28573

بررسي ارتباط سختي بالاست با افتادگي خطوط ريلي

كارشناسي ارشد

مهندسي راه‌آهن- خط و ابنيه راه‌آهن

1399

1402/4/18

سعيد محمدزاده

حميدرضا حيدري نوقابي

مهندسي راه‌آهن

امروزه شناخت بهتر و هوشمندانه وضعيت خطوط ريلي، از جمله مباحث پيشرو در اين صنعت محسوب مي‌شود كه بهره‌برداري، ايمني،راحتي سفر، تخصيص بهينه منابع و ... را تحت تاثير قرار داده است. نگهداري و تعمير لايه بالاست در خطوط ريلي ايران، سهم 60 درصدي در هزينه‌هاي نگهداري و تعمير دارد كه ضرورت بهينه‌سازي استراتژي‌ها و تخصيص منابع را اجتناب ناپذير كرده است. از طرفي، مهمترين عامل در سير ايمن وسايل نقليه ريلي، هندسه خط است كه به بهره‌وري و عملكرد بهتر خطوط ريلي كمك مي‌كند. بنابراين، در سال هاي اخير مطالعه و بررسي ارتباط سختي خط (برداشت شده از ماشين سختي‌سنج) و تغييرات آن با پارامترهاي هندسي خط (برداشت شده از ماشين اندازه‌گير خط) مورد توجه محققين حوزه ريلي قرار گرفته كه در پايان‌نامه حاضر، به بررسي ارتباط سختي بالاست با افتادگي خطوط ريلي پرداخته شده است. در مطالعه حاضر تحليل اين موضوع ابتدا بر روي داده هاي حاصل از اندازه گيري سختي و افتادگي يك خط تست مرجع صورت پذير فته و سپس جهت تكميل مطالعات، موضع مذكور با انجام مطالعه موردي و برداشت داده هاي حاصل از اندازه گيري مشخصات هندسي و تغييرمكان خط در بخشي از محور راه آهن تهران-مشهد مورد بررسي قرار گرفته است. در اين بررسي ها پس از پيش‌پردازش داده‌هاي اوليه، ضمن تحليل همبستگي داده هاي افتادگي و سختي خط، خطاي ناشي از پيشبيني داده ها به كمك الگوريتم‌هاي داده‌كاوي از جمله رگرسيون خطي، درخت تصميم، جنگل تصادفي و ... مورد مقايسه قرار گرفته اند. نتايج حاكي از آن است كه ارتباط قوي و معناداري بين سختي لايه بالاست و افتادگي خط وجود دارد بطوريكه همبستگي بالايي ميان چگالي طيف توان داده‌ها به خصوص در محدوده عدد موج rad/m 1-4 (طول موج 1.5 و 3 متر) وجود دارد. همچنين نتايج حاصل از تحليل داده ها توسط روش هاي يادگيري ماشين شامل مدل‌هاي رگرسيون خطي، درخت تصميم و جنگل تصادفي، حاكي از آن است كه خطاي حداقل مجذور مربعات به ترتيب به صورت ميانگين 0.10، 0.14 و 0.12 بوده كه بيانگر دقت بيشتر مدل رگرسيون خطي در پيشبيني نتايج مي باشد.

1402/05/02

Investigating the relationship between ballast stiffness and longitudinal level

7/8/2024 12:00:00 AM

Today, a better and more intelligent understanding of the condition of railway lines is considered one of the leading issues in this industry, which is operation, safety, the comfort of travel, optimal allocation of resources, and so on. The maintenance of the ballast layer in Iran's railway network has a share of 60% in the maintenance costs, making optimizing strategies and resource allocation inevitable. On the other hand, the most critical factor in the safe running of rail vehicles is track geometry, which helps railway tracks' efficiency and better performance. Therefore, in recent years, the investigation of the relationship between track stiffness (taken from stiffness recording cars) and its changes with the geometrical parameters of the line (taken from track recording cars) has attracted the attention of researchers in the railway fields. This thesis investigates the relationship between high hardness and longitudinal level. In the present study, the analysis of this issue is first based on the data obtained from measuring ballast stiffness and unevenness (longitudinal levels) of a reference test line. Then, to complete the studies, the mentioned position is carried out by conducting a case study and collecting the data obtained from measuring the geometric data and changing the location of the line. It has been investigated in a part of the Tehran-Mashhad railway. In these investigations, after pre-processing of primary data, while analyzing the correlation of data of longitudinal levels and ballast stiffness, the error caused by data prediction with the help of data mining algorithms including linear regression, decision tree, and random forest have been compared. The results indicate a strong and significant relationship between ballast stiffness and longitudinal levels. there is a high correlation between the power spectrum density of the data, especially in the range of 1-4 rad/m wave number (wavelength 1.5 and 3 meters). Also, the results of data analysis by machine learning methods, including linear regression, decision tree, and random forest models, indicate that RMSE is 0.10, 0.14, and 0.12, respectively, which means the accuracy of the linear regression model.

سختي بالاست , تراز طولي (افتادگي) , داده‌كاوي , ماشين اندازه‌گير خط , ماشين سختي‌سنج

Ballast Stiffness , longitudinal level , Data Mining , track recording car , stiffness recording car

Mohammad Mehdi Karimi

Saeed Mohammadzade