Ανίχνευση βλαβών σε ανάρτηση σιδηροδρομικού οχήματος υπό μεταβαλλόμενη ταχύτητα και ωφέλιμο φορτίο μέσω προηγμένων μεθόδων μηχανικής μάθησης και χρονοσειρών ταλαντώσεων

• Κύριος συγγραφέας: Σπηλιωτόπουλος, Παναγιώτης
• Άλλοι συγγραφείς: Spiliotopoulos, Panagiotis
• Γλώσσα: Greek
• Έκδοση: 2022
• Θέματα: Ανίχνευση πρώιμων βλαβών; Μεταβαλλόμενες συνθήκες λειτουργίας; Ανάρτηση σιδηροδρομικού οχήματος; Στατιστικές μέθοδοι χρονοσειρών ταλαντώσεων; Incipient fault detection; Varying operating conditions; Railway vehicle suspension; Vibration based statistical time series; SIMPACK

Στην παρούσα εργασία αντιμετωπίζεται το πρόβλημα ανίχνευσης βλαβών στην ανάρτηση σιδηροδρομικού οχήματος με τη χρήση σημάτων στοχαστικής ταλάντωσης, μετρημένα πάνω σε όχημα, που λειτουργεί υπό διαφορετική ταχύτητα και ωφέλιμο φορτίο, μέσω προηγμένων μεθόδων μηχανικής μάθησης. Αναπτύσσεται ρεαλιστικό μοντέλο σιδηροδρομικού οχήματος 54 βαθμών ελευθερίας στο SIMPACK, το οποίο εμπεριέχει διέγερση μέσω της σιδηροτροχιάς σε όλες τις δυνατές διευθύνσεις (κάθετη, εγκάρσια, υπερανύψωση), καθώς και τους στρωτήρες της σιδηροδρομικής επιδομής. Βάσει αυτού, πραγματοποιούνται 1 050 πειράματα Monte Carlo, για υγιείς και υπό βλάβη καταστάσεις λειτουργίας, συνήθεις ταχύτητες στο εύρος 70 – 80 χλμ/ω, ωφέλιμο φορτίο από 0 έως 88 επιβάτες (έκαστος μέσης μάζας 75 κιλών) και διαφορετική υλοποίηση της διέγερσης για κάθε ράγα. Τα σενάρια βλάβης αφορούν μείωση των σταθερών ελαστικότητας και απόσβεσης είτε του κωνικού ελαστομερούς ελατηρίου της πρωτεύουσας ανάρτησης (5%,10%,15%,20%,25%) ή του πνευματικού ελατηρίου της δευτερεύουσας ανάρτησης (15%,20%,25%,30%,35%). Επιχειρείται ανίχνευση βλάβης μέσω τεσσάρων Unsupervised (U) μεθόδων μηχανικής μάθησης, τρεις εκ των οποίων αναπαριστούν την υγιή (μερική) δυναμική του οχήματος υπό τις μεταβαλλόμενες Συνθήκες Λειτουργίας μέσω της κεντρικής ιδέας των Πολλαπλών Μοντέλων (Multiple Models, ΜΜs), ενώ αντίστοιχα η τέταρτη μέσω κατάλληλου Συναρτησιακού Μοντέλου. Όλες βασίζονται στην Συνάρτηση Μετάδοσης (Transmittance Function, TF) ζεύγους ταλαντωτικών σημάτων από επιταχυνσιόμετρα σε κατάλληλες τοποθεσίες του οχήματος ως χαρακτηριστική ποσότητα για την ανίχνευση βλάβης, επειδή προσφέρει υψηλή ευαισθησία στις βλάβες και μερική ή πλήρης απαλοιφή αβεβαιοτήτων λόγω μη μετρούμενων ή/και άγνωστων διεγέρσεων. Συγκεκριμένα, μια μη παραμετρική U-MM-TF βάσει εκτιμήτριας Welch και δύο παραμετρικές U-MM-TF-ARX και U-MM-TF-PCA-ARX βάσει μοντέλων αυτοπαλινδρόμησης με ψεύδο-Εξωγενή διέγερση (Auto-Regressive with eXogenous excitation, ARX) και Ανάλυση Κύριων Συνιστωσών (Principal Component Analysis, PCA) χρησιμοποιούνται ως μέθοδοι βάσει Πολλαπλών Μοντέλων, ενώ ένα Διανυσματικό Συναρτησιακό Μοντέλο TF-ARX (Vector-dependent Functional Pooled TF-ARX, VFP-TF-ARX) χρησιμοποιείται στην Μέθοδο Βάσει Συναρτησιακού Μοντέλου (Functional Model Based Method, FMBM). Τα αποτελέσματα ανίχνευσης υποδεικνύουν την συνολική υπεροχή της FMBM, η οποία πετυχαίνει ανίχνευση των βλαβών από 15% για την πρωτεύουσα ανάρτηση και από 25% για το πνευματικό ελατήριο με 100% και ~87.8% αληθή ανίχνευση αντίστοιχα, σε ποσοστό «ψεύδο-συναγερμού» 5%. Η βέλτιστη απόδοση εκ των μεθόδων βάσει ΜΜ αντιστοιχεί στην U-MM-PCA-TF-ARX, όμως δεν ανιχνεύει καμία βλάβη στο πνευματικό ελατήριο.