[EN] The aim of the present Thesis is to develop models for the study of very high-frequency phenomena associated with the coupling dynamics of a railway vehicle with the track. Through these models, this Thesis intends to address squeal noise as a particular case of rolling noise when the train negotiates a small radius curve. Wheel/rail interaction is the predominant source of noise emission in railway operations. Rolling contact couples the wheel and the rail through a very small area, characterised by strongly non-linear and non-steady state dynamics that differentiates rolling noise from any other noise problem. Wheel/rail contact problem is studied based on Kalker's variational theory and the local falling behaviour of the coefficient of friction is introduced by means of a regularisation of Coulomb's law. Its implementation shows that the influence of the falling friction on the creep curves can be assumed negligible, thus rolling contact is finally modelled using a constant coefficient of friction. Flexibility is introduced in railway substructures through the Finite Element (FE) method in order to cover the high-frequency range. This work adopts a rotatory wheelset model that takes computational advantage of its rotational symmetry. It also develops a cyclic flexible rail model that fixes the translational contact force in a spatial point of the mesh through a technique called Moving Element (ME) method. A modal approach is used to reduce significantly the number of degrees of freedom of the global problem and a diagonalisation technique permits to decouple the resulting modal equations of motion in order to increase the computational velocity of the time integrator. Simulations in curving conditions in the time domain are carried out for constant friction conditions in order to study if the proposed interaction model can reproduce squeal characteristics for different curve radii and coefficients of friction. / [ES] El objetivo de la presente Tesis es desarrollar modelos para el estudio de fenómenos de muy alta frecuencia asociados a la dinámica acoplada de un vehículo ferroviario con la vía. A través de estos modelos, esta Tesis pretende abordar el fenómeno de los chirridos como un caso particular de ruido de rodadura en condiciones de curva cerrada. La interacción rueda/carril es la fuente predominante de ruido en las operaciones ferroviarias. El contacto es el responsable del acoplamiento entre la rueda y el carril a través de un área muy pequeña caracterizada por una dinámica fuertemente no lineal y no estacionaria. El problema de contacto rueda/carril se estudia mediante la teoría variacional de Kalker y la caída local del coeficiente de fricción se introduce por medio de una regularización de la ley de Coulomb, que muestra que su influencia sobre las curvas de fluencia se puede despreciar. Como consecuencia, el coeficiente de fricción se considera constante. La flexibilidad se introduce en las subestructuras ferroviarias a través del método de los Elementos Finitos (EF) para cubrir el rango de las altas frecuencias. La Tesis adopta un modelo de eje montado rotatorio que toma ventaja computacional de su simetría rotacional. También desarrolla un modelo de carril flexible y cíclico que fija la fuerza de contacto en un punto espacial de la malla mediante el método de los Elementos Móviles (EM). Se utiliza un enfoque modal para reducir significativamente el número de grados de libertad del problema global; las ecuaciones de movimiento resultantes en coordenadas modales se desacoplan mendiante una técnica de diagonalización para aumentar la velocidad computacional del integrador temporal. Las simulaciones en condiciones de curva en el dominio del tiempo se llevan a cabo en condiciones de fricción constante con el objetivo de estudiar si el modelo de interacción propuesto puede reproducir las características del chirrido en curva para diferentes radios de curva y coeficientes de fricción. / [CAT] L'objectiu de la present Tesi és desenvolupar models per a l'estudi de fenòmens de molt alta freqüència associats amb la dinàmica acoblada d'un vehicle ferroviari amb la via. Aquests models permeten simular el soroll de rodament encara que, en particular, aquest treball es proposa abordar el fenomen del soroll grinyolant produït quan el tren negocia un radi de curvatura estret. La interacció roda/carril és la font predominant de l'emissió de soroll en les operacions ferroviàries. El contacte acobla la roda i el carril a través d'una àrea molt reduïda que es caracteritza per una dinàmica fortament no lineal i no estacionària. El problema de contacte roda/carril s'estudia mitjançant la teoria variacional de Kalker i el descens local del coeficient de fricció s'introdueix per mitjà d'una regularització de la llei de Coulomb, què demostra que la seua influència en les corbes de fluència es pot suposar insignificant. Per tant, s'utilitza un coeficient de fricció constant per a modelar el contacte. La flexibilitat s'introdueix en les subestructures de ferrocarril a través del mètode d'Elements Finits (EF) per tal de cobrir el rang d'alta freqüència. La present tesi adopta un model d'eix muntat rotatori que s'aprofita de la seua la simetria rotacional per a augmentar la eficiència computacional. També desenvolupa un model de carril flexible i cíclic que fixa la força de contacte en un punt espacial de la malla a través del mètode dels Elements Mòbils (EM). S'empra un enfocament modal per reduir significativament el nombre de graus de llibertat del problema global, al temps que s'implementa una tècnica diagonalització que permet desacoblar les equacions modals de moviment per a augmentar la velocitat computacional de l'integrador temporal. Les simulacions en les condicions de corba en el domini del temps es duen a terme per a condicions de fricció constant per tal d'estudiar si el model d'interacció proposat pot reproduir les característiques del soroll grinyolant per a diferents radis de corba i coeficients de fricció. / Giner Navarro, J. (2017). Advances Techniques for Time-Domain Modelling of High-Frequency Train/Track Interaction [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/90637

