特開2024-162774鉄道車輪踏面異常検知システム、鉄道車輪踏面異常検知方法、および鉄道車輪踏面異常検知プログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024162774
(43)【公開日】2024-11-21
(54)【発明の名称】鉄道車輪踏面異常検知システム、鉄道車輪踏面異常検知方法、および鉄道車輪踏面異常検知プログラム
(51)【国際特許分類】
G01M 17/08 20060101AFI20241114BHJP
G01H 17/00 20060101ALI20241114BHJP
B61L 1/18 20060101ALI20241114BHJP
B61L 25/04 20060101ALI20241114BHJP
【ＦＩ】
G01M17/08
G01H17/00 A
B61L1/18 Z
B61L25/04
【審査請求】未請求
【請求項の数】20
【出願形態】ＯＬ
(21)【出願番号】P 2023078659
(22)【出願日】2023-05-11
(71)【出願人】
【識別番号】000006013
【氏名又は名称】三菱電機株式会社
(74)【代理人】
【識別番号】100118762
【弁理士】
【氏名又は名称】高村 順
(72)【発明者】
【氏名】坂東 龍司
(72)【発明者】
【氏名】和田 敏裕
(72)【発明者】
【氏名】牧 和宏
【テーマコード（参考）】
2G064
5H161
【Ｆターム（参考）】
2G064AA14
2G064AB01
2G064AB02
2G064AB22
2G064BA02
2G064BA08
2G064CC02
2G064CC29
2G064CC43
2G064DD08
2G064DD15
5H161AA01
5H161BB20
5H161DD01
5H161FF05
5H161FF07
(57)【要約】
【課題】多数の車輪に対して車輪踏面異常を検知する場合であっても低コストで車輪踏面異常を検知することができる鉄道車輪踏面異常検知システムを得ること。
【解決手段】鉄道車輪踏面異常検知システム１Ａが、レールに設置された振動センサによって計測された振動センサ信号を周波数帯毎の信号強度を示す第１の時間信号へと変換する周波数解析部１０Ａと、第１の時間信号に対応する対応信号からレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去部４０Ａと、第２の時間信号から車輪踏面異常の有無を判定する踏面異常検出部８０Ａと、踏面異常検出部８０Ａの判定結果を出力する出力部９０と、を備え、継ぎ目振動除去部４０Ａは、対応信号から抽出したレール継ぎ目に起因する振動の周波数を含む第３の時間信号の信号強度が特定値を超える場合に対応信号から第３の時間信号を除去することで第２の時間信号を算出する。
【選択図】図１
【解決手段】鉄道車輪踏面異常検知システム１Ａが、レールに設置された振動センサによって計測された振動センサ信号を周波数帯毎の信号強度を示す第１の時間信号へと変換する周波数解析部１０Ａと、第１の時間信号に対応する対応信号からレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去部４０Ａと、第２の時間信号から車輪踏面異常の有無を判定する踏面異常検出部８０Ａと、踏面異常検出部８０Ａの判定結果を出力する出力部９０と、を備え、継ぎ目振動除去部４０Ａは、対応信号から抽出したレール継ぎ目に起因する振動の周波数を含む第３の時間信号の信号強度が特定値を超える場合に対応信号から第３の時間信号を除去することで第２の時間信号を算出する。
【選択図】図１
【特許請求の範囲】
【請求項1】
レールに設置された振動センサによって計測された振動の情報を示す振動センサ信号を周波数帯毎の信号強度を示す第１の時間信号へと変換する周波数解析部と、
前記第１の時間信号に対応する対応信号から前記レールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去部と、
前記第２の時間信号から、前記レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出部と、
前記踏面異常検出部の判定結果を出力する出力部と、
を備え、
前記継ぎ目振動除去部は、
前記対応信号から前記レール継ぎ目に起因する振動の周波数を含む第３の時間信号を抽出し、前記第３の時間信号の信号強度が特定値を超える場合に前記対応信号から前記第３の時間信号を除去することで前記第２の時間信号を算出する、
ことを特徴とする鉄道車輪踏面異常検知システム。
前記第１の時間信号に対応する対応信号から前記レールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去部と、
前記第２の時間信号から、前記レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出部と、
前記踏面異常検出部の判定結果を出力する出力部と、
を備え、
前記継ぎ目振動除去部は、
前記対応信号から前記レール継ぎ目に起因する振動の周波数を含む第３の時間信号を抽出し、前記第３の時間信号の信号強度が特定値を超える場合に前記対応信号から前記第３の時間信号を除去することで前記第２の時間信号を算出する、
ことを特徴とする鉄道車輪踏面異常検知システム。
【請求項2】
前記第１の時間信号に基づいて、前記レール継ぎ目に起因する振動以外のノイズのスケールを正規化する正規化部をさらに備え、
前記継ぎ目振動除去部は、
前記ノイズのスケールが正規化された前記第１の時間信号に対応する前記対応信号から前記レール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する、
ことを特徴とする請求項１に記載の鉄道車輪踏面異常検知システム。
前記継ぎ目振動除去部は、
前記ノイズのスケールが正規化された前記第１の時間信号に対応する前記対応信号から前記レール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する、
ことを特徴とする請求項１に記載の鉄道車輪踏面異常検知システム。
【請求項3】
前記正規化部は、
ｍを予め設定されたパラメータとした場合に、前記第１の時間信号のうち信号の小さいものからｍ％の値を、前記レール継ぎ目に起因する振動以外のノイズが従う分布のｍ％点の値で割ることで、前記ノイズのスケールを算出し、算出した前記ノイズのスケールで前記第１の時間信号を割ることで前記ノイズのスケールが正規化された前記第１の時間信号を算出する、
ことを特徴とする請求項２に記載の鉄道車輪踏面異常検知システム。
ｍを予め設定されたパラメータとした場合に、前記第１の時間信号のうち信号の小さいものからｍ％の値を、前記レール継ぎ目に起因する振動以外のノイズが従う分布のｍ％点の値で割ることで、前記ノイズのスケールを算出し、算出した前記ノイズのスケールで前記第１の時間信号を割ることで前記ノイズのスケールが正規化された前記第１の時間信号を算出する、
ことを特徴とする請求項２に記載の鉄道車輪踏面異常検知システム。
【請求項4】
前記第３の時間信号が除去された時刻から特定時間後の信号を、前記第２の時間信号から除去することで、前記レール継ぎ目に起因する振動の残響ノイズを除去する除去幅拡大部と、
前記車輪を検出する車輪検出センサから前記車輪を検出したことを示す車輪検出センサ信号を受け付けると、前記車輪検出センサ信号に基づいて、前記残響ノイズが除去された前記第２の時間信号から、前記車輪の回転周期以外の信号である非周期性ノイズを除去する類似度フィルタ部と、
をさらに備え、
前記踏面異常検出部は、
前記残響ノイズおよび前記非周期性ノイズが除去された前記第２の時間信号から、前記車輪踏面異常の有無を判定する、
ことを特徴とする請求項１に記載の鉄道車輪踏面異常検知システム。
前記車輪を検出する車輪検出センサから前記車輪を検出したことを示す車輪検出センサ信号を受け付けると、前記車輪検出センサ信号に基づいて、前記残響ノイズが除去された前記第２の時間信号から、前記車輪の回転周期以外の信号である非周期性ノイズを除去する類似度フィルタ部と、
をさらに備え、
前記踏面異常検出部は、
前記残響ノイズおよび前記非周期性ノイズが除去された前記第２の時間信号から、前記車輪踏面異常の有無を判定する、
ことを特徴とする請求項１に記載の鉄道車輪踏面異常検知システム。
【請求項5】
前記類似度フィルタ部は、
前記車輪検出センサ信号から前記車両の速度を計算するとともに前記速度から前記車輪が１周する時間を算出し、前記残響ノイズが除去された前記第２の時間信号の各時刻の信号に対して前記車輪の１周分の時間差の信号との間の類似度を算出するとともに前記類似度が特定値以上の信号を強調することで前記非周期性ノイズを除去する、
ことを特徴とする請求項４に記載の鉄道車輪踏面異常検知システム。
前記車輪検出センサ信号から前記車両の速度を計算するとともに前記速度から前記車輪が１周する時間を算出し、前記残響ノイズが除去された前記第２の時間信号の各時刻の信号に対して前記車輪の１周分の時間差の信号との間の類似度を算出するとともに前記類似度が特定値以上の信号を強調することで前記非周期性ノイズを除去する、
ことを特徴とする請求項４に記載の鉄道車輪踏面異常検知システム。
【請求項6】
前記対応信号を特定の時間幅毎に切り出すことで複数の信号要素を含んだ時間信号群を算出するデータ切り出し部をさらに備え、
前記継ぎ目振動除去部は、前記時間信号群毎に前記第２の時間信号を算出する、
ことを特徴とする請求項１に記載の鉄道車輪踏面異常検知システム。
前記継ぎ目振動除去部は、前記時間信号群毎に前記第２の時間信号を算出する、
ことを特徴とする請求項１に記載の鉄道車輪踏面異常検知システム。
【請求項7】
前記継ぎ目振動除去部は、
前記対応信号を、独立な振動成分の信号である独立成分信号に分解する独立成分分解部と、
前記対応信号から前記独立成分信号を除去することで前記第２の時間信号を算出する独立成分除去部と、
を有する、
ことを特徴とする請求項１に記載の鉄道車輪踏面異常検知システム。
前記対応信号を、独立な振動成分の信号である独立成分信号に分解する独立成分分解部と、
前記対応信号から前記独立成分信号を除去することで前記第２の時間信号を算出する独立成分除去部と、
を有する、
ことを特徴とする請求項１に記載の鉄道車輪踏面異常検知システム。
【請求項8】
前記独立成分分解部は、
独立成分分析を用いて前記対応信号を前記独立成分信号に分解する、
ことを特徴とする請求項７に記載の鉄道車輪踏面異常検知システム。
独立成分分析を用いて前記対応信号を前記独立成分信号に分解する、
ことを特徴とする請求項７に記載の鉄道車輪踏面異常検知システム。
【請求項9】
前記独立成分分解部は、
前記独立成分信号のノルムが第１の閾値よりも大きな信号を前記独立成分信号として抽出することで、前記対応信号を前記独立成分信号に分解する、
ことを特徴とする請求項７に記載の鉄道車輪踏面異常検知システム。
前記独立成分信号のノルムが第１の閾値よりも大きな信号を前記独立成分信号として抽出することで、前記対応信号を前記独立成分信号に分解する、
ことを特徴とする請求項７に記載の鉄道車輪踏面異常検知システム。
【請求項10】
前記独立成分分解部は、
Ｍを自然数として、Ｍ個の前記独立成分信号を足した成分と、前記対応信号との差分の赤池情報量基準が最小となるまで前記独立成分信号を分解する、
ことを特徴とする請求項７に記載の鉄道車輪踏面異常検知システム。
Ｍを自然数として、Ｍ個の前記独立成分信号を足した成分と、前記対応信号との差分の赤池情報量基準が最小となるまで前記独立成分信号を分解する、
ことを特徴とする請求項７に記載の鉄道車輪踏面異常検知システム。
【請求項11】
前記独立成分除去部は、
Ｌを自然数として、Ｌ個の前記独立成分信号の赤池情報量基準が最小となるまで前記独立成分信号を除去する、
ことを特徴とする請求項７に記載の鉄道車輪踏面異常検知システム。
Ｌを自然数として、Ｌ個の前記独立成分信号の赤池情報量基準が最小となるまで前記独立成分信号を除去する、
ことを特徴とする請求項７に記載の鉄道車輪踏面異常検知システム。
【請求項12】
前記独立成分除去部は、
前記独立成分信号のノルムが第２の閾値よりも大きな前記独立成分信号を除去する、
ことを特徴とする請求項７に記載の鉄道車輪踏面異常検知システム。
前記独立成分信号のノルムが第２の閾値よりも大きな前記独立成分信号を除去する、
ことを特徴とする請求項７に記載の鉄道車輪踏面異常検知システム。
【請求項13】
前記踏面異常検出部は、
前記対応信号から車輪踏面異常の有無を表す時間信号を算出する特徴量算出部と、
前記対応信号から車輪踏面異常の種類を判定する異常種類判定部と、
を有する、
ことを特徴とする請求項１に記載の鉄道車輪踏面異常検知システム。
前記対応信号から車輪踏面異常の有無を表す時間信号を算出する特徴量算出部と、
前記対応信号から車輪踏面異常の種類を判定する異常種類判定部と、
を有する、
ことを特徴とする請求項１に記載の鉄道車輪踏面異常検知システム。
【請求項14】
前記特徴量算出部は、
前記対応信号のうち第４の周波数以下の信号の絶対値の和を前記第４の周波数を超える信号の絶対値の和で割ることで車輪踏面異常の有無を表す時間信号を算出する、
ことを特徴とする請求項１３に記載の鉄道車輪踏面異常検知システム。
前記対応信号のうち第４の周波数以下の信号の絶対値の和を前記第４の周波数を超える信号の絶対値の和で割ることで車輪踏面異常の有無を表す時間信号を算出する、
ことを特徴とする請求項１３に記載の鉄道車輪踏面異常検知システム。
【請求項15】
前記異常種類判定部は、
前記対応信号が第３の閾値を超えた場合に踏面異常を検出し、前記対応信号と第３の閾値との差、前記対応信号が前記第３の閾値を超えた時間、一定の時間枠内で前記対応信号が前記第３の閾値を超えた時間の総和から踏面異常の大きさと深さを判定する、
ことを特徴とする請求項１３に記載の鉄道車輪踏面異常検知システム。
前記対応信号が第３の閾値を超えた場合に踏面異常を検出し、前記対応信号と第３の閾値との差、前記対応信号が前記第３の閾値を超えた時間、一定の時間枠内で前記対応信号が前記第３の閾値を超えた時間の総和から踏面異常の大きさと深さを判定する、
ことを特徴とする請求項１３に記載の鉄道車輪踏面異常検知システム。
【請求項16】
前記信号強度は、前記第３の時間信号のノルムの大きさである、
ことを特徴とする請求項１から１５の何れか１つに記載の鉄道車輪踏面異常検知システム。
ことを特徴とする請求項１から１５の何れか１つに記載の鉄道車輪踏面異常検知システム。
【請求項17】
レールに設置された振動センサによって計測された振動の情報を示す振動センサ信号を周波数帯毎の信号強度を示す第１の時間信号へと変換する周波数解析部と、
