Entgleisungsprädiktor-Erkennungssystem, Steuervorrichtung, Entgleisungsprädiktor- Erkennungsverfahren und Entgleisungsprädiktor-Erkennungsprogramm

Eine Wavelet-Analyse wird sowohl auf eine Nickwinkelgeschwindigkeit θ(t) als auch auf eine Rollwinkelgeschwindigkeit φ(t) angewendet, die von einem in einem Wagen eines Zuges eingebauten Winkelgeschwindigkeitssensor (35) ausgegeben werden, und ein Wavelet-Koeffizient (14) der Nickwinkelgeschwindigkeit und ein Wavelet-Koeffizient (15) der Rollwinkelgeschwindigkeit werden berechnet. Jeder der beiden Wavelet-Koeffizienten (14, 15), die sich in chronologischer Reihenfolge ändern, wird mit einem Wavelet-Koeffizientenschwellenwert (16) verglichen, und ein Entgleisungsprädiktor wird erkannt, wenn beide Koeffizienten den Schwellenwert übersteigen. Es werden Wavelet-Koeffizient verwendet, die für einen Niederfrequenzbereich von zum Beispiel 0,5 bis 100 Hz berechnet werden. Zwei Typen von Entgleisungsprädiktor-Erkennungsalgorithmen, von denen einer einen Frequenzbereich und der andere einen Zeitbereich einbezieht, werden kombiniert, um eine Genauigkeit einer Erkennung eines Entgleisungsprädiktors zu erhöhen. Eine Echtzeitverarbeitung des Frequenzbereichs wird ermöglicht, und eine Verhinderung einer Entgleisung wird mithilfe einer Wavelet-Analyse erzielt. Wavelet analysis is applied to both a pitch angular velocity θ(t) and a roll angular velocity φ(t) outputted from an angular velocity sensor (35) installed in a train car, and a wavelet coefficient (14) of pitch angular velocity and a wavelet coefficient (15) of roll angular velocity are calculated. Each of the two wavelet coefficients (14, 15), which change in chronological order, are compared with a wavelet coefficient threshold value (16), and a derailment predictor is detected when both coefficients exceed the threshold value. Wavelet coefficients calculated for a low-frequency range of, for example, 0.5-100 Hz are used. Two types of derailment predictor detection algorithms, one involving a frequency range and the other a time range, are combined to increase derailment predictor detection accuracy. Real time processing of the frequency range is made possible and derailment prevention is achieved by using wavelet analysis.