JP2003344202A - Processor and method for processing data - Google Patents
Processor and method for processing dataInfo
- Publication number
- JP2003344202A JP2003344202A JP2002148088A JP2002148088A JP2003344202A JP 2003344202 A JP2003344202 A JP 2003344202A JP 2002148088 A JP2002148088 A JP 2002148088A JP 2002148088 A JP2002148088 A JP 2002148088A JP 2003344202 A JP2003344202 A JP 2003344202A
- Authority
- JP
- Japan
- Prior art keywords
- load
- data
- time
- series
- information
- 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.)
- Granted
Links
Landscapes
- Force Measurement Appropriate To Specific Purposes (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、鉄道車両の輪重や
横圧に関する時系列データを処理するデータ処理装置及
びデータ処理方法に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a data processing device and a data processing method for processing time series data relating to wheel load and lateral pressure of a railway vehicle.
【０００２】[0002]
【従来の技術】従来より、鉄道車両の車輪に加わる輪重
Ｐや横圧Ｑ等の荷重データをひずみゲージ等により計測
し、これらを解析して脱線係数等を取得するデータ処理
システムが知られている。このようなデータ処理システ
ムにおいては、車輪に複数のひずみゲージが貼付される
と共に、これらのひずみゲージによってブリッジ回路が
構成され、このブリッジ回路から時系列的に出力される
データを時系列データとして解析する。2. Description of the Related Art Conventionally, there has been known a data processing system for measuring load data such as wheel load P and lateral pressure Q applied to a wheel of a railway vehicle by a strain gauge or the like and analyzing these to obtain a derailment coefficient or the like. ing. In such a data processing system, a plurality of strain gauges are attached to the wheels, and a bridge circuit is configured by these strain gauges, and the data output in time series from this bridge circuit is analyzed as time series data. To do.
【０００３】荷重の取得方法として一般的な間欠法にお
いて、ブリッジ回路から出力される時系列荷重データに
は、所定の周期毎に車輪に加わる荷重のデータが含ま
れ、また、この時系列荷重データには、車輪の温度変化
や零点補正の誤差等により生ずるドリフト量を含んでい
る。In a general intermittent method as a load acquisition method, the time-series load data output from the bridge circuit includes the data of the load applied to the wheel at every predetermined cycle, and the time-series load data is also included. Includes a drift amount caused by a change in wheel temperature, an error in zero correction, and the like.
【０００４】そして、従来は、例えば、特開平４−３４
０４３３号公報に開示されているように、ひずみゲージ
のブリッジ出力に基づいて取得した時系列荷重データを
ローパスフィルタによって処理してドリフト量を取得
し、元の時系列荷重データからこのドリフト量を減算す
ることによりドリフト量を補正した時系列荷重データを
取得し、さらに、このドリフト補正後の時系列荷重デー
タから車輪に加わる荷重のデータを抽出していた。In the prior art, for example, Japanese Patent Laid-Open No. 4-34
As disclosed in Japanese Patent No. 0433, the time series load data acquired based on the bridge output of the strain gauge is processed by a low pass filter to acquire the drift amount, and the drift amount is subtracted from the original time series load data. By doing so, the time series load data in which the drift amount is corrected is acquired, and the data of the load applied to the wheel is extracted from the time series load data after the drift correction.
【０００５】[0005]
【発明が解決しようとする課題】しかしながら、ブリッ
ジ回路から出力される時系列荷重データは、荷重データ
以外の無意味なデータを多く含んでデータ量が大きく、
これを用いて種々のデータ処理を行うと計算資源を浪費
する。However, the time-series load data output from the bridge circuit has a large amount of data including many meaningless data other than the load data.
Performing various data processing using this wastes computational resources.
【０００６】本発明は、上記課題に鑑みてなされたもの
であり、時系列荷重データを好適に処理できるデータ処
理装置及びデータ処理方法を提供することを目的とす
る。The present invention has been made in view of the above problems, and an object of the present invention is to provide a data processing device and a data processing method capable of suitably processing time series load data.
【０００７】[0007]
【課題を解決するための手段】本発明に係るデータ処理
装置は、鉄道車両の車輪に加わる荷重に関する情報を所
定の周期で含む時系列荷重データを処理するデータ処理
装置であって、所定の周期は鉄道車両の車輪が所定量回
転するのに要する時間に対応し、時系列荷重データから
荷重に関する情報を抽出し荷重に関する情報を荷重に関
する情報が時系列荷重データにおいて含まれた順に配列
してなる距離系列荷重データを生成する荷重抽出手段を
備えることを特徴とする。A data processing device according to the present invention is a data processing device for processing time-series load data containing information on a load applied to a wheel of a railway vehicle in a predetermined cycle, and the data processing apparatus has a predetermined cycle. Corresponds to the time required for the wheels of the railway vehicle to rotate by a predetermined amount, and extracts the information related to the load from the time-series load data and arranges the information related to the load in the order in which the information related to the load is included in the time-series load data. It is characterized by comprising a load extracting means for generating distance series load data.
【０００８】本発明に係るデータ処理方法は、鉄道車両
の車輪に加わる荷重に関する情報を所定の周期で含む時
系列荷重データを処理するデータ処理方法であって、所
定の周期は鉄道車両の車輪が所定量回転するのに要する
時間に対応し、時系列荷重データから荷重に関する情報
を抽出し荷重に関する情報を荷重に関する情報が時系列
荷重データにおいて含まれた順に配列してなる距離系列
荷重データを生成する荷重抽出ステップを備えることを
特徴とする。A data processing method according to the present invention is a data processing method for processing time-series load data including information on a load applied to wheels of a railway vehicle at a predetermined cycle, and the wheels of the railway vehicle are processed at a predetermined cycle. Corresponding to the time required to rotate by a predetermined amount, load-related information is extracted from the time-series load data, and load-related information is arranged in the order in which the load-related information is included in the time-series load data. It is characterized by comprising a load extracting step for performing.
【０００９】本発明のデータ解析装置及びデータ解析方
法によれば、時系列荷重データから荷重に関する情報を
抽出したのち、これらをその情報が含まれた順に配列し
てなる距離系列荷重データが生成される。このような距
離系列荷重データにおいては、荷重に関する情報が抽出
されているのでデータ量が小さくなり、後のデータ処理
を行う場合の計算資源を節約できる。According to the data analyzing apparatus and the data analyzing method of the present invention, after the information on the load is extracted from the time series load data, the distance series load data is generated by arranging the information in the order in which the information is included. It In such distance series weight data, since the information regarding the weight is extracted, the data amount becomes small, and the calculation resource for performing the subsequent data processing can be saved.
【００１０】また、距離系列荷重データにおいては、抽
出された荷重に関する情報が、時系列荷重データにおい
て含まれた順に配列されている。時系列荷重データにお
いて、荷重に関する情報は、車輪が所定量回転するのに
要する時間毎のデータであるので、これを順に並べるこ
とにより車輪が所定量回転する毎の荷重に関する情報、
すなわち、走行距離に対する荷重に関する情報である距
離系列のデータとなり、この距離系列荷重データは車輪
の回転速度、すなわち、鉄道車両の走行速度の要素を含
まない。このため、距離系列荷重データに対して、鉄道
車両の走行速度を考慮せずにデータ処理ができる。Further, in the distance series load data, information on the extracted loads is arranged in the order of being included in the time series load data. In the time-series load data, since the information regarding the load is data for each time required for the wheel to rotate by a predetermined amount, information about the load each time the wheel rotates by a predetermined amount by arranging these in order,
That is, it becomes distance series data that is information relating to the load with respect to the travel distance, and this distance series load data does not include an element of the rotational speed of the wheel, that is, the travel speed of the railway vehicle. Therefore, the distance series load data can be processed without considering the traveling speed of the railway vehicle.
【００１１】ここで、荷重に関する情報は、時系列荷重
データを、水平軸を時間とし垂直軸を時系列荷重データ
の大きさとなるように表した場合に、時系列荷重データ
において山状波形のピーク値又は谷状波形の谷底値とし
て含まれ、また、山状波形と谷状波形とは時系列荷重デ
ータに交互に含まれ、データ解析装置において、荷重抽
出手段は、時系列荷重データが所定の上限閾値を上回っ
てから所定の下限閾値を下回るまでの第一区間における
時系列荷重データの最大値に基づいて荷重に関する情報
を抽出し、さらに、時系列荷重データが下限閾値を下回
ってから上限閾値を上回るまでの第二区間における時系
列荷重データの最小値に基づいて荷重に関する情報を抽
出することが好ましい。Here, when the time-series load data is expressed so that the horizontal axis is time and the vertical axis is the size of the time-series load data, the information on the load is the peak of the mountain-like waveform in the time-series load data. Value or the valley bottom value of the valley waveform, and the peak waveform and the valley waveform are alternately included in the time-series load data, and in the data analysis device, the load extraction means determines that the time-series load data has a predetermined value. Extracts information about the load based on the maximum value of the time-series load data in the first section from exceeding the upper limit threshold to falling below the predetermined lower threshold, and further, after the time series load data falls below the lower threshold, the upper threshold. It is preferable to extract the information related to the load based on the minimum value of the time-series load data in the second section until the value exceeds.
【００１２】また、荷重に関する情報は、時系列荷重デ
ータを、水平軸を時間とし垂直軸を時系列荷重データの
大きさとなるように表した場合に、時系列荷重データに
おいて山状波形のピーク値又は谷状波形の谷底値として
含まれ、また、山状波形と谷状波形とは時系列荷重デー
タに交互に含まれ、データ解析方法において、荷重抽出
ステップは、時系列荷重データが所定の上限閾値を上回
ってから所定の下限閾値を下回るまでの第一区間におけ
る時系列荷重データの最大値に基づいて荷重に関する情
報を抽出し、さらに、時系列荷重データが下限閾値を下
回ってから上限閾値を上回るまでの第二区間における時
系列荷重データの最小値に基づいて荷重に関する情報を
抽出することが好ましい。The load-related information is the peak value of the mountain-like waveform in the time-series load data when the time-series load data is expressed so that the horizontal axis represents time and the vertical axis represents the size of the time-series load data. Or, it is included as a valley bottom value of the valley waveform, and the peak waveform and the valley waveform are alternately included in the time-series load data.In the data analysis method, the load extraction step includes the time-series load data having a predetermined upper limit. Extract the information about the load based on the maximum value of the time series load data in the first section from exceeding the threshold to falling below the predetermined lower threshold, and further, after the time series load data falls below the lower threshold, set the upper threshold. It is preferable to extract the information related to the load based on the minimum value of the time-series load data in the second section until it exceeds the limit.
【００１３】これらによれば、上限閾値及び下限閾値を
適切に設定することにより、山状波形を含む第一区間
と、谷状波形を含む第二区間が取得される。ここで、第
一区間の始点を定めるための閾値と終点を定めるための
閾値とが互いに異なる値とされ、また、第二区間の始点
を定めるための閾値と終点を定めるための閾値とが互い
に異なる値とされ、閾値付近で時系列荷重データが振動
する場合でも、山状波形を含む第一区間と谷状波形を含
む第二区間とを好適に取得できる。また、第一区間の始
点の閾値と、第二区間の終点の閾値とが同じとされると
共に、第一区間の終点の閾値と、第二区間の始点の閾値
とが同じとされるため、閾値のデータが２つですみ、よ
り迅速かつ効率的にデータ処理を行える。また、このよ
うな第一区間から最大値を取得し、第二区間から最小値
を求めることにより、荷重に関する情報を容易に取得で
きる。このため、荷重に関する情報の取得に、荷重に関
する情報が現れる時刻に関する他の信号等を必要としな
い。According to these, by appropriately setting the upper limit threshold and the lower limit threshold, the first section including the peak waveform and the second section including the valley waveform are acquired. Here, the threshold for determining the start point of the first section and the threshold for determining the end point are different values, and the threshold for determining the start point of the second section and the threshold for determining the end point are mutually different. Even when the time-series load data oscillates in the vicinity of the threshold value with different values, the first section including the peak-shaped waveform and the second section including the valley-shaped waveform can be appropriately acquired. Further, the threshold of the start point of the first section, the threshold of the end point of the second section is the same, the threshold of the end point of the first section, and the threshold of the start point of the second section are the same, Only two threshold data are needed, which allows faster and more efficient data processing. Further, by obtaining the maximum value from such a first section and obtaining the minimum value from the second section, it is possible to easily obtain information regarding the load. Therefore, the acquisition of the information regarding the load does not require any other signal or the like regarding the time when the information regarding the load appears.
【００１４】ここで、データ解析装置において、荷重抽
出手段は、第一区間で最大値に基づいて荷重に関する情
報を抽出する際に、最大値が含まれた時刻と、第一区間
よりも前の区間において荷重に関する情報が含まれた時
刻と、の差に基づいて抽出の妥当性を判断し、さらに、
第二区間で最小値に基づいて荷重に関する情報を抽出す
る際に、最小値が含まれた時刻と、第二区間よりも前の
区間において荷重に関する情報が含まれた時刻と、の差
に基づいて抽出の妥当性を判断することが好ましい。Here, in the data analysis device, the load extraction means extracts the information regarding the load based on the maximum value in the first section, and the time when the maximum value is included and the time before the first section. The validity of the extraction is judged based on the difference between the time when the load information was included in the section and the time.
When extracting the information about the load based on the minimum value in the second section, based on the difference between the time when the minimum value is included and the time when the information about the load is included in the section before the second section It is preferable to judge the appropriateness of the extraction.
【００１５】また、データ解析方法において、荷重抽出
ステップは、第一区間で最大値に基づいて荷重に関する
情報を抽出する際に、最大値が含まれた時刻と、第一区
間よりも前の区間において荷重に関する情報が含まれた
時刻と、の差に基づいて抽出の妥当性を判断し、さら
に、第二区間で最小値に基づいて荷重に関する情報を抽
出する際に、最小値が含まれた時刻と、第二区間よりも
前の区間において荷重に関する情報が含まれた時刻と、
の差に基づいて抽出の妥当性を判断することが好まし
い。Further, in the data analysis method, the load extracting step, when extracting the information on the load based on the maximum value in the first section, includes the time when the maximum value is included and the section before the first section. The validity of the extraction is judged based on the difference between the time when the information about the load is included in the above, and the minimum value is included when the information about the load is extracted based on the minimum value in the second section. The time and the time when the information about the load was included in the section before the second section,
It is preferable to judge the validity of the extraction based on the difference of.
【００１６】これらによれば、最大値や最小値が含まれ
た時刻と、その区間よりも前の区間で荷重に関する情報
が含まれた時刻との差、すなわち、輪重に関する情報が
含まれる時間間隔に基づいて、当該最大値や最小値が、
真の情報か、ノイズであるかの判断がなされ、パルス状
のノイズ等による不適当な最大値や最小値を荷重に関す
る情報として抽出することを防止できる。According to these, the difference between the time when the maximum value or the minimum value is included and the time when the information about the load is included in the section before that section, that is, the time when the information about the wheel load is included. Based on the interval, the maximum and minimum values are
It is determined whether the information is true information or noise, and it is possible to prevent extraction of an inappropriate maximum value or minimum value due to pulse noise or the like as the information regarding the load.
【００１７】また、データ解析装置において、距離系列
荷重データをローパスフィルタで処理してドリフト量を
抽出し、ドリフト量に基づいて距離系列荷重データのド
リフト補正を行う荷重ドリフト補正手段を備えることが
好ましい。Further, it is preferable that the data analysis apparatus includes a load drift correction means for processing the distance series load data with a low-pass filter to extract a drift amount, and performing drift correction of the distance series load data based on the drift amount. .
【００１８】また、データ解析方法において、距離系列
荷重データをローパスフィルタで処理してドリフト量を
抽出し、ドリフト量に基づいて距離系列荷重データのド
リフト補正を行う荷重ドリフト補正ステップを含むこと
が好ましい。Further, it is preferable that the data analysis method includes a load drift correction step of processing the distance series load data with a low-pass filter to extract a drift amount and performing drift correction of the distance series load data based on the drift amount. .
