Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "railway switch" wg kryterium: Wszystkie pola


Wyświetlanie 1-2 z 2
Tytuł:
An algorithm for estimating the effect of maintenance on aggregated covariates with application to railway switch point machines
Algorytm do oceny wpływu konserwacji na zagregowane zmienne towarzyszącei jego zastosowanie w odniesieniu do kolejowych napędów zwrotnicowych
Autorzy:
Babishin, Vladimir
Taghipour, Sharareh
Powiązania:
https://bibliotekanauki.pl/articles/300882.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
virtual health indicator
virtual age
maintenance effectiveness
preventive and corrective maintenance
Cox-Weibull hazard function
proportional hazards model
wirtualny wskaźnik stanu technicznego
wiek wirtualny
skuteczność konserwacji
konserwacja zapobiegawcza i korygująca
funkcja hazardu Coxa–Weibulla
model proporcjonalnego hazardu
Opis:
We propose an algorithm for estimating the effectiveness of maintenance on both age and health of a system. One of the main contributions is the concept of virtual health of the device. It is assumed that failures follow a nonhomogeneous Poisson process (NHPP) and covariates follow the proportional hazards model (PHM). In particular, the effect of maintenance on device’s age is estimated using the Weibull hazard function, while the effect on device’s health and covariates associated with condition-based monitoring (CBM) is estimated using the Cox hazard function. We show that the maintenance effect on the health indicator (HI) and the virtual HI can be expressed in terms of the Kalman filter concepts. The HI is calculated from Mahalanobis distance between the current and the baseline condition monitoring data. The effect of maintenance on both age and health is also estimated. The algorithm is applied to the case of railway point machines. Preventive and corrective types of maintenance are modelled as different maintenance effect parameters. Using condition monitoring data, the HI is calculated as a scaled Mahalanobis distance. We derive reliability and likelihood functions and find the least squares estimates (LSE) of all relevant parameters, maintenance effect estimates on time and HI, as well as the remaining useful life (RUL).
W artykule zaproponowano algorytm służący do szacowania skuteczności utrzymania ruchu w odniesieniu do wieku i stanu technicznego (kondycji) systemu. Główny wkład proponowanej metody stanowi koncepcja wirtualnego stanu urządzenia. Metoda zakłada, że uszkodzenia można zamodelować za pomocą niejednorodnego procesu Poissona, a zmienne towarzyszące za pomocą modelu proporcjonalnego hazardu. Mówiąc precyzyjniej, wpływ konserwacji na wiek urządzenia szacuje się z wykorzystaniem funkcji hazardu Weibulla, natomiast wpływ na stan urządzenia i zmienne towarzyszące związane z monitorowaniem stanu ocenia się stosując funkcję hazardu Coxa. W artykule pokazujemy, że wpływ konserwacji na wskaźnik stanu i wskaźnik stanu wirtualnego można wyrazić w kategoriach filtra Kalmana. Wskaźnik stanu oblicza się na podstawie odległości Mahalanobisa między bieżącymi a początkowymi danymi z monitorowania stanu. Ocenia się także wpływ utrzymania na wiek i kondycję systemu. Proponowany algorytm zastosowano w odniesieniu do napędów zwrotnicowych. Zapobiegawcze i naprawcze typy konserwacji zamodelowano jako różne parametry utrzymania ruchu. Korzystając z danych z monitorowania stanu, obliczono wskaźnik stanu jako skalowaną odległość Mahalanobisa. Wyprowadzono funkcje niezawodności i wiarygodności oraz obliczono metodą najmniejszych kwadratów szacunkowe wielkości wszystkich istotnych parametrów, a także szacunkowy wpływ konserwacji na wskaźniki czasu i stanu technicznego oraz pozostały okres użytkowania (RUL).
Źródło:
Eksploatacja i Niezawodność; 2019, 21, 4; 619-630
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid fault diagnosis of railway switches based on the segmentation of monitoring curves
Hybrydowa diagnostyka uszkodzeń zwrotnic kolejowych w oparciu o segmentację krzywych prądowych
Autorzy:
Ou, D.
Tang, M.
Xue, R.
Yao, H.
Powiązania:
https://bibliotekanauki.pl/articles/302039.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
switch system
fault detection
fault diagnosis
intelligent method
układ zwrotnicowy
wykrywanie usterek
diagnozowanie usterek
metoda inteligentna
Opis:
Switches are one of the most important pieces of infrastructure in railway signal systems, and they significantly influence the efficiency and safety of train operation. Currently, the identification of switch failures mainly depends on the experience of railway staff and the use of simple thresholding methods. However, these basic methods are highly inaccurate and frequently result in false and missing alarms. This paper aims to develop a hybrid fault diagnosis (HFD) method for railway switches. The method is an intelligent diagnosis method that uses massive current curves collected by microcomputer monitoring systems. We first divide the switch operation current curves into three segments based on the three mechanical processes that occur during switch operation. Then, a standard curve is selected from the fault-free curves, and common typical faults are ascertained through a microcomputer monitoring system. Finally, derivative dynamic time warping and a quartile scheme are employed to identify fault curves. An experiment based on current curves collected from the Guangzhou Railway Bureau in China demonstrates that the HFD method is extremely accurate and has low false and missing alarm rates. HFD performs better than the studied support vector machine (SVM) and dynamic time warping (DTW) methods, which are widely used for fault diagnosis.
Zwrotnice stanowią jeden z najważniejszych elementów infrastruktury systemów sygnalizacji kolejowej i mają znaczący wpływ na wydajność i bezpieczeństwo eksploatacji pociągów. Obecnie, identyfikacja awarii zwrotnic zależy głównie od doświadczenia personelu kolejowego i opiera się na stosowaniu prostych metod progowania. Jednakże te elementarne metody są wysoce niedokładne i często skutkują fałszywymi alarmami lub brakiem alarmu. Niniejszy artykuł ma na celu opracowanie hybrydowej metody diagnostyki błędów (HFD) dla zwrotnic kolejowych. Metoda ta jest inteligentną metodą diagnostyczną, która wykorzystuje wykresy przebiegu prądowego zebrane przez mikrokomputerowe systemy monitorowania. Najpierw krzywe prądowe działania zwrotnicy dzieli się na trzy segmenty w oparciu o trzy procesy mechaniczne, które zachodzą podczas jej działania. Następnie, spośród krzywych opisujących działanie bezusterkowe, wybiera się przebieg standardowy, a w dalszej kolejności ustala się, z wykorzystaniem mikrokomputerowego systemu monitorowania, najczęściej występujące, typowe błędy działania zwrotnicy. Wreszcie, do identyfikacji krzywych błędów stosuje się schemat kwartylowy oraz metodę derivative dynamic time warping wykorzystującą pochodne do klasyfikacji szeregów czasowych. Eksperyment oparty na krzywych prądowych zebranych przez Guangzhou Railway Bureau w Chinach pokazuje, że metoda HFD jest wyjątkowo dokładna i skutkuje niską liczbą fałszywych i brakujących alarmów. HFD daje lepsze wyniki niż szeroko stosowane do diagnozowania błędów metody maszyny wektorów nośnych (SVM) i dynamic time warping (DTW).
Źródło:
Eksploatacja i Niezawodność; 2018, 20, 4; 514-522
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies