{rfName}
De

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

12

Altmetrics

Investigadores/as Institucionales

Guerrero-Lopez, AlejandroAutor (correspondencia)

Compartir

18 de septiembre de 2024
Publicaciones
>
Artículo
Hybrid Gold

Detecting train driveshaft damages using accelerometer signals and Differential Convolutional Neural Networks

Publicado en: ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE. 126 106840- - 2023-07-29 126(), DOI: 10.1016/j.engappai.2023.106840

Autores:

Galdo, Antia Lopez; Guerrero-Lopez, Alejandro; Olmos, Pablo M; Garcia, Maria Jesus Gomez
[+]

Afiliaciones

Inst Invest Sanitaria Gregorio Maranon, Madrid 28007, Spain - Autor o Coautor
Univ Carlos III Madrid, Dept Mech Engn, Leganes 28911, Spain - Autor o Coautor
Univ Carlos III Madrid, Dept Signal Proc & Commun, Leganes 28911, Spain - Autor o Coautor
Ver más

Resumen

Maintaining railway axles is crucial to prevent catastrophic failures and enormous human and economic costs. In recent years, there has been a growing interest in the railway industry to adopt condition monitoring techniques to enhance the safety and efficiency of the rail transport system, which maintenance is currently based on periodic inspections. In this context, this work presents a technique for real-time crack diagnosis on railway axles, based on advanced 2D-Convolutional Neural Network (CNN) architectures applied to time- frequency representations of vibration signals. One of the critical novelties is introducing a differential CNN structure that captures the system's statistical properties, enabling generalisation between different mechanical sets and conditions. The proposed system has been trained with data corresponding to a unique wheelset assembly, showing that the model is able to diagnose cracks on the three different wheelset tested in operation under 32 different combinations of conditions, such as load, speed, sense of rotation and vibration direction. Four different crack levels have been introduced, representing the maximum one a 0.08% of the axle diameter, and the method proposed achieved Area Under the Curve (AUC) score of 0.85, significantly outperforming results obtained with other architectures proposed in the state-of-the-art, the score of the next below is 0.76. The results demonstrate the effectiveness and practicality of this approach to accurately classify the four crack levels tested within a condition monitoring system for non-stationary conditions, that would enable reliable real-time diagnosis, thus paving the way towards a more robust and efficient railway axle maintenance system.
[+]

Palabras clave

Accelerometer signalsAccident preventionAxlesCatastrophic failuresConditionCondition monitoringConvolutionConvolutional neural networkConvolutional neural networksCrack detectionDamage detectionDeep learningDeep neural networksDriveshaftsEconomic costsFault-detectionLife-predictionNetwork architectureRailroad transportationRailroadsRailsRailway axlesSignal detectionSysteVibration signalWheelsWheelsetsWind turbine

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2023, se encontraba en la posición 5/181, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Engineering, Multidisciplinary. Destacable, igualmente, el hecho de que la Revista está posicionada por encima del Percentil 90.

Independientemente del impacto esperado determinado por el canal de difusión, es importante destacar el impacto real observado de la propia aportación.

Según las diferentes agencias de indexación, el número de citas acumuladas por esta publicación hasta la fecha 2026-04-05:

  • WoS: 2
  • Scopus: 2
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-05:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 36.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 36 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 1.
  • El número de menciones en la red social X (antes Twitter): 1 (Altmetric).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
[+]

Análisis de liderazgo de los autores institucionales

el autor responsable de establecer las labores de correspondencia ha sido GUERRERO LOPEZ, ALEJANDRO JORGE.

[+]

Reconocimientos ligados al ítem

This work has been developed within the project Sistema de monitor-izacion de estado para deteccion de fisuras en ejes ferroviarios (SMEPDFEF-CM-UC3M) , 2021 Call for grants to carry out interdisciplinary R & D projects for young doctors of the Carlos III University from Madrid. The work was also supported by MCIN AEI [grant numbers RTI2018-099655-B-100, PID2021-123182OB-I00 and TED2021-131372A-I00] ; by the Comunidad de Madrid [grant numbers IND2022/TIC-23550] ; by the European Union (FEDER and the European Research Council (ERC) ) through the European Unions Horizon 2020 research innovation program [grant number 714161] ; and by the IISGM [grant INTRAMURAL] .
[+]