There is a great need to reduce the use of fossil-fueled road transport. In order to encourage the use of public transport, opportunities for the application of electrical charging stations for e-bikes aboard railway vehicles were analyzed. A theoretical concept was developed for the introduction of electrical charging stations aboard railway vehicles, with Contessa - Oeresund Train Unit X31 as the subject of study. The design was based on a set of required management characteristics, which included any requirements from the vehicle owner, traveler and society (such as improved environment, public transport and health of the citizens). The study was based on the current standards, requirements and safety regulations for railway vehicles operating within the European Union. Upon completion of the study, one was able to establish that the potential exists for introducing the concept aboard the subject of study, as well as for other railway vehicles. The charging station consisted of a group of three power supplies and a sizing was performed for two such groups, to adapt as needed.The result indicates that fast charging modes have the greatest functionality for users with shorter travel time on board the train, such as commuters. At the present time, it is not possible to implement a fast charging mode as a standard feature for all e-bikes, as no standardized fast charger fits all e-bikes, independent of the manufacturer. Fast charging modes cannot be implemented for normally charged electric bicycles based on functionality, battery wear and fire risk. Furthermore, the study shows that large reductions in greenhousegas emissions can be achieved using electric bicycles in combination with communal trains, by effectively replacing car trips. / Det finns stora behov för att reducera användningen av fossildrivna vägtransporter. Med avsikt att uppmuntra kollektivtrafiken analyseras möjligheten att införa elcykelladdning ombord på järnvägsfordon i hopp om att kunna reducera koldioxidutsläppet och därmed nå Sveriges miljömål till 2045. Konceptets kartläggning utfördes på Öresundståget som studieobjekt där befintliga flexutrymmet och hjälpkraftsystem användes. En analys utfördes på olika laddstationer utifrån marknadens utbud vid tiden av studien, för att finna den som ansågs mest lämpad för konceptet. Studien baserades på de aktuella normer, krav och säkerhetsföreskrifter som gäller för järnvägsfordon inom Europeiska unionen. Dimensioneringen baserades utifrån en kravmatris inriktad på de relevanta målområdena: fordonsägare, resenär och samhälle. Syftet var att testa och verifiera konceptets resultat mot de prioriterade kraven för respektive målområde. Ett platsbesök ombord på studieobjektet har även utförts, för att få en klarare bild av hur konceptet kan tillämpas och ett kretsschema har designat i SolidWorks electrical som representerar kopplingsschemat mellan elmatningskällan och laddstationen. Efter avslutad studie fann man att applicering av elcykelladdning ombord på studieobjektet såväl som andra järnvägsfordon är fullt möjlig, utefter tillgänglig effekt och befintligt utrymme för ombordtagning av cyklar. Vidare visar studien att stora reduceringar i växthusgasutsläpp kan uppnås via användning av elcyklar i kombination med järnväg, genom att effektivt ersätta bilresor. Konceptet utformades enbart för en laddstation bestående av en grupp om tre uttag. Dock är antalet laddningsmöjligheter anpassningsbara utefter behov samt konstruktion, beroende på järnvägsfordonets trafikuppgift. Effektbehovet för laddstationen är utformad för att kunna erbjuda användare snabbladdning. Snabbladdning i jämförelse med normalladdning, uppfyller störst funktionalitet vid kortare tågresetid, med avseende på resenärens användningsbehov av en elcykel. För tillfället är detta ej möjligt att implementera som en standardiserad funktion för alla resenärer. Således ingen allmän snabbladdare passar elcyklar oberoende av tillverkare, kan inte denna typ av laddning implementeras för normalladdade elcyklar utifrån funktionalitet, batterislitage samt brandrisk. En av förmånerna med konceptet är att snabbladdning ombord på järnvägsfordon möjliggör en sammanhängande resa och skapar därmed en bättre flexibilitet för en pendlare. Däremot kan säkerheten komma att påverkas negativt vid införandet av laddstationer och för att förebygga detta finns en jordfelsbrytare kombinerad med en personskyddsbrytare som skyddar både användare och elutrustning. Faror orsakade av batteriet finns det däremot ingen möjlighet att förebygga. Ansvaret läggs på resenären genom att följa de förhållningsregler som gäller för respektive elcykelbatteri och laddare. Studien har utelämnat ekonomiska aspekter och rekommenderar även att elcykelladdning ombord bör hållas kostnadsfritt, åtminstone vid dess introduceringsfas. Dock har ett införande av framtida betalningstjänster en stor potential till att bli ekonomiskt lönsamt för tågoperatörer.

