Pôle de recherche
Diagnostic et Maintenance des systèmes de Transport Guidé

RAILBAYES
Reconnaissance des points singuliers du rail et aide à la maintenance des voies ferroviaires

 



 

 

 

 

 

Sur la période 1998-2001, un multicapteur à courants de Foucault a été développé en partenariat avec la RATP pour permettre la détection de rails cassés sur les lignes de métro à roulement fer (projet CCF-FI). Ce dernier détecte également différents types de défauts mineurs (fissures, écailles) et de points singuliers de la voie (soudures, éclisses...). La reconnaissance des différentes classes de défauts représente un enjeu important, en particulier pour les applications en maintenance des infrastructures. Or, si le capteur permet de détecter toutes les ruptures de rails, il subsiste encore des confusions entre défauts mineurs et points singuliers de la voie. Le projet RAILBAYES a pour objectif de mettre en place un outil complémentaire permettant de diminuer ces taux de confusion afin de mettre en place une politique de maintenance de défauts de surface des rails.

Pour cela, une nouvelle source d'informations a été prise en compte: la succession des points singuliers à la voie. En effet, l'infrastructure d'une voie ferrée est très fortement structurée et le séquencement des soudures, éclisses... est en partie dicté par les règles de pose des rails et d'entretien des voies.

Des modèles statistiques de ces succesions de points singuliers sont donc identifiables. Ce problème de reconnaissance de séries temporelles a trouvé sa solution dans la théorie des n-TBN (réseaux bayesiens dynamiques d'ordre n) modélisant des IO-HMM (chaînes de Markov Entrées-Sorties). Le développement de plusieurs modèles, dont les paramètres ont été appris en s'appuyant sur une base de donnée de la RATP répertoriant l'intégralité des points singuliers et leur position, a permis d'aboutir au multinet (collaboration de plusieurs n-TBN) illustré ci-dessous.
Ces travaux font l'objet d'une thèse débutée en 2003, en collaboration avec le laboratoire CRAN de Nancy (Pr. Iung). Les travaux de fin de thèse portent également sur l'étude des MDP (Markov Decision Process) pour la mise ent oeuvre de politiques de maintenance.

Parallèlement, d'autres points ont été abordés comme l'optimisation de différents types de voisinage pour le développement de n-TBN (amont, aval; latéral) et la comparaison de différentes méthodes de fusions de classifieurs (Fusion bayesienne Naïve, Moyenne et Moyenne pondérée, BKS, Decision Template, théorie des Fonctions de croyance...). Cette fusion est la dernière étape du projet Railbayes et elle permet la collaboration du classifieur global (basé sur des n-TBN) et du classifieur local (basé sur l'analyse et le traitement des signaux issus du capteur CCF-FI).

Enfin, une extension des n-TBN, prenant en compte des distances inter-détections continues est en cours de réalisation. Ces travaux s'appuient sur une estimation des densitées de distribution des distances entre points singuliers à l'aide de l'algorithme EM (Expectation Maximisation).

Personnes impliquées : Laurent Bouillaut, Abdeljabbar Ben Salem, Allou Samé, Etienne Côme

Modifié le 08/11/2005 par LB