Predictive track maintenance: how statistics models and vehicle-track interaction open new prospects: Maintenance prédictive des voies : comment les modèles statistiques et l'interaction véhicule-voie ouvrent de nouvelles perspectives

Nicolas Lestoille 1, 2 Christine Funfschilling 1 Christian Soize 2
1 SNCF : Innovation & Recherche
2 MSME - Laboratoire de Modélisation et Simulation Multi Echelle
Abstract : La thèse présentée dans cet article a été menée dans le cadre de recherches d'outils de maintenance prédictive de la voie. A partir du calcul de la réponse dynamique d'un train à grande vitesse sur la voie, d'un modèle statistique des défauts de géométrie d'une portion de voie et d'outils mathématiques, elle a pour objet de prévoir statistiquement l'évolution, à une échéance de temps donnée, de la réponse dynamique du train sur la portion de voie étudiée. Le modèle de prévision développé permet ainsi l'atteinte de valeurs seuils déclenchant une opération de maintenance de la voie.
Type de document :
Article dans une revue
Revue Generale des Chemins de Fer, Elsevier, 2017, 269, pp.28-35
Liste complète des métadonnées
https://hal-upec-upem.archives-ouvertes.fr/hal-01552338
Contributeur : Christian Soize <>
Soumis le : dimanche 2 juillet 2017 - 10:41:23
Dernière modification le : vendredi 22 juin 2018 - 10:44:23

Identifiants

  • HAL Id : hal-01552338, version 1

Collections

UPEC-UPEM | MSME_MECA | MSME

Citation

Nicolas Lestoille, Christine Funfschilling, Christian Soize. Predictive track maintenance: how statistics models and vehicle-track interaction open new prospects: Maintenance prédictive des voies : comment les modèles statistiques et l'interaction véhicule-voie ouvrent de nouvelles perspectives. Revue Generale des Chemins de Fer, Elsevier, 2017, 269, pp.28-35. 〈hal-01552338〉

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

133

Contact

support.ccsd.cnrs.fr
hal.support@ccsd.cnrs.fr
Logo CCSD