【００１９】これにより、距離系列荷重データから、零
点ドリフト等のドリフト量がキャンセルされ、より精度
の高い距離系列荷重データが得られる。As a result, the drift amount such as the zero point drift is canceled from the distance series load data, and more accurate distance series load data can be obtained.
【００２０】また、データ解析装置において、荷重ドリ
フト補正手段は、抽出されたドリフト量に生ずる位相遅
れを補正して距離系列荷重データのドリフト補正を行う
ことが好ましい。Further, in the data analysis device, it is preferable that the load drift correction means corrects the phase delay generated in the extracted drift amount to perform the drift correction of the distance series load data.
【００２１】また、データ解析方法において、荷重ドリ
フト補正ステップは、抽出されたドリフト量に生ずる位
相遅れを補正して距離系列荷重データのドリフト補正を
行うことが好ましい。In the data analysis method, it is preferable that the load drift correction step corrects the phase delay generated in the extracted drift amount to correct the drift of the distance series load data.
【００２２】これにより、ローパスフィルタにより抽出
されるドリフト量に生じる位相遅れが補正されて距離系
列荷重データが補正されるので、一層精度の高い距離系
列荷重データが得られる。As a result, the phase delay caused in the drift amount extracted by the low-pass filter is corrected and the distance series load data is corrected, so that more accurate distance series load data can be obtained.
【００２３】また、データ解析装置において、距離系列
荷重データから、荷重に関する情報を所定の個数以上含
む区間であって、区間の両端以外の荷重に関する情報が
区間の両端の荷重に関する情報より小さくなる区間を抽
出すると共に、当該区間における荷重に関する情報に基
づいて静的最小荷重値を取得する静的最小荷重取得手段
を備えることが好ましい。これにより、静的最小輪重を
簡易に取得することができる。Further, in the data analysis device, from the distance series load data, a section including a predetermined number or more of information about loads, and information about loads other than both ends of the section is smaller than information about loads at both ends of the section. It is preferable to include a static minimum load acquisition unit that extracts the static minimum load value based on the information regarding the load in the section. As a result, the static minimum wheel load can be easily acquired.
【００２４】また、データ解析方法において、距離系列
荷重データから、荷重に関する情報を所定の個数以上含
む区間であって、区間の両端以外の荷重に関する情報が
区間の両端の荷重に関する情報より小さくなる区間を抽
出すると共に、当該区間における荷重に関する情報に基
づいて静的最小荷重値を取得する静的最小荷重取得ステ
ップを含むことが好ましい。これにより、静的最小輪重
を簡易に取得することができる。Further, in the data analysis method, from the distance series load data, a section including a predetermined number or more of information about loads, and information about loads other than both ends of the section is smaller than information about loads at both ends of the section. It is preferable to include a static minimum load acquisition step of acquiring a static minimum load value based on the information about the load in the section. As a result, the static minimum wheel load can be easily acquired.
【００２５】また、荷重は輪重であり、データ処理装置
は、さらに、鉄道車両の車輪に加わる横圧に関する情報
の時系列的なデータである時系列横圧データを取得し、
輪重抽出手段は、時系列荷重データから輪重に関する情
報を抽出する際に輪重に関する情報が含まれた各々の時
刻に関する情報を取得し、輪重抽出手段で抽出された輪
重に関する情報に各々対応して時系列横圧データのうち
各々の輪重に関する情報が含まれた時刻を含む所定の時
間における横圧に関する情報に基づいて輪重対応横圧情
報を生成すると共に、輪重対応横圧情報を対応する時刻
の順に配列した距離系列横圧データを生成する横圧抽出
手段を備えることが好ましい。Further, the load is wheel load, and the data processing device further acquires time-series lateral pressure data, which is time-series data of information regarding lateral pressure applied to the wheels of the railway vehicle,
The wheel load extracting means acquires information about each time including the information about the wheel load when extracting the information about the wheel load from the time-series load data, and outputs the information about the wheel load extracted by the wheel load extracting means. Corresponding to each of the time-series lateral pressure data, the wheel load-related lateral pressure information is generated based on the lateral load-related lateral pressure information at a predetermined time including the time at which each wheel load-related information is included. It is preferable to include lateral pressure extracting means for generating distance series lateral pressure data in which pressure information is arranged in the order of corresponding times.
【００２６】また、荷重は輪重であり、データ処理方法
は、さらに、鉄道車両の車輪に加わる横圧に関する情報
の時系列的なデータである時系列横圧データを取得する
時系列横圧データ取得ステップを含み、輪重抽出ステッ
プは、時系列荷重データから輪重に関する情報を抽出す
る際に輪重に関する情報が含まれた各々の時刻に関する
情報を取得し、輪重抽出ステップで抽出された輪重に関
する情報に各々対応して時系列横圧データのうち各々の
輪重に関する情報が含まれた時刻を含む所定の時間にお
ける横圧に関する情報に基づいて輪重対応横圧情報を生
成すると共に、輪重対応横圧情報を対応する時刻の順に
配列した距離系列横圧データを生成する横圧抽出ステッ
プを備えることが好ましい。Further, the load is wheel load, and the data processing method further includes time-series lateral pressure data for obtaining time-series lateral pressure data, which is time-series data of lateral pressure applied to the wheels of the railway vehicle. The wheel weight extraction step includes an acquisition step, and the wheel weight extraction step acquires information about each time when the information about the wheel weight is included when the information about the wheel weight is extracted from the time-series load data and is extracted at the wheel weight extraction step. The lateral load corresponding lateral pressure information is generated based on the lateral pressure information at a predetermined time including the time at which the information on each wheel load is included in the time-series lateral pressure data corresponding to each wheel load information. It is preferable to include a lateral pressure extracting step of generating distance series lateral pressure data in which the lateral load lateral pressure information is arranged in the order of corresponding times.
【００２７】これによって、時系列横圧データのデータ
数を、輪重に関する情報のデータ数及び輪重に関する情
報が含まれた時刻に対応させて好適に減少させることが
でき、迅速かつ好適に横圧に関するデータ処理を行え
る。As a result, the data number of the time-series lateral pressure data can be suitably reduced in correspondence with the data number of the wheel load information and the time at which the wheel load information is contained, and the lateral data can be swiftly and appropriately applied. Data processing related to pressure can be performed.
【００２８】また、データ解析装置において、輪重対応
横圧情報として、所定の時間における横圧に関する情報
の最大値及び所定の時間における横圧に関する情報の平
均値を生成することが好ましい。Further, in the data analyzer, it is preferable to generate, as the wheel load-corresponding lateral pressure information, the maximum value of the lateral pressure information at a predetermined time and the average value of the lateral pressure information at the predetermined time.
【００２９】また、データ解析方法において、輪重対応
横圧情報として、所定の時間における横圧に関する情報
の最大値及び所定の時間における横圧に関する情報の平
均値を生成することが好ましい。In the data analysis method, it is preferable to generate the maximum value of the lateral pressure information at a predetermined time and the average value of the lateral pressure information at the predetermined time as the lateral load corresponding lateral pressure information.
【００３０】これにより、時系列横圧データに含まれる
最大値や平均値等の情報を好適に残しつつ、時系列横圧
データのデータ数を減少させることができる。As a result, it is possible to reduce the number of time-series lateral pressure data while suitably leaving information such as the maximum value and the average value included in the time-series lateral pressure data.
【００３１】また、データ解析装置において、横圧距離
系列データから、輪重対応横圧情報の内の最大値と最小
値との差が直線判定幅閾値より小さくなり、かつ、輪重
対応横圧情報の平均変化率が直線判定変化率閾値よりも
小さい区間を抽出する直線区間認識手段を備えることが
好ましい。Further, in the data analyzer, the difference between the maximum value and the minimum value of the lateral load corresponding lateral pressure information becomes smaller than the straight line determination width threshold value from the lateral pressure distance series data, and the lateral load corresponding lateral pressure is obtained. It is preferable to include a straight-line section recognition unit that extracts a section in which the average change rate of information is smaller than the straight-line determination change rate threshold value.
【００３２】また、データ解析方法において、横圧距離
系列データから、輪重対応横圧情報の内の最大値と最小
値との差が直線判定幅閾値より小さくなり、かつ、輪重
対応横圧情報の平均変化率が直線判定変化率閾値よりも
小さい区間を抽出する直線区間認識ステップを含むこと
が好ましい。Further, in the data analysis method, the difference between the maximum value and the minimum value of the lateral load corresponding lateral pressure information becomes smaller than the straight line determination width threshold value from the lateral pressure distance series data, and the lateral load corresponding lateral pressure is obtained. It is preferable to include a straight line section recognition step of extracting a section in which the average change rate of information is smaller than the straight line determination change rate threshold value.
【００３３】これにより、横圧距離系列データから直線
区間を認識でき、この直線区間における輪重対応横圧情
報に基づいて、横圧距離系列データのドリフト値を好適
に求めることができる。Thus, the straight line section can be recognized from the lateral pressure distance series data, and the drift value of the lateral pressure distance series data can be preferably obtained based on the wheel load corresponding lateral pressure information in the straight line section.
【００３４】また、データ解析装置において、直線区間
認識手段によって抽出された区間における輪重対応横圧
情報に基づいて、距離系列横圧データのドリフト補正を
する横圧ドリフト補正手段を備えることが好ましい。こ
れにより、より精度の高い横圧に関する情報に基づく解
析が行える。Further, it is preferable that the data analysis device further comprises lateral pressure drift correction means for correcting the drift of the distance series lateral pressure data based on the wheel load corresponding lateral pressure information in the section extracted by the straight line section recognition means. . As a result, a more accurate analysis based on the lateral pressure information can be performed.
【００３５】また、データ解析方法において、直線区間
認識ステップによって抽出された区間における輪重対応
横圧情報に基づいて、距離系列横圧データのドリフト補
正をする横圧ドリフト補正ステップを含むことが好まし
い。これにより、より精度の高い横圧に関する情報に基
づく解析が行える。Further, the data analysis method preferably includes a lateral pressure drift correction step for correcting drift of the distance series lateral pressure data based on the wheel load lateral pressure information in the section extracted by the straight section recognition step. . As a result, a more accurate analysis based on the lateral pressure information can be performed.
【００３６】また、データ解析装置において、距離系列
横圧データから、輪重対応横圧情報がカーブ閾値を超え
ている区間を抽出するカーブ認識手段を備えることが好
ましい。Further, it is preferable that the data analysis device includes a curve recognition means for extracting a section in which the lateral load lateral pressure information exceeds the curve threshold value from the distance series lateral pressure data.
【００３７】また、データ解析方法において、距離系列
横圧データから、輪重対応横圧情報がカーブ閾値を超え
ている区間を抽出するカーブ認識ステップを含むことが
好ましい。Further, it is preferable that the data analysis method includes a curve recognition step of extracting a section in which the lateral load lateral pressure information exceeds the curve threshold value from the distance series lateral pressure data.
【００３８】これにより、カーブ区間が容易に認識さ
れ、カーブ区間毎の輪重や横圧の解析を好適に行える。Thus, the curve section can be easily recognized, and the wheel load and lateral pressure of each curve section can be preferably analyzed.
【００３９】また、データ解析装置において、時系列横
圧データを所定のローパスフィルタで処理し、処理され
た時系列横圧データのピーク値を取得する代表横圧値取
得手段を備えることが好ましい。Further, it is preferable that the data analysis apparatus includes a representative lateral pressure value acquisition means for processing the time-series lateral pressure data with a predetermined low-pass filter and acquiring the peak value of the processed time-series lateral pressure data.
【００４０】また、データ解析方法において、時系列横
圧データを所定のローパスフィルタで処理し、処理され
た時系列横圧データのピーク値を取得する代表横圧値取
得ステップを含むことが好ましい。Further, the data analysis method preferably includes a representative lateral pressure value acquisition step of processing the time-series lateral pressure data with a predetermined low-pass filter and acquiring the peak value of the processed time-series lateral pressure data.
【００４１】このようなデータ処理装置では、Ｑ／Ｐ値
（脱線係数）の計算等のために、時系列横圧データのピ
ークまわりで所定時間維持された値である代表横圧値Ｑ
ｍを取得する場合がある。上記構成によれば、ローパス
フィルタによって時系列横圧データのピークが丸められ
るので、このローパスフィルタのパラメータを好適な値
にすることにより、丸められたピーク値を代表横圧値Ｑ
ｍに近似する値とさせることができる。このため、ロー
パスフィルタで処理された時系列横圧データのピーク値
を取得することにより、代表横圧値Ｑｍが好適に求めら
れる。In such a data processing device, the representative lateral pressure value Q, which is a value maintained around the peak of the time-series lateral pressure data for a predetermined time, for calculating the Q / P value (derailment coefficient) and the like.
m may be obtained. According to the above configuration, the peak of the time-series lateral pressure data is rounded by the low-pass filter. Therefore, by setting the parameter of this low-pass filter to a suitable value, the rounded peak value is converted into the representative lateral pressure value Q.
It can be set to a value close to m. Therefore, the representative lateral pressure value Qm is suitably obtained by acquiring the peak value of the time-series lateral pressure data processed by the low-pass filter.
【００４２】[0042]
【発明の実施の形態】以下、添付図面を参照しながら、
本発明に係るデータ処理装置の好適な実施形態について
詳細に説明する。なお、図面の説明において、同一また
は相当要素には同一の符号を付し、重複する説明は省略
する。DETAILED DESCRIPTION OF THE INVENTION Referring to the accompanying drawings,
A preferred embodiment of the data processing device according to the present invention will be described in detail. In the description of the drawings, the same or corresponding elements will be denoted by the same reference symbols, without redundant description.
【００４３】図１は、本発明の実施形態に係るデータ処
理システムを示す概略構成図である。本実施形態のデー
タ処理システム１００は、鉄道車両１の車輪２０に加わ
る輪重Ｐ及び横圧Ｑを取得しリアルタイムに、あるい
は、事後的に解析するデータ処理システムである。FIG. 1 is a schematic configuration diagram showing a data processing system according to an embodiment of the present invention. The data processing system 100 of the present embodiment is a data processing system that acquires the wheel weight P and the lateral pressure Q applied to the wheels 20 of the railway vehicle 1 and analyzes them in real time or after the fact.
【００４４】このデータ処理システム１００は、輪重Ｐ
（荷重）の変化を検出して時系列輪重データ（時系列荷
重データ）を出力する輪重検出部１０と、横圧Ｑの変化
を検出して時系列横圧データを出力する横圧検出部１５
と、これら輪重検出部１０及び横圧検出部１５からの出
力を受けて増幅させる動ひずみ計３０と、動ひずみ計３
０で増幅された時系列輪重データ及び時系列横圧データ
に対してアンチエリアシング処理を行うローパスフィル
タ３１と、アンチエリアシング処理された時系列輪重デ
ータ及び時系列横圧データをサンプリングしてＡ／Ｄ変
換してディジタルデータとするＡ／Ｄ変換器３２と、デ
ィジタル化された時系列輪重データ及び時系列横圧デー
タを格納する格納手段３５と、格納手段３５に格納され
た時系列輪重データ及び時系列横圧データを取得して処
理を行うデータ処理装置４０と、を備えている。This data processing system 100 has a wheel load P
A wheel load detection unit 10 that detects a change in (load) and outputs time-series wheel load data (time-series load data), and a lateral pressure detection that detects a change in lateral pressure Q and outputs time-series lateral pressure data. Part 15
And a dynamic strain gauge 30 that receives and amplifies the outputs from the wheel load detection unit 10 and the lateral pressure detection unit 15, and a dynamic strain gauge 3
A low-pass filter 31 that performs anti-aliasing processing on the time-series wheel load data and time-series lateral pressure data amplified by 0, and samples the anti-aliasing time-series wheel load data and time-series lateral pressure data. A / D converter 32 for A / D converting into digital data, storage means 35 for storing the digitized time series wheel load data and time series lateral pressure data, and time stored in the storage means 35 A data processing device 40 that acquires and processes series wheel load data and time series lateral pressure data.
