Tytuł artykułu
Autorzy
Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
Predykcja grubości nakładki ślizgowej odbieraka prądu przy użyciu Sztucznych Sieci Neuronowych
Języki publikacji
Abstrakty
The sliding strip of the current collector (pantograph) of a rail vehicle is an element directly cooperating with the catenary and is exposed to abrasion, electric discharge and various types of damage. It is therefore the most frequently replaced element. However, often sliding strips are exchanged before exceeding the limit thickness value, which increases the costs related to technical maintenance. Because the wear process is dependent on many factors, heuristic methods are necessary to predict the thickness of the sliding strip. Knowing the predicted thickness value, it will be possible to adapt the maintenance cycle. In the article, the results of simulations carried out based on the developed structure of the artificial neural network are also presented.
Nakładka ślizgowa odbieraka prądu pojazdu szynowego jest elementem bezpośrednio współpracującym z siecią trakcyjną w związku, z czym narażona jest na zużycie ścierne, elektroerozyjne oraz różnego rodzaju uszkodzenia. Jest, zatem elementem najczęściej wymienianym. Często jednak nakładki wymieniane są przed przekroczeniem granicznej wartości grubości, co zwiększa koszty związane z obsługą techniczną. Ponieważ proces zużycia jest zależny od wielu czynników, dlatego do predykcji grubości nakładki ślizgowej niezbędne jest zastosowanie metod heurystycznych. Znając prognozowaną wartość grubości, możliwe będzie odpowiednie dostosowanie cyklu utrzymania. W artykule przedstawiono wyniki symulacji przeprowadzonych na podstawie opracowanej struktury sztucznej sieci neuronowej.
Czasopismo
Rocznik
Strony
173--180
Opis fizyczny
Bibliogr. 16 poz., il., wykr., tab.
Twórcy
autor
- Cracow University of Technology, Reliability and Technical Exploitation Division, Cracow, Poland
Bibliografia
- [1] EC Engeenering, Pantograf 160EC, http://www.ec-engineering.pl/produkcja/Zakład_Produkcyjny-Kraków/Pantograf_kolejowy
- [2] Abdullah M., Michitsuji Y., Nagai M., Integrated simulation between flexible body of catenary and active control pantograph for contact force variation control, Journal of Mechanical, 2010.
- [3] Abdullah M., Michitsuji Y., Nagai M., Analysis of contact force variation between contact wire and pantograph based on multibody dynamics, Journal of Mechanical, 2010.
- [4] Aboshi M., Precise measurement and estimation method for overhead contact line unevenness, IEEJ Transactions on Industry Applications, 2004.
- [5] Aboshi M., Manabe K., Analyses of contact force fluctuation between catenary and pantograph, Quarterly Report of RTRI, 2000.
- [6] Allotta B., Pugi L., Bartolini F., An active suspension system for railway pantographs: the T2006 prototype, Engineers, Part F: Journal of Rail, 2009.
- [7] Allotta B., Pugi L., Rindi A., Papi M., Innovative solutions for active railway pantograph, WIT Transactions, 2002.
- [8] Chater E., Ghani D., Giri F., Haloua M., Output feedback control of pantograph–catenary system with adaptive estimation of catenary parameters, Journal of Modern Transportation, 2015.
- [9] Gostling R.J., Hobbs A.E.W., The interaction of pantograph and overhead equipment: practical applications of a new theoretical method, Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science, vol. 197, no. 1, 1983, 61–69.
- [10] Judek S., Karwowski K., Mizan M., Diagnostyka i monitoring odbioru prądu z sieci trakcyjnej, Pojazdy Szynowe, 2011.
- [11] Stichel S., Active Control of the Pantograph-Catenary Interaction in a Finite Element Model, 2013.
- [12] Sitarz M., Adamiec A., Mańka A., Uszkodzenia węglowych nakładek stykowych pantografów kolejowych stosowanych w Polsce, TTS Technika Transportu Szynowego, 2016.
- [13] Majewski W., Zastosowania nakładek węglowych w odbierakach prądu, Prezentacja Instytutu Kolejnictwa.
- [14] Rusiecki A., Algorytmy uczenia sieci neuronowych odporne na błędy w danych, Wrocław 2007.
- [15] Hagan M.T., Menhaj M.B., Training feedforward networks with the Marquardt algorithm, IEEE transactions on Neural Networks, vol. 5, no. 6, 1994, 989–993.
- [16] Marquardt D.W., An algorithm for least-squares estimation of nonlinear parameters, Journal of the society for Industrial and Applied Mathematics, vol. 11, no. 2, 1963, 431–441.
Uwagi
EN
Section "Mechanics"
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-d7d1db30-b523-4d2d-8153-621462aefe8e