否かの判断が可能となる。即ち、地上システム１０２では、故障発生時の故障モード、直近状態データ１０９を通信装置１１４にて受信する。異常発生予測部１１５は、この故障モードや直近状態データ１０９と、異常分析データベース１１３に故障モードとともに記録されている異常診断部１１２がした異常診断結果とを対比して、故障発生時の故障モードに該当する過去の故障モードと異常診断結果を抽出し、その異常診断結果から当該故障モードが異常に繋がるか否かの予測結果を異常判定結果とその信頼度１１０として列車１０１に対して出力する。異常発生予測部１１５の処理の詳細については後述する。異常発生予測部１１５は、モニタ１１６を備えて、異常発生予測部１１５の出力結果を見て、保守員、あるいは運行管理者が異常判定結果、信頼度１１０を列車に送る判断をしてもよい。
　以上の故障発生時処理によって、移動体異常判断支援システム１００は、列車１０１、地上システム１０２の双方にて異常判定結果とその信頼度１１０を得て、運行継続か否かの判断が可能となる。特に、過去の事例と直近の状態データを対比することによって故障発生時の対応の信頼性が向上するため、状態データのみでは異常が検知できない場合でも運行継続判断が可能となり、結果として列車１０１の稼働率向上に繋がる。
　図２は、地上システム１０２の異常分析データベース１１３のデータ構造を表したものである。異常分析データベース１１３は、（ａ）に示す異常分析データ２０１と、（ｂ）に示す関連する詳細状態データ２０２を備える。異常分析データ２０１は、故障モード、異常診断結果、状態データへのアクセスを定めるポインタ１～Ｎを備える。故障モードは、故障モードを出力する機器、及びその故障の種類を表すコードを含む。異常診断結果は、異常診断部１１２が診断した結果であり、機器の異常の有無、機器異常時にはその異常の原因を含む。状態データへのポインタは、当該故障モードが関連する状態データへのポインタであり、複数の状態データ、例えば異なる機器の状態が故障に影響していれば、その機器の状態データを含んでもよい。状態データポインタは詳細状態データ２０２の当該故障モード発生箇所周辺のデータを参照する。
　詳細状態データ２０２は、状態データヘッダ、故障検知時刻、状態データ列を含む。状態データヘッダは、状態データの種類等、状態データに関連する各種基本情報（状態データ列の時刻や状態データ等のアドレス等に関する基本情報）を含む。故障検知時刻は、故障モードが発生し検知した時刻を含む。故障検知時刻を含むことで、故障モード発生周辺の状態データ抽出が容易となる。状態データ列は、状態データの時系列データであり、時刻、状態データ、異常フラグを含んでいて、異常フラグが立った時間を検知時刻に対応して記憶している。異常フラグは当該時刻の状態データが異常であるか否かを判定した結果であり、異常診断部１１２が診断した結果である。
　図２の（ｃ）に示す２０４は、異常分析データ２０１と詳細状態データ２０２が表すデータのイメージである。２０６は、故障モードが空気圧低下であり異常診断結果が空気漏れ異常となったときの例であって、横軸を故障検知時刻２０７として状態データ列２０３を時系列グラフ（線図）として表した例であり、状態データの例としてブレーキの空気圧を挙げている。状態データ列２０３に含まれる異常フラグは、２０８のように異常が発生している状態データを表示できる（×印で異常フラグＯＮを表している）。
　以上の異常分析データベース１１３を備えることにより、本発明の移動体異常判定支援システムは、故障モードと異常判定結果と状態データを関連付けて備えることが可能であり、故障モードに対する異常判定結果を抽出することを容易にしている。即ち、例えば、空気圧低下という故障モードが列車上で上がったときに、地上側では、過去に同様の事例をデータ列として簡単に読み出すことを可能にしている。
　図３は、地上システム１０２の異常発生予測部１１５の処理フローを表したものである。以下、処理ステップに従い説明する。
　ステップ３０１（図中のＳ３０１に相当、以下ステップをＳとして略す）：地上システム１０２の異常発生予測部１１５は、通信によって取得した移動体（列車１０１）の故障発生時の故障モードと発生時及びその直近の機器の状態データを読み込む。
　Ｓ３０２：異常分析データベース１１３から、Ｓ３０１で取得した故障モードと同一の故障モードのデータ（過去に蓄積されていたデータ；通常、図２に示すように複数個存在する）を抽出する。
　Ｓ３０３：Ｓ３０２で抽出した同一故障モードのデータ件数をメモリに記憶する。
　Ｓ３０４：同一故障モードのデータ件数分、以下Ｓ３１２までの処理を繰り返す。即ち、抽出された蓄積状態データＢの１件毎にＳ３１２までの処理を行う。
