Optimisation des caractéristiques d'un véhicule ferroviaire en stabilité transversale et en circulation en courbe par l'algorithme génétique

Optimization of the railway vehicle's characteristics in transverse stability and in circulation in curve using the genetic algorithm

¹ Laboratoire de Génie Mécanique, ENIM, Université de Monastir, 5019 Monastir, Tunisie
² École Préparatoire aux Académies Militaires, 4052 Sousse, Tunisie

Auteur de correspondance : habib.bettaieb@enim.rnu.tn

Reçu : 3 Novembre 2007
Accepté : 9 Juin 2008

Résumé

Dans ce travail, une optimisation multi-objectifs est appliquée afin de trouver les valeurs optimales des paramètres de construction (paramètres d'inertie, de suspension et géométriques) d'un véhicule ferroviaire. Ces valeurs permettent d'avoir une bonne stabilité transversale lors de la circulation du véhicule en alignement et un bon comportement en courbe. Au début, on commence l'étude par une optimisation de la stabilité transversale du véhicule, ensuite, une optimisation de son comportement en courbe est faite. Les résultats ont montré qu'il y a incompatibilité entre une bonne stabilité transversale et un bon comportement en courbe. La méthode d'optimisation utilisée est la méthode des algorithmes génétiques qui est implémentée sous MATLAB.

Abstract

In this work a multi objective optimization is applied in order to find the optimal values of construction parameters (inertia, suspension and geometrical parameters) of a railway vehicle. The simulation results give a good transverse stability in alignment and improve the ability to steer around a curve without a high transverse displacement and without contact flange. Under these conditions, wear of both rail and wheel is attenuated, and the lifespan of the wheel and the rail are prolonged. At the beginning, one optimizes the vehicle's transverse stability, then its behaviour in curve. The results showed that there is incompatibility between a good transverse stability and a good behaviour in curve. The method of optimization used is the method of the genetic algorithms which is implemented under MATLAB.