Wykrywanie i detekcja stanu pojazdu szynowego z użyciem GPS oraz innych pokładowych urządzeń rejestrujących

• Autorzy: Boguś P. , Grzeszczyk R

Warianty tytułu

EN

Finding and detection the rail vehicle state with using GPS and the other on-board recording devices

• Języki publikacji: PL

Abstrakty

PL

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 prędkości i przyspieszeń, nadmiernych nachyleń itp. Sygnały pozyskane z urządzeń ORD będą dalej podlegać analizie z wykorzystaniem metod przetwarzania sygnałów 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 ")

EN

The article presents the possibilities of flnding and detection the rail Vehicle state basing on the signals recorded by the on-board devices ORD such as GPS, accelerometers and gyroscope sensors MEMS. The special subject of interests are socalled critical situations, which can appear during the running of the rail vehicle As the critical situation we will understand, in general, the each situation, in which the engine work, exceeding of the speed and accelerations, over-slopes occur and the like. The signals obtained from the devices ORD will undergo the analysis with using the methods of signal processing and the specialized algorithms basing on the artificial intelligence. (This article was made within the research project KBN No.N509 047 32/3308 under the title: "Finding the critical situations in the railway transport with using the methods of artificial intelligence for processing the parameters of motion".

Słowa kluczowe

PL

wykrywanie i detekcja stanu pojazdu szynowego; GPS; pokładowe urządzenia rejestrujące; sytuacje krytyczne; metody przetwarzania sygnałów; metody sztucznej inteligencji

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Pojazdy Szynowe
• Rocznik: 2010
• Tom: Nr 2
• Strony: 13--23
• Opis fizyczny: Bibliogr. 41 poz., rys.

Twórcy

autor

Boguś P.

autor

Grzeszczyk R

• Instytut Pojazdów Szynowych "TABOR" Gdański Uniwersytet Medyczny

Bibliografia

• [1] H. D. L. Abarbanel: Analysis of Observed Chaotic Data, Springer, 1996.
• [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 Vibroacoustic Signals for Misfire Detection. SAE Technical Paper Series 2003-01-0354.
• [4] P. Boguś, K. Lewandowska: Short-Time Signal Analysis Using Pattern Recognition Methods. Lecture Notes in Artificial Intelligence: 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 Locomotive Diesel Engine by Nonlinear Analysis. Mechanical Systems and Signal Processing, 19, 2005.
• [9] P. Boguś, J. Merkisz: Short Time Analysis of Combustion Engine Vibroacoustic Signals with Using Pattern Recognition Techniques. SAE Technical Paper 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. Porównanie 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 detection of the vehicle state. Proceedings of FISITA 2008 World Automotive Congress, 14-19 September, Münich, 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.
• [16] J. Cytowski. Algorytmy genetyczne. Podstawy i zastosowania. AOW, Warszawa 1996.
• [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. Prentice 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. Piliński, 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.