Smart train: a bimodal locomotive with systems for monitoring and assessment of running gear and track

Railways are recognised as one of the most eco-friendly forms of transportation, with electrified lines demonstrating high environmental efficiency. However, a significant portion of railway networks still operates with diesel-powered trains. Since electric trains significantly reduce carbon emissions compared to diesel, there is an urgent need for alternative solutions. Battery-powered and hydrogen fuel cell systems emerge as strong candidates for replacing conventional diesel technologies. In this context, the present thesis introduces the development of a bimodal locomotive, that combines the conventional overhead power supply with a battery storage system to achieve the required autonomy. However, the bimodal powertrain increase the weight of the vehicle, which negatively impacts both the rolling stock and the track, consequently requiring additional maintenance. To address this issue, an onboard monitoring system, crucial for gathering data about vehicle and track conditions, has been developed with a focus on retrofitting in-service trains. The Early Instability Detector method, which identifies changes in lateral stability, was implemented. The results of an experimental campaign demonstrate that the system effectively detects changes in vehicle condition. The research was extended to include the infrastructure, in particular monitoring track geometry of main lines. A data-driven methodology was implemented to evaluate track geometry quality, using synthetic indicators derived from inertial data measured by sensors mounted on bogies. Ad hoc regressors were identified and regression models were developed to estimate defects such as longitudinal level, cross level, and twist. This comprehensive approach aims to improve the safety, efficiency, and sustainability of railway operations, contributing to a more green and resilient transport network.

Le ferrovie sono considerate una delle forme di trasporto più ecologiche, specialmente le linee elettrificate. Tuttavia, gran parte delle operazioni ferroviarie dipende ancora dai treni a gasolio. Poiché i treni elettrici riducono significativamente le emissioni rispetto ai diesel, è urgente trovare soluzioni alternative. I sistemi a batteria e a celle a combustibile emergono come validi candidati per sostituire le tecnologie diesel convenzionali. In questo contesto, la presente tesi introduce lo sviluppo di una locomotiva bimodale che combina l'alimentazione aerea con un sistema a batteria per ottenere l'autonomia necessaria. Tuttavia, i componenti aggiuntivi del gruppo bimodale aumentano il peso del veicolo, con impatti negativi sia sul materiale rotabile che sull'infrastruttura, richiedendo di conseguenza maggiore manutenzione. Per affrontare questo, è stato sviluppato un sistema di monitoraggio a bordo, per raccogliere dati sulle condizioni del veicolo e della linea, progettato per essere integrato nei treni già in servizio. Il sistema permette di identificare variazioni nella stabilità laterale attraverso misure di accelerazione rilevate da sensori montati sul carrello. I risultati di una campagna sperimentale mostrano che il sistema rileva efficacemente i cambiamenti nelle condizioni del veicolo. La ricerca è stata estesa per monitorare anche l'infrastruttura, con particolare attenzione alla geometria del binario nelle linee convenzionali. La metodologia implementata, utilizza indicatori sintetici derivati da misure inerziali. Diversi regressori sono stati identificati insieme allo sviluppo di modelli di regressione per stimare difetti come livello longitudinale, trasversale e sghembo. Questo approccio integrato mira a migliorare la sicurezza, l'efficienza e la sostenibilità delle operazioni ferroviarie, contribuendo a una rete di trasporti più verde e resiliente.