Ανίχνευση βλαβών σε ανάρτηση τρένου υπό μεταβαλλόμενο φορτίο χρησιμοποιώντας μετρήσεις ταλάντωσης από δυο σημεία του βαγονιού βάσει μοντέλων τύπου ARX και διανυσματικών AR
To αντικείμενο της παρούσας διπλωματικής εργασίας είναι η ανίχνευση βλαβών σε αναρτήσεις σιδηροδρομικών οχημάτων βάσει μετρήσεων σημάτων ταλαντώσεων υπό διαφορετικές συνθήκες λειτουργίας, και συγκεκριμένα μεταβολή του ωφέλιμου φορτίου. Στα πλαίσια της εργασίας ο στόχος αυτός επιδιώκεται βάσει μον...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Μορφή: | Thesis |
| Γλώσσα: | Greek |
| Έκδοση: |
2019
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/12678 |
| id |
nemertes-10889-12678 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-126782022-09-05T11:16:53Z Ανίχνευση βλαβών σε ανάρτηση τρένου υπό μεταβαλλόμενο φορτίο χρησιμοποιώντας μετρήσεις ταλάντωσης από δυο σημεία του βαγονιού βάσει μοντέλων τύπου ARX και διανυσματικών AR Αλεξίου, Μαρία Χριστίνα Ιωάννης, Σακελλαρίου Φασόης, Σπήλιος Ιωάννης, Σακελλαρίου Αργύρης, Δέντσορας Alexiou, Maria Christina Ανάρτηση σιδηροδρομικού οχήματος Ανίχνευση βλαβών Μέθοδος πολλαπλών μοντέλων Railway vehicle suspension Fault detection Multiple model method To αντικείμενο της παρούσας διπλωματικής εργασίας είναι η ανίχνευση βλαβών σε αναρτήσεις σιδηροδρομικών οχημάτων βάσει μετρήσεων σημάτων ταλαντώσεων υπό διαφορετικές συνθήκες λειτουργίας, και συγκεκριμένα μεταβολή του ωφέλιμου φορτίου. Στα πλαίσια της εργασίας ο στόχος αυτός επιδιώκεται βάσει μοντέλου σιδηροδρομικού οχήματος και διαφόρων μεγεθών βλαβών στα στοιχεία ελαστικότητας και απόσβεσης της ανάρτησης, η ανίχνευση των οποίων επιδιώκεται μέσω πρόσφατα εισαγμένης μεθόδου που βασίζεται στην αναπαράσταση της υγιούς κατάστασης του οχήματος μέσω πολλαπλών μοντέλων (Multiple Model, MM) χρονοσειρών. Συγκεκριμένα, τα μοντέλα που χρησιμοποιούνται στην εργασία είναι δύο τύπων, και είναι τα αυτοπαλινδρόμησης (ΑutoRegressive) με εξωγενή (eXogenous) είσοδο που μοντελοποιούν τη μετάδοση (Transmittance) της πληροφορίας μεταξύ δύο αισθητηρίων και αναφέρονται ως μοντέλα ARX-transmittance και τα διανυσματικά (Vector) μοντέλα αυτοπαλινδρόμησης τα οποία αναφέρονται ως μοντέλα VAR. Βάσει αυτών των τύπων μοντέλων εφαρμόζονται δυο αντίστοιχες μέθοδοι, η μέθοδος Τ-ARX-MM και η μέθοδος VAR-MM. Η απόδοση των επιμέρους μεθόδων παρουσιάζεται μέσω γραφημάτων διασκόρπισης (scatter plots) και μέσω καμπυλών ROC (Receiver Operating Characteristics) για κάθε σενάριο βλάβης, και συνολικά για όλες τις βλάβες. Η απόδοση των μεθόδων χαρακτηρίζεται από πολύ καλή έως εξαιρετική ακόμη και για βλάβες που αντιστοιχούν σε 15% μείωση των χαρακτηριστικών απόσβεσης και ελαστικότητας του οχήματος. Τέλος, από τη σύγκριση των δύο μεθόδων παρατηρήθηκε ότι η VAR-MM επιτυγχάνει ορθή