30336

مدلسازي و پيش بيني عيب در مدار راه فركانس صوتي توسط روش خاكستري بهبوديافته

كارشناسي ارشد

مهندسي راه آهن- كنترل و علائم

1399

1402/6/29

بهمن قرباني واقعي

مهندسي راه‌آهن

عمليات تعمير و نگهداري پيشگيرانه يك استراتژي نگهداري تجهيزات است كه در آن تعمير و نگهداري قبل از وقوع خرابي انجام مي¬شود. بهترين استراتژي پيشگيرانه، تعمير و نگهداري مبتني بر وضعيت است كه عمليات مربوط به تعمير و نگهداري را بر اساس وضعيت فعلي و هم¬چنين پيش¬بيني وضعيت آينده تجهيزات برنامه¬ريزي مي¬كند. اجراي درست اين استراتژي از وقوع خرابي در تجهيزات جلوگيري مي¬كند و هزينه¬هاي تعمير و نگهداري را كاهش مي¬دهد. تعمير و نگهداري مبتني بر وضعيت نيازمند پايش وضعيت است كه در طول اين فرآيند داده¬هاي سنسورها به اطلاعات مربوط به وضعيت سلامت تجهيزات تحت نظارت تبديل مي-شود. نظارت بر وضعيت شامل دو وظيفه طبقه¬بندي عيوب موجود و پيش¬بيني عمر مفيد باقيمانده تجهيزات تحت نظارت است. در سال¬هاي گذشته، شركت¬هاي مختلف، تعداد دستگاه¬هاي پايش وضعيت را براي انجام اين هدف افزايش داده¬اند؛ اما هنوز از داده¬هاي جمع¬آوري¬شده به¬طور بهينه براي پيش¬بيني عيوب استفاده نمي¬شود. در اين پايان¬نامه، هدف ما بستن اين شكاف و ارائه يك رويكرد جديد و با دقت بالا براي پيش¬بيني عيوب مدار راه فركانس صوتي است. با استفاده از اين روش، زمان از كارافتادگي سيستم راه¬آهن كاهش يافته و با پيش¬بيني زمان وقوع عيب در مدار راه فركانس صوتي، كه يكي از مهم¬ترين و حساس¬ترين تجهيزات سيستم سيگنالينگ محسوب مي¬شود، دسترس¬پذيري و قابليت اطمينان سيستم سيگنالينگ افزايش مي¬يابد. در اين پايان‌نامه، يك الگوريتم نظارت بر وضعيت مدارات راه فركانس صوتي كه تجهيزاتي براي تشخيص حضور يا عدم حضور قطار در تراك مي‌باشند، طراحي و پياده سازي مي شود. براي طبقه‌بندي و پيش‌بيني عيوب و عمر مفيد باقيمانده سيستم از رويكرد مدل خاكستري بهبوديافته استفاده مي‌شود. رويكرد مدل خاكستري بهبوديافته، يك رويكرد مدلسازي، تخمين و پيش‌بيني مقادير آينده يك سري زماني است كه براي مدل‌سازي سيستم‌هايي كه در معرض بروز عيب هستند، بسيار مناسب است. طبق اين الگوريتم، داده‌هاي اصلي از نقاط مختلف مدار راه فركانس صوتي به‌صورت آنلاين و زمان حقيقي ثبت مي‌شود. مدل پيش‌بيني عيب توسط روش مدل خاكستري متحرك به¬همراه تصحيح آن با استفاده از سري فوريه مانده¬ها از روي همين داده‌ها و حل معادله ديفرانسيل مرتبه اول موسوم به معادله خاكستري و تخمين پارامترهاي پاسخ آن توسط روش حداقل مربعات كه در هر مرحله به‌روزرساني مي‌شوند، استخراج مي‌شود. از روي اين مدل، پيش‌بيني مقادير آينده دو پارامتر ولتاژ انتهايي ريل در سمت گيرنده براي پيش‌بيني شكستگي ريل و تضعيف بالاست و هم‌چنين احتمال خرابي در ساير قسمت‌هاي مدار راه فركانس صوتي شامل فرستنده، گيرنده و واحدهاي تنظيم به‌صورت زمان حقيقي انجام مي‌گيرد. درنهايت، نتايج شبيه‌سازي نشان داد كه روش پيشنهادي در اين پايان‌نامه توانايي پيش‌بيني عيوب مدار راه فركانس صوتي را با دقت بالاي 99% دارد و هم‌چنين از ساير روش‌هاي پيش‌بيني مانند روش خاكستري سنتي و هم¬چنين شبكه¬هاي عصبي، در اين زمينه بهتر عمل مي‌كند.

1402/10/18

Modeling and Fault Prediction of Audio Frequency Track Circuits using Improved Grey Theory

9/19/2024 12:00:00 AM

Preventive maintenance is an equipment maintenance strategy in which maintenance is performed before failure occurs. The best preventive strategy is condition-based maintenance, which plans maintenance operations based on the current condition and also predicts the future condition of the equipment. The correct implementation of this strategy prevents equipment breakdowns and reduces maintenance costs. Condition-based maintenance requires condition monitoring, during this process, sensor data is converted into information related to the health status of the monitored equipment. Status monitoring includes two tasks of classifying the existing faults and predicting the remaining useful life of the monitored equipment. In the past years, various companies have increased the number of condition monitoring devices to achieve this goal; However, the collected data are not optimally used to predict faults. In this thesis, our goal is to close this gap and provide a new and high-accuracy approach for predicting audio frequency circuit faults. By using this method, the time of failure of the railway system is reduced and by predicting the time of failure in the audio frequency track circuit, which is considered one of the most important and sensitive equipment of the signaling system, accessibility and the reliability of the signaling system increases. In this thesis, an algorithm for monitoring the state of audio frequency track circuits, which are equipment to detect the presence or absence of a train on the track, is designed and implemented. The improved gray model approach is used to classify and predict the faults and remaining useful life of the system. The improved gray model approach is a modeling approach, estimating and predicting the future values of a time series, which is very suitable for modeling systems that are prone to failure. According to this algorithm, the main data from different points of the audio frequency circuit are recorded online and in real time. The fault prediction model by the Modification of GM(1,1) model using Fourier series of error residuals from the same data and solving the first order differential equation known as the gray equation and estimating its response parameters by the least squares method which are updated in each step , extract. Based on this model, the prediction of the future values of the two rail terminal voltage parameters on the receiver side is used to predict rail breakage and ballast degradation, and also the probability of failure in other parts of the audio frequency circuit including the transmitter, receiver and tuning units is done in real time. Finally, the simulation results showed that the method proposed in this thesis has the ability to predict audio frequency circuit faults with an accuracy of over 99% and also outperforms other prediction methods such as the traditional gray method and neural networks in this field.

عمليات تعمير و نگهداري پيشگيرانه , مدار راه , پيش بيني عيب , نظريه خاكستري

predictive maintenance , track circuit , fault prediction , grey theory

Ahmad Mir Abootalebi

Dr. Bahman Ghorbani