Wykrywanie i detekcja stanu pojazdu szynowego z
użyciem GPS oraz innych pokładowych
urządzeń rejestrujących
1
Instytut Pojazdów Szynowych „TABOR”
2
Automex Sp. z o.o. Gdańsk
Data publikacji: 02-04-2010
Rail Vehicles/Pojazdy Szynowe 2010,2,13-23
STRESZCZENIE
Artykuł przedstawia możliwości wykrywania i detekcji stanu pojazdu szynowego
bazując na sygnałach zarejestrowanych przez pokładowe urządzenia ORD, takie jak GPS, akcelerometry
i czujniki żyroskopowe MEMS. Szczególnym przedmiotem zainteresowań są tzw. sytuacje krytyczne,
które mogą się pojawić podczas ruchu pojazdu szynowego. Jako sytuację krytyczna będziemy
rozumieli, w ogólności, każdą sytuację w której dojdzie do zaburzeń pracy silnika, przekroczenia
prędko- ści i przyspieszeń, nadmiernych nachyleń itp. Sygnały pozyskane z urządzeń ORD
będą dalej podlegać analizie z wykorzystaniem metod przetwarzania sygna- łów oraz
wyspecjalizowanych algorytmów bazujących na sztucznej inteligencji. (Artykuł powstał w ramach
projektu badawczego KBN nr N509 047 32/3308 pt.
„Wykrywanie sytuacji krytycznych w transporcie kolejowym z wykorzystaniem
metod sztucznej inteligencji do przetwarzania parametrów ruchu”)
REFERENCJE (41)
2.
S. Abe: Support Vector Machines for Pattern Classification, Springer-Verlag, 2005.
3.
P. Boguś, J. Merkisz, R. Grzeszczyk, S. Mazurek: Nonlinear Analysis of Combustion Engine Vi- broacoustic Signals for Misfire Detection. SAE Technical Paper Series 2003-01-0354.
4.
P. Boguś, K. Lewandowska: Short-Time Signal Analysis Using Pattern Recognition Methods. Lec- ture Notes in Artificial Intellignece: Artificial Intelligence and Soft Computing, 3070, 2004.
5.
P. Boguś, J. Merkisz: Diagnostyka pokładowa silników wysokoprężnych z wykorzystaniem nieliniowych metod analizy sygnałów. Pojazdy Szynowe, 1/2004.
6.
P. Boguś, R. Grzeszczyk, J. Merkisz: Diagnostyka pokładowa silników wysokoprężnych z wykorzystaniem chwilowej analizy sygnałów. Pojazdy Szynowe, 1/2004.
7.
P. Boguś, J. Merkisz: Wykrywanie zjawiska wypadania zapłonu w silniku o zapłonie samoczynnym w oparciu o grupowanie danych w krótkoczasowej analizie sygnałów wibroakustycznych. Silniki Spalinowe, 4, 2005.
8.
P. Boguś, J. Merkisz: Misfire Detection of Locomo- tive Diesel Engine by Nonlinear Analysis. Mechani- cal Systems and Signal Processing, 19, 2005.
9.
P. Boguś, J. Merkisz: Short Time Analysis of Com- bustion Engine Vibroacoustic Signals with Using Pattern Recognition Techniques. SAE Technical Pa- per Series 2005-01-2529.
10.
P. Boguś, A. Sienicki, E. Wojciechowska, J. Merkisz: The comparison of vibroacoustic signals taken from an engine before and after repair. Combustion Engines, 2007-SC3.
11.
P. Boguś, A. Sienicki, E. Wojciechowska. Porówna- nie stanu silnika lokomotywy spalinowej ST44 przed i po remoncie przy użyciu sygnału wibroakustycznego. Pojazdy Szynowe, 2/2007.
12.
P. Boguś, J. Merkisz, S. Mazurek, R. Grzeszczyk: Application of GPS and other ORD sensors to detec- tion of the vehicle state. Proceedings of FISITA 2008 World Automotive Congress, 14-19 September, Mu- nich, Germany, 2008.
13.
P. Boguś, J. Merkisz: Chaotic Time Series Analysis in Diesel Engine Diagnostic. Proceedings of the 7th European Conference on Structural Dynamics EURODYN 2008, 7-9 July 2008, Southampton, United Kingdom, 2008.
14.
P. Boguś, J. Merkisz, S. Mazurek, R. Grzeszczyk. Detection Of Critical Situations In Rail Transport Using Ord Motion Parameters. CD Proceedings of the 10th International Conference on Application of Advanced Technologies in Transportation, Athens, Greece, May 28th – 30st, 2008, str. 1-10.
15.
P. Boguś, J. Merkisz, S. Mazurek. The Proscpect of Artificial Intelligence Methods in Identification and Prevention of Criticial Railway Accidents. In: L. Rutkowski, R. Tadeusiewicz, L. Zadeh, J. Zurada (eds.). Computational Intelligence: Methods and Applications. EXIT, Warsaw 2008, str. 445-453.
17.
X. Z. Gao. S. J. Ovaska: Soft computing methods in motor fault diagnosis. Applied Soft Computing, 1, 2001.
18.