　Ｓ３０５：故障発生時の状態データ（状態データＡ）と異常分析データベース１１３から抽出した状態データ（状態データＢ）をマッチングする。ここでマッチングとはデータの類似度を比較する処理である。マッチング対象とする状態データは、状態検知時刻を基準として前後所定の時刻数分のデータを用いる。マッチング処理として、例えばベクトルの内積を用いることができる。状態データの時系列方向をベクトルの次元として捉え、規格化した状態データＡ、状態データＢの内積をとれば、その内積の値は－１から１までの間の値を取り、値が１に近いほど類似した傾向を示すこととなる。この内積をマッチング率とする。また、内積以外にも相関係数、回帰分析の決定係数等の尺度を用いて類似度を判定してもよい。また時系列データの代わりに、フーリエ変換等によって周波数領域に変換したデータを用いてマッチングさせてもよい。
　Ｓ３０６：Ｓ３０５で取得したマッチング率をメモリに記憶する。
　Ｓ３０７：マッチング率が予め指定された閾値以上か否かを判定する。マッチング率が閾値以上であれば処理はＳ３０８に、小さければＳ３０９に進む。
　Ｓ３０８：マッチング率が閾値以上であれば、状態データＡと状態データＢは類似していると判断し、「マッチング」としてメモリに記憶する。
　Ｓ３０９：マッチング率が閾値未満であれば、状態データＡと状態データＢは類似していないと判断し、「アンマッチング」としてメモリに記憶する。
　Ｓ３１０：状態データＢについて記憶されている異常診断結果が「異常あり」であったか「異常なし」であったかを記憶する。異常診断結果が「異常あり」であればＳ３１１に進み、「異常あり」としてメモリに記憶する。異常診断結果が「異常なし」（＝正常）であればＳ３１２に進み、「異常なし」としてメモリに記憶する。
　以上のＳ３０４以下の状態データＢに対する処理は終了する。この結果、状態データＡは、状態データＢの１件毎に対して、「異常あり」と「マッチング」／「アンマッチング」、「異常なし」と「マッチング」／「アンマッチング」の４パターンのいずれかに分類できる。
　Ｓ３１３：状態データＡの状態データＢに対するマッチング件数、異常診断結果から信頼度を算出する。ここで、状態データＡは故障検知直後までのデータであるので、マッチング対象となるのは大半が故障検知直前までのデータである。即ち、マッチング率が表すのは、状態データＢに対する故障検知直前までの類似度である。ある故障モードに対して、故障検知直前までの状態データＡに正常と異常で異なる傾向が現れているならば、現在の状態データＡと過去の各状態データＢとのマッチング率の計算結果においては、異常診断結果としては、異なる二つの傾向のそれぞれとのマッチング率が高くなることが予想され、「異常なし」かつ「マッチング」、「異常あり」かつ「マッチング」のどちらか一方に件数が集まり、この件数を信頼度の指標として状態データＡは「異常なし」、または「異常あり」と予測できる。
　一方、ある故障モードに対して、故障検知直前までの状態データＡに正常と異常で差がない場合、「異常なし」かつ「マッチング」と、「異常あり」かつ「マッチング」との両方の件数のデータが集まる。即ち、この場合には、状態データＡについて想定される「異常なし」と「異常あり」の比率は、過去の事例（状態データＢ）における「異常なし」と「異常あり」の出現頻度に近い比率となるはずである。換言すれば、状態データＡに正常と異常で差がない場合には、過去の事例ベースで判断してもよいということを判断支援することができる。しかし、ここでマッチング後の「異常あり」のケースが皆無であれば、過去の事例でも「異常なし」かつ状態データのマッチングによって「異常なし」に遷移することが計測データからも統計的に高信頼に予測できる。よって「異常なし」の信頼度を高めることが可能である。また、さらに「アンマッチング」が多い場合（過去に事例がないようなデータのパターンを示すケース）は、例え過去に異常がなかったとしても今後異常に発展する可能性は否定しずらく、この「アンマッチング」の件数も信頼性の指標として利用できる。また、そもそもの過去の同一故障モードの件数自体が少なければ、信頼に足らない結果となりうる。
　以上の論理から、（１）過去の同一故障モード件数、（２）「異常なし」「マッチング」件数、「異常あり」「マッチング」件数、及び（３）「アンマッチング」件数の少なくとも一つを信頼度として算出する。
　Ｓ３１４：Ｓ３１３で求めた信頼度に基づき、状態データＡに対する異常判定結果を出力する。
