Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Correlation of track irregularities and vehicle responses based on measured data
KTH, School of Engineering Sciences (SCI), Aeronautical and Vehicle Engineering, Rail Vehicles.ORCID iD: 0000-0002-9564-8437
KTH, School of Engineering Sciences (SCI), Aeronautical and Vehicle Engineering, Rail Vehicles. KTH, School of Engineering Sciences (SCI), Centres, The KTH Railway Group.ORCID iD: 0000-0002-2571-4662
KTH, School of Engineering Sciences (SCI), Aeronautical and Vehicle Engineering, Rail Vehicles. KTH, School of Engineering Sciences (SCI), Centres, The KTH Railway Group.ORCID iD: 0000-0002-8237-5847
Trafikverket.
Show others and affiliations
2018 (English)In: Vehicle System Dynamics, ISSN 0042-3114, E-ISSN 1744-5159, Vol. 56, no 6, p. 967-981Article in journal (Refereed) Published
Abstract [en]

Track geometry quality and dynamic vehicle response are closely related, but do not always correspond with each other in terms of maximum values and standard deviations. This can often be seen to give poor results in analyses with correlation coefficients or regression analysis. Measured data from both the EU project DynoTRAIN and the Swedish Green Train (Gröna Tåget) research programme is used in this paper to evaluate track–vehicle response for three vehicles. A single degree of freedom model is used as an inspiration to divide track–vehicle interaction into three parts, which are analysed in terms of correlation. One part, the vertical axle box acceleration divided by vehicle speed squared ((Formula presented.)) and the second spatial derivative of the vertical track irregularities ((Formula presented.)), is shown to be the weak link with lower correlation coefficients than the other parts. Future efforts should therefore be directed towards investigating the relation between axle box accelerations and track irregularity second derivatives.

Place, publisher, year, edition, pages
Taylor & Francis, 2018. Vol. 56, no 6, p. 967-981
Keywords [en]
Wheel–rail force, axle box acceleration, track irregularities, vehicle response, dynoTRAIN, Green train, gröna tåget
National Category
Vehicle Engineering
Research subject
Vehicle and Maritime Engineering
Identifiers
URN: urn:nbn:se:kth:diva-228004DOI: 10.1080/00423114.2017.1403634Scopus ID: 2-s2.0-85034829859OAI: oai:DiVA.org:kth-228004DiVA, id: diva2:1206420
Note

QC 20180517

Available from: 2018-05-16 Created: 2018-05-16 Last updated: 2018-05-17Bibliographically approved
In thesis
1. Correlation between Track Irregularities and Vehicle Dynamic Response Based on Measurements and Simulations
Open this publication in new window or tab >>Correlation between Track Irregularities and Vehicle Dynamic Response Based on Measurements and Simulations
2018 (English)Licentiate thesis, comprehensive summary (Other academic)
Abstract [en]

Deviations from the design track geometry are called track irregularities, which are a main excitation mechanism in the track–vehicle dynamic system, and very important to monitor and maintain to have trac on a line run safely and comfortably. Especially during vehicle acceptance testing, it is important that a new vehicle behaves close to design predictions and within limit values, thus it is important to be able to describe track irregularities in a consistent way.

There are several methods which quantify the eects track irregularities have on a vehicle while running along the track. Most common is analyse standard deviations and percentiles and maximum values over sections with pre-defined length. However, these quantities do not correlate well with the vehicle dynamic response, e.g. two track sections with similar maxima and standard deviations can result in very dierent response of the vehicle.

To improve the correlation between track irregularities and vehicle re- sponse measures, it is recommended by past research to use multiple regres- sion analysis to take e.g. vehicle speed and track curvature into account as well. Other methods range from derivatives of track irregularities, via trans- fer functions and vehicle filters to neural networks. Common for all these methods are that there is either still slight inconsistencies in the results or that they are tailored for certain vehicle types on specific lines. As a result, the preferred method to evaluate track irregularities is still to use standard deviations.

In this thesis, data from three vehicles in two measurement campaigns is evaluated using a single degree of freedom model as inspiration to break down the path from track to vehicle into several steps. A weak link in these steps is identified, which shows significantly lower correlation coecients than the other steps. The weak link is the step from vertical track irregularity second spatial derivative to vertical axle box acceleration divided by the squared vehicle speed. A variable wavelength range Dx is introduced, as an alternative to the common D1 (3–25 m), D2 (25–70 m) and D3 (70–150 m) wavelength ranges. Its wavelength range corresponds to the vehicle response band-pass filter frequencies and is thus speed dependent.

Simulations are also carried out to investigate the weak link and for the possibility to vary parameters that cannot be changed during on-track mea- surements. A multi-body system model of the passenger coach Bim 547.5 is used, together with recorded track data and vehicle speed from the on-track measurements. The varied parameters have rather low sensitivity and aect results to a small extent. Most impact has the randomly varying vertical track stiness which aects the vertical wheel–rail forces and axle box accelerations.