Before vehicles can be placed in service it has to complete an authorisation process. At the moment,this process is largely depended on tests. This is, however, an expensive and long process. With new technologies and improved simulations this process can be shortened and the costs can be lowered. The validation of a vehicle model, however, is often limited by the available data. Often the measured rail profiles are not available and thus a new UIC60 profile is used for the simulations. The railway track often has been used and showssigns of wear and damages, therefore research has been done to investigate the influence of the rail profiles on the validation of a railway vehicle model. The current methods of validation in the European norm are used to compare simulated values with forces and accelerations available from vehicle measurements. In the first step,25 track sections with different curve radii have beensimulated with a measured rail profile every 100 meters. In the next step, the same sections have been simulated by using the standard UIC60 rail profile. The results show that the use of measured rail profiles does have a positive influence on the outcome of simulation. In the final step, one single narrow curve has been simulated to show the effect of standard and worn rail profiles. Four different wear stages of the rail profile are simulated and compared to the available vehicle measurements available. These simulations show that the use of a medium worn rail profile gives the most accurate value. / Innan ett fordon kan tas i bruk måste det genomgå en tillståndsprocess. För närvarande är denna process till stor del beroende av provningar. Detta är dock en dyr och lång process. Med hjälp av ny teknik och förbättrade simuleringar kan denna process förkortas och kostnaderna sänkas. Valideringen av en fordonsmodell begränsas dock ofta av de tillgängliga uppgifterna. Ofta finns inte de uppmätta rälsprofilerna tillgängliga och därför används en ny UIC60-profil för simuleringarna. Järnvägsspåret har ofta använts och visarDärför har forskning gjorts för att undersöka hur rälsprofilerna påverkar valideringen av en modell av ett järnvägsfordon. De nuvarande valideringsmetoderna i den europeiska normen används för att jämföra simulerade värden med de krafter och accelerationer som finns tillgängliga från fordonsmätningar. I det första steget har 25 spårsektioner med olika kurvradier använts.simulerats med en uppmätt rälsprofil var 100:e meter. I nästa steg har samma sektioner simulerats med hjälp av standardprofilen UIC60. Resultaten visar att användningen av uppmätta rälsprofiler har en positiv inverkan på simuleringsresultatet. I det sista steget har en enda smal kurva simulerats för att visa effekten av standard- och slitna rälsprofiler. Fyra olika slitningsstadier av rälsprofilen simuleras och jämförs med tillgängliga fordonsmätningar. Simuleringarna visar att användningen av en mediumsliten rälsprofil ger det mest exakta värdet.

A conceptual design of an innovative two-axle lightweight railway vehicle for commuter services is carried out at KTH Railway Group. An active wheelset steering is introduced to improve the curving performance of the vehicle, which is one of the critical performance requirements. This thesis aims to improve the steering performance of the active wheelset steering. Look-up tables for estimating time-varying wheel-rail contact parameters are introduced to supervise a simple PID controller of the active steering system in order to improve steering performance. The look-up table (LUT) estimation is focused on time-varying wheel-rail contact parameters, including creep coefficients and contact patch variables due to their direct influence on curving performance and lateral stability of the wheelset. As a result, the estimated longitudinal unit creep forces (UCF) have the potential to supervise the gains determination of PID controller because it can appropriately distinguish running conditions. The estimation of longitudinal UCF is achieved by the combination of the results from the LUT of creep coefficients and the LUT of contact patch variables. The result from longitudinal unit creep force estimation is shifted to the first quadrant to use as critical gain in the Ziegler-Nichols tuning method for the PID controller. The critical oscillation period for PID tuning can be expressed as a function of vehicle speed. Consequently, the PID controller for the active steering system uses time-varying gains with real-time tuning. The proposed control system for active wheelset steering is validated with nine running conditions using SIMPACK and MATLAB/Simulink co-simulation. The proposed control system provides a stable wheelset lateral displacement control regardless of the running condition. The active steering system significantly reduces wheel-rail wear, which demonstrates the effectiveness of the proposed active steering system. / KTH:s Järnvägsgruppen utvecklar en konceptuell design av ett innovativt, två-axligt, lättvikts järnvägsfordon för tunnelbana eller pendeltåg. En aktiv hjuparsstyrning introduceras för att förbättra kurvtagningsförmågan hos fordonet, vilket är ett av de kritiska prestandakraven