【００４５】また、このデータ処理システム１００は、
動ひずみ計３０で増幅されたデータを記録するレコーダ
３３と、当該データを出力する出力装置３４とをさらに
備えている。Further, this data processing system 100 is
A recorder 33 for recording the data amplified by the dynamic strain gauge 30 and an output device 34 for outputting the data are further provided.
【００４６】輪重検出部１０は、図２（ａ）、図２
（ｂ）に示すように、車輪２０で輪軸２１を挟んで相対
向する位置に一対設置されたゲージ対１１とゲージ対１
２とを有している。ゲージ対１１は、車輪２０の半径方
向のひずみを測定可能なひずみゲージ１１ａ及びひずみ
ゲージ１１ｂを有し、ゲージ対１２は、同様に車輪２０
の半径方向のひずみを測定可能なひずみゲージ１２ａ及
びひずみゲージ１２ｂを有している。これらゲージ対１
１，１２は、車輪２０の回転により各々のゲージ対１
１，１２が設置された場所が輪軸２１の下側に位置した
ときに、各々の場所に加わる輪重Ｐを検出する。The wheel load detecting section 10 is shown in FIGS.
As shown in (b), a pair of gauges 11 and a pair of gauges 1 and 1 are installed in a pair so as to face each other with the wheel shaft 21 interposed between the wheels 20.
2 and. The gauge pair 11 has a strain gauge 11a and a strain gauge 11b capable of measuring the radial strain of the wheel 20, and the gauge pair 12 similarly has the wheel 20.
It has a strain gauge 12a and a strain gauge 12b capable of measuring strain in the radial direction. These gauges vs. 1
1 and 12 are paired with each gauge 1 by rotation of the wheel 20.
When the places where 1 and 12 are installed are located below the wheel axle 21, the wheel weight P applied to each place is detected.
【００４７】これらの輪重ひずみゲージ１１ａ〜１２ｂ
は、図３（ａ）に示すようなブリッジ回路１３を構成し
ている。そして、このようなブリッジ回路１３及び動ひ
ずみ計３０を介して、図４（ａ）に示すように、時系列
的なデータであって、車輪２０が半回転するのに要する
時間Ｔｘ毎に、輪重Ｐに関する情報を、正負が交互に逆
転された値１２０，１２１，１２２，１２３，１２４，
１２５等として含む時系列輪重データが出力される。こ
こで、時系列輪重データ（時系列荷重データ）は、水平
軸を時間とし垂直軸を時系列輪重データの大きさとなる
ように表した場合に、山状波形１３０，１３１，１３２
等のピーク値や谷状波形１３５，１３６，１３７等の谷
底値として輪重Ｐに関する情報を含み、また、ひずみゲ
ージの温度変動等や動ひずみ計の零点設定の誤差等によ
って発生するドリフト量Ｐoffset（図示一点鎖線）を含
んでいる。また、輪重Ｐに関する情報が現れる周期Ｔｘ
は、車輪２０が１／２回転するのに要する時間に対応す
ることとなり、鉄道車両１の速度により変動する。な
お、ドリフト量は、輪重Ｐに関する情報が現れる周期Ｔ
ｘよりも十分に長い周期で変動するものである。なお、
輪重Ｐに関する情報や、横圧Ｑに関する情報に所定の係
数をかけること等により、測定された輪重Ｐや横圧Ｑの
絶対値が求められる。These wheel strain gauges 11a-12b
Constitute a bridge circuit 13 as shown in FIG. Then, through the bridge circuit 13 and the dynamic strain gauge 30 as described above, as shown in FIG. 4A, it is time-series data, and for each time Tx required for the wheel 20 to make a half rotation, Information about the wheel load P is obtained by reversing the positive and negative values 120, 121, 122, 123, 124,
Time series wheel load data including 125 etc. is output. Here, when the time-series wheel load data (time-series load data) is expressed such that the horizontal axis is time and the vertical axis is the size of the time-series wheel load data, the mountain-shaped waveforms 130, 131, 132.
And the like, and the valley bottom values of the valley-shaped waveforms 135, 136, 137, etc., include the information about the wheel load P, and the drift amount Poffset caused by the temperature variation of the strain gauge, the zero setting error of the dynamic strain gauge, etc. (Indicated by an alternate long and short dash line). Further, the cycle Tx in which the information about the wheel load P appears
Corresponds to the time required for the wheel 20 to make 1/2 rotation, and varies depending on the speed of the railway vehicle 1. The drift amount is the period T in which the information on the wheel load P appears.
It fluctuates in a cycle sufficiently longer than x. In addition,
The absolute values of the measured wheel load P and the lateral pressure Q can be obtained by multiplying the information about the wheel load P and the information about the lateral pressure Q by a predetermined coefficient.
【００４８】横圧検出部１５は、図２（ａ）、図２
（ｂ）に示すように、車輪２０の車幅方向の内側の面上
で輪軸２１から所定距離はなれた位置に輪軸２１を取り
囲むように等間隔に複数設置されたひずみゲージ１５ａ
〜１５ｈと、車輪２０の車幅方向の外側の面上にひずみ
ゲージ１５ａ〜１５ｈに対応して複数設置されたひずみ
ゲージ１６ａ〜１６ｈとを備えている。これらのひずみ
ゲージ１５ａ〜１５ｈ、１６ａ〜１６ｈは、各々のひず
みゲージが設置された場所が輪軸２１の下側に位置した
際に、車輪２０が横圧Ｑを受けて生ずる曲げ応力を検出
する。The lateral pressure detecting section 15 is shown in FIG.
As shown in (b), a plurality of strain gauges 15a are installed at regular intervals on the inner surface in the vehicle width direction of the wheel 20 so as to surround the wheel shaft 21 at a predetermined distance.
.About.15h and a plurality of strain gauges 16a to 16h provided on the outer surface of the wheel 20 in the vehicle width direction corresponding to the strain gauges 15a to 15h. These strain gauges 15a to 15h and 16a to 16h detect the bending stress generated when the wheel 20 receives the lateral pressure Q when the location where each strain gauge is installed is located below the wheel axle 21.
【００４９】これらのひずみゲージ１５ａ〜１５ｈ、１
６ａ〜１６ｈは、図３（ｂ）に示すように、ブリッジ回
路１７を構成し、このようなブリッジ回路１７及び動ひ
ずみ計３０を介して、時系列的なデータであって、横圧
Ｑに関する情報を連続的に含む時系列横圧データが出力
される（図５参照）。このような時系列横圧データも、
ひずみゲージの温度変動等や動ひずみ計の零点設定の誤
差等によって発生する、ドリフト量（図示ドリフト量
Ａ，Ｂ等）を含んでいる。These strain gauges 15a to 15h, 1
As shown in FIG. 3B, 6a to 16h form a bridge circuit 17, and are time-series data via the bridge circuit 17 and the dynamic strain gauge 30 and relate to the lateral pressure Q. Time-series lateral pressure data that continuously includes information is output (see FIG. 5). Such time series lateral pressure data is also
It includes a drift amount (illustrated drift amounts A, B, etc.) that is generated due to a temperature change of the strain gauge, an error in setting a zero point of the dynamic strain gauge, and the like.
【００５０】データ処理装置４０は、図６に示すよう
に、格納手段３５に格納された時系列輪重データ及び時
系列横圧データを取得する取得手段４１と、時系列横圧
データから代表横圧値Ｑｍを取得する代表横圧値取得手
段４３と、時系列輪重データから距離系列輪重データを
生成する輪重抽出手段（荷重抽出手段）４５と、距離系
列輪重データのドリフトを補正する輪重ドリフト補正手
段（荷重ドリフト補正手段）４７と、時系列横圧データ
から距離系列横圧データを生成する横圧抽出手段４９
と、距離系列横圧データのドリフト補正を行うと共にカ
ーブ区間の認識等をする横圧ドリフト補正手段５１と、
これらのデータに基づいてデータの解析を行う解析部５
３と、解析データや時系列データ等を表示する表示手段
５５と、解析データや時系列データ等をプリンタ等や記
憶手段等へ出力する出力手段５７と、ユーザの指示等に
基づいてカーブ区間の修正を行うカーブ修正手段５９
と、同様の機能を有するコンピュータである。As shown in FIG. 6, the data processing device 40 includes an acquisition means 41 for acquiring the time series wheel load data and the time series lateral pressure data stored in the storage means 35, and a representative lateral pressure data from the time series lateral pressure data. Representative lateral pressure value acquisition means 43 for acquiring the pressure value Qm, wheel weight extraction means (load extraction means) 45 for generating distance series wheel weight data from time series wheel weight data, and drift of distance series wheel weight data are corrected. Wheel load drift correction means (load drift correction means) 47 and lateral pressure extraction means 49 for generating distance series lateral pressure data from time series lateral pressure data.
And lateral pressure drift correction means 51 for performing drift correction of the distance series lateral pressure data and recognizing a curve section,
Analysis unit 5 that analyzes data based on these data
3, display means 55 for displaying analysis data, time-series data, etc., output means 57 for outputting analysis data, time-series data, etc. to a printer, storage means, etc., and a curve section based on a user's instruction or the like. Curve correction means 59 for correction
And a computer having the same function.
【００５１】輪重抽出手段４５は、格納手段３５から時
系列輪重データを取得し、図４（ａ）に示すように、当
該時系列輪重データの内、そのデータ値が上限閾値Ｐｏ
ｍａｘを上回ってから（時刻ｔ01）データ値が下限閾値
を下回るまで（時刻ｔ02）の区間を抽出することにより
山形波形部分１３０を含む区間（第一区間）を取得し、
その区間の最大値に対応する値、例えば、値１２０等を
輪重Ｐに関する情報として抽出する。また、当該時系列
輪重データの内、そのデータ値が下限閾値Ｐｏｍｉｎを
下回ってから（時刻ｔ02）データ値が上限閾値を上回る
まで（時刻ｔ03）までの区間を抽出することにより谷状
波形部分１３５を含む区間（第二区間）を検出し、その
区間の最小値に対応する値、例えば、値１２１等を輪重
Ｐに関する情報として抽出する。この一連の手順を順次
続けることにより、値１２０〜値１２３等を得ることが
できる。なお、このとき、値１２０〜値１２３に各々対
応する、輪重に関する情報が含まれた時刻ｔa、ｔb、ｔ
c、ｔd等を横圧抽出手段４９に送信する。The wheel load extracting means 45 acquires the time-series wheel load data from the storing means 35, and as shown in FIG. 4A, the data value of the time-series wheel load data is the upper limit threshold Po.
A section (first section) including the mountain-shaped waveform portion 130 is acquired by extracting a section from the time when the data value exceeds max (time t 01 ) until the data value falls below the lower limit threshold value (time t 02 ),
A value corresponding to the maximum value of the section, for example, the value 120 or the like is extracted as information about the wheel load P. In addition, the valley-shaped data is extracted by extracting a section of the time-series wheel load data from when the data value falls below the lower limit threshold Pomin (time t 02 ) until the data value exceeds the upper limit threshold (time t 03 ). A section (second section) including the waveform portion 135 is detected, and a value corresponding to the minimum value of the section, for example, the value 121 or the like is extracted as information regarding the wheel load P. By successively continuing this series of procedures, the value 120 to the value 123 and the like can be obtained. At this time, each corresponding to a value 120 to value 123, the time t a which contains information about the wheel load, t b, t
The c , t d, etc. are transmitted to the lateral pressure extracting means 49.
【００５２】ここで、第一区間の始点を定めるための上
限閾値Ｐｏｍａｘと終点を定めるための下限閾値Ｐｏｍ
ｉｎとが互いに異なる値とされ、また、第二区間の始点
を定めるための下限閾値Ｐｏｍｉｎと終点を定めるため
の上限閾値Ｐｏｍａｘとが互いに異なる値とされ、閾値
付近で時系列荷重データが波形１２９の部分のように振
動する場合でも、山状波形１３０を含む第一区間等を好
適に取得できる。また、第一区間の始点を定めるための
閾値Ｐｏｍａｘと、第二区間の終点を定めるための閾値
Ｐｏｍａｘとが同じとされると共に、第一区間の終点を
定めるための閾値Ｐｏｍｉｎと、第二区間の始点を定め
るための閾値Ｐｏｍｉｎとが同じとされるため、閾値の
データが２つですみ、より迅速かつ効率的にデータ処理
を行える。また、このような第一区間から最大値を取得
し、第二区間から最小値を求めることにより、荷重に関
する情報を容易に取得できる。このため、荷重に関する
情報の取得に、荷重に関する情報が現れる時刻に関する
他の信号等を必要としない。Here, the upper limit threshold Pomax for determining the start point of the first section and the lower limit threshold value Pom for determining the end point.
in is different from each other, the lower limit threshold Pomin for determining the start point of the second section and the upper limit threshold Pomax for determining the end point are different from each other, and the time-series load data has a waveform 129 near the threshold value. Even when vibrating like the portion of 1, the first section including the mountain-shaped waveform 130 can be suitably acquired. Further, the threshold value Pomax for determining the start point of the first section and the threshold value Pomax for determining the end point of the second section are the same, and the threshold value Pomin for determining the end point of the first section and the second section Since the threshold value Pomin for determining the starting point of is the same, only two pieces of threshold value data are required, and data processing can be performed more quickly and efficiently. Further, by obtaining the maximum value from such a first section and obtaining the minimum value from the second section, it is possible to easily obtain information regarding the load. Therefore, the acquisition of the information regarding the load does not require any other signal or the like regarding the time when the information regarding the load appears.
【００５３】上限閾値Ｐｏｍａｘとしては、輪重Ｐに関
する情報として現れる山状波形のピーク値を超えず、か
つ、時系列輪重データに周期的に現れるノイズ１２７の
ピーク値を超える値である必要があり、時系列輪重デー
タに対して設定する所定のオフセット設定値に対して時
系列輪重データの振幅の４０％程度を足したものを使用
することが好ましい。また、下限閾値Ｐｏｍｉｎとして
は、輪重にＰに関する情報として現れる谷状波形の谷底
値を下回らず、かつ、時系列輪重データに周期的に現れ
るノイズ１２８の谷底値を下回る値である必要があり、
時系列輪重データに対して設定するオフセット設定値か
ら時系列輪重データの振幅の半分の４０％程度を引いた
ものを使用することが好ましい。このようなオフセット
設定値や、時系列輪重データの振幅等は、例えば、あら
かじめ、ユーザ等が時系列輪重データの表示グラフ等か
ら判断して入力することにより設定できる。The upper limit threshold Pomax needs to be a value that does not exceed the peak value of the mountain-shaped waveform that appears as information about the wheel load P and that exceeds the peak value of the noise 127 that appears periodically in the time-series wheel load data. Therefore, it is preferable to use a value obtained by adding about 40% of the amplitude of the time-series wheel load data to the predetermined offset setting value set for the time-series wheel load data. Further, the lower limit threshold Pomin needs to be a value that does not fall below the valley bottom value of the valley waveform that appears in the wheel load as information relating to P, and is below the valley bottom value of the noise 128 that periodically appears in the time series wheel load data. Yes,
It is preferable to use a value obtained by subtracting about 40% of half the amplitude of the time-series wheel load data from the offset setting value set for the time-series wheel load data. Such an offset set value, the amplitude of the time-series wheel load data, and the like can be set, for example, by the user or the like judging in advance from the display graph of the time-series wheel load data or the like.
【００５４】また、一度、適切な上限閾値Ｐｏｍａｘと
下限閾値Ｐｏｍｉｎとによって、輪重Ｐに関する情報が
好適に取得できた後は、取得された２つ又は４つ等の輪
重Ｐに関する情報の平均値等からオフセット設定値を求
め、また取得した輪重Ｐに関する情報のうちの隣り合う
２つの値の差等に基づいて振幅値を求めることが好まし
く、これにより、オフセット量が大きく変動する場合
や、時系列輪重データの振幅値が大きく変化する場合に
も好適に、輪重Ｐに関する情報が抽出できる。Further, once the information about the wheel load P can be properly acquired by the appropriate upper threshold value Pomax and the lower limit threshold value Pomin, the average of the acquired information about the wheel load P such as two or four wheels is obtained. It is preferable to obtain the offset set value from the value or the like, and to obtain the amplitude value based on the difference between two adjacent values of the obtained information regarding the wheel weight P, which may greatly change the offset amount. Even when the amplitude value of the time-series wheel load data greatly changes, the information about the wheel load P can be extracted appropriately.
