The Rail Vehicle Research group at Kungliga Tekniska Högskolan (KTH) is on the path to design and build a scaled test rig called roller rig for research and educational purposes. A roller rig is a device simulating the track with rollers on which the test subject (a wheelset, bogie or even a full vehicle) canbe placed.This thesis report is part of a bigger project involving several team members and it explores the applicability of track irregularities on a scaled roller rig by means of computer simulations. A scaled roller rig model, capable of simulating track irregularities, is generated using the multibody simulation softwareSIMPACK. Track irregularity data, represented as Power Spectral Densities (PSD), are applied to the model created. The model created and implementation of track irregularities are assessed in order to validate the modelling steps.Comparison with a reference vehicle model is carried out to verify if results obtained on the test rig are representative of a vehicle running on track, taking into account roller rig intrinsic errors. Results obtained aim to support the design of the roller rig’s mechanical components from a dynamical standpoint. / Forskargruppen spårfordon på Kungliga Tekniska Högskolan (KTH) arbetar med att designa och bygga en nedskalerad testrigg, en så kallad rullrigg, iforsknings- och utbildningssyfte. En rullrigg är en apparat avsedd att efterlikna järnvägsspåret med hjälp av cylinderhjul, på vilken testsubjektet (hjulaxel, boggi eller ett helt fordon) kan placeras.Denna rapport är en del av ett större projekt som involverar ett flertal gruppmedlemmar och undersöker tillämpligheten av spårlägesfel på en nedskalerad rullrigg med hjälp av simulationer. En nedskalerad rullrigg, kapabel att återskapa spårlägesfel, genereras med flerkroppsdynamik mjukvaran SIMPACK. Data för spårlägesfel, representerade med spektraltätheter (PSD), appliceras på den skapade modellen. Modellen samt implementering av spårlägesfelen bedöms sedan för att validera modelleringens steg.Jämförelse med en referensfordonsmodell genomförs för att verifiera att erhållna resultat från testriggen är representativ för ett verkligt spårfordon, med hänsyn tagen till rullriggens inneboende fel. Erhållna resultat syftar till att stödja utformningen av rullriggens mekaniska komponenter från ett dynamiskt perspektiv.

Les voies ferrées sont de plus en plus sollicitées: le nombre de trains à grande vitesse, leur vitesse et leur charge ne cessent d'augmenter, ce qui contribue à la formation de défauts de géométrie sur la voie. En retour, ces défauts de géométrie influencent la réponse dynamique du train et dégradent les conditions de confort. Pour garantir de bonnes conditions de confort, les entreprises ferroviaires réalisent des opérations de maintenance de la voie, qui sont très coûteuses. Ces entreprises ont donc intérêt à prévoir l'évolution temporelle des défauts de géométrie de la voie pour anticiper les opérations de maintenance, et ainsi réduire les coûts de maintenance et améliorer les conditions de transport. Dans cette thèse, on analyse l'évolution temporelle d'une portion de voie par un indicateur vectoriel sur la dynamique du train. Pour la portion de voie choisie, on construit un modèle stochastique local des défauts de géométrie de la voie à partir d'un modèle global des défauts de géométrie et de big data de défauts mesurés par un train de mesure. Ce modèle stochastique local prend en compte la variabilité des défauts de géométrie de la voie et permet de générer des réalisations des défauts pour chaque temps de mesure. Après avoir validé le modèle numérique de la dynamique du train, les réponses dynamiques du train sur la portion de voie mesurée sont simulées numériquement en utilisant le modèle stochastique local des défauts de géométrie. Un indicateur dynamique, vectoriel et aléatoire, est introduit pour caractériser la réponse dynamique du train sur la portion de voie. Cet indicateur dynamique est construit de manière à prendre en compte les incertitudes de modèle dans le modèle numérique de la dynamique du train. Pour identifier le modèle stochastique des défauts de géométrie et pour caractériser les incertitudes de modèle, des méthodes stochastiques avancées, comme par exemple la décomposition en chaos polynomial ou le maximum de vraisemblance multidimensionnel, sont appliquées à des champs aléatoires non gaussiens et non stationnaires. Enfin, un modèle stochastique de prédiction est proposé pour prédire les quantités statistiques de l'indicateur dynamique, ce qui permet d'anticiper le besoin en maintenance. Ce modèle est construit en utilisant les résultats de la simulation de la dynamique du train et consiste à utiliser un modèle non stationnaire de type filtre de Kalman avec une condition initiale non gaussienne / Railways tracks are subjected to more and more constraints, because the number of high-speed trains using the high-speed lines, the