hos dessa fordon. Det här examensarbetet har som målsättning att förbättra styrningsprestandan av den aktiva hjulsatsstyrningen. För att uppskatta tidsvarierande hjul-rälskontaktparametrar introduceras pre-definierade tabeller (LUT) som en övervakning av en enkel PID-kontroll för det aktiva styrningssystemet, för att förbättra styrprestandan. Uppskattningen som baseras på tabellen fokuserar på tidsberoende hjul-rälsparametrar, inklusive krypkoefficienter och kontaktytans storlek och form. Dessa variabler är i fokus på grund av deras direkta effekt på kurvtagningsförmågan och den laterala stabiliteten hos hjulparet. Den uppskattade longitudinala enhets krypkraften (UCF) har potential att bestämma förstärkningen hos PID-kontrollen på grund av att den, på ett lämpligt sätt, kan skilja mellan olika körtillstånd. Uppskattningen av longitudinell UCF uppnås genom en kombination av resultat för krypkoefficienter och kontaktytavariabler i LUT. Resultaten från den longitudinella UCF-uppskattningen skiftas till den första kvadranten för att användas som kritisk förstärkning i Ziegler-Nichols justeringsmetod för PID-kontroller. Den kritiska oscillationsperioden för PID-justering kan utryckas som en funktion av fordonets hastighet. Utgående från detta använder PID-kontrollen tidsvarierande förstärkning med realtidsjustering för den aktiva styrningen. Det föreslagna kontrollsystemet valideras mot nio körtillstånd med hjälp av SIMPACK och MATLAB/Simulink-simuleringar. Det föreslagna kontrollsystemet tillhandahåller en stabil lateral förflyttning av hjulparet oberoende av körtillstånd. Det aktiva styrsystemet reducerar hjul-räls slitaget signifikant, vilket demonstrerar effektiviteten hos det framtagna aktiva styrsystemet.

Accurate estimation of the load weight of freight trains is crucial for ensuring safe, efficient and sustainable rail freight transports. Traditional methods for estimating load weight often suffer from limitations in accuracy and efficiency. In recent years, machine learning algorithms have gained significant attention and use cases within the railway industry due to their strong predictive capabilities for classification and regression tasks. This study aims to present a proof of concept in the form of a comparative analysis of five machine learning regression algorithms: Polynomial Regression, K-Nearest Neighbors, Regression Trees, Random Forest Regression, and Support Vector Regression for estimating the load weight of freight trains using simulation data. The study utilizes two comprehensive datasets derived from train simulations in GENSYS, a simulation software for modeling rail vehicles. The datasets encompasses various driving condition factors such as train speed, track conditions and running gear configurations. The algorithms are trained and evaluated on these datasets and their performance is evaluated based on the root mean squared error and R2 metrics. Results from the experiments demonstrate that all five machine learning algorithms show promising performance for estimating the load weight. Polynomial regression achieves the best result for both of the datasets when using many features of the datasets are considered. Random forest regression achieves the best result for both of the data sets when a small number features of the datasets are considered. Furthermore, it is suggested that the methodical approach of this study is examined on real world data from operating freight trains to assert the proof of concept in a real world setting. / Noggrann uppskattning av godstågens lastvikt är avgörande för att säkerställa säkra, effektiva och hållbara godstransporter via järnväg. Traditionella metoder för att uppskatta lastvikt lider ofta av begränsningar i noggrannhet och effektivitet. Under de senaste åren har maskininlärningsalgoritmer fått betydande uppmärksamhet och användningsfall inom järnvägsindustrin på grund av deras starka prediktiva förmåga för klassificerings- och regressionsproblem. Denna studie syftar till att presentera en proof of concept i form av en jämförande analys av fem maskininlärningalgoritmer för regression: Polynom regression, K-Nearest Neighbors, Regression träd, Random Forest Regression och Support Vector Regression för att uppskatta lastvikten för godståg med hjälp av simuleringsdata. Studien använder två omfattande dataset konstruerade från tågsimuleringar i GENSYS, en simuleringsprogramvara för modellering av järnvägsfordon. Dataseten omfattar olika körfaktorer såsom tåghastighet, spårförhållanden och vagns konfigurationer. Algoritmerna tränas och utvärderas på dessa dataset och deras prestanda utvärderas baserat på root mean squared error och R2 måtten. Resultat från experimenten visar att alla fem maskininlärningsalgoritmerna visar lovande prestanda för att uppskatta lastvikten. Polynom regression uppnår det bästa resultatet för båda dataset när många variabler i datan beaktas. Random Forest Regression ger det bästa resultatet för båda dataset när ett mindre antal variabler i datan beaktas. Det föreslås det att det metodiska tillvägagångssättet för denna studie undersöks på verklig data från aktiva godståg för att fastställa en proof of concept på en verklig världsbild.