Fault diagnosis of the running gear in high speed railway vehicles

The increasing speed of railway network systems goes together with the demand of reliability and safety of rolling stock components with the objective of maintaining their life-cycle cost as low as possible. To achieve this goal, modern techniques of condition monitoring have to be applied to move from traditional maintenance Condition Based Maintenance (CBM). In the present work two approaches to condition monitoring of the suspension system are presented, both regarding the lateral dynamics of the railway bogie. The first method is data-driven, and it analyzes the lateral acceleration of the bogie to detect possible running instability and its correlated components conditions. For the analyses, the characteristic exponents of the system are obtained by applying the Random Decrement Technique (RDT) and, subsequently, the Prony method on the lateral bogie acceleration signal. The exponentials are characterized by frequencies and stability margin tied to the stability, that are fed into a fault classification algorithm to discern the condition of the yaw dampers and of the wheel-rail profile. The second method is model-based and it directly identifies the value of some parameters fundamental for the lateral and yaw motion of the bogie. The method is divided in subsequent steps, based on the application of the Linear and Extended Kalman filters on a simplified planar bogie model fed by bogie and wheelset acceleration signals. In one step the lateral bogie irregularity affecting the two wheelset is estimated and used for the subsequent step, that, by the application of the Extended Kalman Filter, tries to identify the value of lateral damping and anti-yaw damping of the bogie, and wheel-rail conicity. Also presented is the implementation of the methods in a prototype condition-monitoring unit installed on an ETR 500 class high-speed train. Finally, results from numerical experiments and from high-speed line tests are presented to show the capabilities and possibilities of the two methods.

La crescente velocità delle reti ferroviarie va di pari passo con la richiesta di affidabilità e sicurezza della componentistica dei veicoli ferroviari, con l'obiettivo di mantenere bassi i costi del loro ciclo vitale. Per ottenere questi risultati, devono essere utilizzate tecniche moderne di monitoraggio della condizione dei componenti, per passare dalla manutenzione di tipo tradizionale alla Condition Based Manteinance (CBM). Nel presente lavoro sono esposti due approcci al monitoraggio della condizione, entrambi per la dinamica laterale del carrello ferroviario. Il primo metodo è basato sull'analisi dei dati, e analizza l'accelerazione laterale del carrello per rilevare una possibile instabilità di marcia e la relativa condizione dei componenti interessati. Per questa analisi gli esponenziali caratterizzanti il segnale, sono identificati applicando la Random Decrement Technique (RDT) e successivamente il metodo di Prony all'accelerazione laterale del carrello. Gli esponenziali sono caratterizzati da frequenze e margini di stabilità, che sono dati come input ad un algoritmo di classificazione dei guasti per distinguere la condizione dello smorzatore anti-serpeggio e del profilo ruota-rotaia. Il secondo metodo è "basato sul modello" ed identifica direttamente il valore di alcuni parametri fondamentali per la dinamica laterale e di serpeggio del carrello. Il metodo è diviso in passi consecutivi, basati sul filtro di Kalman, Lineare ed Esteso, costruiti su un modello planare semplificato del carrello, ed ha come ingresso le accelerazioni del carrello e degli assili. In una prima fase del metodo l'irregolarità laterale di binario che agisce sugli assili viene stimata ed utilizzata nella fase successiva, in cui, per mezzo di un filtro di Klaman esteso, si prova ad identificare il valore dei parametri dello smorzatore laterale, di quello anti-serpeggio e della conicità ruota-rotaia. Nel lavoro viene anche presentata l'implementazione dei metodi in un prototipo di sistema di monitoraggio della condizione, installato su un treno ad alta velocità di classe ETR 500. Vengono infine presentati i risultati di esperimenti numerici e dei test sul treno ad alta velocità, per mostrare le capacità e possibilità dei due metodi.