Gemeinsam die Zukunft gestalten. Mit RISC Software GmbH, Materials Center Leoben Forschungs GmbH, eologix sensor technology GmbH und Siemens Mobility forschen wir an Innovationen für den Bahnbetrieb.
Seit gut 3 Jahren besteht nun das FFG-Forschungsprojekt PRM4.0, ein Forschungsprojekt der RISC Software GmbH, der Materials Center Leoben Forschung GmbH, der eologix sensor technology GmbH, Siemens Mobility und voestalpine Railway Systems, mit dem Ziel, Innovationen und Verbesserungen für den Eisenbahnbetrieb voranzutreiben.
Ziel des PRM4.0 Projekts ist die Erschaffung eines Prototypen für ein condition-based und predictive Monitoringsystem für die Bahninfrastruktur.
Ein wesentliches Kernelement stellt dabei die Fusion von Fahrwegs- und Fahrzeugdaten sowie relevanter externen Datenquellen wie Wetterdaten, Fahr- und Dispoplänen dar. Durch die Verwendung von aktuell für die Eisenbahninfrastruktur untypischer oder noch zu entwickelnder, energieautarker Sensorik bzw. virtueller Sensoren sowie die Kombination von daten- und modellgetriebenen Analysemethoden anhand von Echtzeitdaten eines Testgeländes werden genaue Prognosen über den kurz– und mittelfristigen Zustand der Bahninfrastruktur ermöglicht.
Der Einsatz von Machine Learning Algorithmen sowie Methoden der Künstlichen Intelligenz soll zuverlässige Aussagen zu Zustandsentwicklungen der Bahninfrastruktur ermöglichen, welche die Verfügbarkeit wesentlich erhöhen während die Lebenszykluskosten sinken.
Das wesentliche Projekthighlight aus Sicht der voestalpine Railway Systems ist die detaillierte Analyse unseres Kernproduktes in Form von mehrerer umfassend mit Sensorik ausgestatteter Eisenbahnweichen, Abbildung derselben mittels eines Digitalen Zwillings sowie der Validierung der daraus gewonnenen Ergebnisse über den gemessenen Verschleißzustand. Durch diesen hybriden Ansatz lässt sich ein zusätzlicher Informationsgewinn und damit ein wesentlicher Mehrwert für unsere Kunden generieren.
Entwicklungshighlights bei Siemens Mobility:
Das Team der RISC Software GmbH beschäftigt sich innerhalb des Projekts PRM4.0. mit dem Aufbau einer Big Data Systemarchitektur zur Verarbeitung großer Datenmengen und der Analyse von Weichenumstellungen.
Konkret wurden Spektralanalysen der Sensordaten mittels Short-Time Fourier-Transform konzipiert und durchgeführt, sowie ein Bewertungstool entwickelt, welches ein semi-automatisiertes Labeling der Datenkurven ermöglicht.
Ziel ist die frühzeitige Erkennung und Ableitung relevanter Mustern in der Datenquelle, zur Feststellung des Abnützungszustand der Weichen.
Von MCL wurde ein Verfahren entwickelt, um aus den Sensorsignalen den Übergangspunkt der Eisenbahnräder von der Flügelschiene auf das Herzstück der Weiche zu bestimmen. Dieser Übergangspunkt ist ein wichtiger Indikator für den Verschleißzustand der Weiche, aber auch der Räder, und konnte bisher nur bei Begehungen ermittelt werden.
Dieses erstmals mögliche, automatische Monitoring des Verschleißzustandes öffnet neue Perspektiven für die Planung der Instandhaltung.
eologix sensor technology erarbeitete ein neues Sensorendesign, um auch bei limitiertem Platz auf der Weiche Sensoren anbringen zu können.
Sobald ein Zug vorbeifährt, werden diese Sensoren mithilfe von Lichtschranken ausgelöst und die Messung gestartet. Durch gleichzeitige Messung verschiedener Punkte, können mehrere Blickwinkel beobachtet werden.
Wir von voestalpine Railway Systems freuen uns auf die verbleibende Projektlaufzeit bis zum Herbst dieses Jahres und möchten uns an dieser Stelle bei unseren Projektpartnern für die hervorragende Zusammenarbeit im Projekt PRM4.0 bedanken.