Modelado dinámico de un pantógrafo ferroviario mediante el uso de redes neuronales artificiales

Abstract

[ES] La obtención de modelos dinámicos de sistemas suele realizarse mediante ajuste de los parámetros a partir de medidas experimentales. Aun así, cuando se trata de sistemas complejos con comportamientos no lineales, la propia formulación del modelo matemático no se ajusta perfectamente al comportamiento dinámico real del sistema. El objetivo principal de este trabajo es desarrollar una estrategia para obtener el modelo dinámico de un pantógrafo ferroviario mediante el uso de técnicas de inteligencia artificial, en concreto de redes neuronales. Dichas redes se entrenan con el objetivo de poder predecir ciertas variables de interés a partir de medidas experimentales sobre el pantógrafo, como por ejemplo, la fuerza aplicada sobre el colector del pantógrafo a partir de la aceleración vertical del mismo o viceversa. Como en este trabajo no se disponen de medidas experimentales de estas magnitudes, los de datos para entrenar las redes se obtendrán a partir de simulaciones numéricas en las que se utilizará un modelo de pantógrafo de masas concentradas. En el presente trabajo se exploran dos posibles aplicaciones de las redes neuronales entrenadas. La primera consiste en realizar medidas indirectas de ciertas magnitudes a partir de los datos medidos (en este caso simulados). Esta aplicación puede resultar muy útil para predecir la fuerza de contacto entre pantógrafo y catenaria conociendo tan solo la aceleración del cabezal colector del pantógrafo, lo cual resulta mucho más simple y económico respecto del procedimiento actual de medida directa de dicha fuerza. La segunda aplicación consiste en utilizar la red neuronal entrenada como un modelo dinámico de pantógrafo capaz de calcular el movimiento del pantógrafo en función de las fuerza aplicada.

[EN] Obtaining dynamic models of systems is usually done by adjusting the parameters from experimental measurements. Even so, when it comes to complex systems with nonlinear behaviors, the formulation of the mathematical model itself does not fit perfectly with the actual dynamic behavior of the system. The main objective of this work is to develop a strategy to obtain the dynamic model of a railway pantograph through the use of artificial intelligence techniques, specifically neural networks. These networks are trained with the aim of being able to predict certain variables of interest from experimental measurements on the pantograph, such as the force applied on the pantograph manifold from the vertical acceleration of the pantograph or vice versa. As experimental measurements of these magnitudes are not available in this work, the data to train the networks will be obtained from numerical simulations in which a concentrated mass pantograph model will be used. This paper explores two possible applications of trained neural networks. The first consists of making indirect measurements of certain magnitudes from other measured data (in this case simulated). This application can be very useful to predict the contact force between pantograph and catenary knowing only the acceleration of the pantograph collector head, which is much simpler and cheaper compared to the current procedure of direct measurement of this force. The second application is to use the trained neural network as a dynamic pantograph model capable of calculating the pantograph movement as a function of the applied force.