trains speed, and the trains load keep increasing. These solicitations contribute to produce track irregularities. In return, track irregularities influence the train dynamic responses, inducing degradation of the comfort. To guarantee good conditions of comfort in the train, railways companies perform maintenance operations of the track, which are very costly. Consequently, there is a great interest for the railways companies to predict the long-time evolution of the track irregularities for a given track portion, in order to be able to anticipate the start off of the maintenance operations, and therefore to reduce the maintenance costs and to improve the running conditions. In this thesis, the long-time evolution of a given track portion is analyzed through a vector-valued indicator on the train dynamics. For this given track portion, a local stochastic model of the track irregularities is constructed using a global stochastic model of the track irregularities and using big data made up of experimental measurements of the track irregularities performed by a measuring train. This local stochastic model takes into account the variability of the track irregularities and allows for generating realizations of the track irregularities at each long time. After validating the computational model of the train dynamics, the train dynamic responses on the measured track portion are numerically simulated using the local stochastic model of the track irregularities. A vector-valued random dynamic indicator is defined to characterize the train dynamic responses on the given track portion. This dynamic indicator is constructed such that it takes into account the model uncertainties in the train dynamics computational model. For the identification of the track irregularities stochastic model and the characterization of the model uncertainties, advanced stochastic methods such as the polynomial chaos expansion and the multivariate maximum likelihood are applied to non-Gaussian and non-stationary random fields. Finally, a stochastic predictive model is proposed for predicting the statistical quantities of the random dynamic indicator, which allows for anticipating the need for track maintenance. This modeling is constructed using the results of the train dynamics simulation and consists in using a non-stationary Kalman-filter type model with a non-Gaussian initial condition. The proposed model is validated using experimental data for the French railways network for the high-speed trains

Les voies ferrées sont de plus en plus sollicitées: le nombre de trains à grande vitesse, leur vitesse et leur charge ne cessent d'augmenter, ce qui contribue à la formation de défauts de géométrie sur la voie. En retour, ces défauts de géométrie influencent la réponse dynamique du train et dégradent les conditions de confort. Pour garantir de bonnes conditions de confort, les entreprises ferroviaires réalisent des opérations de maintenance de la voie, qui sont très coûteuses. Ces entreprises ont donc intérêt à prévoir l'évolution temporelle des défauts de géométrie de la voie pour anticiper les opérations de maintenance, et ainsi réduire les coûts de maintenance et améliorer les conditions de transport. Dans cette thèse, on analyse l'évolution temporelle d'une portion de voie par un indicateur vectoriel sur la dynamique du train. Pour la portion de voie choisie, on construit un modèle stochastique local des défauts de géométrie de la voie à partir d'un modèle global des défauts de géométrie et de big data de défauts mesurés par un train de mesure. Ce modèle stochastique local prend en compte la variabilité des défauts de géométrie de la voie et permet de générer des réalisations des défauts pour chaque temps de mesure. Après avoir validé le modèle numérique de la dynamique du train, les réponses dynamiques du train sur la portion de voie mesurée sont simulées numériquement en utilisant le modèle stochastique local des défauts de géométrie. Un indicateur dynamique, vectoriel et aléatoire, est introduit pour caractériser la réponse dynamique du train sur la portion de voie. Cet indicateur dynamique est construit de manière à prendre en compte les incertitudes de modèle dans le modèle numérique de la dynamique du train. Pour identifier le modèle stochastique des défauts de géométrie et pour caractériser les incertitudes de modèle, des méthodes stochastiques avancées, comme par exemple la décomposition en chaos polynomial ou le maximum de vraisemblance multidimensionnel, sont appliquées à des champs aléatoires non gaussiens et non stationnaires. Enfin, un modèle stochastique de prédiction est proposé pour prédire les quantités statistiques de l'indicateur dynamique, ce qui permet d'anticiper le besoin en maintenance. Ce modèle est construit en utilisant les résultats de la simulation de la dynamique du train et consiste à utiliser un modèle non stationnaire de type filtre de Kalman avec une condition initiale non gaussienne / Railways tracks are subjected to more and more constraints, because the number of high-speed trains using the high-speed lines, the trains speed, and the trains load keep increasing. These solicitations contribute to produce track irregularities. In return, track irregularities influence the train dynamic responses, inducing degradation of the comfort. To guarantee good conditions of comfort in the train, railways companies perform maintenance operations of the track, which are very costly. Consequently, there is a great interest for the railways companies to predict the long-time evolution of the track irregularities for a given track portion, in order to be able to anticipate the start off of the maintenance operations, and therefore to reduce the maintenance costs and to improve the running conditions. In this thesis, the long-time evolution of a given track portion is analyzed through a vector-valued indicator on the train dynamics. For this given track portion, a local stochastic model of the track irregularities is constructed using a global stochastic model of the track irregularities and using big data made up of experimental measurements of the track irregularities performed by a measuring train. This local stochastic model takes into account the variability of the track irregularities and allows for generating realizations of the track irregularities at each long time. After validating the computational model of the train dynamics, the train dynamic responses on the measured track portion are numerically simulated using the local stochastic model of the track irregularities. A vector-valued random dynamic indicator is defined to characterize the train dynamic responses on the given track portion. This dynamic indicator is constructed such that it takes into account the model uncertainties in the train dynamics computational model. For the identification of the track irregularities stochastic model and the characterization of the model uncertainties, advanced stochastic methods such as the polynomial chaos expansion and the multivariate maximum likelihood are applied to non-Gaussian and non-stationary random fields. Finally, a stochastic predictive model is proposed for predicting the statistical quantities of the random dynamic indicator, which allows for anticipating the need for track maintenance. This modeling is constructed using the results of the train dynamics simulation and consists in using a non-stationary Kalman-filter type model with a non-Gaussian initial condition. The proposed model is validated using experimental data for the French railways network for the high-speed trains

In this thesis a train-track-bridge interaction (TTBI) model is developed in order to study the dynamic amplification from track irregularities on railway bridges traversed by freight trains. These simulations are of great importance since rail freight transport is expected to increase in order to meet the climate goals. The shift of the freight industry is however not accomplished without complications, because of the heavier and more frequent transportation higher demand is put on the infrastructure supporting the railways. In order to adequately assess the bearing capacity of the railway bridges, more detailed models assessing the dynamic behavior of the bridges are needed. The research underlying the current model in Eurocode were made during the 1970s (ORE, 1976) and the 1990s (ERRI, 1999) which were based on very simplified relations of the interaction and irregularities. Two research questions are therefore established in this thesis. The first one is if the current dynamic amplification factor in Eurocode which accounts for track irregularities is over conservative and secondly if the same factor is suitable to utilize for both section forces and deflections. The model developed in order to answer the stated research questions is a 2D model (considering only vertical excitation) with a linearized Hertz contact spring coupling the vehicle subsystem to the track-bridge system. The bridges examined in the thesis are limited to simply supported bridges with a span length between 4-20 m carrying a ballasted track. The studied train speeds vary between 60 - 120 km/h in order to replicate the speed range utilized by freight trains. The quality of the track (irregularities) is varied between a standard variation of 0.5-5 mm and is generated based on the German power spectral density (PSD) function. Research have previously been carried out in the field of TTBI system but have mostly been focusing on high-speed railway engineering and few studies have been performed on heavy transportation. One of the pioneers in the field of TTBI modelling is Wanming Zhai and the model developed in this thesis is validated against one of his 2D models. Based on the simulations performed in this thesis it is evident that the current model in