前記第１の時間信号から前記レールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去部と、
前記第２の時間信号から、前記レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出部と、
前記踏面異常検出部の判定結果を出力する出力部と、
を備え、
前記周波数解析部は、
前記レール継ぎ目に起因する振動の周波数を含む第１の周波数帯に限定された第１の限定信号と、前記レール継ぎ目に起因する振動の周波数および車輪踏面異常に起因する振動の周波数の双方を検出できる第２の周波数に限定された第２の限定信号とを前記第１の時間信号として算出し、
前記継ぎ目振動除去部は、
前記第１の限定信号に対応する信号と前記第２の限定信号に対応する信号との双方が信号強度を持つ信号を、前記第２の限定信号から除去することで前記第２の時間信号を算出する、
ことを特徴とする鉄道車輪踏面異常検知システム。
前記第１の時間信号から前記レールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去部と、
前記第２の時間信号から、前記レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出部と、
前記踏面異常検出部の判定結果を出力する出力部と、
を備え、
前記周波数解析部は、
前記レール継ぎ目に起因する振動の周波数を含む第１の周波数帯に限定された第１の限定信号と、前記レール継ぎ目に起因する振動の周波数および車輪踏面異常に起因する振動の周波数の双方を検出できる第２の周波数に限定された第２の限定信号とを前記第１の時間信号として算出し、
前記継ぎ目振動除去部は、
前記第１の限定信号に対応する信号と前記第２の限定信号に対応する信号との双方が信号強度を持つ信号を、前記第２の限定信号から除去することで前記第２の時間信号を算出する、
ことを特徴とする鉄道車輪踏面異常検知システム。
【請求項18】
前記継ぎ目振動除去部は、
前記第１の限定信号から信号強度が特定値を超える時刻の信号である第１の独立成分信号を抽出するとともに、前記第２の限定信号から前記時刻と同時刻の信号である第２の独立成分信号を抽出し、前記第２の限定信号から前記第２の独立成分信号を除去することで、前記第２の時間信号を算出する、
ことを特徴とする請求項１７に記載の鉄道車輪踏面異常検知システム。
前記第１の限定信号から信号強度が特定値を超える時刻の信号である第１の独立成分信号を抽出するとともに、前記第２の限定信号から前記時刻と同時刻の信号である第２の独立成分信号を抽出し、前記第２の限定信号から前記第２の独立成分信号を除去することで、前記第２の時間信号を算出する、
ことを特徴とする請求項１７に記載の鉄道車輪踏面異常検知システム。
【請求項19】
鉄道車輪踏面異常検知システムが、レールに設置された振動センサによって計測された振動の情報を示す振動センサ信号を周波数帯毎の信号強度を示す第１の時間信号へと変換する周波数解析ステップと、
前記鉄道車輪踏面異常検知システムが、前記第１の時間信号に対応する対応信号から前記レールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去ステップと、
前記鉄道車輪踏面異常検知システムが、前記第２の時間信号から、前記レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出ステップと、
前記鉄道車輪踏面異常検知システムが、前記車輪踏面異常の有無の判定結果を出力する出力ステップと、
を含み、
前記継ぎ目振動除去ステップでは、
前記鉄道車輪踏面異常検知システムが、前記対応信号から前記レール継ぎ目に起因する振動の周波数を含む第３の時間信号を抽出し、前記第３の時間信号の信号強度が特定値を超える場合に前記対応信号から前記第３の時間信号を除去することで前記第２の時間信号を算出する、
ことを特徴とする鉄道車輪踏面異常検知方法。
前記鉄道車輪踏面異常検知システムが、前記第１の時間信号に対応する対応信号から前記レールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去ステップと、
前記鉄道車輪踏面異常検知システムが、前記第２の時間信号から、前記レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出ステップと、
前記鉄道車輪踏面異常検知システムが、前記車輪踏面異常の有無の判定結果を出力する出力ステップと、
を含み、
前記継ぎ目振動除去ステップでは、
前記鉄道車輪踏面異常検知システムが、前記対応信号から前記レール継ぎ目に起因する振動の周波数を含む第３の時間信号を抽出し、前記第３の時間信号の信号強度が特定値を超える場合に前記対応信号から前記第３の時間信号を除去することで前記第２の時間信号を算出する、
ことを特徴とする鉄道車輪踏面異常検知方法。
【請求項20】
レールに設置された振動センサによって計測された振動の情報を示す振動センサ信号を周波数帯毎の信号強度を示す第１の時間信号へと変換する周波数解析ステップと、
前記第１の時間信号に対応する対応信号から前記レールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去ステップと、
前記第２の時間信号から、前記レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出ステップと、
前記車輪踏面異常の有無の判定結果を出力する出力ステップと、
をコンピュータに実行させ、
前記継ぎ目振動除去ステップでは、
前記対応信号から前記レール継ぎ目に起因する振動の周波数を含む第３の時間信号を抽出し、前記第３の時間信号の信号強度が特定値を超える場合に前記対応信号から前記第３の時間信号を除去することで前記第２の時間信号を算出する、
ことを特徴とする鉄道車輪踏面異常検知プログラム。
前記第１の時間信号に対応する対応信号から前記レールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去ステップと、
前記第２の時間信号から、前記レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出ステップと、
前記車輪踏面異常の有無の判定結果を出力する出力ステップと、
をコンピュータに実行させ、
前記継ぎ目振動除去ステップでは、
前記対応信号から前記レール継ぎ目に起因する振動の周波数を含む第３の時間信号を抽出し、前記第３の時間信号の信号強度が特定値を超える場合に前記対応信号から前記第３の時間信号を除去することで前記第２の時間信号を算出する、
ことを特徴とする鉄道車輪踏面異常検知プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、鉄道の車輪踏面異常を検知する鉄道車輪踏面異常検知システム、鉄道車輪踏面異常検知方法、および鉄道車輪踏面異常検知プログラムに関する。
【背景技術】
【0002】
走行中の列車で急制動などの強いブレーキがかかった際に生じるレールと車輪との摩擦が原因で車輪踏面に発生する摩耗傷は車輪フラットと呼ばれる。車輪フラットが生じると異音または振動による乗り心地の悪化およびレールの損傷が引き起こされるので、車輪フラットは早期の発見が求められる。車輪フラットを検知する技術としては、列車上の車軸などに設置された振動センサから得られた振動データを用いる技術がある。
【0003】
例えば、特許文献１の異常診断装置は、各車輪の軸受箱に取り付けられた振動センサから得られた振動データに基づいて、異常振動が車輪フラットに起因する振動であるか、車軸軸受に起因する振動であるかを特定している。また、車輪フラットの他にも熱亀裂と呼ばれる車輪の広範囲にわたる異常や、剥離と呼ばれる深い傷などの車輪踏面に発生する異常があり、同様に早期発見が求められる。以下ではこれらの異常をまとめて車輪踏面異常と呼ぶ。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２００７－１７０８１５号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかしながら、上記特許文献１の技術では、各車輪の軸受箱に取り付けられた振動センサが用いられているので、車輪フラットを検知したい車輪の数だけ振動センサが必要になる。このため、上記特許文献１の技術には、多数の車輪に対して車輪フラットを検知する場合、高コストを要するという問題がある。
【0006】
本開示は、上記に鑑みてなされたものであって、多数の車輪に対して車輪フラットをはじめとする車輪踏面異常を検知する場合であっても低コストで車輪フラットをはじめとする車輪踏面異常を検知することができる鉄道車輪踏面異常検知システムを得ることを目的とする。
【課題を解決するための手段】
【0007】
上述した課題を解決し、目的を達成するために、本開示の鉄道車輪踏面異常検知システムは、レールに設置された振動センサによって計測された振動の情報を示す振動センサ信号を周波数帯毎の信号強度を示す第１の時間信号へと変換する周波数解析部と、第１の時間信号に対応する対応信号からレールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去部とを備える。また、本開示の鉄道車輪踏面異常検知システムは、第２の時間信号から、レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出部と、踏面異常検出部の判定結果を出力する出力部とを備える。継ぎ目振動除去部は、対応信号からレール継ぎ目に起因する振動の周波数を含む第３の時間信号を抽出し、第３の時間信号の信号強度が特定値を超える場合に対応信号から第３の時間信号を除去することで第２の時間信号を算出する。
【発明の効果】
【0008】
本開示にかかる鉄道車輪踏面異常検知システムは、多数の車輪に対して車輪フラットをはじめとする車輪踏面異常を検知する場合であっても低コストで車輪フラットをはじめとする車輪踏面異常を検知することができるという効果を奏する。
【図面の簡単な説明】
【0009】
【図1】実施の形態１にかかる鉄道車輪踏面異常検知システムの構成を示す図
【図2】実施の形態１にかかる鉄道車輪踏面異常検知システムに接続される振動センサおよび車輪検出センサの配置位置を説明するための図
【図3】実施の形態１にかかる鉄道車輪踏面異常検知システムに入力される振動センサ信号の例を説明するための図
【図4】実施の形態１にかかる鉄道車輪踏面異常検知システムの正規化部が算出する周波数スペクトル信号の例を説明するための図
【図5】実施の形態１にかかる鉄道車輪踏面異常検知システムの独立成分分解部が算出する第１の独立成分信号の例を示す図
【図6】実施の形態１にかかる鉄道車輪踏面異常検知システムの独立成分分解部が算出する第２の独立成分信号の例を示す図
【図7】実施の形態１にかかる鉄道車輪踏面異常検知システムの独立成分分解部が算出する第３の独立成分信号の例を示す図
【図8】実施の形態１にかかる鉄道車輪踏面異常検知システムの独立成分分解部が算出する第４の独立成分信号の例を示す図
【図9】実施の形態１にかかる鉄道車輪踏面異常検知システムの除去幅拡大部が算出する周波数スペクトル信号の例を示す図
【図10】実施の形態１にかかる鉄道車輪踏面異常検知システムの類似度フィルタ部が算出する周波数スペクトル信号の例を示す図
【図11】実施の形態１にかかる鉄道車輪踏面異常検知システムの特徴量算出部が算出する時間信号の例を示す図
【図12】実施の形態１にかかる鉄道車輪踏面異常検知システムの表示部が表示する車輪検知出力および踏面異常検知判定結果の例を示す図
【図13】実施の形態１にかかる鉄道車輪踏面異常検知システムの動作処理手順を示すフローチャート
【図14】実施の形態２にかかる鉄道車輪踏面異常検知システムの独立成分分解部が算出するノルムの例を示す図
【図15】実施の形態３にかかる鉄道車輪踏面異常検知システムの独立成分除去部が周波数スペクトル信号群の信号要素を演算する際に設定する第１の周波数の例を示す図
【図16】実施の形態３にかかる鉄道車輪踏面異常検知システムの独立成分除去部が算出する、第１のピークのノルムの例を示す図
【図17】実施の形態３にかかる鉄道車輪踏面異常検知システムの独立成分除去部が算出する、第２のピークのノルムの例を示す図
【図18】実施の形態３にかかる鉄道車輪踏面異常検知システムの独立成分除去部が算出する、第３のピークのノルムの例を示す図
【図19】実施の形態３にかかる鉄道車輪踏面異常検知システムの独立成分除去部が算出する、第３のピークの残響ノイズのノルムの例を示す図
【図20】実施の形態４にかかる鉄道車輪踏面異常検知システムの構成を示す図
【図21】実施の形態４にかかる鉄道車輪踏面異常検知システムの周波数解析部が算出する第１の周波数帯に限定された時間信号の例を示す図
【図22】実施の形態４にかかる鉄道車輪踏面異常検知システムの周波数解析部が算出する第２の周波数帯に限定された時間信号の例を示す図
【図23】実施の形態４にかかる鉄道車輪踏面異常検知システムの独立成分分解部が設定する閾値の例を説明するための図
【図24】実施の形態４にかかる鉄道車輪踏面異常検知システムの独立成分分解部が第１の周波数帯に限定された時間信号から抽出する独立成分信号の例を示す図
【図25】実施の形態４にかかる鉄道車輪踏面異常検知システムの独立成分分解部が第２の周波数帯に限定された時間信号から抽出する独立成分信号の例を示す図
【図26】実施の形態４にかかる鉄道車輪踏面異常検知システムの独立成分除去部が第２の周波数帯に限定された時間信号からノイズ成分を除去した時間信号の例を示す図
【図27】実施の形態４にかかる鉄道車輪踏面異常検知システムの動作処理手順を示すフローチャート
【図28】実施の形態１から４にかかる鉄道車輪踏面異常検知システムが備える処理回路をプロセッサおよびメモリで実現する場合の処理回路の構成例を示す図
【図29】実施の形態１から４にかかる鉄道車輪踏面異常検知システムが備える処理回路を専用のハードウェアで構成する場合の処理回路の例を示す図
【発明を実施するための形態】
【0010】
以下に、本開示の実施の形態にかかる鉄道車輪踏面異常検知システム、鉄道車輪踏面異常検知方法、および鉄道車輪踏面異常検知プログラムを図面に基づいて詳細に説明する。
【0011】
実施の形態１．
図１は、実施の形態１にかかる鉄道車輪踏面異常検知システムの構成を示す図である。鉄道車輪踏面異常検知システム１Ａは、周波数解析部１０Ａと、正規化部２０と、データ切り出し部３０と、継ぎ目振動除去部４０Ａと、データ結合部５０と、除去幅拡大部６０と、類似度フィルタ部７０と、踏面異常検出部８０Ａと、出力部９０と、表示部９１とを備えている。なお、表示部９１と鉄道車輪踏面異常検知システム１Ａとは別構成であってもよい。
