• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.603-606
• /
• 2016

철로를 구성하는 요소 중 하나인 선로전환기는 열차의 궤도를 변경하는 부품 중 하나로써, 열차가 주행 중에 인접한 다른 선로로 주행방향을 전환할 때 사용된다. 철로운영 지침서에 따르면 내구수명 10년 혹은 전환횟수 20만회를 선로전환기의 교체시점으로 권고하고 있으나, 실제 현장에서는 예산문제 등으로 인하여 잘 지켜지지 않는 것이 현실이다. 또한, 선로전환기에 관한 연구 문헌들에서도 선로전환기의 교체시기에 관한 학술적 실용적 차원의 연구 결과를 찾아볼 수 없다. 본 논문에서는 선로전환기의 전류 적분 값을 이용하여 선로전환기의 교체 시점을 결정하는 시스템을 제안한다. 제안된 시스템은 실제 현장에서 선로전환기의 교체시기를 판별하는 유용한 지표로 사용될 것으로 기대된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.599-602
• /
• 2016

고속철도 산업의 핵심 요소 중 하나인 선로전환기는 열차의 진로를 제어해주는 부품으로, 해당 설비의 노후화를 조기에 탐지하여 적절한 시기에 선로전환기를 교체하는 것은 안정적인 철도운영에서 매우 중요하다. 본 논문에서는 선로전환기의 작동 시 발생하는 전류 신호를 이용하여 선로전환기의 노후화를 탐지하는 시스템을 제안한다. 제안하는 시스템은 선로전환기로부터 전류 신호를 취득한 후, 주파수 도메인의 특징인 SK값으로 변환하여 특징벡터를 추출하고, PCA를 이용하여 SK벡터의 차원 축소와 동시에 중요한 특징들만을 선택한다. 마지막으로, 선로전환기의 노후화를 탐지하는 문제를 이진 클래스 문제로 해석하여, 기계학습의 대표적 모델인 SVM을 이용하여 선로전환기의 노후화 여부를 탐지한다. 실제 국내에서 운행 중인 선로전환기의 전류 신호를 취득하여 실험한 결과, 선로전환기의 노후화 상황을 안정적으로 탐지함을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.611-614
• /
• 2016

최근 철도 산업의 비중이 증가함에 따라 열차의 안정적인 주행이 그 어느 때보다 중요한 이슈로 부각되고있다. 특히, 열차의 진로 변경을 위한 핵심 요소인 선로전환기의 결함은 열차의 사고와 직결되는 장비 중 하나로써, 그 이상 여부를 사전에 인지하여 선로전환기의 안정성을 확보하기 위한 유지보수의 지능화 시스템이 필요하다. 본 논문에서는 선로전환기의 작동 시 발생하는 소리정보를 활용하여 선로전환기의 비정상 상황을 분류하는 시스템을 제안한다. 제안하는 시스템은 먼저, 선로전환기의 상황별 소리를 수집하고, 다양한 소리정보를 추출하여 특징 벡터를 생성한다. 다음으로, 딥러닝 모델 중 하나인 DNN(Deep Neural Network)을 이용하여 선로전환기의 비정상 상황을 분류한다. 실제 선로전환기의 전환 시 발생하는 소리 데이터를 기반으로 DNN의 파라미터에 따른 다양한 실험을 수행한 결과, 약 93.10%의 정확도를 갖는 안정적인 DNN 모델을 설계하였다.

• KIPS Transactions on Software and Data Engineering
• /
• v.5 no.9
• /
• pp.433-440
• /
• 2016

Railway point machines act as actuators that provide different routes to trains by driving switchblades from the current position to the opposite one. Since point failure can significantly affect railway operations with potentially disastrous consequences, early stress detection of point machine is critical for monitoring and managing the condition of rail infrastructure. In this paper, we propose a stress detection method for point machine in railway condition monitoring systems using sound data. The system enables extracting sound feature vector subset from audio data with reduced feature dimensions using feature subset selection, and employs support vector machines (SVMs) for early detection of stress anomalies. Experimental results show that the system enables cost-effective detection of stress using a low-cost microphone, with accuracy exceeding 98%.

• Proceedings of the KIEE Conference
• /
• summer
• /
• pp.1454-1456
• /
• 2004

전기선로전환기는 분기기에 전환력을 공급하기 위한 장치로 전기선로전환기의 선택은 분기기에 연결되는 간류 구조, 침목, 밀착 쇄정기, 밀착 검지기, 연결간 및 벨 크랭크 등에 따른 제약 사항과 함께 검토된다. 본 논문에서는 현재 우리나라에서 사용 중인 전기선로전환기에 대한 특성을 분석한 후, 기존선 속도 향상 및 안전사고 예방을 위한 보안 설비의 추가적인 설치 필요성 분석 및 속도 향상을 위한 요구 사양을 분석하였다.