Eurocode EN 1991-2 is over conservative and in great need of a revision. The model presented in this thesis is for the case with the largest dynamic amplification (120 km/h and a 4 m span length) significantly lower than the model presented in Eurocode. From the sensitivity analysis it is possible to conclude that many of the parameters in the system have low influence on the dynamic amplification while others have considerable influence. The parameters that have a considerable influence might be more suitable with a probabilistic approach instead of a deterministic which was utilized in this thesis. / I denna avhandling upprättas en tåg-spår-bro interaktionsmodell i syfte att studera den dynamiska förstorningsfaktorn som uppkommer av ojämnheter från spåret för järnvägsbroar trafikerade av godståg. Dessa typer av simuleringar är viktiga då järnvägstransporter förväntas öka för att klara av att möta de klimatmål som fastställts. Denna ökning av järnvägstransporter genomförs dock inte utan problem. Ökningen medför fler och tyngre transporter vilket skapar problem för järnvägsinfrastrukturen (främst broarna). För att med säkerhet kunna fastställa bärförmågan hos broarna, behövs mer avancerade modeller än de som idag finns i Eurokod. Modellerna som finns angivna i Eurokod bygger på forskning genomförd under 70- (ORE, 1976) och 90-talet (ERRI, 1999), där det användes väldigt förenklade interaktions- och ojämnhets-modeller. På grund av detta har två frågeställningar upprättats. Den första är om den dynamiska förstoringsfaktorn som används i Eurokod för att ta hänsyn till ojämnheterna i spåret är överdrivet konservativ och den andra är om samma faktor är lämplig att använda för både snittkrafter och nedböjning. Modellen som upprättats för att besvara dessa forskningsfrågor är en 2D modell (vertikalt led) med en linjäriserad Hertz kontaktfjäder för att koppla samman fordonet med spår-bro systemet. Broarna som har studerats i denna avhandling är endast fritt upplagda broar med en spannlängd mellan 4-20 m med ballasterat spår. Tåg-hastigheten har varierats mellan 60-120 km/h i syfte att simulera relevanta hastigheter för godståg. Spårkvalitén (ojämnheterna) har beskrivits m.h.a. standardavvikelsen från det perfekta spårläget och har varierats mellan 0.5-5 mm. Dessa ojämnheter har genererats baserat på den tyska power spectral density (PSD) funktionen. Tidigare forskning har utförts inom ämnet tåg-spår-bro interaktion men med huvudsaklig fokus på höghastighetståg/resonans-beteenden och få studier har genomförts på godståg. En av föregångsmännen inom ämnet är Wanming Zhai, och modellen som upprättas i denna avhandling har därav validerats mot hans 2D modell. Baserat på simuleringarna i denna avhandling är det tydligt att den nuvarande modellen som används i Eurokod EN 1991-2 är överdrivet konservativ och i stort behov av en uppdatering. Det fall med stört dynamisk förstoringsfaktor (120 km/h och en spannlängd på 4 m) som behandlas i denna rapport är avsevärt lägre än det som återfinns i Eurokod. Från känslighetsanalysen som genomfördes kunde det fastställas att många av parametrarna i systemet har en låg inverkan på förstoringsfaktorn. För parametrarna som dock hade inflytande skulle ett probabilistiskt angreppssätt kunna vara mer passande än det deterministiska som använts i denna avhandling.

Deviations from the design track geometry are called track irregularities, which are a main excitation mechanism in the track–vehicle dynamic system, and very important to monitor and maintain to have trac on a line run safely and comfortably. Especially during vehicle acceptance testing, it is important that a new vehicle behaves close to design predictions and within limit values, thus it is important to be able to describe track irregularities in a consistent way. There are several methods which quantify the eects track irregularities have on a vehicle while running along the track. Most common is analyse standard deviations and percentiles and maximum values over sections with pre-defined length. However, these quantities do not correlate well with the vehicle dynamic response, e.g. two track sections with similar maxima and standard deviations can result in very dierent response of the vehicle. To improve the correlation between track irregularities and vehicle re- sponse measures, it is recommended by past research to use multiple regres- sion analysis to take e.g. vehicle speed and track curvature into account as well. Other methods range from derivatives of track irregularities, via trans- fer functions and vehicle filters to neural networks. Common for all these methods are that there is either still slight inconsistencies in the results or that they are tailored for certain vehicle types on specific lines. As a result, the preferred method to evaluate track irregularities is still to use standard deviations. In this thesis, data from three vehicles in two measurement campaigns