図１は、実施の形態１にかかる鉄道車輪踏面異常検知システムの構成を示す図である。鉄道車輪踏面異常検知システム１Ａは、周波数解析部１０Ａと、正規化部２０と、データ切り出し部３０と、継ぎ目振動除去部４０Ａと、データ結合部５０と、除去幅拡大部６０と、類似度フィルタ部７０と、踏面異常検出部８０Ａと、出力部９０と、表示部９１とを備えている。なお、表示部９１と鉄道車輪踏面異常検知システム１Ａとは別構成であってもよい。
【0012】
継ぎ目振動除去部４０Ａは、独立成分分解部４１Ａと独立成分除去部４２Ａとを有している。踏面異常検出部８０Ａは、特徴量算出部８１Ａと異常種類判定部８２Ａとを有している。周波数解析部１０Ａは、後述する振動センサ３に接続されており、振動センサ３から送られてくる信号（後述する振動センサ信号Ｘ１）を受け付ける。類似度フィルタ部７０は、後述する車輪検出センサ２に接続されており、車輪検出センサ２から送られてくる信号（後述する車輪検出センサ信号Ｘ２）を受け付ける。
【0013】
図２は、実施の形態１にかかる鉄道車輪踏面異常検知システムに接続される振動センサおよび車輪検出センサの配置位置を説明するための図である。振動センサ３および車輪検出センサ２は、鉄道車両である車両４が走行するレール５の近傍に設置される。
【0014】
例えば、１本のレール５に対して１つの振動センサ３が配置される。すなわち、２本のレール５に対しては、一方のレール５に１つの振動センサ３が取り付けられ、他方のレール５に１つの振動センサ３が取り付けられる。２つの振動センサ３は、例えば、レール５に直交する方向で対向する位置に配置される。
【0015】
また、１本のレール５に対して１つの車輪検出センサ２が配置される。すなわち、２本のレール５に対しては、一方のレール５の近傍に１つの車輪検出センサ２が配置され、他方のレール５の近傍に１つの車輪検出センサ２が配置される。２つの車輪検出センサ２の検知時刻の差と配置距離の差とから車両４の速度を計算するため、一方の車輪検出センサ２と他方の車輪検出センサ２とは、レール長手方向に一定の距離を空けて配置される。
【0016】
振動センサ３は、車両４が走行している際に発生する振動を計測するセンサである。振動センサ３は、車両４の走行によって加振されたレール５の振動を計測する。振動センサ３は、例えば、加速度センサである。振動センサ３は、計測した振動の情報を示す振動データを、振動センサ信号Ｘ１として周波数解析部１０Ａに送る。このように、振動センサ３は、レール５の振動を検出し、検出結果を示す出力信号を、振動センサ信号Ｘ１として周波数解析部１０Ａに出力する。
【0017】
車輪検出センサ２は、レール５上を走行している車両４の車輪を検出するセンサである。車輪検出センサ２は、車輪検出センサ２が配置されている位置を通過した車輪を検出する。具体的には、車輪検出センサ２は、レール５と直交する方向を検出範囲とし、この検出範囲に車輪が進入している場合に、車輪を検出したことを示すオン信号を出力する。また、車輪検出センサ２は、検出範囲に車輪が進入していない場合に、オン信号を出力しない。車輪検出センサ２は、車輪を検出したことを示す情報を、車輪検出センサ信号Ｘ２として類似度フィルタ部７０に送る。このように、車輪検出センサ２は、車輪を検出し、検出結果を示す出力信号を車輪検出センサ信号Ｘ２として類似度フィルタ部７０に送る。なお、車輪検出センサ２は、走行している車両４を検出することも可能である。
【0018】
図３は、実施の形態１にかかる鉄道車輪踏面異常検知システムに入力される振動センサ信号の例を説明するための図である。図３に示すグラフの横軸は時間であり、縦軸は振動の振幅である。図３に示すグラフは、１編成の列車全体に対して得られる振動センサ信号Ｘ１の全体ではなく、特定期間に得られた振動センサ信号Ｓａ１を図示している。すなわち、図３に示すグラフは、１編成の列車の一部に対して得られる振動センサ信号Ｓａ１（振動センサ信号Ｘ１の一部）を図示している。
【0019】
図３では、１編成の列車の一部に対して得られる振動センサ信号Ｓａ１を図示しているが、周波数解析部１０Ａおよび正規化部２０は、１編成の列車全体に対して得られる振動センサ信号Ｘ１の全体に対して演算処理を実行する。ここでは、周波数解析部１０Ａが振動センサ信号Ｓａ１に対して演算処理を実行し、正規化部２０が、周波数解析部１０Ａによる演算結果である周波数スペクトル信号Ｓｂ１（図示せず）に対して演算処理を実行する。
【0020】
図３に示す振動センサ信号Ｓａ１のピークＰ１，Ｐ２，Ｐ３は、車両４がレール５の継ぎ目を通過した際の振動データ（継ぎ目振動の振動データ）であり、ピークＰ４，Ｐ５は、車輪踏面の異常面がレール５に接触した際の振動データ（車輪踏面異常振動の振動データ）である。鉄道車輪踏面異常検知システム１Ａは、この時点では、何れの信号が継ぎ目振動の振動データであり、何れの信号が車輪踏面異常振動の振動データであるかは判断できないが、この後の処理によって、車輪踏面異常振動の振動データのみを抽出して車輪踏面異常の有無を判定する。振動センサ信号Ｓａ１を含む振動センサ信号Ｘ１は、振動センサ３によって検出され、振動センサ３が周波数解析部１０Ａに出力する。
【0021】
周波数解析部１０Ａは、振動センサ信号Ｓａ１を含む振動センサ信号Ｘ１が入力されると、振動センサ信号Ｘ１を短時間フーリエ変換することにより、各時刻における周波数スペクトルを表した周波数スペクトル信号（２次元のスペクトル信号）Ｓｂを含む周波数スペクトル信号を算出する。周波数スペクトル信号Ｓｂ１を含む１編成の列車全体に対する周波数スペクトル信号は、振動データである振動センサ信号Ｘ１の周波数帯毎の強度を示す時間信号である。周波数スペクトル信号Ｓｂ１は、周波数スペクトル信号Ｓｂに含まれる信号要素であり、振動センサ信号Ｓａ１に対応している。実施の形態１では、周波数スペクトル信号Ｓｂ１を含む１編成の列車全体に対する周波数スペクトル信号が第１の時間信号である。
【0022】
なお、ここでは周波数解析部１０Ａが、周波数解析として短時間フーリエ変換を用いる場合について説明したが、周波数解析部１０Ａは、周波数解析としてウェーブレット変換を用いてもよい。周波数解析部１０Ａは、周波数スペクトル信号Ｓｂ１を正規化部２０へ出力する。
【0023】
正規化部２０は、周波数スペクトル信号Ｓｂ１が入力されると、周波数スペクトル信号Ｓｂ１の各周波数の時間信号に対してその時間信号の継ぎ目振動以外のノイズのスケールを算出する。正規化部２０は、時間信号のうち時間信号の小さいものからｍ％の値を、レール５の継ぎ目（以下、レール継ぎ目という）に起因する振動以外のノイズが従う分布のｍ％点の値で割ることで、各周波数の時間信号のノイズのスケールを算出する。ｍは予め設定されたパラメータである。正規化部２０は、算出したスケールで時間信号を割ることでノイズのスケールが正規化された周波数スペクトル信号Ｓｃを算出する。
【0024】
正規化部２０が正規化を実行することで、周波数帯毎の信号の強度（スケール）が揃えられる。このように、各周波数のノイズは、周波数毎に異なるので、正規化部２０は、正規化を実行することで、時間信号の小さいノイズを平均化し、これにより周波数帯毎の信号の強度を揃える。この場合において、正規化部２０は、継ぎ目振動のノイズを除外してノイズのスケールを正規化しているので、継ぎ目振動以外のノイズの周波数帯毎の信号の強度を正確に揃えることができる。
【0025】
周波数スペクトル信号Ｓｂ１に含まれるノイズは、振動センサ信号Ｘ１に含まれる期待値０、分散σ^２のガウスノイズが、短時間フーリエ変換されたノイズである。したがって周波数スペクトル信号Ｓｂ１に含まれるノイズは、直流成分ではｋ＝１／２、θ＝２σ^２のガンマ分布に従い、直流成分以外の周波数帯ではλ＝１／（２σ^２)の指数分布に従う。正規化部２０は、正規化された周波数スペクトル信号Ｓｃをデータ切り出し部３０へ出力する。
【0026】
図４は、実施の形態１にかかる鉄道車輪踏面異常検知システムの正規化部が算出する周波数スペクトル信号の例を説明するための図である。図４に示すグラフの横軸は時間であり、縦軸は振動の周波数である。図４では、周波数を色で表現したカラーマップを示している。
【0027】
図４に示すグラフは、正規化部２０が周波数スペクトル信号Ｓｂ１に演算処理を実行したことによって得られる周波数スペクトル信号Ｓｃ１を表している。周波数スペクトル信号Ｓｃには、非周期性ノイズＮ１が含まれている。非周期性ノイズＮ１は、前述のガウスノイズが短時間フーリエ変換されたノイズである。
【0028】
【0029】
ピークＰ１～Ｐ３は、広帯域にわたってスペクトルが観測され、ピークＰ４，Ｐ５は低周波数帯にスペクトルが観測される。すなわち、継ぎ目振動では、低周波数帯から高周波数帯まで、広帯域にわたってスペクトルが観測され、車輪踏面異常振動では、低周波数帯にスペクトルが観測される。
【0030】
データ切り出し部３０は、正規化された周波数スペクトル信号Ｓｃが入力されると、周波数スペクトル信号Ｓｃを特定の時間幅に限定して切り出した周波数スペクトル信号群Ｓｃｎを算出する。すなわち、データ切り出し部３０は、正規化された周波数スペクトル信号Ｓｃを特定の時間幅毎に区切ることで周波数スペクトル信号群（時間信号群）Ｓｃｎの信号要素である、周波数スペクトル信号Ｓｃ１，Ｓｃ２，Ｓｃ３，・・・，ＳｃＮを算出する。実施の形態１では、データ切り出し部３０が算出する周波数スペクトル信号群Ｓｃｎが、周波数スペクトル信号Ｓｂ１を含む１編成の列車全体に対する周波数スペクトル信号（第１の時間信号）に対応する対応信号である。
【0031】
データ切り出し部３０は、信号の切り出しを、幅Ｔ１の切り出し窓を幅Ｔ２ずつスライドすることによって行う。すなわち、周波数スペクトル信号Ｓｃ１は周波数スペクトル信号Ｓｃの時刻０から時刻Ｔ１までの信号であり、周波数スペクトル信号Ｓｃ２は時刻Ｔ２から時刻（Ｔ１＋Ｔ２）までの信号であり、周波数スペクトル信号Ｓｃ３は時刻２×Ｔ２から時刻（Ｔ１＋２×Ｔ２）までの信号である。
【0032】
データ切り出し部３０が実行する演算処理よりも後の演算処理を実行する継ぎ目振動除去部４０Ａは、１編成の列車全体に対してまとめて演算処理を実行するのではなく、特定期間毎に演算処理を実行する。すなわち継ぎ目振動除去部４０Ａは、１編成の列車全体に対応する振動センサ信号Ｘ１の全期間に対して１度にまとめて演算処理を実行するのではなく、データ切り出し部３０によって分割された期間毎にて演算処理を実行する。このため、データ切り出し部３０は、周波数スペクトル信号Ｓｃを特定の時間幅に限定して切り出した周波数スペクトル信号群Ｓｃｎを算出する。データ切り出し部３０は、切り出した周波数スペクトル信号群Ｓｃｎを独立成分分解部４１Ａへ出力する。以下では、周波数スペクトル信号Ｓｃ１が、周波数スペクトル信号Ｓｂ１に対応する場合について説明する。
【0033】
独立成分分解部４１Ａは、切り出された周波数スペクトル信号群Ｓｃｎが入力されると、独立成分分析により周波数スペクトル信号群Ｓｃｎの各信号要素を独立な成分に分解した独立成分信号群Ｓｄｎを算出する。以下の説明では、周波数スペクトル信号群Ｓｃｎの信号要素である周波数スペクトル信号Ｓｃ１について説明する。
【0034】
独立成分分解部４１Ａは、例えば、周波数スペクトル信号Ｓｃ１から、独立成分信号Ｓｄ１を算出し、周波数スペクトル信号Ｓｃ２から、独立成分信号Ｓｄ２を算出する。独立成分信号Ｓｄ１，Ｓｄ２には、それぞれ１または複数の独立成分信号が含まれている。独立成分信号Ｓｄ１には、例えば、後述する独立成分信号Ｓｄ１ａ，Ｓｄ１ｂ，Ｓｄ１ｃ，Ｓｄ１ｄが含まれている。
【0035】
独立成分分析では、周波数スペクトル信号群Ｓｃｎの各信号要素を周波数ビン数だけの独立成分信号に分解することができるが、実際には処理の高速化のために、独立成分分解部４１Ａは、十分に分解された時点で分解を終了する。例えば、独立成分分解部４１Ａは、周波数スペクトル信号Ｓｃ１の独立成分信号をＭ（Ｍは自然数）個に分解した際に、Ｍ個の独立成分信号を足した成分と、周波数スペクトル信号Ｓｃ１との差分のＡＩＣ（赤池情報量基準、Akaike's Information Criterion）を算出する。独立成分分解部４１Ａは、Ｍ個に対して算出したＡＩＣがそれまでの独立成分信号を（Ｍ－１）個に分解した際のＡＩＣより大きくなった場合に、十分に分解されたと判断する。
【0036】
独立成分分解部４１Ａは、周波数スペクトル信号Ｓｃの独立成分信号を１個目から順番にＭ個目まで分解していく。独立成分分解部４１Ａは、例えば、周波数スペクトル信号Ｓｃ１に対しては、後述する図５の独立成分信号Ｓｄ１ａを１個目の独立成分信号として分解し、後述する図６の独立成分信号Ｓｄ１ｂを２個目の独立成分信号として分解する。独立成分分解部４１Ａは、２個目の独立成分信号を分解した場合、この２個分の独立成分信号Ｓｄ１ａ，Ｓｄ１ｂと、周波数スペクトル信号Ｓｃ１との差分のＡＩＣを算出する。すなわち、独立成分分解部４１Ａは、図４に示した周波数スペクトル信号Ｓｃ１からピークＰ１，Ｐ２に対応する独立成分信号Ｓｄ１ａ，Ｓｄ１ｂの信号を除去した信号を算出する。この場合において、独立成分分解部４１Ａは、算出したＡＩＣがそれまでの独立成分信号を（Ｍ－１）個（ここでは１個）に分解した際のＡＩＣより大きくなった場合に、十分に分解されたと判断する。
【0037】
独立成分分解部４１Ａは、切り出された周波数スペクトル信号群Ｓｃｎ（周波数スペクトル信号Ｓｃ１，Ｓｃ２，Ｓｃ３，・・・，ＳｃＮ）から、独立成分信号群Ｓｄｎ（独立成分信号Ｓｄ１，Ｓｄ２，Ｓｄ３，・・・，ＳｄＮ）を算出する。すなわち、独立成分分解部４１Ａは、独立成分分析によって、周波数スペクトル信号群Ｓｃｎから独立成分信号群Ｓｄｎを算出する。
【0038】
独立成分分解部４１Ａは、切り出された周波数スペクトル信号群Ｓｃｎと独立成分信号群Ｓｄｎとを独立成分除去部４２Ａへ出力する。
【0039】
ここで、独立成分分解部４１Ａが、正規化された周波数スペクトル信号群Ｓｃｎの各信号要素に対して演算処理を実行した際に得られる独立成分信号について説明する。ここでは、独立成分分解部４１Ａが、周波数スペクトル信号Ｓｃ１に対して演算処理を実行した際に得られる独立成分信号Ｓｄ１について説明する。
【0040】
図５は、実施の形態１にかかる鉄道車輪踏面異常検知システムの独立成分分解部が算出する第１の独立成分信号の例を示す図である。図６は、実施の形態１にかかる鉄道車輪踏面異常検知システムの独立成分分解部が算出する第２の独立成分信号の例を示す図である。図７は、実施の形態１にかかる鉄道車輪踏面異常検知システムの独立成分分解部が算出する第３の独立成分信号の例を示す図である。図８は、実施の形態１にかかる鉄道車輪踏面異常検知システムの独立成分分解部が算出する第４の独立成分信号の例を示す図である。
【0041】