　図４は、異常発生予測部の判定例を示したものである。図４は一例としてブレーキの空気圧低下のケースを示しており、４０１は判定対象となるケースの状態データ（「判定対象ケース」であって列車１０１で発生した故障の状態データ）、４０２は異常分析データベースに含まれる「異常なし」ケースの例、４０３は「異常あり」ケースＮの例である（ケース２からケース（Ｎ－１）までの掲載を省略している）。また、ここで示した状態データは、図２の（ｃ）である２０４に示したグラフと同様の表現を表している。４０４はケース４０１のケース４０２に対するマッチング率を表しており、４０５はケース４０１のケース４０３に対するマッチング率を表している。また集計結果である信頼度は４０６に示している。ここで、異常判定結果としては、マッチング率の高い（９５％）方のケースが採用され、当該高いマッチング率が信頼度の指標とされる。
　本故障モードの一例は、故障検知時に一時的に空気圧が低下したが、過去の事例では「異常なし」「異常あり」に分かれている例であるが、判定対象ケース４０１の状態データは、「異常なし」の状態データとのマッチング率が高い例である。この場合、集計結果にもあるように、「異常なし」へのマッチング率が高く、「異常あり」へのマッチング率が皆無であるため、結果として高い信頼度で「異常なし」と判定することができるケースである。
　図５は、異常発生予測部の判定支援画面例である。本画面は保守員又は運行管理者が実際に状態データ、過去の事例を参考にして異常判定の判断を支援する地上システム１０２側のモニタ１１６に映し出される画面の例である。画面５０１は、故障モード５０２、発生時刻及び経過時間５０３のように判断の支援となる情報を含み、５０４は判定対象となる故障の状態データ及び比較対照となる過去の事例の状態データを重ねて表現したもの、５０５乃至５０９は過去の事例の状態データである。５０５から５０９はマッチングの一致度、或いは異常の有無を基準に順序、表示サイズを変更する（図示の例では、マッチング率の高い方の二つの状態データを大きく、マッチング率の低い方の三つの状態データを小さく示している）。また、５０５から５０９を比較対照として選択することによって、５０４の画面上にて同一時系列グラフ上で評価する機能を与える。更に５１０に信頼度の表示機能を備えて各種情報を参考可能とし、異常判定５１１ボタン又は異常なし判定５１２ボタンを備えて保守員又は運行管理者が判断を下す機能を備える。例えば「異常あり」の過去の事例を５０５から５０９の上位に配置すれば、５０４で「異常あり」と優先的に比較することが可能となり、もし「異常あり」に近い状態データが出現すれば早い段階で異常判定を下し、列車停止が可能となる。
　以上のような地上システムでの判定支援画面を備えることにより、保守員または運行管理者は迅速、かつ信頼度の高い異常判定を支援することができ、判断結果は異常判定結果、信頼度１１０として列車１０１に対して出力される。
　図６は、移動体の状態監視装置の画面例である。図６に示す画面６０１は、図５に示す判定支援画面で行われた地上側の支援結果を受けて、運転手が故障モード及び異常判定結果を信頼度とともに確認する画面の例である。画面６０１は、故障発生時刻及び経過時間６０２、列車１０１の故障発生部位６０３、故障モード６０４を表示する。画面６０１は、更に、地上側システム１０２の異常判定結果６０５、及びその信頼度６０６を表示する機能を備え、各種情報を元に故障発生時の運転再開判断を支援する。また、地上側の異常判定結果に対して、確認６０７又は拒否６０８を示す機能を備え、地上システム１０２に対して連絡する。
　以上のような移動体での判定支援画面を備えることにより、運転手は高い信頼性をもって運行再開判断を下すことが可能となる。
　また、上記の実施例では、地上側で故障要因の分析を行い、得られた異常判定結果を移動体側に送信しているのが、故障時直近の状態データのみで故障要因が判定可能であれば、異常判定ロジックを移動体側に搭載することで、遅滞無く、故障要因を移動体のシステムに告知させることができる。更に、上記実施例では移動体として列車、及び鉄道車両運行を中心に述べたが、他の異常診断システム、特に、オンライン、オフラインでデータ収集に制約のある移動体、例えば、運行管理者によって運転が支援される交通サービスである船舶、航空、あるいは鉱山機械の建設機械にも適用可能である。
１００　移動体異常判断支援システム　　１０１　移動体、列車
１０２　地上システム　　　　　　　　　　　　　１１２　異常診断部
１１３　異常分析データベース　　　　　　　１１５　異常発生予測部
２０４　異常分析データベースのデータ例
５０１　地上システムでの判断支援画面例
６０１　移動体、列車での判断支援画面例

