Erkennung Radfehler mit smarter Algorithmik

AI

Radfehler führen zu hoher Beanspruchung der Bahn-Infrastruktur und erzeugen Lärm. SCS hat Algorithmen zum Erkennen von Radfehlern entwickelt. Somit können betroffene Fahrzeuge entsprechend saniert werden.

  • Ausgangslage: Radfehler

    Radfehler (z.B. Flachstellen, Ausbrüche) führen zu hoher Beanspruchung der Infrastruktur und erzeugen Lärm. Für die Erfassung von unterschiedlichen Radfehlern müssen verschiedene Daten verknüpft und ausgewertet werden.

  • Lösung SCS

    SCS hat verschiedene Algorithmen zum Erkennen von Radfehlern getestet und implementiert. Die Verfahren basieren auf den von der RLC gelieferten Signalen.

  • Nutzen SBB

    Das Vorhandensein von Radfehlern wird erkannt. Für gewisse Radfehler findet eine Schätzung der Ausprägung des Radfehlers statt. Betroffene Fahrzeuge können dem EVU gemeldet werden, damit dieser die Fahrzeuge sanieren kann.

Im Rahmen der ZKE (Zugkontrolleinrichtungen) messen RLC-Anlagen (Radlast Checkpoints) das Gewicht von vorbeifahrenden Fahrzeugen. Die Signalverläufe werden durch Radfehler beeinflusst. So können die Signalverläufe nicht nur zur Gewichtsbestimmung benutzt werden, sondern zeigen auf, ob Radfehler vorliegen.

Beim ersten Ansatz für die Bestimmung eines Radfehlers wird aus dem Signalverlauf jedes Rades eine einfach zu bestimmende Kenngrösse (Dynamischer Beiwert) berechnet. Bei kleinem dynamischem Beiwert liegt kein Radfehler vor und bei grossem dynamischem Beiwert ist ein ausgeprägter Radfehler vorhanden.

Beim zweiten Ansatz detektiert ein von der SCS entwickelter Algorithmus Flachstellen und schätzt deren Länge. Dabei wird ausgenutzt, dass bei einer Flachstelle, die genau über einem Sensor auftritt, ein typischer Signalverlauf resultiert. Der Algorithmus sucht diesen typischen Signalverlauf auf den Messungen. Wird ein solcher gefunden, wird er durch den Algorithmus genauer analysiert, um so die Länge der Flachstelle zu schätzen. Für die Schätzung der Länge müssen auf dem Signalverlauf charakteristische Punkte bestimmt werden.

Beim dritten Ansatz wird die «Abwicklung» des Rades bestimmt, das heisst, dass die Aussenseite des Rades und deren Beschaffenheit auf einem Graphen dargestellt wird. So erhält man einen Zustand des Rades über den ganzen Umfang und die einzelnen Fehlerstellen auf der Lauffläche werde sichtbar gemacht. Da die auf der RLC-Anlage vorhandenen Sensoren nicht den kompletten Radumfang aufnehmen, werden für die Abwicklung zusätzliche Sensoren eingesetzt. Die von der SCS entwickelten Algorithmen bereiten die gemessenen Daten der einzelnen Sensoren auf und kombinieren sie dann zur Abwicklung.

Durch die drei Ansätze können vorhandene Radfehler entdeckt und genauer analysiert werden. Aufgrund der Analyse kann dann die Empfehlung zur Sanierung von Fahrzeugen mit Radfehlern ausgegeben werden.

Titelbild: Heitersberg [CC-BY-SA-4.0] via Wikimedia Commons (cropped)

Verwandte Projekte

Visuelle Kontrolle von Eisenbahnwagen

Ist die Klotzbremse abgenutzt? Wie dick ist das Schleifstück des Pantographen? Hängt eine nicht richtig montierte Schraubenkupplung nach unten? Das ... mehr erfahren

Predictive Alarm Detection

SBB ZKE misst auf der freien Strecke die Lager- und Radtemperaturen der vorbeifahrenden Züge. SCS hat ein KI Modell trainiert, welches angezogene ... mehr erfahren

Blockchain für sicherheitskritische Stellwerklogik

Blockchain ermöglicht es, mehrere Rechner in einem Verbund laufen zu lassen und damit die Zuverlässigkeit zu erhöhen. Insbesondere in ... mehr erfahren

KI erkennt Hüftfehl­stellungen

Eine Hüftfehlstellung bei Neugeborenen kann viele Operationen nötig machen. SCS hat eine KI entwickelt, welche solche Fehlstellungen ... mehr erfahren

Retrofits – Fit für die Zukunft

Ein Retrofit ist eine Modernisierung eines Systems durch Nachrüstung von Teilkomponenten. Dadurch lassen sich umweltschonend Kosten sparen. SCS hat ... mehr erfahren
Alle Projekte anzeigen
Florentin Marty Measure & Decide Wie kann ich Ihnen weiterhelfen?