Driving is one of the most common and preferred forms of transport used in our actual society. However, according to studies, it is also one of the most dangerous. One solution to increase safety on the road is applying technology to automate and prevent avoidable human errors. Nevertheless, despite the efforts to obtain reliable systems, we have yet to find a reliable and safe enough solution for solving autonomous driving. One of the reasons is that many drives are done in conditions far from the ideal, with variable lighting conditions and fast-paced, unpredictable environments. This project develops and evaluates an algorithm that takes the input of dynamic vision sensors (DVS) and runs on neuromorphic spiking neural networks (SNN) to obtain a robust road lane tracking system. We present quantitative and qualitative metrics that evaluate the performance of lane recognition in low light conditions against conventional algorithms. This project is motivated by the main advantages of neuromorphic vision sensors: recognizing a high dynamic range and allowing a high-speed image capture. Another improvement of this system is the computational speed and power efficiency that characterize neuromorphic hardware based on spiking neural networks. The results obtained show a similar accuracy of this new algorithm compared to previous implementations on conventional hardware platforms. Most importantly, it accomplishes the proposed task with lower latency and computing power requirements than previous algorithms. / Att köra bil är ett av de vanligaste och mest populära transportsätten i vårt samhälle. Enligt forskningen är det också ett av de farligaste. En lösning för att öka säkerheten på vägarna är att med teknikens hjälp automatisera bilkörningen och på så sätt förebygga misstag som beror på den mänskliga faktorn. Trots ansträngningarna för att få fram tillförlitliga system har man dock ännu inte hittat en tillräckligt tillförlitlig och säker lösning för självkörande bilar. En av orsakerna till det är att många körningar sker under förhållanden som är långt ifrån idealiska, med varierande ljusförhållanden och oförutsägbara miljöer i höga hastigheter. I det här projektet utvecklar och utvärderar vi en algoritm som tar emot indata från dynamiska synsensorer (Dynamic Vision Sensors, DVS) och kör datan på neuromorfiska pulserande neuronnät (Spiking Neural Networks, SNN) för att skapa ett robust system för att läsa av vägbanan. Vi presenterar en kvantitativ och kvalitativ utvärdering av hur väl systemet läser av körbanans linjer i svagt ljus, och jämför därefter resultaten med dem för tidigare algoritmer. Detta projekt motiveras av de viktigaste fördelarna med neuromorfiska synsensorer: brett dynamiskt omfång och hög bildtagningshastighet. En annan fördel hos detta system är den korta beräkningstiden och den energieffektivitet som kännetecknar neuromorfisk hårdvara baserad på pulserande neuronnät. De resultat som erhållits visar att den nya algoritmen har en liknande noggrannhet som tidigare algoritmer på traditionella hårdvaruplattformar. I jämförelse med den traditionella tekniken, utför algoritmen i den föreliggande studien sin uppgift med kortare latenstid och lägre krav på processorkraft. / La conducción es una de las formas de transporte más comunes y preferidas en la actualidad. Sin embargo, diferentes estudios muestran que también es una de las más peligrosas. Una solución para aumentar la seguridad en la carretera es aplicar la tecnología para automatizar y prevenir los evitables errores humanos. No obstante, a pesar de los esfuerzos por conseguir sistemas fiables, todavía no hemos encontrado una solución suficientemente fiable y segura para resolver este reto. Una de las razones es el entorno de la conducción, en situaciones que distan mucho de las ideales, con condiciones de iluminación variables y entornos rápidos e imprevisibles. Este proyecto desarrolla y evalúa un algoritmo que toma la entrada de sensores de visión dinámicos (DVS) y ejecuta su computación en redes neuronales neuromórficas (SNN) para obtener un sistema robusto de seguimiento de carriles en carretera. Presentamos métricas cuantitativas y cualitativas que evalúan el rendimiento del reconocimiento de carriles en condiciones de poca luz, frente a algoritmos convencionales. Este proyecto está motivado por la validación de las ventajas de los sensores de visión neuromórficos: el reconocimiento de un alto rango dinámico y la captura de imágenes de alta velocidad. Otra de las mejoras que se espera de este sistema es la velocidad de procesamiento y la eficiencia energética que caracterizan al hardware neuromórfico basado en redes neuronales de impulsos. Los resultados obtenidos muestran una precisión similar entre el nuevo algoritmo en comparación con implementaciones anteriores en plataformas convencionales. Y lo que es más importante, realiza la tarea propuesta con menor latencia y requisitos de potencia de cálculo.