Claims (9)

  1. 　移動体と地上システムとを含み、
    　前記移動体は、当該移動体に備える各種機器の状態を計測する計測装置と、前記計測装置が計測した前記各種機器の状態データを用いて故障発生を検知する状態監視装置と、前記地上システムに当該発生した故障の種類と故障発生時前後の前記状態データを送信し、前記地上システムからの異常判定結果を受信する通信装置とを備え、
    　前記地上システムは、前記移動体とデータを送受信する通信装置と、前記移動体の過去の故障の種類及び状態データを蓄積する蓄積部と、前記過去の故障の状態データを分析するとともに当該故障が異常であるか否かを判定した異常診断結果を出力する異常診断部とを備える、
    　移動体異常判断支援システムにおいて、
    　前記地上システムは、更に、
    　前記過去の故障の種類と前記異常診断部が出力した前記異常診断結果と前記状態データとを関連付けて記憶する異常分析データベースと、
    　前記移動体から送信された故障発生時の前記故障の種類及び前記故障発生時前後の前記状態データと前記異常分析データベースに記憶されている前記過去の故障の種類及び前記状態データとを対比して前記異常判定結果を出力する異常発生予測部と、を備え、
    　前記地上システムの前記通信装置は、前記異常判定結果を前記移動体に送信することを特徴とする移動体異常判断支援システム。
  2. 　前記異常発生予測部は、前記移動体から送信された前記故障発生時の前記故障の種類と同一の故障の種類の前記状態データを前記異常分析データベースから抽出し、前記故障発生時の前記状態データと前記異常分析データベースから抽出した前記状態データとの類似度を算出し、前記類似度が高い前記状態データの異常診断結果、又はその集計値を異常判定結果として出力することを特徴とする請求項１記載の移動体異常判断支援システム。
  3. 　前記異常発生予測部は、前記類似度が高い前記過去の故障の状態データの前記異常診断結果の集計値、抽出した同一の故障の種類の前記異常分析データベースの件数を元に信頼度を出力することを特徴とする請求項２記載の移動体異常判断支援システム。
  4. 　前記異常診断結果が、異なる二つの傾向のいずれかとの前記類似度が高いとの結果であることに応答して、前記類似度を当該類似度に対応した前記各傾向についての前記信頼度の指標とすることを特徴とする請求項３記載の移動体異常判断支援システム。
  5. 　前記異常診断結果が、異なる二つの傾向について前記類似度に実質的な差がないとの結果であることに応答して、前記各傾向について前記過去の故障の状態データに基づいて得られる出現頻度を前記信頼度の指標とすることを特徴とする請求項３記載の移動体異常判断支援システム。
  6. 　前記異常診断結果が、異なる二つの傾向のいずれについても前記類似度が低いとの結果であることに応答して、前記類似度を当該類似度に対応した前記各傾向についての前記信頼度の指標とすることを特徴とする請求項３記載の移動体異常判断支援システム。
  7. 　前記異常発生予測部は、前記異常判定結果を提示するモニタを備え、前記モニタに提示された前記異常判定結果に基づいて判断が下された最終的な異常判定結果を前記移動体に対して送信するための入力インタフェースを備えることを特徴とする請求項１記載の移動体異常判断支援システム。
  8. 　前記移動体は、前記故障の種類と前記状態データを蓄積する状態データ記憶部を備え、前記状態データ記憶部に記憶された前記状態データを前記通信装置とは別のデータ伝送メディアを用いて地上システムに対して出力し、
    　前記地上システムは、複数の移動体の前記故障の種類及び前記状態データを蓄積し、蓄積した前記故障の種類及び前記状態データに基づいて前記異常診断結果を出力することを特徴とする請求項１記載の移動体異常判断支援システム。
  9. 　前記移動体は、前記地上システムから受信した前記異常判定結果を提示するモニタを備え、提示された前記異常判定結果に基づいて最終的な運行可否判断が入力されるインタフェースを備えることを特徴とする請求項１記載の移動体異常判断支援システム。
PCT/JP2011/053234 2010-03-24 2011-02-16 移動体異常判断支援システム Ceased WO2011118290A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
GB1214932.4A GB2491291B (en) 2010-03-24 2011-02-16 System for supporting determination of abnormality of moving object

