Detekce poruch sekundárního tlumení vlakového podvozku pomocí strojového učení

Abstract

Tato bakalářská práce se zabývá detekcí poruch sekundárního tlumení vlakového podvozku pomocí metod strojového učení. Cílem je analyzovat vibrační data a upravit je tak, aby bylo možné spolehlivě rozlišit běžný stav bez poruchy od poruch tlumení různé intenzity. Práce se věnuje přípravě dat, volbě vhodných postupů pro jejich zpracování a návrhu modelu, který dokáže jednotlivé stavy rozpoznávat co nejpřesněji.

This bachelor thesis focuses on detecting faults in the secondary suspension of railway bogies using machine learning methods. The aim is to analyse vibration data and process it in a way that allows reliable distinction between a normal, fault-free state and suspension faults of different severity levels. The work deals with data preparation, the selection of suitable processing techniques, and the design of a model capable of recognising the individual states as accurately as possible.