F. Hegyi, A. K. Mookerjee: GIS and GPS based asset management for Road and Railway Transportation Systems in India. Proceedings of the 6th Annual International Conference – Map India, 2003, 28-30 January, New Delhi, India, 2003.
19.
J. Hertz, A. Krogh, R. G. Palmer. Wstęp do teorii obliczeń neuronowych. WNT, Warszawa, 1993.
20.
J. Izvoltova: Evaluation of GPS Measurements of Railway Track Geometric Position. Proceedings of INGEO 2004 and FIG Regional Central and Eastern Europe Conference on Engineering Surveying, Bratislava, Slovakia, November 11-13, 2004.
21.
V. Khitha, S. Govil: GIS in Public Transportation. Proceedings of the 6th Annual International Conference – Map India 2003, 28-30 January, New Delhi, India, 2003.
22.
G. J. Klir, B. Yuan. Fuzzy Sets & Fuzzy Logic. Theory and Applications. Prentica Hall PTR, 1995.
23.
Z. Kowalczuk, S. Mazurek, D. Derebecki, Ł. Gwardyński, P. Jarzewicz: Zastosowanie sztucznej inteligencji do identyfikacji groźnych wypadków samochodowych. Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej. Nr 4, Seria: Technologie informacyjne, 2006.
24.
P. Kumar, D. Reddy, V. Singh: Intelligent transport system using GIS”. Proceedings of the 6th Annual International Conference – Map India 2003, 28-30 January, New Delhi, India, 2003.
25.
Y. Maki: A New Train Position Detection System Using GPS”. Railway Technology Avalanche, 9, 53, 2005.
26.
P. Mening, C. Coverdill: Transportation Recorders on Commercial Vehicles. International Symposium on Transportation Recorders, Arlington, Virginia, 1999.
27.
J. Merkisz, S. Mazurek: Pokładowe systemy diagnostyczne pojazdów samochodowych. Wydawnictwa Komunikacji i Łączności, Warszawa, 2002.
28.
J. Merkisz, P. Boguś, A. Wrona: Using Signals of Registered Linear and Angular Acceleration to Reconstruct the Trajectory of Vehicle’s Movement. Proceedings of the 9th EAEC International Congress – 16-18 June 2003-Paris „European Automotive Industry Driving Global Changes”, 2003.
29.
G. Mintsis, S. Basbas, P. Papaioannou, C. Taxiltaris, I. N. Tziavos: Application of GPS technology in the land transportation system. European Journal of Operational Research, 152, 2004.
30.
M. Pirooznia, Y. Deng: SVM Classifier – a comprehensive java interface for support vector machine classification of microarray data. BMC Bioinformatics, 7, 2006.
31.
D. Rutkowska, M. Filiński, L.Rutkowski: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. Wydawnictwo Naukowe PWN, Warszawa-Łódź, 1997.
32.
J. Santos-Reyes, A. N. Beard, E. A. Smith: A systemic analysis of railway accidents. Proceeding of the Institution of Mechanical Engineering, 219, Part F, Journal of Rail and Rapid Transit, 2005.
33.
J.-B. Sheu: A fuzzy clustering-based approach to automatic freeway incident detection and characterization. Fuzzy Sets and Systems, 128, 2002.
34.
A. Theiss, D. C. Yen, C.-Y. Ku: Global Positioning Systems: an analysis of applications, current development and future implementations. Computer Standards & Interfaces, 27, 2005.
35.
J. C. Thill: Geographic information systems for transportation in perspective. Transportation Researches Part C, 8, 2000.
36.
D.C. Tyrell: Rail passenger equipment accidents and the evaluation of crashworthiness strategies. Proceeding of the Institution of Mechanical Engineering, Vol. 216, Part F, Journal of Rail and Rapid Transit, 2002.
37.
L. Wang (ed.): Support Vector Machines: Theory and Applications. Springer-Verlag, 2005.
38.
J.R. Wootton, A. Garcia-Ortiz: Intelligent Transportation Systems: A Global Perspective. Mathl. Comput. Modellin, 22, 1985.
39.
F. Yuan, R. L. Cheu: Incident detection using support vector machines. Transportation Researches Part C, 11, 2003.
40.
A. Zilouchian, M. Jamshidi: Intelligent Control Systems Using Soft Computing Methodologies. CRC Press, 2001.
41.
R. Zito, G. D’Este, M. A. P. Taylor: Global Positioning System in the time domain: How useful a tool for intelligent vehicle-highway systems?. Transp. Res. C, 3(4), 1995.
Udostępnij
| eISSN: | 2719-9630 |
| ISSN: | 0138-0370 |
Przetwarzamy dane osobowe zbierane podczas odwiedzania serwisu. Realizacja funkcji pozyskiwania informacji o użytkownikach i ich zachowaniu odbywa się poprzez dobrowolnie wprowadzone w formularzach informacje oraz zapisywanie w urządzeniach końcowych plików cookies (tzw. ciasteczka). Dane, w tym pliki cookies, wykorzystywane są w celu realizacji usług, zapewnienia wygodnego korzystania ze strony oraz w celu monitorowania ruchu zgodnie z Polityką prywatności. Dane są także zbierane i przetwarzane przez narzędzie Google Analytics (więcej).
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