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2010067899A JP5416630B2 (ja) 2010-03-24 2010-03-24 移動体異常判断支援システム
JP2010-067899 2010-03-24

Publications (1)

Publication Number Publication Date
WO2011118290A1 true WO2011118290A1 (ja) 2011-09-29

Family

ID=44672863

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2011/053234 Ceased WO2011118290A1 (ja) 2010-03-24 2011-02-16 移動体異常判断支援システム

Country Status (3)

Country Link
JP (1) JP5416630B2 (ja)
GB (1) GB2491291B (ja)
WO (1) WO2011118290A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113412506A (zh) * 2019-02-13 2021-09-17 日立安斯泰莫株式会社 车辆控制装置及电子控制系统
WO2021199170A1 (ja) 2020-03-30 2021-10-07 三菱電機株式会社 データ抽出装置、データ抽出方法およびデータ抽出プログラム
CN117826751A (zh) * 2023-12-20 2024-04-05 中国煤炭科工集团太原研究院有限公司 一种煤矿用井下设备远程故障诊断方法及系统
CN117922639A (zh) * 2024-02-04 2024-04-26 郑州地铁集团有限公司 一种地铁列车故障预测与故障定位的方法及装置
CN119269967A (zh) * 2024-11-11 2025-01-07 国网四川雅安电力(集团)股份有限公司汉源县供电分公司 一种基于动态拓扑的低压配网故障模式分析方法

