Original title: Klasifikace projíždějících vlaků na základě měřených parametrů
Translated title: Classification of Passing Trains Based on Measured Data
Authors: Novák, Tomáš ; Mangová, Marie (referee) ; Hadraba, Petr (advisor)
Document type: Bachelor's theses
Year: 2026
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta strojního inženýrství
Abstract: [cze] [eng]
Tato bakalářská práce se zabývá klasifikací projíždějících vlaků na základě dynamické mechanické odezvy v kolejišti. Automatická identifikace kolejových vozidel z měření pomocí piezoelektrických MFC senzorů představuje nezbytný první krok pro efektivní monitoring zátěže a budoucí prediktivní údržbu železniční infrastruktury. Teoretická část práce shrnuje problematiku namáhání trati, tvorbu vad, databázové systémy pro ukládání dat a metody klasifikace. V praktické části byla z veřejných a poloveřejných zdrojů vytvořena strukturovaná referenční databáze 383 typů kolejových vozidel v provozovaných ČR. Stěžejním výsledkem je vývoj hybridního pravidlového klasifikátoru, který analyzuje časové řady z MFC senzoru umístěného na izolovaném lepeném styku. Algoritmus využívá shlukovou analýzu a sadu doménových (heuristických) pravidel pro potlačení šumu a rekonstrukci logického řazení soupravy. Systém byl úspěšně nasazen na více než 1300 reálných průjezdů na trati Praha – Olomouc, přičemž validace potvrdila jeho vysokou spolehlivost a přesnost zejména v segmentu ucelených jednotek a standardních osobních souprav. This bachelor's thesis deals with the classification of passing trains based on the dynamic mechanical response in the railway track. Automatic identification of railway vehicles from piezoelectric MFC sensor measurements is an essential first step for effective load monitoring and future predictive maintenance of railway infrastructure. The theoretical part summarizes the issue of track loading, defect formation, database systems for data storage, and classification methods. In the practical part, a structured reference database of 383 types of rolling stock used in the Czech Republic was created from public and semi-public sources. The core result is the development of a hybrid rule-based classification algorithm that analyzes time series from an MFC sensor located at an insulated rail joint. The algorithm utilizes cluster analysis and domain (heuristic) rules to suppress noise and reconstruct the logical train composition. The system was successfully tested on over 1300 real train passes on the Prague -- Olomouc line, with validation confirming its high reliability and accuracy, particularly for multiple units and standard passenger trains.
Keywords: cluster analysis.; dynamic track response; MFC sensor; piezoelectric measurement; railway transport; railway vehicle database; rule-based classifier; time series classification; train classification; databáze kolejových vozidel; dynamická odezva trati; klasifikace vlaků; klasifikace časových řad; MFC senzor; piezoelektrické měření; pravidlový klasifikátor; shluková analýza.; železniční doprava

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/259248

Permalink: http://www.nusl.cz/ntk/nusl-776274


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses