• Smart Structures and Systems
• /
• 제29권4호
• /
• pp.625-640
• /
• 2022

Maglev rail joints are vital components serving as connections between the adjacent F-type rail sections in maglev guideway. Damage to maglev rail joints such as bolt looseness may result in rough suspension gap fluctuation, failure of suspension control, and even sudden clash between the electromagnets and F-type rail. The condition monitoring of maglev rail joints is therefore highly desirable to maintain safe operation of maglev. In this connection, an online damage detection approach based on three-dimensional (3D) convolutional neural network (CNN) and time-frequency characterization is developed for simultaneous detection of multiple damage of maglev rail joints in this paper. The training and testing data used for condition evaluation of maglev rail joints consist of two months of acceleration recordings, which were acquired in-situ from different rail joints by an integrated online monitoring system during a maglev train running on a test line. Short-time Fourier transform (STFT) method is applied to transform the raw monitoring data into time-frequency spectrograms (TFS). Three CNN architectures, i.e., small-sized CNN (S-CNN), middle-sized CNN (M-CNN), and large-sized CNN (L-CNN), are configured for trial calculation and the M-CNN model with excellent prediction accuracy and high computational efficiency is finally optioned for multiple damage detection of maglev rail joints. Results show that the rail joints in three different conditions (bolt-looseness-caused rail step, misalignment-caused lateral dislocation, and normal condition) are successfully identified by the proposed approach, even when using data collected from rail joints from which no data were used in the CNN training. The capability of the proposed method is further examined by using the data collected after the loosed bolts have been replaced. In addition, by comparison with the results of CNN using frequency spectrum and traditional neural network using TFS, the proposed TFS-CNN framework is proven more accurate and robust for multiple damage detection of maglev rail joints.

• 한국소음진동공학회논문집
• /
• 제23권8호
• /
• pp.759-769
• /
• 2013

기동중인 헬리콥터는 공기역학적인 현상에 의하여 발생하는 불규칙 진동과 회전날개의 작동으로 인한 정현파 진동이 합성되어 발생하는 진동, 작업 및 착륙 시 발생하는 충격, 그리고 갑작스런 기동 시 발생하는 가속도와 같은 동적 하중에 노출 된다. 이때 발생하는 진동과 같은 동적 하중은 기체내부로 전달되어 헬리콥터운용에 필요한 전자장비를 가진 한다. 과거에 이러한 현상을 최소화하기 위하여 진동크기 감쇠시키기 위한 완충기를 전자장비의 장착대에 적용하여 왔다. 그러나 헬리콥터의 경우, 저주파에서 정현파 가진이 발생하므로 완충기 적용은 오히려 장착 플레이트 및 전자장비 부품의 파손을 발생시킬 수 있다. 이 연구에서는 완충기를 제거한 장착대를 동적 하중에 강건하며 전자장비에 전달되는 진동크기를 최소화 하도록 설계하였다. 완충기를 제거한 장착 대를 적용 시, 무게와 부피를 획기적으로 줄일 수 있으며 전자장비를 기체에 체결하는 나사 수가 적어짐에 따라 체결작업에 필요한 시간이 감소되는 장점을 갖는다. 최적화 해석에 적용되는 동적 하중을 선정하기 위하여 진동, 충격, 가속도하중을 비교 분석하여 가장 결정적인 동적 하중인 진동에 의한 하중을 선정하였다. 전체모델 유한요소 해석을 통하여 전자장비의 동적 거동을 분석하고 최적화 해석에 필요한 단순화 모델을 구축하였으며, 모달 테스트를 통해서 동특성을 검증하였다. 위상 최적화를 적용하여 강성대비 체적비가 큰 장착대의 형상을 도출한 후 고유진동수, 응력을 제약조건으로 무게가 최소화 되도록 하는 파라미터 최적화를 수행하여 장착대의 최종 형상 및 치수를 결정하였다. 개선모델은 체적 및 질량이 약 13 % 감소하였으며 사용시간은 규격대비 9.2배 증가하였다. 마지막으로 최적화된 장착대를 운용중인 실제 장비에 적용하여 진동환경에 대한 안정성을 평가하였다.