National Transport Library Research Database

Topolagom – optimal yttopografi för räls (Topolagom – optimal surface condition of rails)

  • Larsson, Roland
  • Luleå tekniska universitet, Universitet eller högskola, 202100-2841
Sponsors, duration, budget: Trafikverket ; 2021-11-01 -- 2025-12-28 Registration number:
  • Trafikverket 2020/117556
Subject(s): Abstract: Detta projekt har som mål att ta fram ett verktyg för att bedöma hur ytan på rälen ska se ut efter optimal rälsslipning. Slipning genomförs regelbundet för att förhindra spricktillväxt och ytskador på rälen. Detta är ytterst en säkerhetsfråga eftersom allvarliga olyckor kan ske om ytan får för stora skador. Bäst vore att slipningen sker ofta och att en så slät yta som möjligt erhålls. Men detta orsakar både tillgänglighetsproblem och är mycket kostsamt. Därför är det viktigt att kunna bedöma om en yta är tillräckligt bra så att så få slipoperationer som möjligt kan genomföras utan att säkerheten påverkas. I projektet ska vi utveckla en beräkningsmetod där ytstrukturen (topografin) från en rälyta används för att beräkna vilka lokala tryck, deformationer och spänningar som uppkommer i kontakten mellan hjul och räl. Utifrån dessa resultat ska vi utveckla ett index som beskriver riskerna för utmattning och slitage. Vi ska också artificiellt generera ett stort antal topografier och beräkna skadeindexet för dessa. Denna datamängd kan sen användas för att träna ett s.k. artificiellt neuronnät (ANN). Detta ANN kan i princip användas direkt vid inspektion av rälsen men kan även användas för att söka optimal topografi om både skaderisk och slipkostnad tas med som parametrar, d.v.s. det kommer att gå att hitta en lagom balans mellan dem. Vi anser att projektets resultat ger en potential att signifikant minska underhållskostnaderna. Abstract: This project aims to develop a tool for assessment of rail surfaces and to optimize rail grinding. Grinding is carried out regularly to prevent crack growth and surface damage to the rails. This is ultimately a safety issue as serious accidents can occur if the surface is damaged too much. It would be best if the grinding is done frequently and that as smooth a surface as possible is obtained. But this causes both accessibility problems and is very costly. Therefore, it is important to be able to assess whether a surface is good enough so that as few grinding operations as possible can be carried out without affecting safety. In the project, we will develop a computer simulation tool where the surface structure (the topography) from a rail surface is used to calculate the local pressures, deformations and stresses that arise in the contact between wheels and rails. Based on these results, we will develop an index that describes the risks of fatigue and wear of the rail surface. We will also, artificially, generate a large number of topographies and calculate the damage index for these. This amount of data can then be used to train a so-called artificial neural network (ANN). This ANN can, in principle, be used directly when inspecting the rails, but can also be used to search for optimum topography if both damage risk and grinding cost are included as parameters, i.e. it will be possible to find a suitable balance between them. We believe that the results of the project offer the potential to significantly reduce maintenance costs.
Item type: