Failure analysis and diagnostics of railway turnouts

Abstract

Tüm dünyada tren, metro ve tramvay sistemlerini içeren demiryollarına olan talebin gün geçtikçe arttığı görülmektedir. Bu artışa cevap verilebilmesi için demiryolları sistemlerinin güvenilirliği, hazır olma oranı ve yolcu emniyetinin arttırılması gerekmektedir. Bu ise demiryollarına uygulanan bakım sayısının arttırılmasıyla gerçekleştirilebilse de artan bakım sayısı maliyeti yükseltmektedir. Örneğin, İngiltere'de 1000 km'lik demiryolunda bulunan makas sistemlerinin bakımı için her sene 3,4 milyon sterlin harcanmaktadır. Bu yüzden bakım maliyetini en aza indiren erken hata teşhis metodlarının geliştirilmesi önem arz etmektedir. Bu metodlar oluşmakta olan hataları önceden haber vererek bakım maliyetini azaltmakta ve güvenliği arttırmaktadır. Bu tezde zaman serisi analiz yöntemleri kullanılarak demiryollarının en önemli bileşeni olan makas sistemlerinde arıza tespit metodları üzerine çalışilmıştır.Bu çalışma kapsamında arızasız bir makas sisteminden çeşitli sensörler kullanılarak sınırlı miktarda veri toplanmıştır. Bu gerçek veriler simüle edilerek arızasız ve iki arıza türünde çok miktarda veri elde edilmiştir. Arızasız ve hatalı olarak simüle edilen veriler öğrenme ve test olmak üzere iki gruba ayrılmıştır. Bu veriler eksponansiyel düzleştirme algoritması kullanılarak gürültüden arındırılmıştır. Daha sonra uzman sistem ve Self Organizing Map (SOM) kullanılarak hata tespiti gerçekleştirilmiştir. Geliştirilen uzman sistemde arıza benzerlik seviyesi Dinamik Zaman Eğilimi (Dynamic Time Warping), ve Öklid Uzaklık (Euclidean Distance) metodları ile belirlenmiştir.

The importance of railway systems that include trains, metro, and tramway has been increasing in the world. It is now an obligation to improve reliability, availability, and safety of railway systems in order to accommodate increasing passenger and cargo transportation with higher train speeds, greater axle loads, and increased service frequency. Increasing reliability, availability and safety can be achieved by increasing the number of maintenance in the railway system. However, this will increase the operating and support cost. For example in England, 3.4 million pound is spent every year for maintenance of point machines in 1000 km of railways. Hence, it is now a great need to develop diagnostics methods that will help to identify the failures early enough. These failure diagnostics methods not only reduce the cost, but also increase the safety. In this thesis, failure identification methods in railway turnouts using time series analysis are studied.Limited sensory data is collected from a healthy turnout system. Large numbers of data are simulated for healthy and faulty system using the limited real data. Simulated data in both healthy and faulty system are divided into two groups: training and testing. Noise is removed from the data using exponential smoothing algorithm. Self Organizing Map (SOM) and expert system are used for failure identification. Dynamic Time Warping and Euclidean Distance are employed for identification of similarity level between the real healthy system and signal under observation. Similarity level is used in expert system for failure identification.