2021 Fiscal Year Annual Research Report
Track Evaluation from Train Responses by Data Assimilation and Machine Learning
| Project/Area Number |
19K04570
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
蘇 迪 東京大学, 大学院工学系研究科(工学部), 特任准教授 (40535796)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | データ同化 / 機械学習 / 軌道評価 / 車両応答 / 携帯情報端末 |
|---|
| Outline of Annual Research Achievements |
本研究は携帯情報端末を計測装置に採用し，営業車両においても機器設置が比較的容易である車体と台車の応答から，軌道状態を評価する．本年度は浮きまくらぎはレール継ぎ目部直下および近傍で発生しやすいという性質を持つことから継ぎ目を考慮した検知手法とその精度を検証する．また，車両との動的相互作用を精確に考慮した応答解析システムを適用し，ロングレールの温度変化による破断についてを調査した．
(1)浮きまくらぎ発生箇所では車両通過時にのみレールが沈下するという特性から，車体の鉛直加速度から軌道の動的変位を逆推定し，これを車両が通過していないときの軌道形状である静的変位と比較することで浮きまくらぎの発生箇所およびその浮き量を推定する手法をマルチボディシミュレーションによる数値解析によって検討した．
(2)逆推定手法として2自由度クオーターカーモデルとカルマンフィルタを採用した．あらかじめ継ぎ目影響周波数を考慮したローパスフィルタ処理を行った加速度を用いて逆推定をした場合には精度が改善され，継ぎ目がない場合と同程度の精度で浮きまくらぎを検知することができた．
(3)工場内の運搬用鉄道軌道上において行われた計測試験データに本手法を適用しその検知性能について確認した．走行回ごとの推定のばらつきも大きく，車両のパラメータ精度の影響が大きいことが分かった一方，走行距離，走行速度など様々な要因があることを示唆している．より複雑な実軌道上での適用を目指し，引き続き手法の検討・改善を行う必要がある．
(4)車両との動的相互作用を考慮した応答解析システムから，鋼橋上をロングレール化する場合，温度変化によって生じるロングレール縦荷重を調査し，締結装置のふく進抵抗力とレールの破断の関係を照査した．
|