• Smart Media Journal
• /
• v.6 no.2
• /
• pp.33-41
• /
• 2017

Railway point machines act as actuators that provide different routes to trains by driving switchblades from the current position to the opposite one. Since point failure caused by the aging effect can significantly affect railway operations with potentially disastrous consequences, replacement detection of point machine at an appropriate time is critical. In this paper, we propose a replacement condition detection method of point machine in railway condition monitoring systems using electrical current signals, after analyzing and relabeling domestic in-field replacement data by means of OLAP(On-Line Analytical Processing) operations in the multidimensional data cube into "does-not-need-to-be replaced" and "needs-to-be-replaced" data. The system enables extracting suitable feature vectors from the incoming electrical current signals by DWT(Discrete Wavelet Transform) with reduced feature dimensions using PCA(Principal Components Analysis), and employs SVM(Support Vector Machine) for the real-time replacement detection of point machine. Experimental results with in-field replacement data including points anomalies show that the system could detect the replacement conditions of railway point machines with accuracy exceeding 98%.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.620-623
• /
• 2016

열차의 진로를 제어하는 선로전환기는 열차의 안정적인 주행에 있어서 매우 중요한 시설이다. 본 논문에서는 선로전환기의 작동 시 발생하는 소리 정보를 이용하여 선로전환기의 스트레스를 탐지하는 시스템을 제안한다. 먼저 제안하는 시스템은 선로전환기에 스트레스가 쌓인 상태의 소리 정보와 스트레스가 제거된 소리 정보를 수집한 후, 다양한 소리특징들을 추출한다. 추출된 특징들로 부터 t-test를 이용하여 유의성이 확보된 소리 특징 파마미터만을 최종 특징벡터로 선택한다. 마지막으로, 소리 특징 벡터를 입력으로 하는 이진 분류기인 SVM(Support Vector Machine)을 이용하여, 선로전환기의 스트레스 상태 여부를 실시간으로 탐지한다. 실제 테스트용 선로전환기에서 취득한 소리 정보 데이터 셋을 이용하여 본 논문에서 제안하는 시스템의 성능을 실험적으로 검증한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.595-596
• /
• 2016

열차의 진로를 변경시키는 선로전환기의 고장은 탈선 등과 같은 대형 사고를 유발시킬 수 있는 중요한 시설이다. 따라서 열차운행 안전 측면에서 해당 설비에 대한 모니터링은 필수적이다. 본 논문에서는 선로전환기의 구동 시 발생하는 소리 정보를 이용하여 선로전환기의 이상상황을 탐지하는 시스템을 제안한다. 먼저 제안한 시스템은 소리 센서에서 실시간으로 취득하는 소리 신호를 Power Spectral Density(PSD) 특징으로 변환한다. 추출된 PSD 특징은 이미 성능이 입증된 딥러닝의 대표적인 모델인 Convolutional Neural Network(CNN)에 적용하여 이상상황을 탐지한다. 실제 선로전환기의 전환 시 발생하는 소리 데이터를 취득하여 모의실험을 수행한 결과, 비정상 상황을 안정적으로 탐지함을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.05a
• /
• pp.394-397
• /
• 2019

센서 및 정보 통신 기술의 발전은 산업 현장에서 취득한 정보를 기반으로 다양한 연구를 수행할 수 있는 토대가 되었다. 본 연구에서는 철도의 진로 방향을 전환하는 선로 전환기 주변에 설치한 소리 센서에서 수집한 소리를 기반으로 선로 전환기의 이상 상황을 탐지하고자 한다. 이와 같은 소리 데이터 기반의 이상 상황 탐지 시스템을 실제 산업 현장에서 성공적으로 운용되기 위해서는 소리 취득 시 발생하는 다양한 잡음 환경에서도 이상 상황을 식별할 수 있는 강인함이 보장되어야 한다. 본 논문에서는 소리 음질을 향상시키기 위하여 SEGAN(Speech Enhancement Generative Adversarial Network)을 활용하며, CNN(Convolutional Neural Network)을 기반으로 선로 전환기의 이상 상황을 식별하는 시스템을 제안한다. 수집된 소리 데이터를 기반으로 제안한 시스템을 실험적으로 검증한 바 잡음에 강인한 성능을 확인하였다.

• Smart Media Journal
• /
• v.6 no.4
• /
• pp.9-16
• /
• 2017

The railway point machine is an especially important component that changes the traveling direction of a train. Failure of the point machine may cause a serious railway accident. Therefore, early detection of failures is important for the management of railway condition monitoring systems. In this paper, we propose a noise-robust anomaly detection method in railway condition monitoring systems using sound data. First, we extract feature vectors from the spectrogram image of sound signals and convert it into modulation feature to ensure robust performance, and lastly, use the support vector machine (SVM) as an early anomaly detector of railway point machines. By the experimental results, we confirmed that the proposed method could detect the anomaly conditions of railway point machines with acceptable accuracy even under noisy conditions.