is evaluated using a single degree of freedom model as inspiration to break down the path from track to vehicle into several steps. A weak link in these steps is identified, which shows significantly lower correlation coecients than the other steps. The weak link is the step from vertical track irregularity second spatial derivative to vertical axle box acceleration divided by the squared vehicle speed. A variable wavelength range Dx is introduced, as an alternative to the common D1 (3–25 m), D2 (25–70 m) and D3 (70–150 m) wavelength ranges. Its wavelength range corresponds to the vehicle response band-pass filter frequencies and is thus speed dependent. Simulations are also carried out to investigate the weak link and for the possibility to vary parameters that cannot be changed during on-track mea- surements. A multi-body system model of the passenger coach Bim 547.5 is used, together with recorded track data and vehicle speed from the on-track measurements. The varied parameters have rather low sensitivity and aect results to a small extent. Most impact has the randomly varying vertical track stiness which aects the vertical wheel–rail forces and axle box accelerations. In future work, it should be explored if it is possible – and in such case how – to separate the eects of varying track stiness from the track irreg- ularities. This to better understand when a vehicle response is linked more to the track irregularities or to the track flexibility. The weak link identified in the steps from track to vehicle should also be further explored, perhaps by extending the underlying model or evaluate a dierent set of measurements. / Spårlägesfel är avvikelser från den nominella spårgeometrin. De är en vik- tig excitationsmekanism i det dynamiska system som bana och fordon utgör och är viktiga att övervaka och åtgärda för att trafiken ska kunna flyta sä- kert och komfortabelt. Eftersom det vid mätningar för typgodkännande av fordon är viktigt att fordonet beter sig som förväntat och inom gränsvärden, är det viktigt att kunna beskriva spårlägesfel på ett sätt som är konsekvent och motsvarar hur fordonet ”känner av” dem. Det finns ett flertal olika metoder som kvantifierar de eekter spårläges- fel har på ett fordon som rör sig längs ett spår. Vanligast är att använda standardavvikelser, percentiler och maxvärden från spårsektioner med för- definierad längd. Dessa storheter korrelerar dock inte väl med den dynamiska fordonsresponsen, till exempel kan två spårsektioner med liknande maxvärden och standardavvikelse resultera i väldigt olika fordonsrespons. För att förbättra korrelationen mellan storheter för spårlägesfel och for- donsrespons rekommenderar tidigare forskning att använda multipel regres- sionsanalys för att även ta hänsyn till till exempel fordonets hastighet eller spårets kurvatur. Det finns flera alternativa metoder, till exempel derivator av spårlägesfel, överföringsfunktioner och fordonsfilter eller neurala nätverk. Generellt ger dock dessa metoder antingen fortfarande en viss osäkerhet i resultaten, eller så är de anpassade för vissa fordonstyper på enstaka järn- vägslinjer. Sammantaget är resultatet att den metod som föredras för att utvärdera spårlägesfel, fortfarande baseras på standardavvikelser. I den här avhandlingen används en enfrihetsgradsmodell som inspiration för att bryta ner excitationsvägen från spår till fordon i ett antal steg, som sedan undersöks genom att utvärdera mätdata från tre fordon i två forsk- ningsprojekt. En svag länk bland stegen identifieras, vilken visar signifikant lägre korrelationsvärde än övriga steg. Den svaga länken är steget från spatial andraderivata av spårlägesfel till axelboxacceleration dividerat med fordons- hastigheten i kvadrat. Ett variabelt våglängdsområde Dx introduceras som ett alternativ till de vanligt förekommande D1 (3–25 m), D2 (25–70 m) och D3 (70–150 m). Det variabla våglängdsområdet motsvarar de frekvenser som används för utvärdering av fordonsrespons och är därmed hastighetsberoende. Vidare används simuleringar för att undersöka den svaga länken och för möjligheten till parametervariationer. En flerkroppsmodell (MBS-modell) av passagerarvagnen Bim 547.5 används tillsammans med uppmätta data för spår och fordonshastighet. De parametrar som varieras visar sig ha låg käns- lighet och påverkar resultaten i liten utsträckning. Störst inverkan har den slumpmässigt varierande vertikala spårstyvheten, vilken påverkar de vertikala hjul–rälkrafterna och axelboxaccelerationerna. Fortsatt forskning bör undersöka om det är möjligt att – och i så fall hur – separera eekten av varierande spårstyvhet och spårlägesfel. Detta kan ge bättre förståelse för om fordonsrespons kopplar mer till spårlägesfelen eller till spårflexibiliteten. Den svaga länken som identifierats bör också undersö- kas ytterligare, förslagsvis genom att utöka den bakomliggande modellen eller analysera annan mätdata. / <p>QC 20180517</p>