【００５５】なお、時系列輪重データにおいては、まれ
に、山状波形１３０等や谷状波形１３５等よりも大きな
ノイズ等のパルスピークを含む場合がある。例えば、時
刻ｔ 05〜時刻ｔ06の区間で山状波形１３０の後に、真の
値１２４よりも大きなパルスピーク１２６による偽の値
１２６ａを含む場合は、真の値１２４に代えて偽の値１
２６ａを輪重に関する情報として抽出してしまうおそれ
がある。In the case of time series wheel weight data,
Is larger than the peak-shaped waveform 130 and the valley-shaped waveform 135.
It may include pulse peaks such as noise. For example, time
Tick t 05~ Time t06In the section of
False value due to pulse peak 126 greater than value 124
If 126a is included, the true value 124 is replaced by the false value 1
26a may be extracted as information about wheel load
There is.
【００５６】このような場合は、この区間で取得した値
１２６ａが含まれた時刻ｔeと、これより前の、例え
ば、時刻ｔ04〜時刻ｔ05の区間で輪重に関する情報とし
て抽出した値１２３が含まれた時刻ｔdとの差ｄＴを求
め、このｄＴに基づいて、この値１２６ａを輪重に関す
る情報として抽出することの妥当性を判断することがで
きる。In such a case, the time t e including the value 126a acquired in this section and the value extracted as information about wheel load in the section before that, for example, from time t 04 to time t 05. It is possible to determine the adequacy of obtaining the difference dT from the time t d including 123 and extracting this value 126a as the information regarding the wheel load based on this dT.
【００５７】例えば、ｄＴと、時刻ｔdと時刻ｔcとの差
ｄＴ0と、を比較することにより、値１２６ａの妥当性
を検討できる。具体的には、例えば、ｄＴ／ｄＴ0に着
目し車両１の減速度が一定であると仮定すると、車両１
が時間ｄＴの終端である時刻に停止した場合にｄＴ／ｄ
Ｔ0は最大値（１＋２0.5）となり、走行中ｄＴ／ｄＴ 0
がこれを上回ることはないので、このｄＴ／ｄＴ0に基
づいてこの区間での値１２６ａについての妥当性を判定
できる。For example, dT and time tdAnd time tcDifference from
dT0And the validity of the value 126a by comparing
Can be considered. Specifically, for example, dT / dT0To arrive
Assuming that the deceleration of the vehicle 1 is constant, the vehicle 1
DT / d when is stopped at the end of time dT
T0Is the maximum value (1 + 20.5), DT / dT while driving 0
Does not exceed this, so this dT / dT0Based on
Based on this, determine the validity of the value 126a in this section
it can.
【００５８】また、例えば、図４（ｂ）に示すように、
山状波形１３２より前に真の値１２４よりも大きなパル
スピーク１２６による偽の値１２６ａを含む場合でも、
時刻ｔ05〜時刻ｔ06の区間で輪重に関する情報として真
の値１２４に代えて偽の値１２６ａを輪重に関する情報
として抽出してしまうおそれがある。Further, for example, as shown in FIG.
Even if a false value 126a due to a pulse peak 126 larger than the true value 124 is included before the mountain-shaped waveform 132,
In the section from time t 05 to time t 06 , a false value 126a may be extracted as the wheel load information instead of the true value 124 as the wheel load information.
【００５９】このような場合でも、この区間で取得した
値１２６ａが含まれた時刻ｔhと、これより前の、例え
ば、時刻ｔ04〜時刻ｔ05の区間で輪重に関する情報とし
て抽出した値１２３が含まれた時刻ｔdとの差ｄＴを求
め、このｄＴに基づいて、この値１２６ａを輪重に関す
る情報として抽出することの妥当性を判断することがで
きる。具体的には、車両１が加速度一定で加速すると仮
定すると、時間ｄＴ0の始端である時刻に車両１が発進
するとした場合にｄＴ／ｄＴ0が最小値（２0.5−１）と
なり、走行中にｄＴ／ｄＴ0がこれを下回ることはない
ので、このｄＴ／ｄＴ0に基づいてこの区間での値１２
６ａについての妥当性を判定できる。Even in such a case, the value extracted as the information concerning the wheel load between the time t h including the value 126a acquired in this section and the section before that, for example, the time t 04 to the time t 05. It is possible to determine the adequacy of obtaining the difference dT from the time t d including 123 and extracting this value 126a as the information regarding the wheel load based on this dT. Specifically, when the vehicle 1 is assumed to accelerate at a constant acceleration, minimum dT / dT 0 value when the vehicle 1 at a time is a start time dT 0 to start (2 0.5 -1), and during travel Since dT / dT 0 does not fall below this, the value 12 in this section is calculated based on this dT / dT 0.
The suitability for 6a can be determined.
【００６０】これらを合わせて考えると、各々の区間で
の最大値や最小値に関して、少なくとも（２0.5−１）
≦（ｄＴ／ｄＴ0）≦（１＋２0.5）を満たさない場合
は、異常値であると判定できる。なお、異常値であると
判定された場合は、例えば、表示手段にその旨を出力
し、システムの使用者に警告を与えることができる。Considering these together, the maximum value and the minimum value in each section are at least (2 0.5 −1)
When ≦ (dT / dT 0 ) ≦ (1 + 2 0.5 ) is not satisfied, it can be determined that the value is an abnormal value. If it is determined that the value is an abnormal value, for example, the fact can be output to the display unit to give a warning to the user of the system.
【００６１】そして、輪重抽出手段４５は、このように
して取得した輪重Ｐに関する情報を、当該輪重Ｐに関す
る情報が時系列輪重データに含まれていた時刻順に配列
し、距離系列輪重データを生成する。Then, the wheel load extracting means 45 arranges the information on the wheel load P thus obtained in the order of the time when the information on the wheel load P was included in the time-series wheel load data, and the distance series wheel Generate duplicate data.
【００６２】このような距離系列輪重データにおいて
は、輪重に関する情報が抽出されているのでデータ量が
小さくなり、後のデータ処理を行う場合の計算資源を節
約できる。また、距離系列輪重データにおいては、抽出
された輪重に関する情報が、時系列輪重データにおいて
含まれた順に配列されている。時系列輪重データにおい
て、輪重に関する情報は、車輪２０が所定量回転するの
に要する時間毎のデータであるので、これを順に並べる
ことにより車輪２０が所定量回転する毎の荷重に関する
情報、すなわち、走行距離に対する荷重に関する情報で
ある距離系列のデータとなり、この距離系列荷重データ
は車輪２０の回転速度、すなわち、鉄道車両１の走行速
度の要素を含まない。このため、距離系列荷重データに
対して、鉄道車両１の走行速度を考慮せずにデータ処理
ができ好適である。例えば、この距離系列輪重データに
対しては、以下に説明するように、鉄道車両の走行速度
を考慮せずにフィルタ処理等のデータ処理ができ、従来
のように、時系列輪重データをローパスフィルタ等のフ
ィルタで処理する際等に、鉄道車両の最低速度等に合わ
せてフィルタの遮断周波数等のパラメータを最適化する
必要がなくされ、好適にデータの処理が行える。In such distance series wheel load data, since the information about wheel load is extracted, the data amount becomes small, and the calculation resource for the subsequent data processing can be saved. Further, in the distance-series wheel load data, information on the extracted wheel loads is arranged in the order of inclusion in the time-series wheel load data. In the time-series wheel load data, the information about the wheel load is data for each time required for the wheel 20 to rotate by a predetermined amount, so by arranging these in order, the information about the load each time the wheel 20 rotates by a predetermined amount, That is, it becomes data of a distance series which is information relating to the load with respect to the traveling distance, and this distance series load data does not include the rotational speed of the wheels 20, that is, the traveling speed of the railway vehicle 1. Therefore, it is preferable that the distance series load data can be processed without considering the traveling speed of the railway vehicle 1. For example, as described below, the distance-series wheel load data can be subjected to data processing such as filter processing without considering the traveling speed of the railway vehicle, and the time-series wheel load data can be converted to the conventional time-series wheel load data. When processing with a filter such as a low-pass filter, it is not necessary to optimize parameters such as the cutoff frequency of the filter in accordance with the minimum speed of the railway vehicle, and data processing can be performed appropriately.
【００６３】このような距離系列輪重データを、データ
値をＹ軸に対応させ、配列順に等間隔にＸ軸に対して並
べたグラフを図７（ａ）に示す。図中の黒丸１２０等が
抽出された輪重に関する情報に対応する。このように距
離系列輪重データをＸ軸に等間隔に並べると、このＸ軸
は距離に対応するので、以降横軸を距離と記載する。FIG. 7 (a) shows a graph in which the data values of such distance series wheel weight data are associated with the Y axis and are arranged in the order of arrangement at equal intervals with respect to the X axis. The black circles 120 and the like in the figure correspond to the information on the extracted wheel weight. When the distance series wheel load data are arranged at equal intervals on the X axis in this manner, the X axis corresponds to the distance, and hence the horizontal axis is hereinafter referred to as the distance.
【００６４】距離系列輪重データは、図７（ａ）中に一
点鎖線で示すように、徐々に変動するドリフト量１１３
を含んでおり、ドリフト量１１３を補正しないと精度の
高い輪重Ｐの取得ができない。The distance series wheel weight data is a drift amount 113 that gradually changes, as indicated by the alternate long and short dash line in FIG.
Therefore, unless the drift amount 113 is corrected, the wheel weight P with high accuracy cannot be obtained.
【００６５】輪重ドリフト補正手段４７は、このように
ドリフト量を含む距離系列輪重データをローパスフィル
タによって処理して、ドリフト量（図中の一点鎖線の成
分）を抽出し、距離系列輪重データからドリフト量を減
算することにより、図７（ｂ）に示すようにドリフト補
正された距離系列輪重データを生成する。なお、１つお
きに現れる負号を持つ輪重Ｐに関する情報の符号を変換
し、図７（ｃ）に示すような、符号が統一されたドリフ
ト補正済みの距離系列輪重データを生成すると後工程で
の取り扱いが容易となる。The wheel load drift correction means 47 processes the distance series wheel load data including the drift amount in this way by a low-pass filter to extract the drift amount (the one-dot chain line component in the figure), and the distance series wheel load. By subtracting the drift amount from the data, drift-corrected distance series wheel weight data is generated as shown in FIG. 7B. It should be noted that when the sign of the information on the wheel load P having a negative sign that appears every other one is converted to generate the drift-corrected distance series wheel load data with the unified sign as shown in FIG. It is easy to handle in the process.
【００６６】ここで、距離系列輪重データからドリフト
量を減算する際には、ローパスフィルタによって取得さ
れたドリフト量に発生する位相遅れをキャンセルするよ
うに減算することが好ましい。Here, when the drift amount is subtracted from the distance series wheel weight data, it is preferable to subtract so as to cancel the phase delay generated in the drift amount acquired by the low-pass filter.
【００６７】具体的には、距離系列輪重データをx[i],i
=0〜n-1とし、長さ２Ｎ＋１（Ｎは整数）のフィルタに
対して入力としてx[i]を与えたときのドリフト量として
の出力をy[i],i=0〜n-1、とすると、フィルタによる位
相遅れはＮとなる。そして、ドリフト量の減算を、z[j]
=x[j]-y[j+N], k=0,1,…,n-N+1により行うことが好まし
い。これにより、ドリフト量を補正する際の位相遅れが
キャンセルされて、より精度の高い輪重データが得られ
る。Specifically, the distance series wheel weight data is set to x [i], i
= 0 to n-1, and the output as a drift amount is y [i], i = 0 to n-1 when x [i] is given as an input to a filter of length 2N + 1 (N is an integer). , The phase delay due to the filter becomes N. Then, subtract the drift amount by z [j]
= x [j] -y [j + N], k = 0, 1, ..., N-N + 1 is preferable. As a result, the phase delay when correcting the drift amount is canceled, and more accurate wheel load data is obtained.
【００６８】なお、これ以降、便宜的に、図７（ａ）に
示すように、距離系列データのデータ同士のＸ軸の間隔
を１秒に相当する時間とみなして距離系列データの周波
数及び周期を定義し、距離系列データの変動等に関する
議論を行う。これにより、車輪が半回転する距離毎のデ
ータ列の周期は１となり、データ４個を周期として増減
するような変動の周波数は０．２５、周期は４となる。
このような周波数を用いて考えると、上述のフィルタと
しては、輪重Ｐの変動の周波数よりも十分低く、予想さ
れるドリフト量の変動の周波数よりも大きな周波数であ
るような遮断周波数を有するローパスフィルタを採用す
ることが好ましく、通常の鉄道車両においては、遮断周
波数を０．００５Ｈｚにすることにより、好適にドリフ
ト量が抽出できる。Hereafter, for convenience sake, as shown in FIG. 7A, the frequency and period of the distance series data are considered by regarding the interval of the X axis between the data of the distance series data as time corresponding to 1 second. We will discuss about the variation of distance series data. As a result, the cycle of the data string for each distance in which the wheel makes a half rotation becomes 1, and the frequency of fluctuation that increases or decreases with 4 data as the cycle becomes 0.25 and the cycle becomes 4.
Considering using such a frequency, the above-mentioned filter has a low-pass having a cutoff frequency that is sufficiently lower than the frequency of fluctuation of the wheel load P and higher than the frequency of fluctuation of the expected drift amount. It is preferable to employ a filter, and in a normal railway vehicle, the amount of drift can be suitably extracted by setting the cutoff frequency to 0.005 Hz.
【００６９】図８（ａ）に、本実施形態で使用したフィ
ルタの周波数応答を、図８（ｂ）に本実施形態で使用し
たフィルタのフィルタ係数h(l)を示す。FIG. 8A shows the frequency response of the filter used in this embodiment, and FIG. 8B shows the filter coefficient h (l) of the filter used in this embodiment.
【００７０】横圧抽出手段４９は、輪重抽出手段４５で
抽出された輪重に関する情報に対応して、時系列横圧デ
ータのうちの各々の輪重に関する情報が含まれた時刻を
含む所定の時間における横圧Ｑに関する情報に基づいて
輪重対応横圧情報を生成し、これを対応する時刻順に配
列した距離系列横圧データを生成する。The lateral pressure extracting means 49 corresponds to the wheel weight information extracted by the wheel weight extracting means 45 and includes a predetermined time including the time when the information on each wheel weight of the time series lateral pressure data is included. The lateral load lateral pressure information is generated based on the information about the lateral pressure Q at the time of, and the distance series lateral pressure data is generated by arranging the lateral load lateral pressure information.
【００７１】このようにして生成された距離系列横圧デ
ータは、時系列輪重データにおいて輪重Ｐに関する情報
が含まれた時刻に対応するように、時系列横圧データか
ら横圧Ｑに関する情報が抽出されデータの数が減少され
ている。このため、この距離系列横圧データを用いて後
述のカーブ検出等を行うことにより計算精度をそれほど
悪化させることなく計算負荷を低減することができる。The distance-series lateral pressure data thus generated corresponds to the lateral pressure Q from the time-series lateral pressure data so as to correspond to the time when the information on the wheel load P is included in the time-series wheel load data. Has been extracted and the number of data has been reduced. Therefore, it is possible to reduce the calculation load without significantly deteriorating the calculation accuracy by performing curve detection or the like described later using this distance series lateral pressure data.
