Identyfikacja nierówności toru metodą odwracanych modeli parametrycznych

• Autorzy: Mendrok K. , Czop P. , Uhl T.

Warianty tytułu

EN

Rail irregularities identification with use of inverted parametric models

• Języki publikacji: EN

Abstrakty

EN

The paper presents an application of the loading force identification method based on inversion of regressive parametric models to the reconstruction of rail irregularities. The irregularities are identified from the accelerations of vibrations signals measured on the axel boxes of the car during its ride. In the article both numerical and experimental verification of the method are shown.

PL

Artykuł przedstawia zastosowanie metody identyfikacji sił obciążających konstrukcje opartej o odwracanie regresyjnych modeli parametrycznych do rekonstrukcji nierówności torów. Nierówności te są identyfikowane na podstawie przebiegów przyspieszeń drgań mierzonych na maźnicach pojazdu podczas jego jazdy. W pracy przedstawiono zarówno weryfikację numeryczną jak i eksperymentalną prezentowanej metody.

Słowa kluczowe

EN

rail irregularities identification; inverse problem; parametric models

PL

identyfikacja nierówności torów; zagadnienie odwrotne; modele parametryczne

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2010
• Tom: nr 4
• Strony: CD--CD
• Opis fizyczny: -pełny tekst, Bibliogr. 11 poz., rys.

Twórcy

autor

Mendrok K.

autor

Czop P.

autor

Uhl T.

• AGH University of Science and Technology

Bibliografia

• 1. Bracciali A., Cascini G. 1998, “High-frequency mobile input reconstruction algorithm (HF-MIRA) applied to forces acting on a damped linear mechanical system”, Mechanical Systems and Signal Processing, 21(2) pp. 255-268.
• 2. Elster C, Link A and Bruns T., 2007, “Analysis of dynamic measurements and determination of measurement uncertainty using a second-order model”, Meas. Sci. Technol. 18 3682-7.
• 3. Kammer D.C. (1998) "Input force reconstruction using a time domain technique." ASME Journal of Vibration and Acoustics, 120(4), 868-874.
• 4. Ljung L., 1999, System Identification – Theory for the User, Prentice-Hall.
• 5. Markusson O., 2002, Model and system inversion with application in nonlinear system identification and control, PhD Thesis, Royal Institute of Technology, Stockholm, Sweden.
• 6. Piazzi A., Visioli A., 2001, “Robust set-point constrained regulation via dynamic inversion”, Int. J. Robust Nonlinear Control , 11, pp. 1-22.
• 7. Piegat A., 2001, Fuzzy Modeling and Control (Studies in Fuzziness and Soft Computing), Springer-Verlag
• 8. Silverman L.M. (1969), “Inversion of multivariable linear systems”, IEEE Trans. Automat. Contr., Vol. AC-14, No. 3, pp. 270–276.
• 9. Torfs D., Swevers J., De Schutter J., 1991, Quasi-Perfect Tracking Control Of Non-Minimal Phase Systems, Proceedings of the 30th Conference on Decision and Control Brighton, England, pp. 241-244.
• 10. Uhl, T., 2007, “The inverse identification problem and its technical application”, Archive of Applied Mechanics, 77 (5), pp. 325-337.
• 11. Uhl, T., Mendrok, K., Chudzikiwicz, A., Rail track and rail vehicle intelligent monitoring system, Proceedings of the 7th International Workshop on Structural Health Monitoring: Stanford, CA, September 9–11, 2009, Vol. 1, pp. 617–624.