پایش وضعیت سلامت چرخ‌های ریلی با آنالیز ارتعاشات براساس پارامتر میانگین مربعات متحرک

چرخ‌ها از مهمترین قسمت‌های تجهیزات وسایل نقلیه ریلی می‌باشند. وجود خرابی بر روی سطوح غلتشی چرخ ها عامل افزایش ارتعاشات در آن‌ها و متعاقبا باعث خرابی دیگر متعلقات می‌شود. به‌طور سنتی سیستم‌های ریلی از فرآیند بازرسی پیشگیرانه پیروی می‌کنند. این بازرسی‌ها هزینه‌بر، با بازدهی پایین، زمان‌بر و در معرض خطای انسانی هستند. نگهداری‌‌ و ‌تعمیرات بر اساس پایش وضعیت مزایای بیشتری نسبت به روش‌های قدیمی دارد. در این روش‌ها، ارتعاشات، نویز و یا سایر پارامترهای کارکردی اجزای وسیله نقلیه، از جمله چرخ، اندازه‌گیری و تحلیل می‌شود. در این تحقیق، روشی جهت عیب‌یابی چرخ به کمک اندازه‌گیری ارتعاشات ریل ارائه شده است. با اندازه‌گیری ارتعاشات ریل از طریق نصب تجهیزات اندازگیری، ارتعاشات حاصل از عبور هر چرخ ثبت می‌گردد. سپس با استفاده از پارامتر میانگین مربعات متحرک در حوزه زمان به پایش وضعیت سلامت چرخ‌های ریلی پرداخته شده است. تنظیم صحیح پارامترهای مرتبط مانند طول پنجره و میزان همپوشانی در محاسبه میانگین مربعات متحرک تاثیر مستقیمی بر نتایج دارد. روش پیشنهادی بر روی داده‌های اندازه‌گیری شده پیاده‌سازی شده است. نتایج تجربی نشان می‌دهد که به کمک این روش می‌توان وجود و موقعیت آسیب در چرخ را تعیین نمود.

Health Condition Monitoring of railway wheels through vibration analysis using the moving RMS

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, lowefficiency, timeconsuming 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.