【００７２】本実施形態において、横圧抽出手段４９
は、輪重対応横圧情報として、距離系列横圧最大値デー
タと距離系列横圧平均値データとを生成する。距離系列
横圧最大値データは、時系列横圧データのうちで、輪重
Ｐに関する情報が含まれた時刻と、当該輪重Ｐに関する
情報よりも一つ前の輪重Ｐに関する情報が含まれた時刻
との間の時間における、横圧Ｑに関する情報の最大値を
各々取得し、これを各々の時刻順に配列してなるもので
ある。また、距離系列横圧平均値データは、時系列横圧
データのうちで、輪重Ｐに関する情報が含まれた時刻
と、当該輪重Ｐに関する情報よりも一つ前の輪重Ｐに関
する情報が含まれた時刻との間の時間での、横圧Ｑに関
する情報の平均値を各々の時刻の順に配列してなるもの
である。In this embodiment, the lateral pressure extracting means 49
Generates the distance series lateral pressure maximum value data and the distance series lateral pressure average value data as the wheel load corresponding lateral pressure information. The distance-series lateral pressure maximum value data includes, among the time-series lateral pressure data, the time when the information about the wheel load P is included and the information about the wheel load P that is one before the information about the wheel load P. The maximum value of the information regarding the lateral pressure Q in each time between the above and the other times is acquired, and this is arranged in the order of each time. Further, the distance-series lateral pressure average value data includes the time when the information on the wheel load P is included in the time-series lateral pressure data and the information about the wheel load P that is one before the information about the wheel load P. The average value of the information on the lateral pressure Q in the time between the included time is arranged in the order of each time.
【００７３】このように、横圧Ｑに関してデータ数を減
少させる際に、輪重Ｐに関する情報が含まれた時刻を含
む時間での最大値や平均値を抽出するようにしているの
で、抽出後の距離系列横圧データに含まれる情報の質が
高くされ、一層好適に横圧データの処理が行える。As described above, when the number of data items regarding the lateral pressure Q is reduced, the maximum value and the average value at the time including the time when the information about the wheel weight P is included are extracted. The quality of the information included in the distance series lateral pressure data is improved, and the lateral pressure data can be processed more preferably.
【００７４】横圧ドリフト補正手段５１は、図６に示す
ように、距離系列横圧データに基づいて、直線区間を認
識する直線検出手段（直線区間認識手段）６１を備え、
直線区間における距離系列横圧データに基づいてドリフ
ト量を取得し、当該ドリフト量に基づいて距離系列横圧
データのドリフトを補正する。また、横圧ドリフト補正
手段５１は、このドリフト量を考慮に入れた上で、距離
系列横圧データに基づいてカーブ区間を認識するカーブ
検出手段（カーブ認識手段）６３を具えている。As shown in FIG. 6, the lateral pressure drift correction means 51 comprises a straight line detection means (straight line recognition means) 61 for recognizing a straight line section based on the distance series lateral pressure data.
The drift amount is acquired based on the distance series lateral pressure data in the straight line section, and the drift of the distance series lateral pressure data is corrected based on the drift amount. In addition, the lateral pressure drift correction means 51 includes a curve detection means (curve recognition means) 63 that recognizes the curve section based on the distance series lateral pressure data after taking the drift amount into consideration.
【００７５】直線検出手段６１は、図９に示すように、
距離系列横圧平均値データのうち、所定の個数以上のデ
ータからなる区間であって、横圧平均値の内最大値Ｑｍ
ａｘと最小値Ｑｍｉｎとの差が所定の直線判定幅閾値よ
り小さく、かつ、当該区間内での横圧平均値の平均変化
率が所定の直線判定変化率閾値よりも小さい区間を直線
区間として認識する。ここで、横圧平均値を用いて直線
を判定するので、横圧最大値等を用いる場合に比して、
より好適に直線の判定がなされる。The straight line detecting means 61, as shown in FIG.
It is a section consisting of a predetermined number or more of data in the distance series lateral pressure average value data, and is the maximum value Qm of the lateral pressure average values.
A section in which the difference between ax and the minimum value Qmin is smaller than a predetermined straight line determination width threshold and the average change rate of the lateral pressure average values in the section is smaller than a predetermined straight line determination change rate threshold is recognized as a straight line section. To do. Here, since the straight line is determined using the lateral pressure average value, compared to the case where the lateral pressure maximum value or the like is used,
The straight line is more preferably determined.
【００７６】なお、当該区間の直線判定変化率閾値は、
当該区間での平均変化率に対応する増分が直線判定幅閾
値の２０％程度となるように定めることが好ましい。ま
た、区間のデータ個数としては、車輪５回転に対応する
データ１０点とすることが好ましい。The straight line determination change rate threshold value for the section is
It is preferable to set the increment corresponding to the average rate of change in the section to be about 20% of the linear determination width threshold value. Further, it is preferable that the number of data in the section is 10 data corresponding to 5 rotations of the wheel.
【００７７】カーブ検出手段６３は、図１０に示すよう
に、距離系列横圧最大値データに基づいて、横圧最大値
が所定のカーブ閾値を超えている区間１４０等をカーブ
区間として認識する。ここで、カーブ検出手段６３は、
ローパスフィルタを用いて距離系列横圧最大値データか
ら高周波成分を除去し平滑化してなる距離系列横圧デー
タに対してカーブ認識を行うことが好ましい。As shown in FIG. 10, the curve detecting means 63 recognizes a section 140 or the like in which the maximum lateral pressure exceeds a predetermined curve threshold value as a curve section based on the distance series lateral pressure maximum value data. Here, the curve detection means 63 is
It is preferable to perform curve recognition on the distance series lateral pressure data obtained by removing high frequency components from the distance series lateral pressure maximum value data by using a low-pass filter and smoothing.
【００７８】この平滑化としては、例えば、横圧Ｑの変
動であって、車輪が１０回転する距離よりも短い周期の
変動が除去されるように設定することが好ましく、具体
的には、図１１（ａ）、図１１（ｂ）に示すような特性
のフィルタを用いることができる。このようにして高周
波成分を除去することにより、横圧Ｑの細かい変動によ
り極めて短いカーブ区間が多数認識されることが防止さ
れる。また、横圧最大値を用いることにより、横圧平均
値を用いる場合等に比して、カーブの認識が好適に行え
る。As the smoothing, for example, it is preferable to set such that the fluctuation of the lateral pressure Q and the fluctuation of a cycle shorter than the distance of 10 rotations of the wheel are removed. 11 (a) and 11 (b) may be used as filters. By removing the high frequency component in this manner, it is possible to prevent a large number of extremely short curve sections from being recognized due to a fine fluctuation of the lateral pressure Q. Further, by using the maximum lateral pressure value, it is possible to preferably recognize the curve as compared with the case where the average lateral pressure value is used.
【００７９】次に、図１２（ａ），図１２（ｂ），図１
３（ａ），図１３（ｂ）を参照して、本実施形態の横圧
ドリフト補正手段５１における具体的な動作を説明す
る。なお、本来、平滑化された距離系列横圧最大値デー
タにおける横圧最大値、平滑化されていない距離系列横
圧最大値データにおける横圧最大値、距離系列横圧平均
値データにおける横圧平均値は、互いに異なる数値であ
るが、いずれもほぼ同様の傾向を示す波形となるため、
図１２（ａ），図１２（ｂ），図１３（ａ），図１３
（ｂ）において、簡潔な図とするため同一の丸点で表し
ている。Next, FIG. 12 (a), FIG. 12 (b), and FIG.
A specific operation of the lateral pressure drift correction means 51 of the present embodiment will be described with reference to FIGS. Originally, the lateral pressure maximum value in the smoothed distance series lateral pressure maximum value data, the lateral pressure maximum value in the unsmoothed distance series lateral pressure maximum value data, the lateral pressure average in the distance series lateral pressure average value data The values are different from each other, but since they all have similar waveforms,
12 (a), 12 (b), 13 (a), 13
In (b), the same circle points are used for the sake of simplicity.
【００８０】本実施形態では、距離系列横圧平均値デー
タに基づいて直線区間を認識してドリフト量を抽出し、
このドリフト量に基づいて平滑化されていない距離系列
横圧最大値データに対するドリフト補正をする一方、平
滑化された距離系列横圧最大値データに基づくカーブ区
間の認識をドリフト量を考慮に入れて行う。In this embodiment, the straight line section is recognized based on the distance series lateral pressure average value data, and the drift amount is extracted.
Based on this drift amount, the drift correction is performed on the unsmoothed distance series lateral pressure maximum value data, while the recognition of the curve section based on the smoothed distance series lateral pressure maximum value data is performed in consideration of the drift amount. To do.
【００８１】まず、図１２（ａ）に示すような、距離系
列横圧平均値データが与えられると、まず直線判定が行
われ、山状波形１６０より手前において上述の条件を満
たす直線区間１５０を認識する。そして、距離系列横圧
平均値データの直線区間１５０の横圧平均値から当該直
線区間１５０に対応するドリフト量Ｅを、例えば、当該
直線区間１５０における横圧平均値の平均値等として取
得する。そして、図１２（ｂ）に示すように、平滑化し
ていない距離系列横圧最大値データの直線区間１５０に
対応する部分の横圧最大値からドリフト量Ｅを減算して
平滑していない距離系列横圧最大値データの直線区間１
５０におけるドリフト補正をする。First, when the distance series lateral pressure average value data is given as shown in FIG. 12A, a straight line determination is first performed, and a straight line section 150 satisfying the above condition is obtained before the mountain-shaped waveform 160. recognize. Then, the drift amount E corresponding to the linear section 150 is acquired from the lateral pressure average value of the linear section 150 of the distance series lateral pressure average value data, for example, as an average value of the lateral pressure average values in the linear section 150. Then, as shown in FIG. 12B, the drift amount E is subtracted from the lateral pressure maximum value of the portion corresponding to the straight line section 150 of the unsmoothed distance series lateral pressure maximum value data, and the unsmoothed distance series is obtained. Straight line section 1 of lateral pressure maximum value data
Drift correction at 50.
【００８２】次に、平滑化された距離系列横圧最大値デ
ータにおいて所定のカーブ閾値Ｓを超えている区間をカ
ーブ区間１５１として認識する。このようなカーブ区間
に関する情報は、解析部５３（詳しくは後述）において
用いられる。ここで、カーブ閾値Ｓとしては、予め定め
られた固定値Ｋと、直前の直線区間１５０において取得
されたドリフト量Ｅとを加算した値を用いることが好ま
しい。これにより、ドリフト量が変化する場合でもカー
ブ区間を好適に認識できる。Next, the section in which the predetermined curve threshold value S is exceeded in the smoothed distance series lateral pressure maximum value data is recognized as the curve section 151. Information about such a curve section is used in the analysis unit 53 (details will be described later). Here, as the curve threshold value S, it is preferable to use a value obtained by adding a predetermined fixed value K and the drift amount E acquired in the immediately preceding straight line section 150. As a result, it is possible to preferably recognize the curve section even when the drift amount changes.
【００８３】次に、距離系列横圧平均値データに基づい
て、カーブ区間１５１よりも先の直線区間１５２を認識
する。Next, the straight line section 152 preceding the curve section 151 is recognized based on the distance series lateral pressure average value data.
【００８４】そして、当該直線区間１５２に対応するド
リフト量Ｆを距離系列横圧平均値データの横圧平均値か
ら取得した後、図１３（ａ）に示すように、平滑化して
いない距離系列横圧最大値データにおける直線区間１５
２に対応する横圧最大値からドリフト量Ｆを減算して当
該直線区間１５２におけるドリフト補正をする。Then, after the drift amount F corresponding to the straight line section 152 is acquired from the lateral pressure average value of the distance series lateral pressure average value data, as shown in FIG. Straight line section in pressure maximum value data 15
The drift amount F is subtracted from the maximum lateral pressure value corresponding to 2 to perform drift correction in the straight line section 152.
【００８５】つぎに、直線区間１５０と直線区間１５２
とに挟まれるカーブ区間１５１を含む区間１５３におい
てドリフト補正をすべく、直線区間１５０に対応するド
リフト量Ｅ及び直線区間１５２に対応するドリフト量Ｆ
から、区間１５３に対応する補間ドリフト量Ｇを、例え
ば、線形補間等により生成し、平滑化していない距離系
列横圧最大値データの区間１５３に対応する横圧最大値
から補間ドリフト量Ｇを減算して、図１３（ｂ）に示す
ように、区間１５３におけるドリフト補正を行う。Next, the straight line section 150 and the straight line section 152.
A drift amount E corresponding to the straight line section 150 and a drift amount F corresponding to the straight line section 152 so as to perform drift correction in a section 153 including a curve section 151 sandwiched between
Then, the interpolation drift amount G corresponding to the section 153 is generated by, for example, linear interpolation, and the interpolation drift amount G is subtracted from the lateral pressure maximum value corresponding to the section 153 of the unsmoothed distance series lateral pressure maximum value data. Then, as shown in FIG. 13B, drift correction in the section 153 is performed.
【００８６】このような手順を順に続けることにより、
平滑化された距離系列横圧最大値データからカーブ区間
が好適に認識されると共に、平滑化されていない距離系
列横圧最大値データのドリフト量の補正が好適になされ
る。By continuing such a procedure in order,
The curve section is suitably recognized from the smoothed distance series lateral pressure maximum value data, and the drift amount of the unsmoothed distance series lateral pressure maximum value data is suitably corrected.
【００８７】なお、従来は、連続的に取得される本実施
形態のような時系列横圧データのドリフト補正は困難で
あったが、本実施形態の横圧ドリフト補正手段５１によ
れば、連続的に取得される時系列荷重データのドリフト
処理が可能となる。Conventionally, it was difficult to correct the drift of the time-series lateral pressure data obtained continuously according to this embodiment, but according to the lateral pressure drift correction means 51 of this embodiment, it is possible to continuously correct the drift. It is possible to perform drift processing of time-series load data that is acquired in a timely manner.
【００８８】代表横圧値取得手段４３は、時系列横圧デ
ータを所定のローパスフィルタで処理し、処理された時
系列横圧データのピーク値に基づいて、Ｑ／Ｐ値の取得
に用いる代表横圧値Ｑｍと、当該代表横圧値Ｑｍに対応
する時刻と、を取得する。The representative lateral pressure value acquisition means 43 processes the time-series lateral pressure data with a predetermined low-pass filter, and based on the peak value of the processed time-series lateral pressure data, the representative lateral pressure value acquisition means 43 is used for acquiring the Q / P value. The lateral pressure value Qm and the time corresponding to the representative lateral pressure value Qm are acquired.
【００８９】本実施形態のようなデータ処理システムに
おいて、Ｑ／Ｐ値（脱線係数）を求める際には、図１４
に示すように、時系列横圧データ（図中の実線）におけ
る横圧のピークを含む山状波形１９０において、横圧値
Ｑとして、横圧のピーク値ではなく、代表横圧値Ｑｍ、
すなわち、当該ピークにおいて所定の時間ｔ1の間、維
持された横圧値を用いることが多い。In the data processing system as in this embodiment, when the Q / P value (derailment coefficient) is calculated,
As shown in, in the mountain-shaped waveform 190 including the peak of the lateral pressure in the time series lateral pressure data (solid line in the figure), the lateral pressure value Q is not the peak value of the lateral pressure but the representative lateral pressure value Qm,
That is, the lateral pressure value maintained for a predetermined time t 1 at the peak is often used.
【００９０】そして、本実施形態における代表横圧値取
得手段４３は、時系列横圧データを所定のローパスフィ
ルタで処理してピークの鋭さを緩和させて緩和された時
系列横圧データ（図中点線）を生成し、この緩和の際に
ローパスフィルタの特性を適切なものとすることによ
り、緩和されたピークの値を、緩和前の時系列データに
おける代表横圧値Ｑｍにほぼ対応するようにさせる。こ
れにより、この緩和された時系列横圧データのピークを
取得することにより、代表横圧値Ｑｍを好適に取得する
ことができる。Then, the representative lateral pressure value acquisition means 43 in this embodiment processes the time-series lateral pressure data with a predetermined low-pass filter to relax the sharpness of the peaks and relaxes the time-series lateral pressure data (in the figure). (Dotted line) is generated and the characteristic of the low-pass filter is made appropriate at the time of relaxation so that the value of the relaxed peak almost corresponds to the representative lateral pressure value Qm in the time series data before the relaxation. Let Accordingly, the representative lateral pressure value Qm can be preferably obtained by acquiring the peak of the relaxed time-series lateral pressure data.
【００９１】このようなローパスフィルタとしては、例
えば、図１４に示すような、底辺の長さが２ｔ1である
三角波が周期Ｔ毎に現れるモデル波形に対してフィルタ
処理を施した場合に、ピークの高さが元の三角波の約１
／２になるようなフィルタを採用することができる。As such a low-pass filter, for example, as shown in FIG. 14, when a triangular waveform having a base length of 2t 1 appears in every cycle T, a peak is obtained when the model waveform is filtered. Is about 1 of the original triangular wave
It is possible to employ a filter such that / 2.
【００９２】具体的には、例えば、所定の時間間隔ｔ1
を１／２０ｓとすると、遮断周波数が５Ｈｚとなるよう
なフィルタを用いることが好ましく、図１５に示すよう
な周波数特性を有するフィルタを用いることができる。Specifically, for example, a predetermined time interval t 1
Is 1/20 s, it is preferable to use a filter having a cutoff frequency of 5 Hz, and a filter having frequency characteristics as shown in FIG. 15 can be used.
【００９３】解析部５３は、図６に示すように、ドリフ
ト補正された距離系列輪重データとカーブ区間のデータ
とから各カーブ区間毎に最大輪重値を求める最大輪重取
得手段７１と、ドリフト補正された距離系列輪重データ
とカーブ区間のデータとから各カーブ区間毎に最小輪重
値を求める動的最小輪重取得手段７３と、ドリフト補正
された距離系列横圧最大値データとカーブ区間のデータ
とから各カーブ区間毎の最大横圧を求める最大横圧取得
手段７５と、代表横圧値取得手段によって取得された代
表横圧値Ｑｍ及びこの代表横圧値Ｑｍに対応する時刻と
ドリフト補正距離系列輪重データとから各々の代表横圧
値Ｑｍ毎にＱ／Ｐ値を取得するＱ／Ｐ値取得手段７７
と、静的最小輪重取得手段（静的最小荷重取得手段）７
９とを備えている。As shown in FIG. 6, the analysis unit 53 includes a maximum wheel load obtaining means 71 for obtaining a maximum wheel load value for each curve section from the drift-corrected distance series wheel load data and curve section data. Dynamic minimum wheel weight acquisition means 73 for obtaining a minimum wheel weight value for each curve section from drift-corrected distance series wheel load data and curve section data, and drift-corrected distance series lateral pressure maximum value data and a curve Maximum lateral pressure acquisition means 75 for obtaining the maximum lateral pressure for each curve section from the section data, the representative lateral pressure value Qm acquired by the representative lateral pressure value acquisition means, and the time corresponding to this representative lateral pressure value Qm. Q / P value acquisition means 77 for acquiring a Q / P value for each representative lateral pressure value Qm from the drift correction distance series wheel weight data.
And a static minimum wheel load obtaining means (static minimum load obtaining means) 7
9 and 9.
【００９４】静的最小輪重取得手段７９は、ドリフト符
号補正済みの距離系列輪重データから、図１６に示すよ
うに、所定区間以上連続する、輪重Ｐに関する情報の最
小値Ｐｃを取得することにより静的最小輪重値を取得す
る。As shown in FIG. 16, the static minimum wheel load obtaining means 79 obtains the minimum value Pc of the information relating to the wheel load P which is continuous for a predetermined section or longer, from the distance-series wheel load data whose drift code has been corrected. To obtain the static minimum wheel weight.
【００９５】本実施形態では、車輪が３回転に対応する
距離以上、すなわち、データ７個分以上維持された輪重
に関する情報の最小値Ｐｃを取得する。また、この静的
最小輪重取得手段７９は、カーブ検出手段６３により認
識されたカーブ区間毎に、当該区間内の最小値Ｐｃのう
ちの最も小さいものを静的最小輪重値として取得する。In this embodiment, the minimum value Pc of the information regarding the wheel load, which is maintained for a distance corresponding to three rotations of the wheel, that is, for seven data or more, is acquired. Further, the static minimum wheel weight acquisition means 79 acquires, for each curve section recognized by the curve detection means 63, the smallest one of the minimum values Pc in the section as the static minimum wheel weight value.
【００９６】具体的には、図１６（ａ）に示すように、
カーブ区間２０５毎に、データ８個以上の区間であっ
て、両端以外のデータが、両端のデータ値の各々よりも
低くなるような区間２００，２１０等を抽出し、例え
ば、当該区間２００，２１０の両端の値の内の低い方の
値２１５，２１７を最小値Ｐｃとして取得する。そし
て、このようにして、このカーブ区間２０５で得られた
最小値Ｐｃのなかでの最小値を当該カーブ区間２０５に
おける静的最小輪重値として取得する。Specifically, as shown in FIG. 16 (a),
For each curve section 205, a section 200, 210 or the like, which is a section of eight or more pieces of data, in which the data other than both ends is lower than each of the data values at both ends, is extracted. The lower values 215 and 217 of the values at both ends of are acquired as the minimum value Pc. Then, in this way, the minimum value among the minimum values Pc obtained in the curve section 205 is acquired as the static minimum wheel weight value in the curve section 205.
【００９７】より一般的には、データｎ個分以上維持さ
れた輪重の最小値を求める際は、ｎ＋１個以上の輪重Ｐ
に関する情報からなる区間であって両端以外のデータ
が、両端のデータ値よりも低くなるような区間を抽出
し、当該区間内のデータ値に基づいて静的最小輪重候補
地を取得する。当該区間がｍ個のデータからなる区間で
ある場合、当該区間のデータ値を値の大きい順から並べ
た場合、ｍ＝ｎ＋１なら２番目、ｍ＞ｎ＋１ならば３番
目の値を静的最小輪重候補値として取得することができ
る。More generally, when obtaining the minimum value of the wheel load that is maintained for n or more data, n + 1 or more wheel load P
A section including information regarding the above is extracted such that the data other than both ends is lower than the data values at both ends, and the static minimum wheel load candidate site is acquired based on the data value in the section. If the section is a section consisting of m pieces of data, when the data values of the section are arranged in descending order of value, the second value is set if m = n + 1, and the third value is set if m> n + 1. It can be acquired as a multiple candidate value.
【００９８】なお、この方法では、谷状波形同士が所定
時間ずれて合体したような波形データにおいても静的最
小輪重を取得でき、例えば、図１６（ｂ）のような場合
では、９個の輪重Ｐに関する情報からなる区間２１１が
抽出され、これらの各輪重Ｐに関する情報の内上から３
番目のデータ２１６が最小値Ｐｃとなる。このデータ値
は、７個以上の区間維持されたものとなり、静的最小輪
重値としての条件を満たす。With this method, the static minimum wheel load can be obtained even in waveform data in which valley-shaped waveforms are merged with a predetermined time difference. For example, in the case of FIG. The section 211 consisting of the information about the wheel load P of each of the three is extracted from the top of the information about the wheel load P of these sections.
The second data 216 has the minimum value Pc. This data value is maintained in seven or more sections, which satisfies the condition as the static minimum wheel weight value.
【００９９】表示手段５５は、時系列輪重データ、時系
列横圧データ、距離系列輪重データ、ドリフト補正距離
系列輪重データ、距離系列横圧最大値データ、ドリフト
補正距離系列横圧最大値データ、距離系列横圧平均値デ
ータ等の波形や、最大横圧値、最大輪重値、動的最小輪
重値、静的最小輪重値、Ｑ／Ｐ値等のデータを画面上等
に表示する。例えば、図１７に示すように、ドリフト補
正された距離系列輪重データや距離系列横圧データのグ
ラフ３００を表示すると共に、そのグラフ上に取得され
た輪重や横圧の最大値３０２や最小値３０１等を対応し
て表示するので、データ解析の妥当性のチェックができ
る。また、時系列輪重データ３１１のグラフと当該時系
列輪重データから抽出した輪重値３１２や時系列横圧デ
ータ３１３やドリフト量等を重ね合わせたグラフ３１０
を表示することにより、輪重値等の抽出や、ドリフト補
正の妥当性を容易にチェックできる。さらに、取得した
データのテーブル３２０を表示することにより、同様に
数値の妥当性を容易にチェックできる。The display means 55 displays time series wheel load data, time series lateral pressure data, distance series wheel load data, drift corrected distance series wheel load data, distance series lateral pressure maximum value data, drift corrected distance series lateral pressure maximum value. Waveforms such as data, distance series lateral pressure average value data, and data such as maximum lateral pressure value, maximum wheel load value, dynamic minimum wheel load value, static minimum wheel load value, Q / P value, etc. are displayed on the screen. indicate. For example, as shown in FIG. 17, while displaying a graph 300 of the distance-series wheel load data and the distance-series lateral pressure data that have been drift-corrected, the maximum value 302 and the minimum value of the wheel load and lateral pressure acquired on the graph are displayed. Since the values 301 and the like are displayed correspondingly, the validity of data analysis can be checked. Further, a graph 310 in which the graph of the time-series wheel load data 311 and the wheel load value 312 extracted from the time-series wheel load data, the time-series lateral pressure data 313, the drift amount, etc. are superimposed.
By displaying, it is possible to easily check the validity of the drift correction and the extraction of the wheel weight value and the like. Further, by displaying the table 320 of the acquired data, it is possible to easily check the validity of the numerical values as well.
【０１００】次にこのような、データ処理システムにお
いて、図１８を参照して、処理がなされる方法について
説明する。Next, a method of processing in such a data processing system will be described with reference to FIG.
【０１０１】まず、鉄道車両１の走行により輪重検出部
１０及び横圧検出部１５からの時系列データが、動ひず
み計３０，フィルタ３１、Ａ／Ｄ変換器３２を介して、
格納手段３５に格納される。First, the time series data from the wheel load detection unit 10 and the lateral pressure detection unit 15 due to the traveling of the railway vehicle 1 is passed through the dynamic strain gauge 30, the filter 31, and the A / D converter 32.
It is stored in the storage means 35.
【０１０２】そして、データ処理装置４０においては、
まず、ステップ３０１において格納手段３５から時系列
輪重データ及び時系列横圧データを取得する。続いて、
ステップ３０３において、時系列輪重データから輪重Ｐ
に関する情報を抽出して距離系列輪重データを生成し、
さらに、当該輪重Ｐに関する情報が抽出された時刻に対
応して時系列横圧データから横圧Ｑに関する情報に関す
る平均値や最大値等を抽出し、距離系列横圧データを生
成する。Then, in the data processing device 40,
First, in step 301, time series wheel load data and time series lateral pressure data are acquired from the storage means 35. continue,
In step 303, the wheel load P is calculated from the time-series wheel load data.
To extract distance information and generate distance series
Further, the average value, the maximum value, etc. regarding the information regarding the lateral pressure Q are extracted from the time-series lateral pressure data corresponding to the time when the information regarding the wheel weight P is extracted, and the distance-series lateral pressure data is generated.
【０１０３】次に、ステップ３０５において、距離系列
輪重データ及び距離系列横圧データの各々についてドリ
フト補正を行う。このとき、横圧に関するドリフト量を
取得する際に、カーブ区間が認識される。Next, at step 305, drift correction is performed on each of the distance series wheel load data and the distance series lateral pressure data. At this time, when acquiring the drift amount related to the lateral pressure, the curve section is recognized.
【０１０４】次に、ステップ３０７において、このよう
にしてドリフト補正された距離系列輪重データ及び距離
系列横圧データに基づいて、各カーブ区間における種々
の解析を行う。Next, in step 307, various analyzes in each curve section are performed based on the distance series wheel load data and the distance series lateral pressure data thus drift-corrected.
【０１０５】次に、ステップ３０９において、得られた
種々の解析結果や、時系列データや、距離系列データ等
をグラフや数表等の形式で画面に出力する。Next, in step 309, the various analysis results obtained, time series data, distance series data, etc. are output to the screen in the form of a graph, a number table, or the like.
【０１０６】そして、ステップ３１１において、ユーザ
がカーブ区間の修正を求める際は、ステップ３１３に進
んで、カーブ区間の修正を行い、修正されたカーブ区間
に基づいて、ステップ３０７に戻って再び解析を行う。
一方、カーブ区間の修正が必要ない場合は、ステップ３
１５に進んで、必要に応じて解析結果や時系列データや
距離系列データ等を印刷したりファイル出力等を行う。Then, in step 311, when the user requests the correction of the curve section, the process proceeds to step 313, the curve section is corrected, and based on the corrected curve section, the process returns to step 307 to analyze again. To do.
On the other hand, if it is not necessary to correct the curve section, step 3
In step 15, the analysis result, time series data, distance series data, etc. are printed or a file is output, etc., if necessary.
【０１０７】なお、本発明に係るデータ処理装置は、上
記実施形態に限定されるものではなく、種々の変形態様
をとることが可能である。The data processing device according to the present invention is not limited to the above-mentioned embodiment, but can take various modified forms.
【０１０８】例えば、上記実施形態では、輪重抽出手段
４５は、輪重を所定の周期で含む時系列輪重データか
ら、輪重に関する情報を抽出しているが、横圧等の他の
荷重を所定の周期で含む時系列荷重データが取得される
際は、当該時系列荷重データに含まれる荷重に関する情
報を抽出してもよい。For example, in the above-described embodiment, the wheel load extracting means 45 extracts the information related to the wheel load from the time series wheel load data including the wheel load in a predetermined cycle, but other loads such as lateral pressure are used. When the time-series load data that includes a predetermined period is acquired, information about the load included in the time-series load data may be extracted.
【０１０９】[0109]
【発明の効果】上述したように、本発明のデータ解析装
置及び方法によれば、時系列荷重データから荷重に関す
る情報を抽出したのち、これらをその情報が含まれた順
に配列してなる距離系列荷重データが生成される。この
ような距離系列荷重データにおいては、荷重に関する情
報が抽出されているのでデータ量が小さくなり、後のデ
ータ処理を行う場合の計算資源を節約できる。As described above, according to the data analysis apparatus and method of the present invention, after the information on the load is extracted from the time-series load data, the distance series is arranged in the order in which the information is included. Load data is generated. In such distance series weight data, since the information regarding the weight is extracted, the data amount becomes small, and the calculation resource for performing the subsequent data processing can be saved.
【０１１０】また、距離系列荷重データにおいては、抽
出された荷重に関する情報が、時系列荷重データにおい
て含まれた順に配列されている。時系列荷重データにお
いて、荷重に関する情報は、車輪が所定量回転するのに
要する時間毎のデータであるので、これを順に並べるこ
とにより車輪が所定量回転する毎の荷重に関する情報、
すなわち、走行距離に対する荷重に関する情報である距
離系列のデータとなり、この距離系列荷重データは車輪
の回転速度、すなわち、鉄道車両の走行速度の要素を含
まない。このため、距離系列荷重データに対して、鉄道
車両の走行速度を考慮せずにデータ処理ができる。ま
た、時系列荷重データから手動により荷重に関する情報
を抽出し、解析するのに比べても、工数の減少や、精度
の向上、エラーの減少が可能となる。Further, in the distance series load data, the information regarding the extracted loads is arranged in the order included in the time series load data. In the time-series load data, since the information regarding the load is data for each time required for the wheel to rotate by a predetermined amount, information about the load each time the wheel rotates by a predetermined amount by arranging these in order,
That is, it becomes distance series data that is information relating to the load with respect to the travel distance, and this distance series load data does not include an element of the rotational speed of the wheel, that is, the travel speed of the railway vehicle. Therefore, the distance series load data can be processed without considering the traveling speed of the railway vehicle. Further, it is possible to reduce man-hours, improve accuracy, and reduce errors as compared with manually extracting and analyzing load-related information from time-series load data.
【図１】本実施形態に係るデータ処理システムを示す概
略構成図である。FIG. 1 is a schematic configuration diagram showing a data processing system according to the present embodiment.
【図２】図１中の車輪を示す拡大図であって、図２
（ａ）は正面図であり、図２（ｂ）は断面図である。2 is an enlarged view showing a wheel in FIG.
2A is a front view, and FIG. 2B is a sectional view.
