| Summary: | Tunnelbanan i Stockholm består av tre linjer, som omfattar 100 stationer med 108 km spår. Resenärer gör 1,1 miljoner resor varje dag. Beroende av tid på dygnet kan antalet tågvagnar variera, vilket kan leda till att föraren av misstag stoppar tåget med en vagn kvar i tunneln eller utanför plattformen. För att förhindra detta behövs ett sensorbaserat fristående system som indikerar till föraren att hela tåget är vid plattformen. Först beskriver denna avhandling de befintliga tekniker och metoder som används för tågdetektering idag. Två typer av teknik jämförs för denna applikation, optiska och induktiva. Det optiska systemet är dyrare och är känslig för en stökig och smutsig miljö, men är enkelt applicerbart på denna applikation. Den induktiva sensorn är billig och kräver inget underhåll. Utmaningen är det korta avkänningsavståndet på 50 mm. De båda typerna av sensorerna testas i ett system, i laboratoriemiljö och vid Hjulsta tågstationen. Olika typer av konfigurationer testas och utvärderas. De två konfigurationer som jämförs i slutet, är ett lasersensor system som indikerar för föraren när laserstrålen är blockerad. Den andra konfigurationen använder två induktiva sensorer som räknar tågets axlar på två olika platser längs spåret. Ett schema för det slutliga kretskortet och kod för logiken presenteras avslutningsvis. === The metro system in Stockholm consists of three lines, covering 100 stations with 108 km of track. Boarding passengers take 1.1 million journeys every day. Depending on the time of day, the number of cars varies, which can cause drivers to inadvertently stop trains with one car still in the tunnel or off the platform. To prevent this, there is a need for a sensor-based stand-alone system to alert drivers that the whole train, including all cars, is at the platform. First, the thesis describes the existing technologies and methods for train positioning. Two types of technology are compared for this application, optical and inductive. The optical system is more expensive and more sensitive to a messy environment but is more straightforward. The inductive sensor is cheap and does not need any maintenance. The challenge is the 50 mm sensing range. Both types of sensors were tested in a system, in laboratory environment and at Hjulsta trainstation. Different approaches were tested and evaluated. The two configurations that are compared in the end are a laser sensor system that indicates to the driver when the laser beam is blocked. The second configuration uses two inductive sensors that count the axles in two different locations along the track. Schematics for the final PCB and code for the logic are also presented.
|
|---|
