Genetic algorithm for identifying train causing greatest fatigue damage in railway bridges

Abstract

Den norske naturen, med sine mange fjell, daler og fjorder, gjør broer til viktige komponenter i landets jernbanenettverk. Jernbanebroene er påkjent av gjen- tatte dynamiske laster, som en følge av at tog kjører over broene. Dette fører til utmattningsskade i broene som igjen kan føre til kollaps. Det er derfor viktig å til enhver tid vite skadeomfanget på broene og dermed hvilken tilstand de er i. Ved å kontrollere dette vet man behovet for vedlikehold og om de eventuelt må skiftes ut. For å kunne beregne levetiden til broene trenger man informasjon om hva slags tog, med tanke på både geometri og last, som har kjørt over broene.

Denne masteroppgaven presenterer en metode for å finne det toget, i denne oppgaven henvist til som "det mest skadelige toget", som forårsaker den største utmattningsskaden på jernbanebroene. Å finne det mest skadelige toget er gjort ved bruk av en genetisk algoritme som finner kombinasjonen av et lokomotiv og flere vogner som ødelegger broen mest. Beregning av skaden er gjort ved å se på den dynamiske responsen indusert i en bro når et tog kjører over den. For å kunne beregne skaden er det i denne oppgaven gjort beregninger ved bruk av fire influenslinjer med totalt ti forskjellige lengder.

I denne oppgaven beskrives oppbygningen til algoritmen og dens struktur. Videre diskuterer den fordelene og ulempene ved bruk av denne metoden for å finnne det mest skadelige toget. Det etablerte rammeverket til den genetiske algorit- men inkluderer metoder for å fremstille løsningsdomenet genetisk, samt metoder for skadeberegninger. Rammeverket blir analysert med to hovedoperatorer; flip- mutasjon og ettpunkts-rekombinasjon. Resultatene er presentert og sammen- lignet med beste metodikk tilgjengelig; Hill Climbing og Late Acceptance Hill Climbing.

The Norwegian nature, consisting of numerous mountains, valleys and fjords, makes bridges important components in the country’s railway infrastructure. These railway bridges are affected by repeated dynamic loading from trains. This induces fatigue damage to elements in the bridges which can cause the bridges to collapse. It is important to know the state of the bridges, and by this their need for maintenance or replacement, to avoid collapse of the bridges. To be able to calculate the service time left for the bridges information about the geometry and loading of the trains that have run over the bridges is needed.

This master thesis presents a method for finding the train, in this thesis called "the most damaging train", that causes the most severe fatigue damage on the steel railway bridges. Finding the most damaging train is done by the use of a genetic algorithm that detects the combination of a locomotive and multiple wagons that damages the bridge the most. Calculating the damage is done by looking at the dynamic response induced in a bridge when a train runs over it. The calculation of the fatigue damage is done for four different influence lines and ten different lengths for each of the influence lines.

This thesis shows how the algorithm is created and structured, and discusses the benefits and disadvantages of this method towards its goal of finding the most damaging train. The established framework of the genetic algorithm includes methods for encoding and decoding trains along with methods for damage cal- culations. The framework is analyzed with two main operators; flip mutation and one-point crossover. The results are presented and compared to the best methodology available; Hill Climbing and Late Acceptance Hill Climbing.