図５～図８の各グラフの横軸は時間であり、縦軸は周波数である。図５～図８では、周波数を色で表現したカラーマップを示している。独立成分分解部４１Ａが、周波数スペクトル信号Ｓｃ１から算出する独立成分信号Ｓｄ１には、信号要素として、独立成分信号Ｓｄ１ａ～Ｓｄ１ｄが含まれている。図５は、第１の独立成分信号である独立成分信号Ｓｄ１ａを示し、図６は、第２の独立成分信号である独立成分信号Ｓｄ１ｂを示している。図７は、第３の独立成分信号である独立成分信号Ｓｄ１ｃを示し、図８は、第４の独立成分信号である独立成分信号Ｓｄ１ｄを示している。図８に示す独立成分信号Ｓｄ１ｄは、後述する周波数スペクトル信号Ｓｅ１と同じ信号である。独立成分信号Ｓｄ１ａ～Ｓｄ１ｄには非周期性ノイズＮ１が含まれている。
【0042】
図５～図８に示す独立成分信号は、図４に示した周波数スペクトル信号Ｓｃ１のピークＰ１～Ｐ５に対応している。図５に示す独立成分信号Ｓｄ１ａはピークＰ１に対応し、図６に示す独立成分信号Ｓｄ１ｂはピークＰ２に対応し、図７に示す独立成分信号Ｓｄ１ｃはピークＰ３に対応している。すなわち、図５～図７は、継ぎ目振動のピークＰ１～Ｐ３に対応している。なお、図７に示す独立成分信号には、ピークＰ３のうち後述する残響ノイズＰ３Ｅは含まれていない。図８に示す独立成分信号Ｓｄ１ｄは、継ぎ目振動以外の成分である。図８に示す独立成分信号Ｓｄ１ｄには車輪踏面異常振動であるピークＰ４，Ｐ５のほかに、分解しきれなかったピークＰ３の残響ノイズＰ３Ｅが含まれている。
【0043】
独立成分除去部４２Ａは、切り出された周波数スペクトル信号Ｓｃ１および独立成分信号Ｓｄ１が入力されると、周波数スペクトル信号Ｓｃ１の各信号要素について十分にノイズ成分が除去されるまで周波数スペクトル信号Ｓｃ１から対応する独立成分信号Ｓｄ１の信号要素を除去していく。これにより、独立成分除去部４２Ａは、周波数スペクトル信号Ｓｃ１からノイズ成分が除去された周波数スペクトル信号Ｓｅ１を算出する。この場合において、独立成分除去部４２Ａは、前述したように、周波数スペクトル信号Ｓｃ１からノイズ成分をＱ（Ｑは自然数）個除去した際に、その除去された信号の車輪踏面異常振動が含まれない第１の周波数帯（高周波数帯）のＡＩＣが、周波数スペクトル信号Ｓｃ１からノイズ成分を（Ｑ－１）個除去した際のＡＩＣより大きくなった場合に、十分にノイズ成分が除去されたと判断する。すなわち、独立成分除去部４２Ａは、第１の周波数帯（高周波数帯）のＡＩＣが最小となるまで独立成分信号Ｓｄ１の信号要素（ノイズ成分）を除去する。ここでの独立成分除去部４２Ａは、ノイズ成分である図５～図７に示した継ぎ目振動のピークＰ１～Ｐ３が除去された時点で十分にノイズ成分が除去されたと判断する。
【0044】
独立成分除去部４２Ａは、独立成分信号Ｓｄ１のうち第１の周波数帯におけるノルムが大きい信号から順にノイズ成分の除去を行う。すなわち、独立成分除去部４２Ａは、独立成分信号Ｓｄ１のうち第１の周波数帯における信号強度が強い順番でノイズ成分の除去を行う。これにより、独立成分除去部４２Ａは、独立成分信号Ｓｄ１のうち第１の周波数帯における時間信号の強度がＡＩＣを基準に除去すべき大きさである場合に、この時間信号をノイズ成分の時間信号として周波数スペクトル信号Ｓｃ１から除去する。このように、独立成分除去部４２Ａは、時間信号である周波数スペクトル信号Ｓｃに対し、レール継ぎ目に起因する振動の信号（ノイズ成分）を除去する。
【0045】
ここでの独立成分除去部４２Ａは、周波数スペクトル信号Ｓｃ１から独立成分信号Ｓｄ１ａ～Ｓｄ１ｃを除去することで、周波数スペクトル信号Ｓｅ１を算出する。独立成分除去部４２Ａは、周波数スペクトル信号Ｓｃ１と同様に、周波数スペクトル信号Ｓｃ２～ＳｃＮに対してもノイズ成分の除去を行う。これにより、独立成分除去部４２Ａは、周波数スペクトル信号群Ｓｃｎからノイズ成分が除去された周波数スペクトル信号群Ｓｅｎ（周波数スペクトル信号Ｓｅ１，Ｓｅ２，Ｓｅ３，・・・，ＳｅＮ）を算出する。独立成分除去部４２Ａは、ノイズ成分が除去された周波数スペクトル信号群Ｓｅｎをデータ結合部５０へ出力する。
【0046】
実施の形態１では、周波数スペクトル信号群Ｓｅｎが第２の時間信号であり、独立成分信号群Ｓｄｎが第３の時間信号である。
【0047】
データ結合部５０は、ノイズ成分が除去された周波数スペクトル信号群Ｓｅｎが入力されると、周波数スペクトル信号群Ｓｅｎの信号要素である周波数スペクトル信号Ｓｅ１，Ｓｅ２，Ｓｅ３，・・・，ＳｅＮを結合した周波数スペクトル信号Ｓｅを算出する。具体的には、データ結合部５０は、切り出される前の周波数スペクトル信号Ｓｃと同じ時間幅のノイズ成分が除去された周波数スペクトル信号Ｓｅを算出する。すなわち、データ結合部５０は、ノイズ成分が除去された周波数スペクトル信号群Ｓｅｎが、切り出される前の周波数スペクトル信号Ｓｃと同じ時間幅の周波数スペクトル信号Ｓｅとなるように、周波数スペクトル信号Ｓｅ１，Ｓｅ２，Ｓｅ３，・・・，ＳｅＮを結合する。
【0048】
データ結合部５０は、データを結合する際は、周波数スペクトル信号群Ｓｅｎの各信号要素の値を用い、オーバーラップしている時刻、すなわち切り出し窓が重なっている時刻については、重なっている信号要素の最小値を用いることで信号要素を結合する。これにより、独立成分除去部４２Ａで継ぎ目振動を除去し損ねた信号があっても、独立成分除去部４２Ａは、同時刻について他の信号で継ぎ目振動を除去できる。データ結合部５０は、ノイズ成分が除去された周波数スペクトル信号Ｓｅを除去幅拡大部６０へ出力する。
【0049】
除去幅拡大部６０は、ノイズ成分が除去された周波数スペクトル信号Ｓｅが入力されると、周波数スペクトル信号Ｓｅの各ノイズ成分が除去された時刻から特定時間後までの信号も除去することによって、残響ノイズＰ３Ｅを除いた周波数スペクトル信号Ｓｆを算出する。すなわち、除去幅拡大部６０は、周波数スペクトル信号Ｓｅのノイズ成分であるピークＰ１～Ｐ３が除去された時刻から特定時間後の信号（除去直後の信号）を除去することによって、残響ノイズＰ３Ｅを除去する。除去幅拡大部６０は、残響ノイズＰ３Ｅが除去された周波数スペクトル信号Ｓｆを類似度フィルタ部７０へ出力する。
【0050】
図９は、実施の形態１にかかる鉄道車輪踏面異常検知システムの除去幅拡大部が算出する周波数スペクトル信号の例を示す図である。図９に示すグラフの横軸は時間であり、縦軸は振動の周波数である。図９では、周波数を色で表現したカラーマップを示している。
【0051】
図９に示すグラフは、除去幅拡大部６０で演算した際に得られる、残響ノイズＰ３Ｅが除去された周波数スペクトル信号Ｓｆを表している。図９に示すピークＰ４，Ｐ５は、図８に示したピークＰ４，Ｐ５に対応している。図９に示すように、除去幅拡大部６０で演算した際に得られる周波数スペクトル信号Ｓｆは、継ぎ目振動であるピークＰ１～Ｐ３に加え、分解しきれなかったピークＰ３の残響ノイズＰ３Ｅも除去されている。
【0052】
類似度フィルタ部７０は、車輪検出センサ２から送られてきた車輪検出センサ信号Ｘ２が入力されると、車輪検出センサ信号Ｘ２から車両４の速度を算出し、車両４の速度から車輪が１周する時間を算出する。
【0053】
また、類似度フィルタ部７０は、残響ノイズＰ３Ｅが除かれた周波数スペクトル信号Ｓｆが入力されると、周波数スペクトル信号Ｓｆの各時刻の信号に対し、前後車輪１周分の時間差を有した信号間で類似した信号がある場合に強調し、類似した信号が無い場合に強度を小さく（除去）するようなフィルタを適用する。すなわち、類似度フィルタ部７０は、各時刻の信号に対して、車輪１周前の時刻または車輪１周後の時刻の少なくとも一方に類似した信号がある場合に強調する。換言すると、類似度フィルタ部７０は、周波数スペクトル信号Ｓｆの特定時刻の信号が、車輪が１回転する前の信号または車輪が１回転した後の信号と類似した信号であれば両者の信号の強度を大きくし、類似した信号で無ければ強度を小さくする。
【0054】
車輪が１回転する前の信号と車輪が１回転した後の信号とは、時間差が車輪１周分の時間差である。類似度フィルタ部７０は、信号が類似しているか否かを、周波数毎の信号強度の差、信号の出現している期間の差などに基づいて判定する。具体的には、類似度フィルタ部７０は、前後車輪１周分のコサイン類似度を算出する。すなわち、類似度フィルタ部７０は、ある時刻における信号に対して、車輪１周前の時刻における信号とのコサイン類似度と、車輪１周後の時刻における信号とのコサイン類似度とをそれぞれ計算し、それらの最大値を掛ける。つまり、類似度フィルタ部７０は、車輪Ｒ（Ｒは自然数）回転目の信号に対して、（Ｒ－１）回転目の信号とのコサイン類似度と、（Ｒ＋１）回転目の信号とのコサイン類似度との２つを計算し、それらの最大値をＲ回転目の信号に対して掛ける。
【0055】
コサイン類似度は０～１の値で示される。類似度フィルタ部７０は、車輪１周分の信号間が類似している場合（類似度が特定値以上である場合）、これらの信号にコサイン類似度の最大値である「１」を掛けることでフィルタ処理を行う。これにより、車輪が１回転する前の信号と車輪が１回転した後の信号との組がある場合に、この組の信号が強調されて残ることとなる。また、このフィルタ処理はコサイン類似度を掛けることによって行われてもよい。
【0056】
このように、類似度フィルタ部７０は、ある時刻における信号に対する、車輪１周前の時刻における信号とのコサイン類似度と、車輪１周後の時刻における信号とのコサイン類似度とに基づいて、信号強度を強めるかまたは弱めるので、除去幅拡大部６０までの処理で除去できていなかった非周期性ノイズＮ１が除去された周波数スペクトル信号Ｓｇを算出することができる。すなわち、類似度フィルタ部７０は、車輪の回転周期以外の信号である非周期性ノイズＮ１が除去された周波数スペクトル信号Ｓｇを算出することができる。類似度フィルタ部７０は、非周期性ノイズＮ１が除去された周波数スペクトル信号Ｓｇを特徴量算出部８１Ａへ出力する。
【0057】
また、類似度フィルタ部７０は、車輪検出センサ信号Ｘ２に基づいて、車輪が車輪検出センサ２の配置位置を通過した時刻を示す車輪検知出力（車輪通過時間データ）を算出し出力部９０へ出力する。
【0058】
図１０は、実施の形態１にかかる鉄道車輪踏面異常検知システムの類似度フィルタ部が算出する周波数スペクトル信号の例を示す図である。図１０に示すグラフの横軸は時間であり、縦軸は振動の周波数である。図１０では、周波数を色で表現したカラーマップを示している。
【0059】
図１０に示すグラフは、類似度フィルタ部７０で演算した際に得られる、非周期性ノイズＮ１が除去された周波数スペクトル信号Ｓｇを表している。図１０に示すピークＰ４，Ｐ５は、図９に示したピークＰ４，Ｐ５に対応している。図１０に示すように、類似度フィルタ部７０で演算した際に得られる周波数スペクトル信号Ｓｇは、非周期性ノイズＮ１も除去されている。
【0060】
特徴量算出部８１Ａは、非周期性ノイズＮ１が除去された周波数スペクトル信号Ｓｇが入力されると、周波数スペクトル信号Ｓｇの各時刻に対して、第２の周波数帯（第１の周波数帯よりも周波数が低い低周波数帯）の信号の絶対値の和を、第２の周波数帯以外の周波数帯の信号の絶対値の和で割った値を算出することで、各時刻の車輪踏面異常の有無を表す時間信号Ｓｈを得る。特徴量算出部８１Ａは、各時刻の車輪踏面異常の有無を表す時間信号Ｓｈを異常種類判定部８２Ａへ出力する。
【0061】
異常種類判定部８２Ａは、時間信号Ｓｈと予め設定された閾値とを比較することによって、車輪踏面異常検知の有無を判定する。異常種類判定部８２Ａは、時間信号Ｓｈが、閾値よりも大きい場合に車輪踏面異常があると判定する。また、異常種類判定部８２Ａは、車輪踏面異常があると判定した時刻について、時間信号Ｓｈが閾値を超えた時間や閾値との差、一定の時間枠内で時間信号Ｓｈが閾値を超えた時間の長さの総和などから踏面異常の大きさや深さを判定し、異常の種類を判定する。
【0062】
図１１は、実施の形態１にかかる鉄道車輪踏面異常検知システムの特徴量算出部が算出する時間信号の例を示す図である。図１１に示すグラフの横軸は時間であり、縦軸は信号強度である。図１１の縦軸には「信号Ｓｈの大きさ」という文言が付与されており、当該文言は信号強度を意味する。
【0063】
図１１に示すグラフは、特徴量算出部８１Ａが、非周期性ノイズＮ１が除去された周波数スペクトル信号Ｓｇに対して演算した際に得られる車輪踏面異常の有無を表す時間信号Ｓｈを表している。図１１に示すピークＰ４，Ｐ５は、図１０に示したピークＰ４，Ｐ５に対応している。
【0064】
異常種類判定部８２Ａは、ピークＰ４，Ｐ５の時間信号Ｓｈと閾値とを比較することによって、車輪踏面異常であるピークＰ４，Ｐ５を検出する。また、異常種類判定部８２Ａは、ピークＰ４，Ｐ５についてそれぞれ閾値との差、閾値を超えた時間から踏面異常の深さと大きさを判定する。異常種類判定部８２Ａは、踏面異常検知判定結果を出力部９０へ出力する。出力部９０は、異常種類判定部８２Ａから送られてきた踏面異常検知判定結果と、類似度フィルタ部７０から送られてきた車輪検知出力とを表示部９１に出力する。表示部９１は、踏面異常検知判定結果と車輪検知出力とを表示する。
【0065】
図１２は、実施の形態１にかかる鉄道車輪踏面異常検知システムの表示部が表示する車輪検知出力および踏面異常検知判定結果の例を示す図である。図１２の上段に示すグラフの横軸は時間であり、縦軸は車輪検知出力である。図１２の下段に示すグラフの横軸は時間であり、縦軸は踏面異常検知判定結果である。
【0066】
図１２の上段に示すグラフでは、車輪が通過したタイミングで波形が現れ、図１２の下段に示すグラフでは、踏面異常検知が検知されたタイミングで波形が現れている。これにより、車輪踏面異常が発生している車輪を容易に特定することが可能となる。
【0067】
つぎに、鉄道車輪踏面異常検知システム１Ａの動作処理手順について説明する。図１３は、実施の形態１にかかる鉄道車輪踏面異常検知システムの動作処理手順を示すフローチャートである。図１３では、鉄道車輪踏面異常検知システム１Ａによる車輪踏面異常の検知処理手順を示している。
【0068】
周波数解析部１０Ａは、振動センサ３から送られてくる振動センサ信号Ｘ１を受け付ける。周波数解析部１０Ａは、振動センサ信号Ｘ１から周波数スペクトル信号Ｓｂを算出する（ステップＳ１０）。具体的には、周波数解析部１０Ａは、振動センサ信号Ｘ１を短時間フーリエ変換することにより、各時刻における周波数スペクトルを表した周波数スペクトル信号Ｓｂを算出する。周波数解析部１０Ａは、周波数スペクトル信号Ｓｂを正規化部２０へ出力する。
【0069】
正規化部２０は、周波数スペクトル信号Ｓｂから、ノイズのスケールが正規化された周波数スペクトル信号Ｓｃを算出する（ステップＳ２０）。具体的には、正規化部２０は、継ぎ目振動以外のノイズのスケールを算出し、算出したスケールで周波数スペクトル信号Ｓｂを割ることでノイズのスケールが正規化された周波数スペクトル信号Ｓｃを算出する。正規化部２０は、正規化された周波数スペクトル信号Ｓｃをデータ切り出し部３０へ出力する。
