Login for students

Login for employees

Publication detail

Vibration based diagnosis of wheel defects of metro train sets using one period analysis on the wayside
Authors: Kilinc Onur | Vágner Jakub
Year: 2017
Type of publication: článek ve sborníku
Name of source: Vibroengineering Procedia
Publisher name: JVE International
Place: Kaunas
Page from-to: 13-18
Titles:
Language Name Abstract Keywords
cze Diagnostika defektů dvojkolí měřením vibrací u trati za použití analýzy jedné otáčky kola Tento výzkum zkoumá dvě rozdílné metody WPE a TDF pro detekci poruchových signálů od dvojkolí metra získaných ze snímačů vibrací. Signály všech projížděných dvojkolí, a to jak s poruchou, tak bez poruchy, jsou zaznamenány a je použita nová metoda "one-round sampling" se vzorkovací frekvencí 51.2 kHz. Získané data z průjezdů jsou použity pro vytvoření databáze různých případů dvojkolí s poruchou a bez poruchy. Nedostatek vzorků s poruchou je databázi vyvažován pomocí metody ADASYN tak, aby každá třída měla stejný počet vzorků. Dvě moderní metody klasifikace SVM a FLDA jsou použity pro klasifikaci výsledků. Zejména kombinace metod SVM-I-TDF vykazuje klasifikaci přes všechny vzorky s úspěšností 100%, další metody vykazují také dobré výsledky. Navrhované metody mohou být efektivně použity při monitorování stavu dvojkolí vozidel metra a mohou vést k úspoře při údržbě. wavelet packet energy; time domain features; diagnostika vad dvojkolí; analýza jedné otáčky; Fisherova lineární diskriminační analýza; support vector machine
eng Vibration based diagnosis of wheel defects of metro train sets using one period analysis on the wayside This research examines two different methods; Wavelet Packet Energy (WPE) and Time-domain Features (TDF) which are effective in faulty signal feature extraction of metro wheels in wayside level using vibration sensors. Signals of each wheelset passing of a trainset with both healthy and faulty wheels are recorded by the vibration sensors which are mounted on both left and right rails and a novel one-period sampling is performed at 51.2 kHz sample rate. Retrieved signal samples are used in the construction of a database which is consistent of healthy and faulty cases. Since the database has insufficient number of faulty samples, the database is balanced by a method so called Adaptive Synthetic Sampling (ADASYN) so that each class has the same number of observations. Two state-of art classifiers; Support Vector Machines (SVM) and Fisher Linear Discriminant Analysis (FLDA) are employed by utilizing 16-fold cross validation to solve the two-class problem. Referring to the results, SVM-I-TDF outperforms by classifying all samples with a success rate of 100 % and other methods have also promising results. Proposed methods may be used in the condition monitoring of metro wheelsets effectively by means of not only performance but also cost-efficiency. wavelet packet energy; time domain features; wheelset fault diagnosis; one period analysis; Fisher linear discriminant analysis; support vector machine

Departments

Other Parts

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives