초록 열기/닫기 버튼
철도차량의 효율적인 유지보수를 위해 최근에 상태모니터링이 크게 주목을 받고 있다. 본 논문에서는 철도차량 대차에 설치된 현가장치의 이상상태를 실시간으로 검지할 수 있는 상태모니터링 방법을 확장칼만필터를 이용하여 구현한다. 추정하고자 하는 현가장치의 특성 파라미터를 상태변수의 일부로 둠으로써, 차량 동역학은 비선형시스템이 되고, 따라서 확장칼만필터를 이용하여 특성 파라미터의 변화를 추정할 수 있다. 차량 주행상태에서 현가장치의 특성 파라미터 값을 임의시간에 변화시켜 고장상황을 만들고, 확장칼만필터를 이용하여 이 변화된 파라미터 값을 효과적으로 추정할 수 있는 상태모니터링 기법을 제안한다. 또한 추정속도를 높이기 위하여, 확장칼만필터에 기억인자 를 추가한 알고리즘을 제안한다. 제안된 상태모니터링 기법과 기억인자 알고리즘의 타당성을 입증하기 위하여 MATLAB을 이용한 시뮬레이션 연구를 수행하였다.
Many researchers have recently devoted attention to condition monitoring for efficient maintenance of railway vehicles. In this paper, we implement a condition monitoring technique using an extended Kalman filter, which can detect any fault condition of a suspension device installed in a bogie of a railway vehicle. Characteristic parameters of the suspension device are defined as a part of state variables, and then car dynamics of the vehicle is represented by a nonlinear system. The parameter variation of the suspension device thus can be estimated by an extended Kalman filter. We introduce a condition monitoring logic using an extended Kalman filter, which can effectively estimate parameter variation when the parameters of the suspension device are changed suddenly in a step-wise manner at an arbitrary time during vehicle operation. Moreover, to increase the speed of estimation, we introduce an algorithm with an additional memory factor in the extended Kalman filter. The validity of the proposed condition monitoring technique and the memory factor algorithm is demonstrated by simulation studies using MATLAB.
키워드열기/닫기 버튼
Condition monitoring, Suspension device, Railway vehicle, Maintenance