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5856935B2 (ja) * 2012-09-14 2016-02-10 株式会社日立製作所 列車制御システム
JP5970327B2 (ja) * 2012-10-12 2016-08-17 公益財団法人鉄道総合技術研究所 異常検出装置、情報処理装置及び異常検出システム
JP6007065B2 (ja) * 2012-10-30 2016-10-12 株式会社日立製作所 鉄道車両の保守システム
US9037320B1 (en) * 2014-01-29 2015-05-19 The Boeing Company Unscheduled maintenance disruption severity and flight decision system and method
US10417076B2 (en) 2014-12-01 2019-09-17 Uptake Technologies, Inc. Asset health score
JP6293697B2 (ja) * 2015-03-27 2018-03-14 三菱電機株式会社 機器診断装置及び機器診断方法
EP3437956B1 (en) * 2016-03-31 2025-02-26 Hitachi, Ltd. Data integration and analysis system
JP6805580B2 (ja) * 2016-06-30 2020-12-23 住友電気工業株式会社 通信機、通信システムおよび通信プログラム
KR102124994B1 (ko) * 2016-12-26 2020-06-19 미쓰비시덴키 가부시키가이샤 복구 지원 시스템
WO2018122928A1 (ja) * 2016-12-26 2018-07-05 三菱電機株式会社 復旧支援システム
JP6984265B2 (ja) * 2017-09-15 2021-12-17 日本電気株式会社 情報処理装置、情報処理方法、および、プログラム
WO2019064725A1 (ja) * 2017-09-29 2019-04-04 日本電産株式会社 電力変換装置、モータモジュールおよび電動パワーステアリング装置
CN114756299A (zh) * 2022-04-21 2022-07-15 国汽智控(北京)科技有限公司 车辆故障处理方法及装置、电子装置和存储介质
JPWO2024080045A1 (ja) * 2022-10-11 2024-04-18

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002286455A (ja) * 2001-03-26 2002-10-03 Mazda Motor Corp 車両の遠隔診断方法、車両用遠隔診断システム、車両用制御装置、車両用遠隔診断装置、並びにコンピュータ・プログラム製品
JP2005063385A (ja) * 2003-08-20 2005-03-10 Kobe Steel Ltd 監視方法及び監視装置、並びにプログラム
JP2008059102A (ja) * 2006-08-30 2008-03-13 Fujitsu Ltd コンピュータ資源監視プログラム
JP2008129815A (ja) * 2006-11-20 2008-06-05 Mazda Motor Corp 車載通信装置
JP2008217609A (ja) * 2007-03-06 2008-09-18 Mitsubishi Electric Corp 移動体情報解析装置および移動体情報解析方法
JP2009227250A (ja) * 2008-03-25 2009-10-08 Denso Corp 車載装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4583594B2 (ja) * 2000-12-28 2010-11-17 富士重工業株式会社 車両管理システム
JP2003331087A (ja) * 2002-05-13 2003-11-21 Honda Motor Co Ltd 補修部品の需要予測システム
JP2004272375A (ja) * 2003-03-05 2004-09-30 Mazda Motor Corp 遠隔故障予測システム
JP4281049B2 (ja) * 2003-03-28 2009-06-17 マツダ株式会社 遠隔故障診断システム及びその制御方法
JP4761276B2 (ja) * 2008-07-10 2011-08-31 東芝エレベータ株式会社 乗客コンベアの異常診断システム
JP4826609B2 (ja) * 2008-08-29 2011-11-30 トヨタ自動車株式会社 車両用異常解析システム及び車両用異常解析方法
US8700953B2 (en) * 2008-09-18 2014-04-15 Nec Corporation Operation management device, operation management method, and operation management program