ανίχνευση σε ποσοστό υψηλότερο του 98% των περιπτώσεων που μελετήθηκαν υπερέχοντας ελαφρώς της Τ-ARX-MM που ξεπερνά το 96%. The aim of this diploma thesis is the fault detection in railway vehicle suspension systems based on measurements of vibration signals under different operating conditions, namely on variation of the payload. In the context of this thesis, a railway vehicle suspension model is employed and various damage scenarios (springs, dampers) are detected. The detection is achieved with a recently introduced method that is the Multiple Model based method, MM. Specifically, the models used in the work are two types, the AutoRegressive with an eXogenous input that model the transmittance of the information between two sensors, which are referred to as ARX-transmittance models and the Vector, AutoRegressive models referred to as VAR models. Based on these model types, two corresponding methods arise, the T-ARX-MM method and the VAR-MM method. The performance of each method methods is presented through scatter plots and ROC curves (Receiver Operating Characteristics) for each fault scenario, and for all faults in total. The results indicate very good to excellent performance even for faults corresponding to a 15% reduction in damping and elasticity characteristics of the vehicle. Finally, from the comparison of the two methods it is observed that VAR-MM achieves a correct detection of more than 98% of the cases studied, surpassing slightly T-ARX- MM that exceeds 96%. 2019-10-12T17:53:46Z 2019-10-12T17:53:46Z 2019-07-12 Thesis http://hdl.handle.net/10889/12678 gr 0 application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Ανάρτηση σιδηροδρομικού οχήματος Ανίχνευση βλαβών Μέθοδος πολλαπλών μοντέλων Railway vehicle suspension Fault detection Multiple model method |
| spellingShingle |
Ανάρτηση σιδηροδρομικού οχήματος Ανίχνευση βλαβών Μέθοδος πολλαπλών μοντέλων Railway vehicle suspension Fault detection Multiple model method Αλεξίου, Μαρία Χριστίνα Ανίχνευση βλαβών σε ανάρτηση τρένου υπό μεταβαλλόμενο φορτίο χρησιμοποιώντας μετρήσεις ταλάντωσης από δυο σημεία του βαγονιού βάσει μοντέλων τύπου ARX και διανυσματικών AR |
| description |
To αντικείμενο της παρούσας διπλωματικής εργασίας είναι η ανίχνευση βλαβών σε
αναρτήσεις σιδηροδρομικών οχημάτων βάσει μετρήσεων σημάτων ταλαντώσεων υπό
διαφορετικές συνθήκες λειτουργίας, και συγκεκριμένα μεταβολή του ωφέλιμου φορτίου. Στα
πλαίσια της εργασίας ο στόχος αυτός επιδιώκεται βάσει μοντέλου σιδηροδρομικού οχήματος
και διαφόρων μεγεθών βλαβών στα στοιχεία ελαστικότητας και απόσβεσης της ανάρτησης, η
ανίχνευση των οποίων επιδιώκεται μέσω πρόσφατα εισαγμένης μεθόδου που βασίζεται στην
αναπαράσταση της υγιούς κατάστασης του οχήματος μέσω πολλαπλών μοντέλων (Multiple
