پايش وضعيت سلامت چرخ‌هاي ريلي با آناليز ارتعاشات براساس پارامتر ميانگين مربعات متحرك

Health Condition Monitoring of Railway Wheels Through Vibration Analysis Using the Moving RMS

چرخ‌ها از مهمترين قسمت‌هاي تجهيزات وسايل نقليه ريلي مي‌باشند. وجود خرابي بر روي سطوح غلتشي چرخ ها عامل افزايش ارتعاشات در آن‌ها و متعاقبا باعث خرابي ديگر متعلقات مي‌شود. به‌طور سنتي سيستم‌هاي ريلي از فرآيند بازرسي پيشگيرانه پيروي مي‌كنند. اين بازرسي‌ها هزينه‌بر، با بازدهي پايين، زمان‌بر و در معرض خطاي انساني هستند. نگهداري‌‌ و ‌تعميرات بر اساس پايش وضعيت مزاياي بيشتري نسبت به روش‌هاي قديمي دارد. در اين روش‌ها، ارتعاشات، نويز و يا ساير پارامترهاي كاركردي اجزاي وسيله نقليه، از جمله چرخ، اندازه‌گيري و تحليل مي‌شود. در اين تحقيق، روشي جهت عيب‌يابي چرخ به كمك اندازه‌گيري ارتعاشات ريل ارائه شده است. با اندازه‌گيري ارتعاشات ريل از طريق نصب تجهيزات اندازگيري، ارتعاشات حاصل از عبور هر چرخ ثبت مي‌گردد. سپس با استفاده از پارامتر ميانگين مربعات متحرك در حوزه زمان به پايش وضعيت سلامت چرخ‌هاي ريلي پرداخته شده است. تنظيم صحيح پارامترهاي مرتبط مانند طول پنجره و ميزان همپوشاني در محاسبه ميانگين مربعات متحرك تاثير مستقيمي بر نتايج دارد. روش پيشنهادي بر روي داده‌هاي اندازه‌گيري شده پياده‌سازي شده است. نتايج تجربي نشان مي‌دهد كه به كمك اين روش مي‌توان وجود و موقعيت آسيب در چرخ را تعيين نمود.

Rail wheels are one of the most important parts of rail vehicles. The presence of damage on the rolling surface of the wheels causes an increase in vibrations in the wheels, and consequently, this can damage other components. Rail systems generally follow a preventive inspection process, which is costly, low-efficiency, time-consuming and prone to human error. Nowadays, condition monitoring based maintenance is preferred for this purpose. In such methods, vibrations, noise or other functional parameters of vehicle components, including wheels, are measured and analyzed. In this study, a method for wheel damage detection by measuring rail vibrations is presented. By measuring the vibrations of the rails through installation of measuring devices, the vibrations caused by the passage of each wheel are recorded. Then, using the Moving Root Mean Square in the time domain, the health condition of the vehicle is monitored. Proper adjustment of related parameters such as window length and overlap in calculating Moving RMS has a great impact on the results. The proposed method is implemented on the measured data. The presence and location of wheel damage was determined successfully.