In future work, it should be explored if it is possible – and in such case how – to separate the eects of varying track stiness from the track irreg- ularities. This to better understand when a vehicle response is linked more to the track irregularities or to the track flexibility. The weak link identified in the steps from track to vehicle should also be further explored, perhaps by extending the underlying model or evaluate a dierent set of measurements.

Abstract [sv]

Spårlägesfel är avvikelser från den nominella spårgeometrin. De är en vik- tig excitationsmekanism i det dynamiska system som bana och fordon utgör och är viktiga att övervaka och åtgärda för att trafiken ska kunna flyta sä- kert och komfortabelt. Eftersom det vid mätningar för typgodkännande av fordon är viktigt att fordonet beter sig som förväntat och inom gränsvärden, är det viktigt att kunna beskriva spårlägesfel på ett sätt som är konsekvent och motsvarar hur fordonet ”känner av” dem.

Det finns ett flertal olika metoder som kvantifierar de eekter spårläges- fel har på ett fordon som rör sig längs ett spår. Vanligast är att använda standardavvikelser, percentiler och maxvärden från spårsektioner med för- definierad längd. Dessa storheter korrelerar dock inte väl med den dynamiska fordonsresponsen, till exempel kan två spårsektioner med liknande maxvärden och standardavvikelse resultera i väldigt olika fordonsrespons.

För att förbättra korrelationen mellan storheter för spårlägesfel och for- donsrespons rekommenderar tidigare forskning att använda multipel regres- sionsanalys för att även ta hänsyn till till exempel fordonets hastighet eller spårets kurvatur. Det finns flera alternativa metoder, till exempel derivator av spårlägesfel, överföringsfunktioner och fordonsfilter eller neurala nätverk. Generellt ger dock dessa metoder antingen fortfarande en viss osäkerhet i resultaten, eller så är de anpassade för vissa fordonstyper på enstaka järn- vägslinjer. Sammantaget är resultatet att den metod som föredras för att utvärdera spårlägesfel, fortfarande baseras på standardavvikelser.

I den här avhandlingen används en enfrihetsgradsmodell som inspiration för att bryta ner excitationsvägen från spår till fordon i ett antal steg, som sedan undersöks genom att utvärdera mätdata från tre fordon i två forsk- ningsprojekt. En svag länk bland stegen identifieras, vilken visar signifikant lägre korrelationsvärde än övriga steg. Den svaga länken är steget från spatial andraderivata av spårlägesfel till axelboxacceleration dividerat med fordons- hastigheten i kvadrat. Ett variabelt våglängdsområde Dx introduceras som ett alternativ till de vanligt förekommande D1 (3–25 m), D2 (25–70 m) och D3 (70–150 m). Det variabla våglängdsområdet motsvarar de frekvenser som används för utvärdering av fordonsrespons och är därmed hastighetsberoende.

Vidare används simuleringar för att undersöka den svaga länken och för möjligheten till parametervariationer. En flerkroppsmodell (MBS-modell) av passagerarvagnen Bim 547.5 används tillsammans med uppmätta data för spår och fordonshastighet. De parametrar som varieras visar sig ha låg käns- lighet och påverkar resultaten i liten utsträckning. Störst inverkan har den slumpmässigt varierande vertikala spårstyvheten, vilken påverkar de vertikala hjul–rälkrafterna och axelboxaccelerationerna.

Fortsatt forskning bör undersöka om det är möjligt att – och i så fall hur – separera eekten av varierande spårstyvhet och spårlägesfel. Detta kan ge bättre förståelse för om fordonsrespons kopplar mer till spårlägesfelen eller till spårflexibiliteten. Den svaga länken som identifierats bör också undersö- kas ytterligare, förslagsvis genom att utöka den bakomliggande modellen eller analysera annan mätdata.

Place, publisher, year, edition, pages
Stockholm: KTH Royal Institute of Technology, 2018. p. 37
Series
TRITA-SCI-FOU ; 2018:13
Keywords
track irregularities, vehicle response, wheel–rail force, axle box acceleration, Dynotrain, Gröna Tåget, multi-body system, simulations, spårlägesfel, fordonsrespons, hjul–räl-krafter, axelboxacceleration, Dynotrain, Gröna Tåget, flerkroppssystem system, simuleringar
National Category
Vehicle Engineering
Research subject
Järnvägsgruppen - Fordonsteknik; Vehicle and Maritime Engineering; Järnvägsgruppen - Infrastruktur
Identifiers
urn:nbn:se:kth:diva-228056 (URN)978-91-7729-776-5 (ISBN)
Presentation
2018-06-14, Munin, Teknikringen 8, Stockholm, 13:15 (English)
Opponent
Supervisors
Note

QC 20180517

Available from: 2018-05-17 Created: 2018-05-16 Last updated: 2018-05-17Bibliographically approved

Open Access in DiVA

No full text in DiVA

Other links

Publisher's full textScopus

Authority records BETA

Berg, MatsStichel, Sebastian

Search in DiVA

By author/editor
Karis, TomasBerg, MatsStichel, Sebastian
By organisation
Rail VehiclesThe KTH Railway Group
In the same journal
Vehicle System Dynamics
Vehicle Engineering

Search outside of DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetric score

doi
urn-nbn
Total: 205 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf