Spårbunden Tillståndsövervakning av tåg med IoT lösning : För snabbare utveckling av detektor-prototyper inom IoT

Detta är en Uppsats för yrkesexamina på grundnivå från Luleå tekniska universitet/Institutionen för teknikvetenskap och matematik; Luleå tekniska universitet/Institutionen för teknikvetenskap och matematik

Författare: Markus Jonsson; Mattis Heberlein; [2020]

Nyckelord: Underhåll; IoT; Tåg; Hjulskador;

Sammanfattning: Järnvägsnätet i Sverige är omfattande och kräver hundratals olika detektorer för att mäta tillståndsbehovet av tåg. Underhållet behöver effektiviseras och järnvägen behöver byggas ut för att efterfrågan på transport på järnvägen skall kunna öka. Men dagens detektorer och systemlösning är mycket dyra och ibland föråldrade. Samtidigt som dagens elektrokomponenter för tillståndsövervakning är små storleksmässigt och kraftfulla. Här kan hårdvara byggas ihop och mjukvara programmeras, för att sedan appliceras som detektor ute i fält. Detta examensarbete hade som uppgift att undersöka ifall det går att använda sig av en IoT-lösning för att ersätta befintliga övervakningssystem för slagljud och varmgång på svenska tåg. Det undersöktes även om det går att använda autokorrelation för att upptäcka slagljud. Under arbetet undersöktes dels olika IoT-plattformar baserat på Arduino och Raspberry Pi samt hur denna plattform skulle samla in data från omvärlden och hur den skulle framföra denna data till IoT-molnet. Det kunde efter detta bestämmas att en plattform baserat på en Arduino Uno WiFi rev 2 med en elektretmikrofon och en infraröd temperatursensor var den lämpligaste plattformen. Autokorrelation visade sig rent teoretiskt också vara en lämplig metod för att upptäcka slagljud, dock så kunde inga fälttester med den färdiga prototypen utföras för att fastsluta att den går att applicera ute vid rälsen. Prototypen kostade i slutändan 660 svenska kronor och kunde lagra information lokalt på ett mikroSD-kort, kommunicera med internet med hjälp av IBM-Watson och Node-RED och klara av det nordiska klimatet. Dessutom, tack vare detta arbete, placerades en detektor ute i fält för att samla in ljudinformation från passerande tåg, som kunde analyseras med hjälp av MATLAB. Dessa fälttester kunde visa att med digital filtrering av ljuddata kunna avgöra antal vagnar och frekvensdomäner. Fortsatta arbeten efter detta projekt kan innefatta tester med snabbare sensorer, en molnbaserad datahantering och vidare undersökningar om autokorrelationen kan fungera som algoritm i igenkänning av slagljud. Olika varianter på filtrering för tydligare signal kommer också vara intressant för vidare arbeten.

  HÄR KAN DU HÄMTA UPPSATSEN I FULLTEXT. (följ länken till nästa sida)