【0070】
データ切り出し部３０は、周波数スペクトル信号Ｓｃを特定の時間幅毎に切り出した周波数スペクトル信号群Ｓｃｎ（ｎ＝１，２，３，・・・，Ｎ）を算出する（ステップＳ３０）。データ切り出し部３０は、切り出した周波数スペクトル信号群Ｓｃｎを独立成分分解部４１Ａへ出力する。
【0071】
独立成分分解部４１Ａは、独立成分分析により周波数スペクトル信号群Ｓｃｎの各信号要素を独立な成分に分解した独立成分信号群Ｓｄｎを算出する（ステップＳ４１）。独立成分分解部４１Ａは、切り出された周波数スペクトル信号群Ｓｃｎおよび独立成分信号群Ｓｄｎを独立成分除去部４２Ａへ出力する。
【0072】
独立成分除去部４２Ａは、周波数スペクトル信号群Ｓｃｎの各信号要素について十分にノイズ成分が除去されるまで周波数スペクトル信号群Ｓｃｎから対応する独立成分信号群Ｓｄｎの信号要素を除く。これにより、独立成分除去部４２Ａは、独立成分信号群Ｓｄｎのノイズ成分が除去された周波数スペクトル信号群Ｓｅｎを算出する（ステップＳ４２）。独立成分除去部４２Ａは、ノイズ成分が除去された周波数スペクトル信号群Ｓｅｎをデータ結合部５０へ出力する。
【0073】
データ結合部５０は、ノイズ成分が除去された周波数スペクトル信号群Ｓｅｎから、切り出される前の周波数スペクトル信号Ｓｃと同じ時間幅の、ノイズ成分が除去された周波数スペクトル信号Ｓｅを算出する（ステップＳ５０）。データ結合部５０は、ノイズ成分が除去された周波数スペクトル信号Ｓｅを除去幅拡大部６０へ出力する。
【0074】
除去幅拡大部６０は、周波数スペクトル信号Ｓｅから、残響ノイズＰ３Ｅを除去した周波数スペクトル信号Ｓｆを算出する（ステップＳ６０）。具体的には、除去幅拡大部６０は、周波数スペクトル信号Ｓｅの各ノイズ成分が除去された時刻から特定時間後までの信号を除去することによって、残響ノイズＰ３Ｅを除去した周波数スペクトル信号Ｓｆを算出する。除去幅拡大部６０は、残響ノイズＰ３Ｅが除かれた周波数スペクトル信号Ｓｆを類似度フィルタ部７０へ出力する。
【0075】
類似度フィルタ部７０は、車輪検出センサ２から送られてきた車輪検出センサ信号Ｘ２を受け付ける。類似度フィルタ部７０は、車輪検出センサ信号Ｘ２から車両４の速度を算出し、車両４の速度から車輪が１周する時間を算出する。
【0076】
類似度フィルタ部７０は、車輪が１周する時間および周波数スペクトル信号Ｓｆに基づいて、非周期性ノイズＮ１が除去された周波数スペクトル信号Ｓｇを算出する（ステップＳ７０）。具体的には、類似度フィルタ部７０は、周波数スペクトル信号Ｓｆに対し、各時刻について前後車輪１周分の時間差の時刻の信号に類似した信号がある場合に強調し、類似した信号が無い場合に強度を小さくするようなフィルタを適用する。
【0077】
類似度フィルタ部７０は、非周期性ノイズＮ１が除去された周波数スペクトル信号Ｓｇを特徴量算出部８１Ａへ出力する。また、類似度フィルタ部７０は、車輪検出センサ信号Ｘ２に基づいて、車輪が車輪検出センサ２の配置位置を通過した時刻を示す車輪検知出力を算出し出力部９０へ出力する。
【0078】
特徴量算出部８１Ａは、周波数スペクトル信号Ｓｇから各時刻の車輪踏面異常の有無を表す時間信号Ｓｈを算出し、時間信号Ｓｈに基づいて踏面異常検知の有無を判定する（ステップＳ８１）。具体的には、特徴量算出部８１Ａは、周波数スペクトル信号Ｓｇの各時刻に対して、第２の周波数帯の信号の絶対値の和を、第２の周波数帯以外の周波数帯の信号の絶対値の和で割った値を算出することで、各時刻の車輪踏面異常の有無を表す時間信号Ｓｈを得る。また、特徴量算出部８１Ａは、時間信号Ｓｈを異常種類判定部８２Ａへ出力する。
【0079】
異常種類判定部８２Ａは、時間信号Ｓｈと予め設定された閾値とを比較することによって、車輪踏面異常検知の有無を判定する。異常種類判定部８２Ａは、時間信号Ｓｈが、閾値よりも大きい場合に車輪踏面異常があると判定する。そして、異常種類判定部８２Ａは、車輪踏面異常があると判定した時刻について、時間信号Ｓｈが閾値を超えた時間や閾値との差、一定の時間枠内で時間信号Ｓｈが閾値を超えた時間の長さの総和などから踏面異常の大きさや深さを判定し、異常の種類を判定する（ステップＳ８２）。異常種類判定部８２Ａは、踏面異常検知判定結果を出力部９０へ出力する。出力部９０は、踏面異常検知判定結果および車輪検知出力を表示部９１に出力する。表示部９１は、踏面異常検知判定結果および車輪検知出力を表示する（ステップＳ９０）。
【0080】
このように実施の形態１では、鉄道車輪踏面異常検知システム１Ａは、レール５に設置された振動センサ３から送られてくる振動センサ信号Ｘ１に基づいて、車輪踏面異常を検知している。この場合、鉄道車輪踏面異常検知システム１Ａが、車輪踏面異常振動を収録できるのは、車輪踏面異常が発生した車輪が振動センサ３の設置位置近傍を通過した時刻のみになる。この場合であっても、鉄道車輪踏面異常検知システム１Ａは、独立成分分解部４１Ａおよび独立成分除去部４２Ａを備えているので、レール継ぎ目等に起因するノイズによる誤検知を防止しつつ車輪踏面異常が原因の振動を検知することができる。
【0081】
すなわち、鉄道車輪踏面異常検知システム１Ａは、振動センサ信号Ｘ１のデータに含まれる車輪踏面異常振動の数が少ない場合であっても、独立成分分解部４１Ａが、正規化された周波数スペクトル信号Ｓｃに対して独立成分信号を算出し、独立成分除去部４２Ａが独立成分信号に基づいてノイズを除去するので、車輪踏面異常を正確に検知できる。このように、鉄道車輪踏面異常検知システム１Ａは、特定時間の衝撃波回数と車輪回転数との一致性に基づいて誤検知を抑制する必要はなく、独立成分分解部４１Ａおよび独立成分除去部４２Ａによって誤検知を抑制するので、車輪踏面異常を正確に検知できる。
【0082】
このように、実施の形態１によれば、鉄道車輪踏面異常検知システム１Ａが、レール５に設置された振動センサ３から送られてくる振動センサ信号Ｘ１に基づいて、車輪踏面異常を検知するので、車輪踏面異常の検知に必要な振動センサ３の数を削減することが可能となる。すなわち、振動センサ３が車両４側に設置される場合は、車輪踏面異常を検知したい車輪の数だけ振動センサ３が必要になるが、実施の形態１の鉄道車輪踏面異常検知システム１Ａは、振動センサ３の配置数を抑制することが可能となる。
【0083】
また、鉄道車輪踏面異常検知システム１Ａは、独立成分分解部４１Ａが、正規化された周波数スペクトル信号Ｓｃに対し独立成分信号を算出し、独立成分除去部４２Ａが独立成分信号に基づいてノイズを除去するので、車輪踏面異常を正確に検知できる。
【0084】
したがって、鉄道車輪踏面異常検知システム１Ａは、多数の車輪に対して車輪踏面異常を検知する場合であっても低コストで車輪踏面異常を正確に検知することが可能となる。
【0085】
実施の形態２．
つぎに、図１４を用いて実施の形態２について説明する。実施の形態２では、独立成分分解部４１Ａの別形態について説明する。実施の形態１では、独立成分分解部４１Ａが独立成分分析を用いて信号の分解を行ったが、実施の形態２では、独立成分分解部４１Ａが各時刻における信号のノルムを閾値処理によって振動か否かを判定して、独立に発生している振動信号の分解を行う。なお、鉄道車輪踏面異常検知システム１Ａが備える構成要素のうち、独立成分分解部４１Ａ以外の構成要素については実施の形態１と同様の処理を実行するので、その説明を省略する。
つぎに、図１４を用いて実施の形態２について説明する。実施の形態２では、独立成分分解部４１Ａの別形態について説明する。実施の形態１では、独立成分分解部４１Ａが独立成分分析を用いて信号の分解を行ったが、実施の形態２では、独立成分分解部４１Ａが各時刻における信号のノルムを閾値処理によって振動か否かを判定して、独立に発生している振動信号の分解を行う。なお、鉄道車輪踏面異常検知システム１Ａが備える構成要素のうち、独立成分分解部４１Ａ以外の構成要素については実施の形態１と同様の処理を実行するので、その説明を省略する。
【0086】
【0087】
図１４は、正規化された周波数スペクトル信号群Ｓｃｎの信号要素を独立成分分解部４１Ａで演算した際に得られるノルムを表している。独立成分分解部４１Ａは、周波数に対し、周波数毎の信号強度の絶対値の合計を算出することで、各時刻のノルムを算出する。独立成分分解部４１Ａは、ノルムが算出された各信号要素に対して閾値処理を実行することによって、周波数スペクトル信号群Ｓｃｎを独立成分信号に分解する。独立成分分解部４１Ａは、例えば、ノルムが算出された各信号要素のうち閾値よりも大きな信号要素を抽出することで、周波数スペクトル信号Ｓｃ１を図５～図８で示した独立成分信号Ｓｄ１ａ～Ｓｄ１ｄに分解する。
【0088】
具体的には、実施の形態２の独立成分分解部４１Ａは、切り出された周波数スペクトル信号群Ｓｃｎが入力されると、各信号要素（周波数スペクトル信号Ｓｃ１，Ｓｃ２，Ｓｃ３，・・・，ＳｃＮ）について、全周波数のノルムが第１の閾値である閾値Ｔｈ１を超えた時刻のみを抽出することで独立成分信号群Ｓｄｎを算出する。独立成分分解部４１Ａは、切り出された周波数スペクトル信号群Ｓｃｎと独立成分信号群Ｓｄｎとを独立成分除去部４２Ａへ出力する。
【0089】
このように、実施の形態２では、独立成分分解部４１Ａが、各時刻における周波数スペクトル信号群Ｓｃｎのノルムを閾値処理によって振動か否かを判定して、独立に発生している振動信号を独立成分信号に分解している。これにより、鉄道車輪踏面異常検知システム１Ａは、実施の形態１と同様に、少数の振動センサ３で正確に車輪踏面異常を検知することが可能となる。
【0090】
実施の形態３．
つぎに、図１５～図１９を用いて実施の形態３について説明する。実施の形態３では、独立成分除去部４２Ａの別形態について説明する。実施の形態１では、独立成分除去部４２ＡがＡＩＣを用いて車輪踏面異常振動以外の成分を除去したが、実施の形態３では、独立成分除去部４２Ａが、車輪踏面異常の振動信号と、この信号以外の振動信号の周波数スペクトルの分布の違いを用いて車輪踏面異常振動以外の成分を除去する。なお、鉄道車輪踏面異常検知システム１Ａが備える構成要素のうち、独立成分除去部４２Ａ以外の構成要素については実施の形態１と同様の処理を実行するので、その説明を省略する。
つぎに、図１５～図１９を用いて実施の形態３について説明する。実施の形態３では、独立成分除去部４２Ａの別形態について説明する。実施の形態１では、独立成分除去部４２ＡがＡＩＣを用いて車輪踏面異常振動以外の成分を除去したが、実施の形態３では、独立成分除去部４２Ａが、車輪踏面異常の振動信号と、この信号以外の振動信号の周波数スペクトルの分布の違いを用いて車輪踏面異常振動以外の成分を除去する。なお、鉄道車輪踏面異常検知システム１Ａが備える構成要素のうち、独立成分除去部４２Ａ以外の構成要素については実施の形態１と同様の処理を実行するので、その説明を省略する。
【0091】
図１５は、実施の形態３にかかる鉄道車輪踏面異常検知システムの独立成分除去部が周波数スペクトル信号群の信号要素を演算する際に設定する第１の周波数の例を示す図である。図１５に示すグラフの横軸は時間であり、縦軸は周波数である。
【0092】
実施の形態１の図４でも説明したように、車輪踏面異常の振動信号の周波数スペクトルは、低周波数帯に分布しているのに対して、この振動信号以外の振動信号の周波数スペクトルは低周波数帯から高周波数帯まで広く分布している。
【0093】
独立成分除去部４２Ａは、独立成分分解部４１Ａから、切り出された周波数スペクトル信号群Ｓｃｎと独立成分信号群Ｓｄｎとを受け付ける。独立成分除去部４２Ａは、予め設定された閾値で規定された第１の周波数帯Ｆ１に基づいて、周波数スペクトル信号群Ｓｃｎからノイズ成分が除去された周波数スペクトル信号群Ｓｅｎを算出する。第１の周波数帯Ｆ１は、予め設定された閾値以上の周波数の全体（周波数領域）である。この閾値は、車輪踏面異常の振動信号が分布している周波数よりも大きな値となるように予めユーザによって設定される。
【0094】
独立成分除去部４２Ａは、予め設定された閾値に基づいて、車輪踏面異常の振動信号であるピークＰ４，Ｐ５が含まれない高周波数帯を第１の周波数帯Ｆ１として選択する。独立成分除去部４２Ａは、周波数スペクトル信号群Ｓｃｎの各信号要素に対応する独立成分信号群Ｓｄｎの信号要素の第１の周波数帯Ｆ１におけるノルムを算出する。
【0095】
ここで、独立成分除去部４２Ａが、周波数スペクトル信号群Ｓｃｎおよび独立成分信号群Ｓｄｎに基づいて算出するノルムについて説明する。ここでは、独立成分除去部４２Ａが、図１５に示した周波数スペクトル信号Ｓｃ１に対応する独立成分信号Ｓｄ１の信号要素の第１の周波数帯Ｆ１におけるノルムを算出する場合について説明する。
【0096】
図１６は、実施の形態３にかかる鉄道車輪踏面異常検知システムの独立成分除去部が算出する、第１のピークのノルムの例を示す図である。図１７は、実施の形態３にかかる鉄道車輪踏面異常検知システムの独立成分除去部が算出する、第２のピークのノルムの例を示す図である。図１８は、実施の形態３にかかる鉄道車輪踏面異常検知システムの独立成分除去部が算出する、第３のピークのノルムの例を示す図である。図１９は、実施の形態３にかかる鉄道車輪踏面異常検知システムの独立成分除去部が算出する、第３のピークの残響ノイズのノルムの例を示す図である。
【0097】
図１６～図１９の各グラフの横軸は時間であり、縦軸はノルムである。独立成分除去部４２Ａは、図５～図８に示した独立成分信号Ｓｄ１ａ，Ｓｄ１ｂ，Ｓｄ１ｃ，Ｓｄ１ｄに対して図１６～図１９に示すノルムを算出する。図１６～図１８において、第１のピークがピークＰ１であり、第２のピークがピークＰ２であり、第３のピークがピークＰ３である。
【0098】
図１６～図１８に示すピークＰ１～Ｐ３のノルムは、図１５に示したピークＰ１～Ｐ３に対応している。図１６に示すノルムはピークＰ１の第１の周波数帯Ｆ１におけるノルムであり、図１７に示すノルムはピークＰ２の第１の周波数帯Ｆ１におけるノルムであり、図１８に示すノルムはピークＰ３の第１の周波数帯Ｆ１におけるノルムである。すなわち、図１６～図１８は、継ぎ目振動のピークＰ１～Ｐ３の第１の周波数帯Ｆ１におけるノルムに対応している。なお、図１８に示す第１の周波数帯Ｆ１におけるノルムは、ピークＰ３のうち残響ノイズＰ３Ｅのノルムは含まれていない。図１９に示す第１の周波数帯Ｆ１におけるノルムは、ピークＰ３の残響ノイズＰ３Ｅのノルムである。
【0099】
独立成分除去部４２Ａは、図１６～図１９に示したノルムに対して閾値処理することによって、ピークＰ１～Ｐ３のみを抽出する。具体的には、独立成分除去部４２Ａは、第２の閾値である閾値Ｔｈ２よりも大きなノルムの周波数スペクトル信号を周波数スペクトル信号Ｓｃ１から除くことによって図８で示した周波数スペクトル信号Ｓｅ１を算出する。閾値Ｔｈ２は、ピークＰ１～Ｐ３のノルムよりも小さな値であり、残響ノイズＰ３Ｅのノルムよりも大きな値である。
【0100】
このように、独立成分除去部４２Ａは、周波数スペクトル信号群Ｓｃｎの各信号要素に対応する独立成分信号群Ｓｄｎの信号要素のうち第１の周波数帯Ｆ１のノルムが閾値Ｔｈ２を超えた成分を除去することによって、ノイズ成分が除去された周波数スペクトル信号群Ｓｅｎを得る。独立成分除去部４２Ａは、ノイズ成分が除去された周波数スペクトル信号群Ｓｅｎをデータ結合部５０へ出力する。
【0101】
このように、実施の形態３では、独立成分除去部４２Ａが、第１の周波数帯Ｆ１におけるノルムが閾値Ｔｈ２よりも大きなノルムの信号を周波数スペクトル信号Ｓｃ１から除去している。これにより、実施の形態３の鉄道車輪踏面異常検知システム１Ａは、実施の形態１の鉄道車輪踏面異常検知システム１Ａと同様に、図８で示したノイズ成分が除去された周波数スペクトル信号Ｓｅ１を得ることができる。したがって、鉄道車輪踏面異常検知システム１Ａは、実施の形態１と同様に、少数の振動センサ３で正確に車輪踏面異常を検知することが可能となる。
【0102】
実施の形態４．
つぎに、図２０～図２７を用いて実施の形態４について説明する。実施の形態４では、鉄道車輪踏面異常検知システムが、レール継ぎ目に起因する振動を検出できる第１の周波数帯Ｆ１に限定した時間信号と、レール継ぎ目に起因する振動と車輪踏面異常に起因する振動との双方を検出できる第２の周波数帯Ｆ２に限定した時間信号とを算出する。そして、鉄道車輪踏面異常検知システムが、第１の周波数帯Ｆ１に限定した時間信号と第２の周波数帯Ｆ２に限定した時間信号とから第２の周波数帯Ｆ２に対してノイズ成分が除去された時間信号を算出し、この時間信号と閾値とを比較することで踏面異常検知の有無を判定する。
つぎに、図２０～図２７を用いて実施の形態４について説明する。実施の形態４では、鉄道車輪踏面異常検知システムが、レール継ぎ目に起因する振動を検出できる第１の周波数帯Ｆ１に限定した時間信号と、レール継ぎ目に起因する振動と車輪踏面異常に起因する振動との双方を検出できる第２の周波数帯Ｆ２に限定した時間信号とを算出する。そして、鉄道車輪踏面異常検知システムが、第１の周波数帯Ｆ１に限定した時間信号と第２の周波数帯Ｆ２に限定した時間信号とから第２の周波数帯Ｆ２に対してノイズ成分が除去された時間信号を算出し、この時間信号と閾値とを比較することで踏面異常検知の有無を判定する。
【0103】
図２０は、実施の形態４にかかる鉄道車輪踏面異常検知システムの構成を示す図である。図２０の各構成要素のうち図１に示す実施の形態１の鉄道車輪踏面異常検知システム１Ａと同一機能を達成する構成要素については同一符号を付しており、重複する説明は省略する。
【0104】
鉄道車輪踏面異常検知システム１Ｂは、周波数解析部１０Ｂと、継ぎ目振動除去部４０Ｂと、除去幅拡大部６０と、類似度フィルタ部７０と、踏面異常検出部８０Ｂと、出力部９０と、表示部９１とを備えている。なお、表示部９１と鉄道車輪踏面異常検知システム１Ｂとは別構成であってもよい。
【0105】
継ぎ目振動除去部４０Ｂは、独立成分分解部４１Ｂと独立成分除去部４２Ｂとを有している。周波数解析部１０Ｂは、振動センサ３に接続されており、振動センサ３から送られてくる振動センサ信号Ｘ１を受け付ける。
【0106】
周波数解析部１０Ｂは、振動センサ信号Ｘ１に基づいて、レール継ぎ目に起因する振動を検出できる第１の周波数帯Ｆ１に限定した時間信号Ｓｂｂ１を算出する。また、周波数解析部１０Ｂは、振動センサ信号Ｘ１に基づいて、レール継ぎ目に起因する振動と車輪踏面異常に起因する振動との双方を検出できる第２の周波数帯Ｆ２に限定した時間信号Ｓｂｂ２を算出する。第１の周波数帯Ｆ１は、レール継ぎ目に起因する振動の周波数を含む高周波数帯である。第２の周波数帯Ｆ２は、レール継ぎ目に起因する振動の周波数および車輪踏面異常に起因する振動の周波数を含む、第１の周波数帯Ｆ１よりも低い低周波数帯である。実施の形態４では、時間信号Ｓｂｂ１，Ｓｂｂ２が第１の時間信号である。
【0107】
周波数解析部１０Ｂは、振動センサ信号Ｘ１に対してハイパスフィルタ（ＨＰＦ、High-Pass Filter）またはバンドパスフィルタ（ＢＰＦ、Band-Pass Filter）を適用することで第１の周波数帯Ｆ１に限定された時間信号Ｓｂｂ１を算出する。
【0108】
また、周波数解析部１０Ｂは、振動センサ信号Ｘ１に対してローパスフィルタ（ＬＰＦ、Low-Pass Filter）またはバンドパスフィルタを適用することで第２の周波数帯Ｆ２に限定された時間信号Ｓｂｂ２を算出する。
【0109】
周波数解析部１０Ｂは、第１の周波数帯Ｆ１に限定された時間信号Ｓｂｂ１、および第２の周波数帯Ｆ２に限定された時間信号Ｓｂｂ２を、独立成分分解部４１Ｂへ出力する。
【0110】
図２１は、実施の形態４にかかる鉄道車輪踏面異常検知システムの周波数解析部が算出する第１の周波数帯に限定された時間信号の例を示す図である。図２２は、実施の形態４にかかる鉄道車輪踏面異常検知システムの周波数解析部が算出する第２の周波数帯に限定された時間信号の例を示す図である。
【0111】
図２１では、周波数解析部１０Ｂが算出した時間信号Ｓｂｂ１を示しており、図２２では、周波数解析部１０Ｂが算出した時間信号Ｓｂｂ２を示している。図２１および図２２の各グラフの横軸は時間であり、縦軸は振動の振幅である。
【0112】
図２１に示す時間信号Ｓｂｂ１には継ぎ目振動であるピークＰ１～Ｐ３の第１の周波数帯Ｆ１の成分が含まれており、図２２に示す時間信号Ｓｂｂ２には車輪踏面異常振動であるピークＰ４，Ｐ５の他にピークＰ１～Ｐ３の第２の周波数帯Ｆ２の成分が含まれている。
【0113】
図２１では、ピークＰ１の第１の周波数帯Ｆ１の成分を第１の周波数成分ＦＨ１で示し、ピークＰ２の第１の周波数帯Ｆ１の成分を第１の周波数成分ＦＨ２で示し、ピークＰ３の第１の周波数帯Ｆ１の成分を第１の周波数成分ＦＨ３で示している。
【0114】
また、図２２では、ピークＰ１の第２の周波数帯Ｆ２の成分を第２の周波数成分ＦＬ１で示し、ピークＰ２の第２の周波数帯Ｆ２の成分を第２の周波数成分ＦＬ２で示し、ピークＰ３の第２の周波数帯Ｆ２の成分を第２の周波数成分ＦＬ３で示している。また、図２２では、ピークＰ４の第２の周波数帯Ｆ２の成分を第２の周波数成分ＦＬ４で示し、ピークＰ５の第２の周波数帯Ｆ２の成分を第２の周波数成分ＦＬ５で示している。
【0115】
独立成分分解部４１Ｂは、第１の周波数帯Ｆ１に限定された時間信号Ｓｂｂ１が入力されると、時間信号Ｓｂｂ１から振幅（信号強度）が特定の閾値（特定値）を超えた時刻のみを抽出した独立成分信号Ｓｄｄ１を算出する。また、独立成分分解部４１Ｂは、第２の周波数帯Ｆ２に限定された時間信号Ｓｂｂ２が入力されると、時間信号Ｓｂｂ２から、独立成分信号Ｓｄｄ１の算出の際に抽出した時刻と同時刻の信号のみを抽出した独立成分信号Ｓｄｄ２を算出する。
【0116】
ここで、独立成分分解部４１Ｂが実行する処理について説明する。図２３は、実施の形態４にかかる鉄道車輪踏面異常検知システムの独立成分分解部が設定する閾値の例を説明するための図である。図２４は、実施の形態４にかかる鉄道車輪踏面異常検知システムの独立成分分解部が第１の周波数帯に限定された時間信号から抽出する独立成分信号の例を示す図である。図２５は、実施の形態４にかかる鉄道車輪踏面異常検知システムの独立成分分解部が第２の周波数帯に限定された時間信号から抽出する独立成分信号の例を示す図である。
【0117】
図２３～図２５の各グラフの横軸は時間であり、縦軸は振動の振幅である。図２３に示すグラフは、図２１に示したグラフに対応している。図２３では、周波数解析部１０Ｂが算出した時間信号Ｓｂｂ１と、独立成分分解部４１Ｂが用いる閾値Ｔｈ３，Ｔｈ４とを図示している。図２４に示すグラフは、図２３に示したグラフに対応し、図２５に示すグラフは、図２２に示したグラフに対応している。
【0118】
閾値Ｔｈ３は、正の値であり、閾値Ｔｈ４は、負の値である。閾値Ｔｈ３と閾値Ｔｈ４とは、絶対値が同じで正と負の符号が異なる。
【0119】
独立成分分解部４１Ｂは、第１の周波数帯Ｆ１に限定された時間信号Ｓｂｂ１と閾値Ｔｈ３，Ｔｈ４とを比較し、閾値Ｔｈ３よりも大きいか、閾値Ｔｈ４よりも小さい時間信号である独立成分信号Ｓｄｄ１を、時間信号Ｓｂｂ１から抽出する。独立成分分解部４１Ｂは、閾値Ｔｈ３よりも大きいか、閾値Ｔｈ４よりも小さい時間信号Ｓｂｂ１に対して、特定時間幅の時間信号を抽出する。
【0120】
図２４では、独立成分分解部４１Ｂが抽出した独立成分信号Ｓｄｄ１として、ピークＰ１の第１の周波数成分ＦＨ１と、ピークＰ２の第１の周波数成分ＦＨ２と、ピークＰ３の第１の周波数成分ＦＨ３とを示している。
【0121】
独立成分分解部４１Ｂは、第２の周波数帯Ｆ２に限定された時間信号Ｓｂｂ２から、第１の周波数成分ＦＨ１～ＦＨ３の時間と同じ時刻の時間信号を抽出する。図２５では、独立成分分解部４１Ｂが抽出した独立成分信号Ｓｄｄ２として、ピークＰ１の第２の周波数成分ＦＬ１と、ピークＰ２の第２の周波数成分ＦＬ２と、ピークＰ３の第２の周波数成分ＦＬ３とを示している。実施の形態４では、独立成分信号Ｓｄｄ１が第１の限定信号であり、独立成分信号Ｓｄｄ２が第２の限定信号である。
【0122】
独立成分分解部４１Ｂは、第１の周波数帯Ｆ１に限定された時間信号Ｓｂｂ１、第２の周波数帯Ｆ２に限定された時間信号Ｓｂｂ２、および独立成分信号Ｓｄｄ１，Ｓｄｄ２を独立成分除去部４２Ｂへ出力する。
【0123】
独立成分除去部４２Ｂは、第１の周波数帯Ｆ１に限定された時間信号Ｓｂｂ１、第２の周波数帯Ｆ２に限定された時間信号Ｓｂｂ２、および独立成分信号Ｓｄｄ１，Ｓｄｄ２が入力されると、時間信号Ｓｂｂ１について十分にノイズ成分が除去されるまで独立成分信号Ｓｄｄ１の信号要素を除去する。これにより、独立成分除去部４２Ｂは、第１の周波数帯Ｆ１についてノイズ成分が除去された時間信号Ｓｅｅ１を算出する。ノイズ成分が十分除去された時とは、時間信号Ｓｂｂ１からノイズ成分がＬ（Ｌは自然数）個除去された際に、除去された時間信号のＡＩＣが、時間信号Ｓｂｂ１からノイズ成分が（Ｌ－１）個除去された際のＡＩＣより大きくなった時である。
【0124】
独立成分除去部４２Ｂは、独立成分除去部４２Ａと同様に、独立成分信号Ｓｄｄ１のうち第１の周波数帯Ｆ１におけるノルムが大きい信号から順にノイズ成分の除去を行う。
【0125】
独立成分除去部４２Ｂは、時間信号Ｓｂｂ２について、時間信号Ｓｂｂ１から除去された独立成分信号Ｓｄｄ１の時刻に対応する独立成分信号Ｓｄｄ２を除去することで、第２の周波数帯Ｆ２についてノイズ成分が除去された時間信号Ｓｅｅ２を算出する。実施の形態４では、時間信号Ｓｅｅ２が第２の時間信号である。
【0126】
なお、ここではノイズ成分の除去方法として独立成分除去部４２ＢがＡＩＣを用いる方法について説明したが、独立成分除去部４２Ｂは、時間信号Ｓｂｂ２から独立成分信号Ｓｄｄ２のうち独立成分信号Ｓｄｄ１の特定の閾値を超えた時刻に対応する成分を全て除去する方法を用いてもよい。独立成分除去部４２Ｂは、第２の周波数帯Ｆ２についてノイズ成分を除去した時間信号Ｓｅｅ２を除去幅拡大部６０へ出力する。
【0127】
図２６は、実施の形態４にかかる鉄道車輪踏面異常検知システムの独立成分除去部が第２の周波数帯に限定された時間信号からノイズ成分を除去した時間信号の例を示す図である。図２６のグラフの横軸は時間であり、縦軸は振動の振幅である。図２６に示すグラフは、図２１～図２５に示したグラフに対応している。
【0128】
図２６では、独立成分除去部４２Ｂが、時間信号Ｓｂｂ２および独立成分信号Ｓｄｄ１，Ｓｄｄ２に対して演算処理を実行した際に得られる、ノイズ成分が除去された時間信号Ｓｅｅ２を表している。時間信号Ｓｅｅ２では、継ぎ目振動であるピークＰ１～Ｐ３の時間信号が除去されている。
【0129】
除去幅拡大部６０は、第２の周波数帯Ｆ２についてノイズ成分が除去された時間信号Ｓｅｅ２が入力されると、時間信号Ｓｅｅ２の各ノイズ成分が除去された時刻から特定時間後の信号も除去することによって、残響ノイズＰ３Ｅを除去した時間信号Ｓｆｆ（図示せず）を算出する。除去幅拡大部６０は、残響ノイズＰ３Ｅを除いた時間信号Ｓｆｆを類似度フィルタ部７０へ出力する。
【0130】
類似度フィルタ部７０は、車輪検出センサ２から送られてきた車輪検出センサ信号Ｘ２が入力されると、車輪検出センサ信号Ｘ２から車両４の速度を算出し、車両４の速度から車輪が１周する時間を算出する。
【0131】
また、類似度フィルタ部７０は、残響ノイズＰ３Ｅが除かれた時間信号Ｓｆｆが入力されると、時間信号Ｓｆｆに対し、前後車輪１周分の時間差を有した信号間で類似した信号がある場合に強調し、類似した信号が無い場合に強度を小さく（除去）するようなフィルタを適用する。すなわち、類似度フィルタ部７０は、時間信号Ｓｆｆのうち、車輪が１回転する前の信号と車輪が１回転した後の信号とが類似した信号であれば両者の信号の強度を大きくし、類似した信号で無ければ強度を小さくする。実施の形態４の類似度フィルタ部７０は、実施の形態１の類似度フィルタ部７０と同様に、前後車輪１周分のコサイン類似度に基づいて、類似した信号を強調する。
【0132】
このように、類似度フィルタ部７０は、車輪が１回転する前の信号と車輪が１回転した後の信号とが類似した信号であるか否かに基づいて、信号強度を強めるかまたは弱めるので、除去幅拡大部６０までの処理で除去できなかった非周期性ノイズＮ１が除去された時間信号Ｓｇｇ（図示せず）を算出することができる。類似度フィルタ部７０は、非周期性ノイズＮ１が除去された時間信号Ｓｇｇを踏面異常検出部８０Ｂへ出力する。また、類似度フィルタ部７０は、車輪検出センサ信号Ｘ２に基づいて、車輪が車輪検出センサ２の配置位置を通過した時刻を示す車輪検知出力を算出し出力部９０へ出力する。
【0133】
踏面異常検出部８０Ｂは、非周期性ノイズＮ１が除去された時間信号Ｓｇｇが入力されると、各時刻の時間信号Ｓｇｇと予め設定した閾値とを比較することで、踏面異常検知の有無を判定する。踏面異常検出部８０Ｂは、時間信号Ｓｇｇが、閾値よりも大きい場合に車輪踏面異常があると判定する。踏面異常検出部８０Ｂは、踏面異常検知判定結果を出力部９０へ出力する。出力部９０は、踏面異常検出部８０Ｂから送られてきた踏面異常検知判定結果と、類似度フィルタ部７０から送られてきた車輪検知出力とを表示部９１に出力する。表示部９１は、踏面異常検知判定結果と車輪検知出力とを表示する。
【0134】
つぎに、鉄道車輪踏面異常検知システム１Ｂの動作処理手順について説明する。図２７は、実施の形態４にかかる鉄道車輪踏面異常検知システムの動作処理手順を示すフローチャートである。図２７では、鉄道車輪踏面異常検知システム１Ｂによる車輪踏面異常の検知処理手順を示している。
【0135】
