• 한국철도학회논문집
• /
• 제6권4호
• /
• pp.252-256
• /
• 2003

Smart materials can adapt to changes of environment like living organs in nature such that they can maximize the performance and minimize the maintenance expense of engineering systems. Such materials have been paid attention ten years ago and applied in the area of industry, aerospace, transportation and civil structures. This paper summarizes smart material technology and shows some application examples in railway vehicles. Also, its future of smart material technology in railway vehicle technology is envisaged based on its possibility and practical aspect.

• 한국산학기술학회논문지
• /
• 제18권10호
• /
• pp.717-724
• /
• 2017

콘크리트 매립형 궤도를 운행하는 트램의 주행 안전성을 향상시키기 위해 핵심 구성품인 대차를 개발하고 제작하여 시험 차체와 조립한 후, 단거리 급곡선 급경사 궤도를 건설하고 시험운행을 실시하였다. 대차의 급곡선 주행 중 차륜 플랜지와 매립형 궤도의 간섭을 검토할 수 있는 산식을 제시하였고, 산식 결과에 따라 궤도를 설계하였다. 간략화된 계산식을 도출하여 곡선에서 탈선계수와 윤중감소율을 추정하였다. 단거리 급경사 급곡선 매립형 궤도에서 대차와 차체가 주행할 때에 차체의 가속도를 계측하였고, 영상 시스템을 통해 차륜과 궤도의 인터페이스 상태를 점검하였다. 계산 추정 결과에 따르면 차륜의 탈선계수와 윤중감소율은 안전기준 이하였는데, 실제 주행 시험 중에도 탈선은 발생하지 않았고, 가속도 계측 결과도 주행 안전기준을 만족하였다. 또한, 차륜과 궤도의 간섭은 발생하지 않았고, 영상 모니터링 결과도 차륜의 올라타기 등 탈선조짐은 발견되지 않았으며, 중앙의 피니언과 랙이 원활히 접촉하면서 양호한 주행안전성을 보여주고 있었다. 외부 소음 계측을 통해서 소음 기준을 만족하고 있음을 확인하였다.

• 한국철도학회논문집
• /
• 제16권1호
• /
• pp.26-31
• /
• 2013

감속구동장치는 모터에 회전력을 차륜에 전달하는 중요한 장치로써 가장 큰 고장원인 중 하나는 기어의 접촉 피로손상에 의한 것이다. 이로 인해 주행 시 심각한 영향을 미칠 수 있기 때문에 주행안전성 확보를 위한 이상진단 모니터링시스템 기술이 요구되고 있으며, 이상진단을 위한 모니터링 시스템 개발을 위해 고장이 없는 감속구동장치의 기초 데이터 분석이 중요하다. 기어의 주요 이상진단방법 중 고장원인파악 및 조기진단에 주로 사용되는 진동신호분석법을 적용하여, 본 논문에서는 고장이 없는 고속철도차량(KTX, KTX II) 감속구동장치를 대상으로 실물시험과 실차시험을 수행함으로써 고장이 없는 감속구동장치의 이상진단에 필요한 진동특성분석을 실시하였다.

• 한국산학기술학회논문지
• /
• 제19권1호
• /
• pp.75-84
• /
• 2018

본 철도 유지보수 산업의 효율화를 위해서는 핵심부품의 적시 관리를 통한 부품 가동률 향상 및 철도 운행의 안정성 향상이 필요하다. 또한 유지보수 시스템 고속화에 따른 신뢰성 향상과 핵심부품의 유지보수 비용 절감의 두 가지 측면을 모두 만족시키기 위해, 부품 이력관리와 대규모 빅데이터의 자동화된 분석 기술을 활용한 부품 상태 진단 기술 수요가 증가하고 있다. 이 논문에서는 철도차량의 차상 및 지상 장치로부터 발생되는 실시간 빅데이터 수집, 처리, 분석을 위해서 빅데이터 플랫폼 기반의 철도차량 부품의 상태 데이터 관리시스템을 개발하였으며, 이 시스템의 활용으로 철도차량의 부품 상태정보 및 시스템 리소스에 대한 실시간 모니터링이 가능하다. 또한 빅데이터 플랫폼으로부터 수집된 상태 데이터를 기반으로 분산/병렬처리 및 자동화된 부품 고장진단이 가능한 머신러닝 기법을 제안하였다. 실험결과, 분산/병렬처리 기술이 적용된 알고리즘의 실행시간 단축을 아마존 웹서비스의 가상 인스턴스 생성 시스템을 통해 증명하였으며, random forest 머신러닝 기법을 활용한 고장 진단 모델의 베어링 및 차륜 부품에 대한 상태 예측 정확도가 83%임을 확인하였다.