An efficient condition monitoring approach for rail vehicle suspension system by using model-based assessment

Modern railway transportation is emphasizing on the optimization of the rolling stock maintenance to enhance safety, reliability and comfort, meanwhile reducing life-cycle costs. Under this framework, the condition based monitoring (CBM), as a technique to provide prognosis and diagnosis of component degradation, allows to detect the in-service failures and contributes to the decision-making for improving the system performance. This thesis is concerned with the condition monitoring of the vehicle suspension based on the measurements by vibration sensors mounted on the vehicle. Concerning the vehicle suspension system, it is very necessary to point out that the condition monitoring approach should be adaptive to the realistic occasion of the suspension system. The model-based method is preferable in the condition monitoring of the vehicle suspension system because of its capability in the parameter estimation. Concentrating on the suspension parameter estimation, this thesis presents a model-based strategy for condition monitoring of suspensions in a railway bogie. This approach is based on recursive least-square (RLS) algorithm focusing on the ‘Input-output’ model. With the Kalman filter feature, RLS is able to identify the unobservable parameters from a noisy input-output system by memorizing the correlation properties. The identification of the suspension parameter is achieved by establishing the relationship between the excitation and response of a bogie. Considering a coupled dynamics case, the fault detection method for vertical primary suspensions of one bogie is illustrated as an example of this scheme. Numerical simulation results from the rail vehicle dynamics software ‘ADTreS’ are utilized as ‘virtual measurements’, considering a trailed car of Italian ETR500 high-speed train. The test data of acceleration signals from an E464 locomotive are also employed to validate the feasibility of this strategy for the real situation. Due to the optimal gain of the RLS algorithm, the identification process exhibits the stable convergence in the parameter estimation. Results of the parameter identification performed indicate that estimated suspension parameters are consistent or approximate with the values for reference. Additionally, the degradation process of the suspension component can be tracked with the introduction of the forgetting factor or the process noise. These results effectively supports the application of this fault diagnosis technique to the future condition monitoring system of the rail vehicle suspension.

L’ingegneria ferroviaria ha recentemente posto aumentata attenzione alla ottimizzazione delle procedure di manutenzione del rotabile ferroviario, al fine di migliorare la sicurezza del trasporto, l’affidabilità dei mezzi e il comfort dei passeggeri. In questo ambito, le tecniche di monitoraggio della condizione, permettendo di ottenere una precisa diagnostica e prognostica dello stato dei componenti, consente di riconoscere tempestivamente i guasti del sistema e pertanto fornisce un contributo importante al processo decisionale manutentivo. Questa tesi considera l’applicazione ad elementi delle sospensioni di un veicolo ferroviario di tecniche di monitoraggio e diagnostica realizzate mediante l’uso di sensori di vibrazione applicati sul veicolo. E’ utile evidenziare che l’approccio al monitoraggio delle sospensioni del veicolo deve essere di tipo adattativo, per considerare le effettive caratteristiche del sistema di sospensione. A questo scopo, un approccio basato su modelli è preferibile grazie alla sua capacità di stimare i parametri del sistema. Questa tesi presenta una strategia basata su modeli per il monitoraggio delle sospensioni di un carrello ferroviario. L’approccio sviluppato si basa sull’algoritmo detto “recursive least-square” (RLS). Questo approccio è in grado di identificare i parametri del sistema, considerato come un sistema input-output in presenza di rumore. L’identificazione dei parametri della sospensione è ottenuta analizzando la relazione input-output tra l’eccitazione applicata sul carrello dal movimento delle sale e la risposta di questo in termini di vibrazione rilevata in diverse posizioni. Come esempio di applicazione di questo metodo, si considera il monitoraggio e la diagnostica delle sospensioni primarie vertticali di un carrello. Al fine di valutare la applicabilità dell’algoritmo sono state in primo luogo utilizzate simulazioni numeriche realizzate utilizzando il software di simulazione multi-body per veicoli ferroviari “ADTreS”, con riferimento al carrello portante del treno ad alta velocità ETR500. Successivamente sono state utilizzate misure di accelerazione realizzate su una locomotiva E464 realizzante normale servizio commerciale. Queste misure hanno consentito una ulteriore validazione della tecnica di monitoraggio e diagnostica dimostrando la fattibilità pratica dell’approccio proposto. Grazie ai guadagni ottimali garantiti dall’approccio di stima RLS, il processo di identificazione dei parametri mostra ottime proprietà di stabilità del processo di stima dei parametri. I risultati delle stime effettuate mostrano che i valori stimati dei parametri sono consistenti con i valori noti o presunti dei parametri. Inoltre il processo di degrado dei componenti della sospensione può essere seguito introducendo nella stima un fattore di memoria o il rumore di processo. I risultati ottenuti sono promettenti in vista della futura applicazione di questa tecnica di monitoraggio e diagnostica in una applicazione reale.