周波数解析部１０Ｂは、振動センサ３から送られてくる振動センサ信号Ｘ１を受け付ける。周波数解析部１０Ｂは、振動センサ信号Ｘ１から、第１の周波数帯Ｆ１に限定された時間信号Ｓｂｂ１および第２の周波数帯Ｆ２に限定された時間信号Ｓｂｂ２を算出する（ステップＳ１１０）。具体的には、周波数解析部１０Ｂは、振動センサ信号Ｘ１に対してハイパスフィルタまたはバンドパスフィルタを適用することで時間信号Ｓｂｂ１を算出する。また、周波数解析部１０Ｂは、振動センサ信号Ｘ１に対してローパスフィルタまたはバンドパスフィルタを適用することで時間信号Ｓｂｂ２を算出する。周波数解析部１０Ｂは、時間信号Ｓｂｂ１，Ｓｂｂ２を独立成分分解部４１Ｂへ出力する。
【0136】
独立成分分解部４１Ｂは、第１の周波数帯Ｆ１に限定された時間信号Ｓｂｂ１から独立成分信号Ｓｄｄ１を抽出し、第２の周波数帯Ｆ２に限定された時間信号Ｓｂｂ２から独立成分信号Ｓｄｄ２を抽出する（ステップＳ１４１）。独立成分分解部４１Ｂは、第１の周波数帯Ｆ１に限定された時間信号Ｓｂｂ１、第２の周波数帯Ｆ２に限定された時間信号Ｓｂｂ２、および独立成分信号Ｓｄｄ１，Ｓｄｄ２を独立成分除去部４２Ｂへ出力する。
【0137】
独立成分除去部４２Ｂは、第１の周波数帯Ｆ１に限定された時間信号Ｓｂｂ１、第２の周波数帯Ｆ２に限定された時間信号Ｓｂｂ２、および独立成分信号Ｓｄｄ１，Ｓｄｄ２から、第２の周波数帯Ｆ２についてノイズ成分が除去された時間信号Ｓｅｅ２を算出する（ステップＳ１４２）。独立成分除去部４２Ｂは、時間信号Ｓｅｅ２を除去幅拡大部６０へ出力する。
【0138】
除去幅拡大部６０は、時間信号Ｓｅｅ２から、残響ノイズＰ３Ｅを除去した時間信号Ｓｆｆを算出する（ステップＳ１６０）。除去幅拡大部６０は、時間信号Ｓｆｆを類似度フィルタ部７０へ出力する。
【0139】
類似度フィルタ部７０は、車輪が１周する時間および時間信号Ｓｆｆに基づいて、非周期性ノイズＮ１が除去された時間信号Ｓｇｇを算出する（ステップＳ１７０）。類似度フィルタ部７０は、非周期性ノイズＮ１が除去された時間信号Ｓｇｇを踏面異常検出部８０Ｂへ出力する。また、類似度フィルタ部７０は、車輪検出センサ信号Ｘ２に基づいて、車輪が車輪検出センサ２の配置位置を通過した時刻を示す車輪検知出力を算出し出力部９０へ出力する。
【0140】
踏面異常検出部８０Ｂは、各時刻の時間信号Ｓｇｇと予め設定した閾値とを比較することで、踏面異常検知の有無を判定する（ステップＳ１８０）。具体的には、踏面異常検出部８０Ｂは、時間信号Ｓｇｇが、閾値よりも大きい場合に車輪踏面異常があると判定する。踏面異常検出部８０Ｂは、踏面異常検知判定結果を出力部９０へ出力する。
【0141】
出力部９０は、踏面異常検知判定結果および車輪検知出力を表示部９１に出力する。表示部９１は、踏面異常検知判定結果および車輪検知出力を表示する（ステップＳ１９０）。
【0142】
つづいて、鉄道車輪踏面異常検知システム１Ａ，１Ｂのハードウェア構成について説明する。鉄道車輪踏面異常検知システム１Ａ，１Ｂは、処理回路により実現される。この処理回路は、メモリに格納されるプログラムを実行するプロセッサおよびメモリであってもよいし、専用のハードウェアであってもよい。処理回路は制御回路とも呼ばれる。
【0143】
図２８は、実施の形態１から４にかかる鉄道車輪踏面異常検知システムが備える処理回路をプロセッサおよびメモリで実現する場合の処理回路の構成例を示す図である。なお、鉄道車輪踏面異常検知システム１Ａ，１Ｂは同様のハードウェア構成を有しているので、以下では、鉄道車輪踏面異常検知システム１Ａのハードウェア構成について説明する。
【0144】
図２８に示す処理回路１５０は制御回路であり、プロセッサ１５１およびメモリ１５２を備える。処理回路１５０がプロセッサ１５１およびメモリ１５２で構成される場合、処理回路１５０の各機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせにより実現される。ソフトウェアまたはファームウェアはプログラムとして記述され、メモリ１５２に格納される。処理回路１５０では、メモリ１５２に記憶されたプログラムをプロセッサ１５１が読み出して実行することにより、各機能を実現する。すなわち、処理回路１５０は、鉄道車輪踏面異常検知システム１Ａの処理が結果的に実行されることになる鉄道車輪踏面異常検知プログラムを格納するためのメモリ１５２を備える。この鉄道車輪踏面異常検知プログラムは、処理回路１５０により実現される各機能を鉄道車輪踏面異常検知システム１Ａに実行させるためのプログラムであるともいえる。この鉄道車輪踏面異常検知プログラムは、プログラムが記憶された記憶媒体により提供されてもよいし、通信媒体など他の手段により提供されてもよい。
【0145】
鉄道車輪踏面異常検知システム１Ａで実行される鉄道車輪踏面異常検知プログラムは、周波数解析部１０Ａと、正規化部２０と、データ切り出し部３０と、継ぎ目振動除去部４０Ａと、データ結合部５０と、除去幅拡大部６０と、類似度フィルタ部７０と、踏面異常検出部８０Ａと、出力部９０とを含むモジュール構成となっており、これらが主記憶装置上にロードされ、これらが主記憶装置上に生成される。
【0146】
なお、鉄道車輪踏面異常検知システム１Ｂで実行される鉄道車輪踏面異常検知プログラムは、周波数解析部１０Ｂと、継ぎ目振動除去部４０Ｂと、除去幅拡大部６０と、類似度フィルタ部７０と、踏面異常検出部８０Ｂと、出力部９０とを含むモジュール構成となっており、これらが主記憶装置上にロードされ、これらが主記憶装置上に生成される。
【0147】
ここで、プロセッサ１５１は、例えば、ＣＰＵ（Central Processing Unit）、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、またはＤＳＰ（Digital Signal Processor）などである。また、メモリ１５２は、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（登録商標）（Electrically ＥＰＲＯＭ）などの、不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、またはＤＶＤ（Digital Versatile Disc）などが該当する。
【0148】
図２９は、実施の形態１から４にかかる鉄道車輪踏面異常検知システムが備える処理回路を専用のハードウェアで構成する場合の処理回路の例を示す図である。図２９に示す処理回路１５３は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）、またはこれらを組み合わせたものが該当する。
【0149】
処理回路１５０，１５３については、一部を専用のハードウェアで実現し、一部をソフトウェアまたはファームウェアで実現するようにしてもよい。このように、処理回路１５０，１５３は、専用のハードウェア、ソフトウェア、ファームウェア、またはこれらの組み合わせによって、上述の各機能を実現することができる。なお、鉄道車輪踏面異常検知システム１Ａは、１つの処理回路で実現されてもよいし、複数の処理回路で実現されてもよい。
【0150】
このように実施の形態４では、独立成分分解部４１Ｂが、レール継ぎ目に起因する振動を検出できる第１の周波数帯Ｆ１に限定した時間信号Ｓｂｂ１と、レール継ぎ目に起因する振動と車輪踏面異常に起因する振動との双方を検出できる第２の周波数帯Ｆ２に限定した時間信号Ｓｂｂ２とを算出する。そして、独立成分除去部４２Ｂが、時間信号Ｓｂｂ２に対し、時間信号Ｓｂｂ１から除去された独立成分信号Ｓｄｄ１の時刻に対応する独立成分信号Ｓｄｄ２を除去することで、第２の周波数帯Ｆ２についてノイズ成分が除去された時間信号Ｓｅｅ２を算出する。さらに、独立成分除去部４２Ｂは、時間信号Ｓｅｅ２と閾値とを比較することで踏面異常検知の有無を判定している。したがって、鉄道車輪踏面異常検知システム１Ｂは、実施の形態１と同様に、少数の振動センサ３で正確に車輪踏面異常を検知することが可能となる。
【0151】
以上の実施の形態に示した構成は、一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、実施の形態同士を組み合わせることも可能であるし、要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。
【0152】
以下、本開示の諸態様を付記としてまとめて記載する。
【0153】
（付記１）
レールに設置された振動センサによって計測された振動の情報を示す振動センサ信号を周波数帯毎の信号強度を示す第１の時間信号へと変換する周波数解析部と、
前記第１の時間信号に対応する対応信号から前記レールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去部と、
前記第２の時間信号から、前記レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出部と、
前記踏面異常検出部の判定結果を出力する出力部と、
を備え、
前記継ぎ目振動除去部は、
前記対応信号から前記レール継ぎ目に起因する振動の周波数を含む第３の時間信号を抽出し、前記第３の時間信号の信号強度が特定値を超える場合に前記対応信号から前記第３の時間信号を除去することで前記第２の時間信号を算出する、
ことを特徴とする鉄道車輪踏面異常検知システム。
（付記２）
前記第１の時間信号に基づいて、前記レール継ぎ目に起因する振動以外のノイズのスケールを正規化する正規化部をさらに備え、
前記継ぎ目振動除去部は、
前記ノイズのスケールが正規化された前記第１の時間信号に対応する前記対応信号から前記レール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する、
ことを特徴とする付記１に記載の鉄道車輪踏面異常検知システム。
（付記３）
前記正規化部は、
ｍを予め設定されたパラメータとした場合に、前記第１の時間信号のうち信号の小さいものからｍ％の値を、前記レール継ぎ目に起因する振動以外のノイズが従う分布のｍ％点の値で割ることで、前記ノイズのスケールを算出し、算出した前記ノイズのスケールで前記第１の時間信号を割ることで前記ノイズのスケールが正規化された前記第１の時間信号を算出する、
ことを特徴とする付記２に記載の鉄道車輪踏面異常検知システム。
（付記４）
前記第３の時間信号が除去された時刻から特定時間後の信号を、前記第２の時間信号から除去することで、前記レール継ぎ目に起因する振動の残響ノイズを除去する除去幅拡大部と、
前記車輪を検出する車輪検出センサから前記車輪を検出したことを示す車輪検出センサ信号を受け付けると、前記車輪検出センサ信号に基づいて、前記残響ノイズが除去された前記第２の時間信号から、前記車輪の回転周期以外の信号である非周期性ノイズを除去する類似度フィルタ部と、
をさらに備え、
前記踏面異常検出部は、
前記残響ノイズおよび前記非周期性ノイズが除去された前記第２の時間信号から、前記車輪踏面異常の有無を判定する、
ことを特徴とする付記１から３の何れか１つに記載の鉄道車輪踏面異常検知システム。
（付記５）
前記類似度フィルタ部は、
前記車輪検出センサ信号から前記車両の速度を計算するとともに前記速度から前記車輪が１周する時間を算出し、前記残響ノイズが除去された前記第２の時間信号の各時刻の信号に対して前記車輪の１周分の時間差の信号との間の類似度を算出するとともに前記類似度が特定値以上の信号を強調することで前記非周期性ノイズを除去する、
ことを特徴とする付記４に記載の鉄道車輪踏面異常検知システム。
（付記６）
前記対応信号を特定の時間幅毎に切り出すことで複数の信号要素を含んだ時間信号群を算出するデータ切り出し部をさらに備え、
前記継ぎ目振動除去部は、前記時間信号群毎に前記第２の時間信号を算出する、
ことを特徴とする付記１から５の何れか１つに記載の鉄道車輪踏面異常検知システム。
（付記７）
前記継ぎ目振動除去部は、
前記対応信号を、独立な振動成分の信号である独立成分信号に分解する独立成分分解部と、
前記対応信号から前記独立成分信号を除去することで前記第２の時間信号を算出する独立成分除去部と、
を有する、
ことを特徴とする付記１から６の何れか１つに記載の鉄道車輪踏面異常検知システム。
（付記８）
前記独立成分分解部は、
独立成分分析を用いて前記対応信号を前記独立成分信号に分解する、
ことを特徴とする付記７に記載の鉄道車輪踏面異常検知システム。
（付記９）
前記独立成分分解部は、
前記独立成分信号のノルムが第１の閾値よりも大きな信号を前記独立成分信号として抽出することで、前記対応信号を前記独立成分信号に分解する、
ことを特徴とする付記７に記載の鉄道車輪踏面異常検知システム。
（付記１０）
前記独立成分分解部は、
Ｍを自然数として、Ｍ個の前記独立成分信号を足した成分と、前記対応信号との差分の赤池情報量基準が最小となるまで前記独立成分信号を分解する、
ことを特徴とする付記７から９の何れか１つに記載の鉄道車輪踏面異常検知システム。
（付記１１）
前記独立成分除去部は、
Ｌを自然数として、Ｌ個の前記独立成分信号の赤池情報量基準が最小となるまで前記独立成分信号を除去する、
ことを特徴とする付記７から１０の何れか１つに記載の鉄道車輪踏面異常検知システム。
（付記１２）
前記独立成分除去部は、
前記独立成分信号のノルムが第２の閾値よりも大きな前記独立成分信号を除去する、
ことを特徴とする付記７から１０の何れか１つに記載の鉄道車輪踏面異常検知システム。
（付記１３）
前記踏面異常検出部は、
前記対応信号から車輪踏面異常の有無を表す時間信号を算出する特徴量算出部と、
前記対応信号から車輪踏面異常の種類を判定する異常種類判定部と、
を有する、
ことを特徴とする付記１に記載の鉄道車輪踏面異常検知システム。
（付記１４）
前記特徴量算出部は、
前記対応信号のうち第４の周波数以下の信号の絶対値の和を前記第４の周波数を超える信号の絶対値の和で割ることで車輪踏面異常の有無を表す時間信号を算出する、
ことを特徴とする付記１３に記載の鉄道車輪踏面異常検知システム。
（付記１５）
前記異常種類判定部は、
前記対応信号が第３の閾値を超えた場合に踏面異常を検出し、前記対応信号と第３の閾値との差、前記対応信号が前記第３の閾値を超えた時間、一定の時間枠内で前記対応信号が前記第３の閾値を超えた時間の総和から踏面異常の大きさと深さを判定する、
ことを特徴とする付記１３に記載の鉄道車輪踏面異常検知システム。
（付記１６）
前記信号強度は、前記第３の時間信号のノルムの大きさである、
ことを特徴とする付記１から１５の何れか１つに記載の鉄道車輪踏面異常検知システム。
（付記１７）
レールに設置された振動センサによって計測された振動の情報を示す振動センサ信号を周波数帯毎の信号強度を示す第１の時間信号へと変換する周波数解析部と、
