Predikering av solslyng med eksisterende måleresultater
Description
Full text not available
Abstract
Denne masteroppgaven undersøker bruk av Fast Fourier-transformasjon (FFT) for å analysere sidefeil i jernbanespor, med mål om å forutsi og redusere risikoen for solslyng i helsveist spor. Studien benytter data fra målevognen Roger 1000 og analyserer strekninger på Bergensbanen, et område kjent for hyppige solslynghendelser. Målinger av sidefeil ble samlet inn over en toårsperiode (2022–2023) og kombinert med historiske data om solslyng. Resultatene viser at FFT-metoden gir nyttig innsikt i sporgeometriens dynamikk, men at kompleksiteten i faktorene som påvirker solslyng, gjør det vanskelig å etablere entydige trender. Analysen avdekket frekvenser på 3,9; 6,8; 7,8; og 10,7 per 1024 meter som områder med størst variasjon. Videre forskning er nødvendig for å skille kurvaturens effekt fra faktiske sidefeil og utforske flere bølgelengder, som D1 og D2. Denne studien legger grunnlaget for fremtidig utvikling av prediksjonsmetoder for solslyng og bidrar til økt sikkerhet i jernbanenettet. This master’s thesis explores the application of Fast Fourier Transformation (FFT) to analyze lateral track irregularities with the aim of predicting and mitigating the risk of thermal buckling (track buckling) in continuously welded rail (CWR). Data from the Roger 1000 measurement vehicle, combined with historical track buckling records, were analyzed over two years (2022–2023) along the Bergensbanen railway, a track section prone to frequent buckling incidents. The results demonstrate that FFT provides valuable insights into track geometry dynamics, yet the complexity of influencing factors, including curvature and external conditions, complicates the identification of clear trends. Key frequency ranges—3.9, 6.8, 7.8, and 10.7 per 1024 meters—were identified as areas of significant variation. Future research should focus on isolating curvature effects and exploring additional wavelength ranges (D1 and D2). This study establishes a foundation for developing predictive methods for track buckling and contributes to enhanced railway safety.