【図３】図２中の歪みゲージにより構成されるブリッジ
回路を示す図であり、図３（ａ）は輪重取得部のブリッ
ジ回路を示す図、図３（ｂ）は横圧取得部のブリッジ回
路を示す図である。3 is a diagram showing a bridge circuit configured by the strain gauges in FIG. 2, FIG. 3 (a) is a diagram showing a bridge circuit of a wheel load obtaining unit, and FIG. 3 (b) is a lateral pressure obtaining unit. It is a figure which shows a bridge circuit.
【図４】図１中のデータ処理装置で取得される時系列輪
重データの一例を示すと共に、時系列輪重データから輪
重に関する情報を抽出する方法を示す図であって、図４
（ａ）は山状波形１３２の前に異常パルス１２６を含む
場合、図４（ｂ）は山状波形１３２の後に異常パルス１
２６を含む場合である。4 is a diagram showing an example of time-series wheel load data acquired by the data processing device in FIG. 1 and a diagram showing a method of extracting information on wheel load from the time-series wheel load data.
4A includes the abnormal pulse 126 before the peak-shaped waveform 132, and FIG. 4B illustrates the abnormal pulse 1 after the peak-shaped waveform 132.
This is the case where 26 is included.
【図５】図１中のデータ処理装置で取得される時系列横
圧データの一例を示す図である。5 is a diagram showing an example of time-series lateral pressure data acquired by the data processing device in FIG.
【図６】図１中のデータ処理装置の概略構成図である。FIG. 6 is a schematic configuration diagram of a data processing device in FIG.
【図７】距離系列輪重データを示すグラフであり、図７
（ａ）は輪重抽出手段によって抽出された距離系列輪重
データを示すグラフであり、図７（ｂ）は図７（ａ）の
距離系列輪重データからドリフトを補正した後の距離系
列輪重データを示すグラフであり、図７（ｃ）は、図７
（ｂ）の距離系列輪重データにおけるマイナス符号を持
つデータをプラス符号に変換した距離系列輪重データを
示すグラフである。FIG. 7 is a graph showing distance series wheel load data.
FIG. 7A is a graph showing the distance series wheel load data extracted by the wheel load extracting means, and FIG. 7B is the distance series wheel after the drift is corrected from the distance series wheel load data of FIG. 7A. 7C is a graph showing duplicate data, and FIG.
It is a graph which shows the distance series wheel weight data which converted into the plus sign the data which has a minus sign in the distance series wheel weight data of (b).
【図８】距離系列輪重データからドリフト量を抽出する
ためのフィルタに関する図であり、図８（ａ）は周波数
応答を示すグラフであり、図８（ｂ）はフィルタ係数h
(l)を示す図である。FIG. 8 is a diagram relating to a filter for extracting a drift amount from distance series wheel weight data, FIG. 8 (a) is a graph showing a frequency response, and FIG. 8 (b) is a filter coefficient h.
It is a figure which shows (l).
【図９】距離系列横圧平均値データに基づいて直線区間
を判定する方法を説明する図である。FIG. 9 is a diagram illustrating a method of determining a straight line section based on distance series lateral pressure average value data.
【図１０】距離系列横圧最大値データに基づいてカーブ
区間を判定する方法を示す図である。FIG. 10 is a diagram showing a method of determining a curve section based on distance series lateral pressure maximum value data.
【図１１】カーブ区間を検出するために距離系列横圧デ
ータを平滑化するフィルタに関する図であり、図１１
（ａ）は周波数応答を示すグラフであり、図１１（ｂ）
はフィルタ係数を示す図である。11 is a diagram relating to a filter that smoothes distance series lateral pressure data in order to detect a curve section; FIG.
FIG. 11A is a graph showing the frequency response, and FIG.
FIG. 4 is a diagram showing filter coefficients.
【図１２】図１２（ａ）、図１２（ｂ）は、距離系列横
圧データに関するカーブ区間の検出及びドリフト補正の
方法を説明する図である、12 (a) and 12 (b) are diagrams for explaining a method of detecting a curve section and drift correction regarding distance series lateral pressure data.
【図１３】図１３（ａ）、図１３（ｂ）は、距離系列横
圧データに関するカーブ区間の検出及びドリフト補正の
方法を説明する図である、13 (a) and 13 (b) are diagrams for explaining a method of detecting a curve section and drift correction regarding distance series lateral pressure data.
【図１４】時系列横圧データから、Ｑ／Ｐ値を求めるた
めに用いる代表横圧値Ｑｍを求める方法について説明す
る図である。FIG. 14 is a diagram illustrating a method of obtaining a representative lateral pressure value Qm used to obtain a Q / P value from time-series lateral pressure data.
【図１５】代表横圧値Ｑｍを取得する際に、時系列横圧
データの鋭さを緩和するために用いるフィルタの周波数
応答を示すグラフである。FIG. 15 is a graph showing a frequency response of a filter used to reduce the sharpness of time-series lateral pressure data when acquiring a representative lateral pressure value Qm.
【図１６】図１６（ａ）、図１６（ｂ）は、距離系列輪
重データから、静的最小輪重値を求める方法を示す図で
ある。16 (a) and 16 (b) are diagrams showing a method for obtaining a static minimum wheel load value from distance series wheel load data.
【図１７】表示手段に表示されるデータの一例を示す図
である。FIG. 17 is a diagram showing an example of data displayed on a display unit.
【図１８】データ処理装置における処理を示すフロー図
である。FIG. 18 is a flowchart showing processing in the data processing device.
１…鉄道車両、２０…車輪、４０…データ処理装置、４
３…代表横圧値取得手段、４５…輪重抽出手段（荷重抽
出手段）、４７…輪重ドリフト補正手段（荷重ドリフト
補正手段）、４９…横圧抽出手段、５１…横圧ドリフト
補正手段、６３…カーブ検出手段（カーブ認識手段）、
６１…直線検出手段（直線区間認識手段）、７９…静的
最小荷重取得手段（静的最小荷重取得手段）、１００…
データ処理システム。1 ... Railway vehicle, 20 ... Wheels, 40 ... Data processing device, 4
3 ... Representative lateral pressure value acquisition means, 45 ... Wheel load extraction means (load extraction means), 47 ... Wheel load drift correction means (load drift correction means), 49 ... Lateral pressure extraction means, 51 ... Lateral pressure drift correction means, 63 ... Curve detection means (curve recognition means),
61 ... Straight line detection means (straight line section recognition means), 79 ... Static minimum load acquisition means (static minimum load acquisition means), 100 ...
Data processing system.
Claims (24)
報を所定の周期で含む時系列荷重データを処理するデー
タ処理装置であって、前記所定の周期は前記鉄道車両の
車輪が所定量回転するのに要する時間に対応し、 前記時系列荷重データから前記荷重に関する情報を抽出
し、前記荷重に関する情報を前記荷重に関する情報が前
記時系列荷重データにおいて含まれた順に配列してなる
距離系列荷重データを生成する荷重抽出手段を備えるこ
とを特徴とする、データ処理装置。1. A data processing device for processing time-series load data including information on a load applied to a wheel of a railway vehicle at a predetermined cycle, wherein the wheel of the railway vehicle rotates a predetermined amount during the predetermined cycle. Corresponding to the time required, to extract the information about the load from the time-series load data, distance-related load data obtained by arranging the information about the load in the order in which the information about the load is included in the time-series load data. A data processing device comprising a load extracting means for generating.
重データを、水平軸を時間とし垂直軸を前記時系列荷重
データの大きさとなるように表した場合に、前記時系列
荷重データにおいて山状波形のピーク値又は谷状波形の
谷底値として含まれ、また、前記山状波形と前記谷状波
形とは前記時系列荷重データに交互に含まれ、 前記荷重抽出手段は、前記時系列荷重データが所定の上
限閾値を上回ってから所定の下限閾値を下回るまでの第
一区間における前記時系列荷重データの最大値に基づい
て前記荷重に関する情報を抽出し、さらに、前記時系列
荷重データが前記下限閾値を下回ってから前記上限閾値
を上回るまでの第二区間における前記時系列荷重データ
の最小値に基づいて前記荷重に関する情報を抽出するこ
とを特徴とする、請求項１に記載のデータ処理装置。2. The load-related information is mountain-shaped in the time-series load data when the time-series load data is represented such that the horizontal axis is time and the vertical axis is the size of the time-series load data. It is included as a peak value of a waveform or a valley bottom value of a valley waveform, and the peak waveform and the valley waveform are alternately included in the time-series load data, and the load extracting means is the time-series load data. Extracts information about the load based on the maximum value of the time series load data in the first section from exceeding a predetermined upper limit threshold to falling below a predetermined lower limit threshold, and further, the time series load data is the lower limit. The information regarding the load is extracted based on a minimum value of the time-series load data in a second section from below a threshold value to above the upper limit threshold value. The data processing apparatus according.
記最大値に基づいて前記荷重に関する情報を抽出する際
に、前記最大値が含まれた時刻と、前記第一区間よりも
前の区間において前記荷重に関する情報が含まれた時刻
と、の差に基づいて前記抽出の妥当性を判断し、さら
に、前記第二区間で前記最小値に基づいて前記荷重に関
する情報を抽出する際に、前記最小値が含まれた時刻
と、前記第二区間よりも前の区間において前記荷重に関
する情報が含まれた時刻と、の差に基づいて前記抽出の
妥当性を判断することを特徴とする、請求項１又は２に
記載のデータ処理装置。3. The load extracting means, when extracting the information regarding the load based on the maximum value in the first section, includes a time when the maximum value is included and a time before the first section. When the information about the load is included in the section, and the validity of the extraction is determined based on the difference between the sections, and when the information about the load is extracted based on the minimum value in the second section, Characterized in that the validity of the extraction is determined based on the difference between the time when the minimum value is included and the time when the information regarding the load is included in the section before the second section, The data processing device according to claim 1.
ルタで処理してドリフト量を抽出し、前記ドリフト量に
基づいて前記距離系列荷重データのドリフト補正を行う
荷重ドリフト補正手段を備えることを特徴とする、請求
項１〜３の何れか一項に記載のデータ処理装置。4. A load drift correction means for processing the distance series load data by a low-pass filter to extract a drift amount, and performing drift correction of the distance series load data based on the drift amount. The data processing device according to claim 1.
されたドリフト量に生ずる位相遅れを補正して前記距離
系列荷重データのドリフト補正を行うことを特徴とす
る、請求項４に記載のデータ処理装置。5. The data processing according to claim 4, wherein the load drift correction means corrects a phase delay generated in the extracted drift amount to perform drift correction of the distance series load data. apparatus.
に関する情報を所定の個数以上含む区間であって、前記
区間の両端以外の前記荷重に関する情報が前記区間の両
端の荷重に関する情報より小さくなる区間を抽出すると
共に、当該区間における荷重に関する情報に基づいて静
的最小荷重値を取得する静的最小荷重取得手段を備える
ことを特徴とする、請求項１〜５の何れか一項に記載の
データ処理装置。6. A section including a predetermined number or more of information about the load from the distance series load data, wherein the information about the load other than both ends of the section is smaller than the information about the load at both ends of the section. 6. The data according to claim 1, further comprising: a static minimum load acquisition unit that extracts the static minimum load value based on information about the load in the section. Processing equipment.
装置は、さらに、前記鉄道車両の車輪に加わる横圧に関
する情報の時系列的なデータである時系列横圧データを
取得し、 前記輪重抽出手段は、前記時系列荷重データから前記輪
重に関する情報を抽出する際に、前記輪重に関する情報
が含まれた各々の時刻に関する情報を取得し、 前記輪重抽出手段で抽出された前記輪重に関する情報に
各々対応して、前記時系列横圧データのうち前記各々の
輪重に関する情報が含まれた時刻を含む所定の時間にお
ける前記横圧に関する情報に基づいて輪重対応横圧情報
を生成すると共に、前記輪重対応横圧情報を対応する時
刻の順に配列した距離系列横圧データを生成する横圧抽
出手段を備えることを特徴とする、請求項１〜６の何れ
か一項に記載のデータ処理装置。7. The load is wheel load, and the data processing device further obtains time-series lateral pressure data, which is time-series data of information regarding lateral pressure applied to wheels of the railway vehicle, The wheel load extracting means, when extracting the information related to the wheel load from the time-series load data, acquires the information related to each time including the information related to the wheel load, and is extracted by the wheel load extracting means. Corresponding to the wheel load information, the lateral load-corresponding lateral pressure is determined based on the lateral pressure information at a predetermined time including a time at which the time series lateral pressure data information is included. 7. A lateral pressure extracting means for generating information and generating distance series lateral pressure data in which the wheel load corresponding lateral pressure information is arranged in the order of corresponding times. Item Data processing equipment.
の時間における横圧に関する情報の最大値及び前記所定
の時間における横圧に関する情報の平均値を生成するこ
とを特徴とする、請求項７に記載のデータ処理装置。8. The wheel load corresponding lateral pressure information is generated by generating a maximum value of lateral pressure information at the predetermined time and an average value of lateral pressure information at the predetermined time. 7. The data processing device according to 7.
横圧情報の内の最大値と最小値との差が直線判定幅閾値
より小さくなり、かつ、輪重対応横圧情報の平均変化率
が直線判定変化率閾値よりも小さい区間を抽出する直線
区間認識手段を備えることを特徴とする、請求項７又は
８に記載のデータ処理装置。9. From the lateral pressure distance series data, the difference between the maximum value and the minimum value of the lateral load corresponding lateral pressure information becomes smaller than a straight line determination width threshold, and the average change of the lateral load corresponding lateral pressure information. 9. The data processing device according to claim 7, further comprising a straight line section recognition unit that extracts a section whose rate is smaller than a straight line determination change rate threshold value.
れた区間における輪重対応横圧情報に基づいて、前記距
離系列横圧データのドリフト補正をする横圧ドリフト補
正手段を備えることを特徴とする、請求項９に記載のデ
ータ処理装置。10. A lateral pressure drift correction means for correcting drift of the distance series lateral pressure data based on wheel load lateral pressure information in the section extracted by the straight section recognition means. The data processing device according to claim 9.
重対応横圧情報がカーブ閾値を超えている区間を抽出す
るカーブ認識手段を備えることを特徴とする、請求項７
〜１０の何れか一項に記載のデータ処理装置。11. The method according to claim 7, further comprising a curve recognition means for extracting a section in which the lateral load corresponding lateral pressure information exceeds a curve threshold value from the distance series lateral pressure data.
10. The data processing device according to any one of items 10 to 10.
スフィルタで処理し、処理された時系列横圧データのピ
ーク値を取得する代表横圧値取得手段を備えることを特
徴とする、請求項７〜１１の何れか一項に記載のデータ
処理装置。12. A representative lateral pressure value acquisition means for processing the time-series lateral pressure data with a predetermined low-pass filter to acquire a peak value of the processed time-series lateral pressure data. The data processing device according to any one of 7 to 11.
情報を所定の周期で含む時系列荷重データを処理するデ
ータ処理方法であって、前記所定の周期は前記鉄道車両
の車輪が所定量回転するのに要する時間に対応し、前記
時系列荷重データから前記荷重に関する情報を抽出し、
前記荷重に関する情報を前記荷重に関する情報が前記時
系列荷重データにおいて含まれた順に配列してなる距離
系列荷重データを生成する荷重抽出ステップを含むこと
を特徴とする、データ処理方法。13. A data processing method for processing time-series load data including information on a load applied to a wheel of a railway vehicle in a predetermined cycle, wherein the wheel of the railway vehicle rotates a predetermined amount in the predetermined cycle. Corresponding to the time required to extract the information about the load from the time series load data,
A data processing method comprising: a load extraction step of generating distance series load data in which the information on the load is arranged in an order in which the information on the load is included in the time series load data.