前記第１の時間信号から前記レールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去部と、
前記第２の時間信号から、前記レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出部と、
前記踏面異常検出部の判定結果を出力する出力部と、
を備え、
前記周波数解析部は、
前記レール継ぎ目に起因する振動の周波数を含む第１の周波数帯に限定された第１の限定信号と、前記レール継ぎ目に起因する振動の周波数および車輪踏面異常に起因する振動の周波数の双方を検出できる第２の周波数に限定された第２の限定信号とを前記第１の時間信号として算出し、
前記継ぎ目振動除去部は、
前記第１の限定信号に対応する信号と前記第２の限定信号に対応する信号との双方が信号強度を持つ信号を、前記第２の限定信号から除去することで前記第２の時間信号を算出する、
ことを特徴とする鉄道車輪踏面異常検知システム。
（付記１８）
前記継ぎ目振動除去部は、
前記第１の限定信号から信号強度が特定値を超える時刻の信号である第１の独立成分信号を抽出するとともに、前記第２の限定信号から前記時刻と同時刻の信号である第２の独立成分信号を抽出し、前記第２の限定信号から前記第２の独立成分信号を除去することで、前記第２の時間信号を算出する、
ことを特徴とする付記１７に記載の鉄道車輪踏面異常検知システム。
（付記１９）
鉄道車輪踏面異常検知システムが、レールに設置された振動センサによって計測された振動の情報を示す振動センサ信号を周波数帯毎の信号強度を示す第１の時間信号へと変換する周波数解析ステップと、
前記鉄道車輪踏面異常検知システムが、前記第１の時間信号に対応する対応信号から前記レールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去ステップと、
前記鉄道車輪踏面異常検知システムが、前記第２の時間信号から、前記レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出ステップと、
前記鉄道車輪踏面異常検知システムが、前記車輪踏面異常の有無の判定結果を出力する出力ステップと、
を含み、
前記継ぎ目振動除去ステップでは、
前記鉄道車輪踏面異常検知システムが、前記対応信号から前記レール継ぎ目に起因する振動の周波数を含む第３の時間信号を抽出し、前記第３の時間信号の信号強度が特定値を超える場合に前記対応信号から前記第３の時間信号を除去することで前記第２の時間信号を算出する、
ことを特徴とする鉄道車輪踏面異常検知方法。
（付記２０）
レールに設置された振動センサによって計測された振動の情報を示す振動センサ信号を周波数帯毎の信号強度を示す第１の時間信号へと変換する周波数解析ステップと、
前記第１の時間信号に対応する対応信号から前記レールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去ステップと、
前記第２の時間信号から、前記レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出ステップと、
前記車輪踏面異常の有無の判定結果を出力する出力ステップと、
をコンピュータに実行させ、
前記継ぎ目振動除去ステップでは、
前記対応信号から前記レール継ぎ目に起因する振動の周波数を含む第３の時間信号を抽出し、前記第３の時間信号の信号強度が特定値を超える場合に前記対応信号から前記第３の時間信号を除去することで前記第２の時間信号を算出する、
ことを特徴とする鉄道車輪踏面異常検知プログラム。
レールに設置された振動センサによって計測された振動の情報を示す振動センサ信号を周波数帯毎の信号強度を示す第１の時間信号へと変換する周波数解析部と、
前記第１の時間信号に対応する対応信号から前記レールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去部と、
前記第２の時間信号から、前記レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出部と、
前記踏面異常検出部の判定結果を出力する出力部と、
を備え、
前記継ぎ目振動除去部は、
前記対応信号から前記レール継ぎ目に起因する振動の周波数を含む第３の時間信号を抽出し、前記第３の時間信号の信号強度が特定値を超える場合に前記対応信号から前記第３の時間信号を除去することで前記第２の時間信号を算出する、
ことを特徴とする鉄道車輪踏面異常検知システム。
（付記２）
前記第１の時間信号に基づいて、前記レール継ぎ目に起因する振動以外のノイズのスケールを正規化する正規化部をさらに備え、
前記継ぎ目振動除去部は、
前記ノイズのスケールが正規化された前記第１の時間信号に対応する前記対応信号から前記レール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する、
ことを特徴とする付記１に記載の鉄道車輪踏面異常検知システム。
（付記３）
前記正規化部は、
ｍを予め設定されたパラメータとした場合に、前記第１の時間信号のうち信号の小さいものからｍ％の値を、前記レール継ぎ目に起因する振動以外のノイズが従う分布のｍ％点の値で割ることで、前記ノイズのスケールを算出し、算出した前記ノイズのスケールで前記第１の時間信号を割ることで前記ノイズのスケールが正規化された前記第１の時間信号を算出する、
ことを特徴とする付記２に記載の鉄道車輪踏面異常検知システム。
（付記４）
前記第３の時間信号が除去された時刻から特定時間後の信号を、前記第２の時間信号から除去することで、前記レール継ぎ目に起因する振動の残響ノイズを除去する除去幅拡大部と、
前記車輪を検出する車輪検出センサから前記車輪を検出したことを示す車輪検出センサ信号を受け付けると、前記車輪検出センサ信号に基づいて、前記残響ノイズが除去された前記第２の時間信号から、前記車輪の回転周期以外の信号である非周期性ノイズを除去する類似度フィルタ部と、
をさらに備え、
前記踏面異常検出部は、
前記残響ノイズおよび前記非周期性ノイズが除去された前記第２の時間信号から、前記車輪踏面異常の有無を判定する、
ことを特徴とする付記１から３の何れか１つに記載の鉄道車輪踏面異常検知システム。
（付記５）
前記類似度フィルタ部は、
前記車輪検出センサ信号から前記車両の速度を計算するとともに前記速度から前記車輪が１周する時間を算出し、前記残響ノイズが除去された前記第２の時間信号の各時刻の信号に対して前記車輪の１周分の時間差の信号との間の類似度を算出するとともに前記類似度が特定値以上の信号を強調することで前記非周期性ノイズを除去する、
ことを特徴とする付記４に記載の鉄道車輪踏面異常検知システム。
（付記６）
前記対応信号を特定の時間幅毎に切り出すことで複数の信号要素を含んだ時間信号群を算出するデータ切り出し部をさらに備え、
前記継ぎ目振動除去部は、前記時間信号群毎に前記第２の時間信号を算出する、
ことを特徴とする付記１から５の何れか１つに記載の鉄道車輪踏面異常検知システム。
（付記７）
前記継ぎ目振動除去部は、
前記対応信号を、独立な振動成分の信号である独立成分信号に分解する独立成分分解部と、
前記対応信号から前記独立成分信号を除去することで前記第２の時間信号を算出する独立成分除去部と、
を有する、
ことを特徴とする付記１から６の何れか１つに記載の鉄道車輪踏面異常検知システム。
（付記８）
前記独立成分分解部は、
独立成分分析を用いて前記対応信号を前記独立成分信号に分解する、
ことを特徴とする付記７に記載の鉄道車輪踏面異常検知システム。
（付記９）
前記独立成分分解部は、
前記独立成分信号のノルムが第１の閾値よりも大きな信号を前記独立成分信号として抽出することで、前記対応信号を前記独立成分信号に分解する、
ことを特徴とする付記７に記載の鉄道車輪踏面異常検知システム。
（付記１０）
前記独立成分分解部は、
Ｍを自然数として、Ｍ個の前記独立成分信号を足した成分と、前記対応信号との差分の赤池情報量基準が最小となるまで前記独立成分信号を分解する、
ことを特徴とする付記７から９の何れか１つに記載の鉄道車輪踏面異常検知システム。
（付記１１）
前記独立成分除去部は、
Ｌを自然数として、Ｌ個の前記独立成分信号の赤池情報量基準が最小となるまで前記独立成分信号を除去する、
ことを特徴とする付記７から１０の何れか１つに記載の鉄道車輪踏面異常検知システム。
（付記１２）
前記独立成分除去部は、
前記独立成分信号のノルムが第２の閾値よりも大きな前記独立成分信号を除去する、
ことを特徴とする付記７から１０の何れか１つに記載の鉄道車輪踏面異常検知システム。
（付記１３）
前記踏面異常検出部は、
前記対応信号から車輪踏面異常の有無を表す時間信号を算出する特徴量算出部と、
前記対応信号から車輪踏面異常の種類を判定する異常種類判定部と、
を有する、
ことを特徴とする付記１に記載の鉄道車輪踏面異常検知システム。
（付記１４）
前記特徴量算出部は、
前記対応信号のうち第４の周波数以下の信号の絶対値の和を前記第４の周波数を超える信号の絶対値の和で割ることで車輪踏面異常の有無を表す時間信号を算出する、
ことを特徴とする付記１３に記載の鉄道車輪踏面異常検知システム。
（付記１５）
前記異常種類判定部は、
前記対応信号が第３の閾値を超えた場合に踏面異常を検出し、前記対応信号と第３の閾値との差、前記対応信号が前記第３の閾値を超えた時間、一定の時間枠内で前記対応信号が前記第３の閾値を超えた時間の総和から踏面異常の大きさと深さを判定する、
ことを特徴とする付記１３に記載の鉄道車輪踏面異常検知システム。
（付記１６）
前記信号強度は、前記第３の時間信号のノルムの大きさである、
ことを特徴とする付記１から１５の何れか１つに記載の鉄道車輪踏面異常検知システム。
（付記１７）
レールに設置された振動センサによって計測された振動の情報を示す振動センサ信号を周波数帯毎の信号強度を示す第１の時間信号へと変換する周波数解析部と、
前記第１の時間信号から前記レールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去部と、
前記第２の時間信号から、前記レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出部と、
前記踏面異常検出部の判定結果を出力する出力部と、
を備え、
前記周波数解析部は、
前記レール継ぎ目に起因する振動の周波数を含む第１の周波数帯に限定された第１の限定信号と、前記レール継ぎ目に起因する振動の周波数および車輪踏面異常に起因する振動の周波数の双方を検出できる第２の周波数に限定された第２の限定信号とを前記第１の時間信号として算出し、
前記継ぎ目振動除去部は、
前記第１の限定信号に対応する信号と前記第２の限定信号に対応する信号との双方が信号強度を持つ信号を、前記第２の限定信号から除去することで前記第２の時間信号を算出する、
ことを特徴とする鉄道車輪踏面異常検知システム。
（付記１８）
前記継ぎ目振動除去部は、
前記第１の限定信号から信号強度が特定値を超える時刻の信号である第１の独立成分信号を抽出するとともに、前記第２の限定信号から前記時刻と同時刻の信号である第２の独立成分信号を抽出し、前記第２の限定信号から前記第２の独立成分信号を除去することで、前記第２の時間信号を算出する、
ことを特徴とする付記１７に記載の鉄道車輪踏面異常検知システム。
（付記１９）
鉄道車輪踏面異常検知システムが、レールに設置された振動センサによって計測された振動の情報を示す振動センサ信号を周波数帯毎の信号強度を示す第１の時間信号へと変換する周波数解析ステップと、
前記鉄道車輪踏面異常検知システムが、前記第１の時間信号に対応する対応信号から前記レールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去ステップと、
前記鉄道車輪踏面異常検知システムが、前記第２の時間信号から、前記レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出ステップと、
前記鉄道車輪踏面異常検知システムが、前記車輪踏面異常の有無の判定結果を出力する出力ステップと、
を含み、
前記継ぎ目振動除去ステップでは、
前記鉄道車輪踏面異常検知システムが、前記対応信号から前記レール継ぎ目に起因する振動の周波数を含む第３の時間信号を抽出し、前記第３の時間信号の信号強度が特定値を超える場合に前記対応信号から前記第３の時間信号を除去することで前記第２の時間信号を算出する、
ことを特徴とする鉄道車輪踏面異常検知方法。
（付記２０）
レールに設置された振動センサによって計測された振動の情報を示す振動センサ信号を周波数帯毎の信号強度を示す第１の時間信号へと変換する周波数解析ステップと、
前記第１の時間信号に対応する対応信号から前記レールの継ぎ目であるレール継ぎ目に起因する振動の信号を除去した第２の時間信号を算出する継ぎ目振動除去ステップと、
前記第２の時間信号から、前記レール上を走行している車両の車輪に発生している車輪踏面異常の有無を判定する踏面異常検出ステップと、
前記車輪踏面異常の有無の判定結果を出力する出力ステップと、
をコンピュータに実行させ、
前記継ぎ目振動除去ステップでは、
前記対応信号から前記レール継ぎ目に起因する振動の周波数を含む第３の時間信号を抽出し、前記第３の時間信号の信号強度が特定値を超える場合に前記対応信号から前記第３の時間信号を除去することで前記第２の時間信号を算出する、
ことを特徴とする鉄道車輪踏面異常検知プログラム。
【符号の説明】
【0154】
１Ａ，１Ｂ 鉄道車輪踏面異常検知システム、２ 車輪検出センサ、３ 振動センサ、４ 車両、５ レール、１０Ａ，１０Ｂ 周波数解析部、２０ 正規化部、３０ データ切り出し部、４０Ａ，４０Ｂ 継ぎ目振動除去部、４１Ａ，４１Ｂ 独立成分分解部、４２Ａ，４２Ｂ 独立成分除去部、５０ データ結合部、６０ 除去幅拡大部、７０ 類似度フィルタ部、８０Ａ，８０Ｂ 踏面異常検出部、８１Ａ 特徴量算出部、８２Ａ 異常種類判定部、９０ 出力部、９１ 表示部、１５０，１５３ 処理回路、１５１ プロセッサ、１５２ メモリ、Ｆ１ 第１の周波数帯、Ｆ２ 第２の周波数帯、ＦＨ１～ＦＨ３ 第１の周波数成分、ＦＬ１～ＦＬ５ 第２の周波数成分、Ｎ１ 非周期性ノイズ、Ｐ１～Ｐ５ ピーク、Ｐ３Ｅ 残響ノイズ、Ｓａ１，Ｘ１ 振動センサ信号、Ｓｂ，Ｓｂ１，Ｓｃ，Ｓｃ１～ＳｃＮ，Ｓｅ，Ｓｅ１～ＳｅＮ，Ｓｆ，Ｓｇ 周波数スペクトル信号、Ｓｂｂ１，Ｓｂｂ２，Ｓｅｅ１，Ｓｅｅ２，Ｓｆｆ，Ｓｇｇ，Ｓｈ 時間信号、Ｓｃｎ，Ｓｅｎ 周波数スペクトル信号群、Ｓｄ１～ＳｄＮ，Ｓｄ１ａ～Ｓｄ１ｄ，Ｓｄｄ１，Ｓｄｄ２ 独立成分信号、Ｓｄｎ 独立成分信号群、Ｔｈ１～Ｔｈ４ 閾値、Ｘ２ 車輪検出センサ信号。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】
【図29】