소리 정보 기반의 선로전환기 이상상황 탐지 = Anomaly Detection for Railway Point Machine using Sound Information

국문 초록 (Abstract)

열차의 진로를 변경시키는 선로전환기는 열차운행 안전 측면에서 열차 탈선 등과 같은 대형 사고를 유발시킬 수 있는 시설이다. 따라서, 해당 설비에 대한 모니터링은 필수적인 요소이다. 본 논문에서는 소리정보를 이용하여 선로전환기의 이상상황을 조기 탐지할 수 있는 프로토타입 모니터링 시스템을 제안한다. 먼저 제안한 시스템은 소리 센서에서 실시간으로 취득하는 소리 정보로부터 MFCC 특징들을 추출한다. 둘째, 추출된 MFCC 특징들을 CFS에 적용하여 특징을 선택한다. 마지막으로, 선로 전환기의 비정상 상황을 정상과 비정상 상황을 분류하는 이진 클래스 문제로 판단하여, 기계학습의 대표적인 모델인 SVM을 이용하여 비정상 상황을 탐지한다. 실제 선로전환기의 전환 시 발생하는 소리 데이터를 취득하여 모의 실험을 수행한 결과, 비정상 상황을 안정적으로 탐지함을 확인하였다.

다국어 초록 (Multilingual Abstract)

Failure of point machine is one of the major problem which causes a serious railway accident. Therefore, early detection of failures is important for the management of railway condition monitoring systems. In this paper, we propose an anomaly detection method in railway condition monitoring systems using sound data. First, we extract mel-frequency cepstrum coefficients (MFCCs) from sound data, and use support vector machines (SVMs) as an early anomaly detector. As a result of the experiment, this method can be used to detect fault effectively.

목차 (Table of Contents)

• Abstract
• 초록
• 1. 서론
• 2. 선로전환기의 비정상 상황 탐지 시스템
• 3. 실험 및 결과
• 4. 결론
• 참고문헌