Publikace detail

Wayside Diagnosis Of Metro Wheelsets Using Acoustic Sensor Data And One-Period Analysis

Autoři: Kilinc Onur | Vágner Jakub

Rok: 2017

Druh publikace: článek ve sborníku

Název zdroje: Engineering Mechanics 2017 : 23rd International Conference book of fulltexts

Název nakladatele: Vysoké učení technické v Brně

Místo vydání: Brno

Strana od-do: 458-461

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Diagnostika defektů dvojkolí měřením vibrací u trati za použití analýzy jedné otáčky kola	Cílem výzkumu je vytvoření metodiky diagnostikování vad dvojkolí u souprav metra za použití akustických sensorů. Během výzkumu bylo použito dvou metod WPE a TDF v kombinací s moderními klasifikátory FLDA a SVM. Databáze průjezdů je vytvářená z naměřených dat akustických sensorů a informací z optických bran, které detekují polohu dvojkolí vůči sensorům při průjezdu souprav typu 81-71M v běžném provozu a za použití nové metody one-period analysis. Databáze je rozdělena do dvou tříd reprezentujících dvojkolí bez vady a s vadou. Vzhledem k tomu, že počet vzorků v třídě vadných dvojkolí je nedostatečný, byla použita metoda ADASYN pro doplnění této třídy. Bylo dosaženo až 93% spolehlivosti klasifikace vadných dvojkolí navrženou technikou pro zpracování akustických dat. Tato metoda může pomoci zefektivnit sledování a údržbu dvojkolí souprav metra.	diagnostika vad dvojkolí; Wavelet packet energy; vyhodnocení v časové oblasti; jednootáčková analýza; monitoring stavu
eng	Wayside Diagnosis Of Metro Wheelsets Using Acoustic Sensor Data And One-Period Analysis	This research promises a wheelset fault diagnosis methodology for metro train sets using wayside acoustic sensors information. Throughout the research, two different feature extraction techniques; Wavelet Packet Energy (WPE) and Time-domain Features (TDF) are employed in association with two state-of-art classifiers Fisher Linear Discriminant Analysis (FLDA) and Support Vector Machines (SVMs). The database is prepared by the acquisition of wayside acoustic sensor data accompanied by optical gates that detect wheelset center position while multiple passing of a single metro train set of type 81-71M is in daily operation with the contribution of a novel approach; one-period analysis. Acquired database is then divided into two classes which represent the healthy and faulty states of the wheelsets referring to the ground truth information of a faulty wheelset. Since the faulty states are insufficient to demonstrate the real classification performance, an adaptive synthetic sampling technique (ADASYN) is utilized to increase the number of faulty states. Promising results are observed up to 93% in classification of faulty wheelsets of the metro with the proposed techniques on acoustic sensor data. This study may aid to maintenance specialists to providing a cost effective monitoring of faulty condition of metro wheelsets.	wheelset fault diagnosis; wavelet packet energy; time-domain features; one-period analysis; condition monitoring

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Pracoviště

Jak nás najdete?

Služby

Často hledáte