Evaluation of ride quality and rail surface roughness from vibration analysis of in-service passenger rail cars
Notice bibliographique
Résumé
Regulatory and special visual inspection of railway tracks is important to ensure the safe and secure operation of trains. Due to increased traffic volumes, operational speeds and axle loads, new technologies are emerging to collect and monitor data more frequently and in a shorter schedule-window. This paper presents a feasibility study to evaluate ride quality and rail surface roughness from car body and axle box accelerations mounted on service passenger rail cars. Accelerometers are mounted under car body of a rail car and on two axle boxes to evaluate ride quality and rail surface roughness, respectively. The repeatability of measurements, and impact of track features such as bridges, grade crossing and switches on the ride quality is studied by applying a weighted filtering method as per ISO 2631-1997 standard. The ability of axlebox acceleration signals to quantify the rail surface roughness are evaluated by comparing the calculated rail displacements with rail surface profile measurements recorded by a track geometry inspection car. Rail surface relative displacements are calculated from double integration of axle-box accelerations. The results of vibration analysis show that there is a meaningful correlation between increased magnitude of ride quality index and the location of some track features. The comparison between the calculated rail displacements and measured rail surface profile along the entire length of the studied track confirmed that the axle-box acceleration and the applied analytical technique are appropriate for evaluation of rail surface roughness.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».