荷重データを、水平軸を時間とし垂直軸を前記時系列荷
重データの大きさとなるように表した場合に、前記時系
列荷重データにおいて山状波形のピーク値又は谷状波形
の谷底値として含まれ、また、前記山状波形と前記谷状
波形とは前記時系列荷重データに交互に含まれ、 前記荷重抽出ステップは、前記時系列荷重データが所定
の上限閾値を上回ってから所定の下限閾値を下回るまで
の第一区間における前記時系列荷重データの最大値に基
づいて前記荷重に関する情報を抽出し、さらに、前記時
系列荷重データが前記下限閾値を下回ってから前記上限
閾値を上回るまでの第二区間における前記時系列荷重デ
ータの最小値に基づいて前記荷重に関する情報を抽出す
ることを特徴とする、請求項１２に記載のデータ処理方
法。14. The load-related information is mountain-shaped in the time-series load data when the time-series load data is represented such that the horizontal axis is time and the vertical axis is the size of the time-series load data. It is included as a peak value of a waveform or a valley bottom value of a valley waveform, and the peak waveform and the valley waveform are alternately included in the time series load data, and the load extraction step is the time series load data. Extracts information about the load based on the maximum value of the time series load data in the first section from exceeding a predetermined upper limit threshold to falling below a predetermined lower limit threshold, and further, the time series load data is the lower limit. Characterized in that the information regarding the load is extracted based on the minimum value of the time-series load data in the second section from below the threshold to above the upper threshold. The data processing method according to claim 12.
間で前記最大値に基づいて前記荷重に関する情報を抽出
する際に、前記最大値が含まれた時刻と、前記第一区間
よりも前の区間において前記荷重に関する情報が含まれ
た時刻と、の差に基づいて前記抽出の妥当性を判断し、
さらに、前記第二区間で前記最小値に基づいて前記荷重
に関する情報を抽出する際に、前記最小値が含まれた時
刻と、前記第二区間よりも前の区間において前記荷重に
関する情報が含まれた時刻と、の差に基づいて前記抽出
の妥当性を判断することを特徴とする、請求項１３又は
１４に記載のデータ処理方法。15. The load extracting step, when extracting the information on the load based on the maximum value in the first section, includes a time when the maximum value is included and a time before the first section. The time when the information about the load is included in the section, and determines the validity of the extraction based on the difference between
Further, when the information regarding the load is extracted based on the minimum value in the second section, the time when the minimum value is included and the information regarding the load is included in the section before the second section. 15. The data processing method according to claim 13, wherein the validity of the extraction is determined based on the difference between the time and the time when the extraction was performed.
ィルタで処理してドリフト量を抽出し、前記ドリフト量
に基づいて前記距離系列荷重データのドリフト補正を行
う荷重ドリフト補正ステップを含むことを特徴とする、
請求項１３〜１５の何れか一項に記載のデータ処理方
法。16. A load drift correction step of processing the distance series load data with a low-pass filter to extract a drift amount, and performing drift correction of the distance series load data based on the drift amount. ,
The data processing method according to any one of claims 13 to 15.
記抽出されたドリフト量に生ずる位相遅れを補正して前
記距離系列荷重データのドリフト補正を行うことを特徴
とする、請求項１６に記載のデータ処理方法。17. The data processing according to claim 16, wherein the load drift correction step corrects a phase delay generated in the extracted drift amount to perform drift correction of the distance series load data. Method.
重に関する情報を所定の個数以上含む区間であって、前
記区間の両端以外の前記荷重に関する情報が前記区間の
両端の荷重に関する情報より小さくなる区間を抽出する
と共に、当該区間における荷重に関する情報に基づいて
静的最小荷重値を取得する静的最小荷重取得ステップを
含むことを特徴とする、請求項１３〜１７の何れか一項
に記載のデータ処理方法。18. A section including a predetermined number or more of information about the load from the distance series load data, wherein the information about the load other than both ends of the section is smaller than the information about the load at both ends of the section. And a static minimum load acquisition step of acquiring a static minimum load value based on information regarding the load in the section, and the data according to any one of claims 13 to 17. Processing method.
的なデータである時系列横圧データを取得しする時系列
横圧データ取得ステップを含み、 前記輪重抽出ステップは、前記時系列荷重データから前
記輪重に関する情報を抽出する際に、前記輪重に関する
情報が含まれた各々の時刻に関する情報を取得し、 前記輪重抽出ステップで抽出された前記輪重に関する情
報に各々対応して、前記時系列横圧データのうち前記各
々の輪重に関する情報が含まれた時刻を含む所定の時間
における前記横圧に関する情報に基づいて輪重対応横圧
情報を生成すると共に、前記輪重対応横圧情報を対応す
る時刻の順に配列した距離系列横圧データを生成する横
圧抽出ステップを含むことを特徴とする、請求項１３〜
１８の何れか一項に記載のデータ処理方法。19. The load is wheel load, and includes a time-series lateral pressure data acquisition step of acquiring time-series lateral pressure data, which is time-series data of information regarding lateral pressure applied to the wheels of the railway vehicle. In the wheel load extraction step, when the information related to the wheel load is extracted from the time-series load data, the information related to each time including the information related to the wheel load is acquired, and extracted in the wheel load extraction step. Corresponding to the wheel load information based on the lateral pressure information at a predetermined time including the time at which the time series lateral pressure data includes information on each wheel load. The lateral pressure extraction step of generating lateral pressure information and generating distance series lateral pressure data in which the lateral load corresponding lateral pressure information is arranged in the order of corresponding times is included.
19. The data processing method according to any one of 18.
定の時間における横圧に関する情報の最大値及び前記所
定の時間における横圧に関する情報の平均値を生成する
ことを特徴とする、請求項１９に記載のデータ処理方
法。20. As the lateral load corresponding lateral pressure information, a maximum value of lateral pressure information at the predetermined time and an average value of lateral pressure information at the predetermined time are generated. 19. The data processing method according to item 19.
応横圧情報の内の最大値と最小値との差が直線判定幅閾
値より小さくなり、かつ、輪重対応横圧情報の平均変化
率が直線判定変化率閾値よりも小さい区間を抽出する直
線区間認識ステップを含むことを特徴とする、請求項１
９又は２０に記載のデータ処理方法。21. From the lateral pressure distance series data, the difference between the maximum value and the minimum value of the lateral load corresponding lateral pressure information is smaller than the straight line determination width threshold, and the average change of the lateral load corresponding lateral pressure information. A straight line segment recognition step of extracting a segment whose rate is smaller than a straight line determination change rate threshold value is included.
The data processing method according to 9 or 20.
出された区間における輪重対応横圧情報に基づいて、前
記距離系列横圧データのドリフト補正をする横圧ドリフ
ト補正ステップを含むことを特徴とする、請求項２１に
記載のデータ処理方法。22. A lateral pressure drift correction step of performing drift correction of the distance series lateral pressure data based on the wheel load corresponding lateral pressure information in the section extracted by the straight section recognition step. The data processing method according to claim 21.
重対応横圧情報がカーブ閾値を超えている区間を抽出す
るカーブ認識ステップを含むことを特徴とする、請求項
１９〜２２の何れか一項に記載のデータ処理方法。23. The method according to claim 19, further comprising a curve recognizing step of extracting a section in which the lateral load lateral pressure information exceeds a curve threshold value from the distance series lateral pressure data. The data processing method according to one item.
スフィルタで処理し、処理された時系列横圧データのピ
ーク値を取得する代表横圧値取得ステップを含むことを
特徴とする、請求項１９〜２３の何れか一項に記載のデ
ータ処理方法。24. A representative lateral pressure value acquisition step of processing the time-series lateral pressure data with a predetermined low-pass filter to acquire a peak value of the processed time-series lateral pressure data. The data processing method according to any one of 19 to 23.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002148088A JP4141180B2 (en) | 2002-05-22 | 2002-05-22 | Data processing apparatus and data processing method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002148088A JP4141180B2 (en) | 2002-05-22 | 2002-05-22 | Data processing apparatus and data processing method |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2008121652A Division JP2008233100A (en) | 2008-05-07 | 2008-05-07 | Data processing device and data processing method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003344202A true JP2003344202A (en) | 2003-12-03 |
| JP4141180B2 JP4141180B2 (en) | 2008-08-27 |
Family
ID=29766812
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002148088A Expired - Lifetime JP4141180B2 (en) | 2002-05-22 | 2002-05-22 | Data processing apparatus and data processing method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4141180B2 (en) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1780524A2 (en) | 2005-10-26 | 2007-05-02 | Deutsche Bahn AG | Wheel measuring assembly for railway vehicles |
| JP2007331492A (en) * | 2006-06-13 | 2007-12-27 | Sumitomo Metal Ind Ltd | Method of detecting contact position of wheel with rail in rolling stock |
| JP2008201389A (en) * | 2007-02-22 | 2008-09-04 | Mitsubishi Heavy Ind Ltd | Method for measuring wheel load or horizontal pressure |
| JP2008233062A (en) * | 2007-02-22 | 2008-10-02 | Sumitomo Metal Ind Ltd | Method of measuring tangential force and wheel load which interact between railway vehicle wheel and rail and method of measuring axle torsion |
| JP2008542735A (en) * | 2005-05-30 | 2008-11-27 | インターフリート テクノロジー アーベー | Method and system for determining a plurality of load components acting on a wheel |
| JP2009063337A (en) * | 2007-09-05 | 2009-03-26 | Railway Technical Res Inst | Pq measuring device and program |
| JP2009098075A (en) * | 2007-10-18 | 2009-05-07 | Jtekt Corp | Sensor system for vehicle and bearing device for vehicle |
| JP2009210437A (en) * | 2008-03-04 | 2009-09-17 | Railway Technical Res Inst | Pq measuring device and pq measuring program |
| JP2009264792A (en) * | 2008-04-22 | 2009-11-12 | Sumitomo Metal Ind Ltd | Measuring method of horizontal pressure |
| JP2012088318A (en) * | 2010-10-21 | 2012-05-10 | Tektronix Inc | Current data sample correction method and device |
| JP2012122935A (en) * | 2010-12-10 | 2012-06-28 | Railway Technical Research Institute | Method and apparatus for measuring wheel angle of rolling stock |
| JP2012122934A (en) * | 2010-12-10 | 2012-06-28 | Railway Technical Research Institute | Load measuring method and load measuring device |
| JP2013121774A (en) * | 2011-12-12 | 2013-06-20 | Nippon Steel & Sumitomo Metal Corp | Method for analyzing factor in outer rail derailment coefficient |
| WO2014042123A1 (en) * | 2012-09-11 | 2014-03-20 | 川崎重工業株式会社 | Load measurement method and device, railway car provided with load measurement device, and load management system |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5788822B2 (en) * | 2012-03-29 | 2015-10-07 | 公益財団法人鉄道総合技術研究所 | PQ measurement processing apparatus and PQ measurement processing program |
-
2002
- 2002-05-22 JP JP2002148088A patent/JP4141180B2/en not_active Expired - Lifetime
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008542735A (en) * | 2005-05-30 | 2008-11-27 | インターフリート テクノロジー アーベー | Method and system for determining a plurality of load components acting on a wheel |
| EP1780524A3 (en) * | 2005-10-26 | 2010-03-31 | Deutsche Bahn AG | Wheel measuring assembly for railway vehicles |
| EP1780524A2 (en) | 2005-10-26 | 2007-05-02 | Deutsche Bahn AG | Wheel measuring assembly for railway vehicles |
| JP2007331492A (en) * | 2006-06-13 | 2007-12-27 | Sumitomo Metal Ind Ltd | Method of detecting contact position of wheel with rail in rolling stock |
| JP2008201389A (en) * | 2007-02-22 | 2008-09-04 | Mitsubishi Heavy Ind Ltd | Method for measuring wheel load or horizontal pressure |
| JP2008233062A (en) * | 2007-02-22 | 2008-10-02 | Sumitomo Metal Ind Ltd | Method of measuring tangential force and wheel load which interact between railway vehicle wheel and rail and method of measuring axle torsion |
| JP2009063337A (en) * | 2007-09-05 | 2009-03-26 | Railway Technical Res Inst | Pq measuring device and program |
| JP2009098075A (en) * | 2007-10-18 | 2009-05-07 | Jtekt Corp | Sensor system for vehicle and bearing device for vehicle |
| JP2009210437A (en) * | 2008-03-04 | 2009-09-17 | Railway Technical Res Inst | Pq measuring device and pq measuring program |
| JP2009264792A (en) * | 2008-04-22 | 2009-11-12 | Sumitomo Metal Ind Ltd | Measuring method of horizontal pressure |
| JP2012088318A (en) * | 2010-10-21 | 2012-05-10 | Tektronix Inc | Current data sample correction method and device |
| KR101945330B1 (en) | 2010-10-21 | 2019-02-07 | 텍트로닉스 인코포레이티드 | Zero ampere level current data correction for a power device under test |
| JP2012122935A (en) * | 2010-12-10 | 2012-06-28 | Railway Technical Research Institute | Method and apparatus for measuring wheel angle of rolling stock |
| JP2012122934A (en) * | 2010-12-10 | 2012-06-28 | Railway Technical Research Institute | Load measuring method and load measuring device |
| JP2013121774A (en) * | 2011-12-12 | 2013-06-20 | Nippon Steel & Sumitomo Metal Corp | Method for analyzing factor in outer rail derailment coefficient |
| WO2014042123A1 (en) * | 2012-09-11 | 2014-03-20 | 川崎重工業株式会社 | Load measurement method and device, railway car provided with load measurement device, and load management system |
| JP2014054881A (en) * | 2012-09-11 | 2014-03-27 | Kawasaki Heavy Ind Ltd | Method and device for measuring load, rolling stock comprising device for measuring load, and load control system |
| CN104619571A (en) * | 2012-09-11 | 2015-05-13 | 川崎重工业株式会社 | Load measurement method and device, railway car provided with load measurement device, and load management system |
| US9476802B2 (en) | 2012-09-11 | 2016-10-25 | Kawasaki Jukogyo Kabushiki Kaisha | Load measurement method and apparatus, railcar provided with load measurement apparatus, and load management system |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4141180B2 (en) | 2008-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4141180B2 (en) | Data processing apparatus and data processing method | |
| US7672772B2 (en) | Apparatus and method for evaluating a degree of a safety in traveling of a vehicle | |
| JP5067979B2 (en) | Bearing diagnostic device | |
| EP1813493B1 (en) | Tire slipping state detecting method and tire slipping state detecting device | |
| EP2012106B1 (en) | Deflection calculating method at tire wheeling time, data storing method at tire wheeling time, and grounding length calculating method at tire wheeling time | |
| JP5057743B2 (en) | Method and system for detecting and measuring disturbances related to the frequency of rotor rotation speed | |
| Gindy et al. | A state‐space approach for deriving bridge displacement from acceleration | |
| EP2072975A1 (en) | Method and apparatus for vibration-based automatic condition monitoring of a wind turbine | |
| WO1996005486A1 (en) | Method and apparatus for determining resonance information | |
| JP6531984B2 (en) | Displacement response calculation method using acceleration recording | |
| JPH10258974A (en) | Unsteady signal analyzer and medium recording unsteady signal analysis program | |
| JP2009274639A (en) | Tire pressure drop detecting device, method, and tire pressure drop detecting program | |
| JP6315810B2 (en) | Anomaly detection method for railway bridge support | |
| CN109916485B (en) | Dynamic vehicle weighing method and device | |
| US6199019B1 (en) | Unsteady signal analyzer and medium for recording unsteady signal analyzer program | |
| CN115496102A (en) | Wind turbine generator blade fault diagnosis method and device, equipment and storage medium | |
| CN202083464U (en) | System used for acquiring various vibration signals for vibration analysis | |
| JP7014080B2 (en) | Information processing equipment, information processing methods and programs | |
| EP0304287B1 (en) | Method of reducing lateral force variation of tire | |
| JP2008233100A (en) | Data processing device and data processing method | |
| JP4606236B2 (en) | Weight measurement method | |
| JP2000046893A (en) | Abnormality diagnostic system and method | |
| JP3221308B2 (en) | Non-standard element compensator for rotation sensor | |
| JP6964872B2 (en) | Ship engine speed estimation device, ship engine speed estimation method and ship engine speed estimation program | |
| WO2020202567A1 (en) | Vibro-acoustic analysis method and device and equipment-abnormality-location estimation method and device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040617 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20051215 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070904 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071105 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080304 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080507 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20080512 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080603 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080610 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110620 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 4141180 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110620 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120620 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120620 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130620 Year of fee payment: 5 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130620 Year of fee payment: 5 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| EXPY | Cancellation because of completion of term |