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002286455A (ja) * 2001-03-26 2002-10-03 Mazda Motor Corp 車両の遠隔診断方法、車両用遠隔診断システム、車両用制御装置、車両用遠隔診断装置、並びにコンピュータ・プログラム製品
JP2005063385A (ja) * 2003-08-20 2005-03-10 Kobe Steel Ltd 監視方法及び監視装置、並びにプログラム
JP2008059102A (ja) * 2006-08-30 2008-03-13 Fujitsu Ltd コンピュータ資源監視プログラム
JP2008129815A (ja) * 2006-11-20 2008-06-05 Mazda Motor Corp 車載通信装置
JP2008217609A (ja) * 2007-03-06 2008-09-18 Mitsubishi Electric Corp 移動体情報解析装置および移動体情報解析方法
JP2009227250A (ja) * 2008-03-25 2009-10-08 Denso Corp 車載装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113412506A (zh) * 2019-02-13 2021-09-17 日立安斯泰莫株式会社 车辆控制装置及电子控制系统
CN113412506B (zh) * 2019-02-13 2023-06-13 日立安斯泰莫株式会社 车辆控制装置及电子控制系统
WO2021199170A1 (ja) 2020-03-30 2021-10-07 三菱電機株式会社 データ抽出装置、データ抽出方法およびデータ抽出プログラム
US12204853B2 (en) 2020-03-30 2025-01-21 Mitsubishi Electric Corporation Data extraction apparatus, data extraction method, and storage medium
CN117826751A (zh) * 2023-12-20 2024-04-05 中国煤炭科工集团太原研究院有限公司 一种煤矿用井下设备远程故障诊断方法及系统
CN117922639A (zh) * 2024-02-04 2024-04-26 郑州地铁集团有限公司 一种地铁列车故障预测与故障定位的方法及装置
CN119269967A (zh) * 2024-11-11 2025-01-07 国网四川雅安电力(集团)股份有限公司汉源县供电分公司 一种基于动态拓扑的低压配网故障模式分析方法

Also Published As

Publication number Publication date
GB2491291B (en) 2015-06-03
GB201214932D0 (en) 2012-10-03
JP5416630B2 (ja) 2014-02-12
JP2011201336A (ja) 2011-10-13
GB2491291A (en) 2012-11-28

Similar Documents

Publication Publication Date Title
JP5416630B2 (ja) 移動体異常判断支援システム
Wang et al. Real-time defect detection of high-speed train wheels by using Bayesian forecasting and dynamic model
TWI691420B (zh) 異常診斷裝置、異常診斷方法以及電腦可讀取記錄媒體
US6813581B1 (en) Statistical and trend analysis of railroad bearing temperatures
CN102844721B (zh) 故障原因诊断系统及其方法
CN110582626B (zh) 用由磨损因子校正的异常检测来监视涡轮机的系统和方法
US20110010130A1 (en) Health management systems and methods with predicted diagnostic indicators
JP6540531B2 (ja) 監視装置及び監視装置の制御方法
CN112469613A (zh) 用于对车辆、车辆组件和行车道进行诊断和监控的方法和设备
KR102303406B1 (ko) 산업설비의 이상유무 진단장치 및 방법
JP7538690B2 (ja) 機器診断システム、機器診断方法、及びプログラム
JP2012018623A (ja) 異常データ分析システム
KR20230125116A (ko) 머신러닝 클러스터링 알고리즘과 통계적 기법을 이용해 고장 데이터가 부재한 시스템의 결함 탐지 및 고장 진단 예측 방법
JP2018137967A (ja) 鉄道車両用コンプレッサの異常検知方法
KR20140072331A (ko) 이상진단 사전감시 방법
KR20200058132A (ko) 철도차량 주요부품 및 시스템 진단장치
CN118255227A (zh) 一种基于传感器数据采集与ai算法电梯状态预警系统
CN111566575B (zh) 预测组件的一个或多个设备项工作异常的方法
KR20110075332A (ko) 설비 고장 예측 방법
EP3955707A1 (en) Method and system for predicting a failure probability of a component of an x-ray system
JP6825259B2 (ja) 異常通知装置及び異常通知方法
CN120232462A (zh) 一种传感器的自检测及替换提醒方法
JP6664776B1 (ja) 構造物の異常判別方法及び異常判別システム
KR101669401B1 (ko) 검사기기 사전 경보시스템
CN116086742A (zh) 一种桥梁健康监测平台及监测方法

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: 11759098

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 1214932

Country of ref document: GB

Kind code of ref document: A

Free format text: PCT FILING DATE = 20110216

WWE Wipo information: entry into national phase

Ref document number: 1214932.4

Country of ref document: GB

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 11759098

Country of ref document: EP

Kind code of ref document: A1