Model, MM) χρονοσειρών. Συγκεκριμένα, τα μοντέλα που χρησιμοποιούνται στην εργασία
είναι δύο τύπων, και είναι τα αυτοπαλινδρόμησης (ΑutoRegressive) με εξωγενή (eXogenous)
είσοδο που μοντελοποιούν τη μετάδοση (Transmittance) της πληροφορίας μεταξύ δύο
αισθητηρίων και αναφέρονται ως μοντέλα ARX-transmittance και τα διανυσματικά (Vector)
μοντέλα αυτοπαλινδρόμησης τα οποία αναφέρονται ως μοντέλα VAR. Βάσει αυτών των
τύπων μοντέλων εφαρμόζονται δυο αντίστοιχες μέθοδοι, η μέθοδος Τ-ARX-MM και η
μέθοδος VAR-MM. Η απόδοση των επιμέρους μεθόδων παρουσιάζεται μέσω γραφημάτων
διασκόρπισης (scatter plots) και μέσω καμπυλών ROC (Receiver Operating Characteristics)
για κάθε σενάριο βλάβης, και συνολικά για όλες τις βλάβες. Η απόδοση των μεθόδων
χαρακτηρίζεται από πολύ καλή έως εξαιρετική ακόμη και για βλάβες που αντιστοιχούν σε 15%
μείωση των χαρακτηριστικών απόσβεσης και ελαστικότητας του οχήματος. Τέλος, από τη
σύγκριση των δύο μεθόδων παρατηρήθηκε ότι η VAR-MM επιτυγχάνει ορθή ανίχνευση σε
ποσοστό υψηλότερο του 98% των περιπτώσεων που μελετήθηκαν υπερέχοντας ελαφρώς της
Τ-ARX-MM που ξεπερνά το 96%. |
| author2 |
Ιωάννης, Σακελλαρίου |
| author_facet |
Ιωάννης, Σακελλαρίου Αλεξίου, Μαρία Χριστίνα |
| format |
Thesis |
| author |
Αλεξίου, Μαρία Χριστίνα |
| author_sort |
Αλεξίου, Μαρία Χριστίνα |
| title |
Ανίχνευση βλαβών σε ανάρτηση τρένου υπό μεταβαλλόμενο φορτίο χρησιμοποιώντας μετρήσεις ταλάντωσης από δυο σημεία του βαγονιού βάσει μοντέλων τύπου ARX και διανυσματικών AR |
| title_short |
Ανίχνευση βλαβών σε ανάρτηση τρένου υπό μεταβαλλόμενο φορτίο χρησιμοποιώντας μετρήσεις ταλάντωσης από δυο σημεία του βαγονιού βάσει μοντέλων τύπου ARX και διανυσματικών AR |
| title_full |
Ανίχνευση βλαβών σε ανάρτηση τρένου υπό μεταβαλλόμενο φορτίο χρησιμοποιώντας μετρήσεις ταλάντωσης από δυο σημεία του βαγονιού βάσει μοντέλων τύπου ARX και διανυσματικών AR |
| title_fullStr |
Ανίχνευση βλαβών σε ανάρτηση τρένου υπό μεταβαλλόμενο φορτίο χρησιμοποιώντας μετρήσεις ταλάντωσης από δυο σημεία του βαγονιού βάσει μοντέλων τύπου ARX και διανυσματικών AR |
| title_full_unstemmed |
Ανίχνευση βλαβών σε ανάρτηση τρένου υπό μεταβαλλόμενο φορτίο χρησιμοποιώντας μετρήσεις ταλάντωσης από δυο σημεία του βαγονιού βάσει μοντέλων τύπου ARX και διανυσματικών AR |
| title_sort |
ανίχνευση βλαβών σε ανάρτηση τρένου υπό μεταβαλλόμενο φορτίο χρησιμοποιώντας μετρήσεις ταλάντωσης από δυο σημεία του βαγονιού βάσει μοντέλων τύπου arx και διανυσματικών ar |
| publishDate |
2019 |
| url |
http://hdl.handle.net/10889/12678 |
| work_keys_str_mv |
AT alexioumariachristina anichneusēblabōnseanartēsētrenouypometaballomenophortiochrēsimopoiōntasmetrēseistalantōsēsapodyosēmeiatoubagonioubaseimontelōntypouarxkaidianysmatikōnar |
| _version_ |
1771297211270823936 |
