Servicenavigation

Detailseite

Zurück

Projekt Druckansicht

Bestimmung der Charakteristik von punktuellen Instabilitäten unter Beachtung der auftretenden Ursache und Belastung

Fachliche Zuordnung Geotechnik, Wasserbau
Förderung Förderung von 2017 bis 2022
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 321042295
 
Erstellungsjahr 2020

Zusammenfassung der Projektergebnisse

Zu Beginn der Forschung wurden die internen und externen Ursachen für punktuelle Instabilitäten identifiziert. Da die internen und externen Ursachen im Umfeld von Eisenbahngleisen allgemein latent vorhanden sind, ist es sinnvoll, die Gleisqualität regelmäßig quasi-kontinuierlich zu überprüfen. Zum Durchführen der Kontrolle von verschiedenen geometrischen Eigenschaften des Gleises gibt es konventionelle und alternative Diagnosesysteme, anhand derer die Notwendigkeit von Wartungsarbeiten bestimmt wird. Diese Methoden sind jedoch entweder sehr teuer oder sie erzeugen eine große Menge an Informationen, die nur mit sehr großem Aufwand zu analysieren sind und deshalb nicht kontinuierlich angewendet werden können. Zur Berechnung der quasistatischen (niederfrequenten) und dynamisch (höherfrequenten) wirkenden Verkehrsbelastung im Bereich von punktuellen Instabilitäten / periodischen Längshöhenfehlern wurde ein analytisches Berechnungs-Modell entwickelt. Die berechneten Belastungsverläufe wurden an das Teilprojekt EPIB 1.2 für die Abbildung einer punktuellen Instabilität im zweidimensionalen Simulationsmodell übergeben. Zusätzlich konnte mit dem Berechnungs-Modell gezeigt werden, dass eine Geschwindigkeitserhöhung beispielsweise um 25 km/h auf 120 km/h erwartungsgemäß auch einen adäquaten Anstieg der dynamischen Einwirkungen sowie ein starkes Anwachsen der quasistatischen Einwirkungen bewirkt. Die Höhe der aus einer punktuellen Instabilität resultierenden dynamischen Einwirkungen werden von der Fehlerwellenlänge und -amplitude des Längshöhenfehlers unmittelbar beeinflusst. In dem bearbeiteten Teilprojekt EPIB 1.1 wurde eine 5-stufige Methode entwickelt, bei der die Eingangs-Signale mit klassifizierten Fehlerarten über die euklidische Distanz abgeglichen und darauf aufbauend die Fehlerähnlichkeiten ermittelt werden. Je kleiner die euklidische Distanz zwischen den vorhandenen Fehlerkennlinien einer punktuellen Instabilität und einem unbekannten Gleisfehler ist, desto größer ist die Wahrscheinlichkeit, dass an dieser Stelle eine punktuelle Instabilität vorliegt. Aus der durchgeführten Berechnung konnte in quantifizierter Form nachgewiesen werden, dass bei einem wenig tragfähigen Boden im Unterbau / Untergrund in Verbindung mit einer hoher Fahrzeuggeschwindigkeit die Gesamtbelastung aufgrund einer schlechteren Lastüberlagerung sowie auftretenden Resonanzeffekten im Boden stark ansteigt. Zusätzlich zu der mit den Gleismessdaten der DB Netz AG durchgeführten Analyse wurde ein erweitertes Fahrzeug-Fahrwegmodell im Maßstab 1:87 erstellt mit dem typische Gleisfehler wie punktuelle Instabilitäten sowohl im früheren als auch im finalen Zustand abgebildet und analysiert werden können. Diese Fehler befinden sich im Fahrzeug-Fahrwegmodell einer bekannten Position und können anhand der auf dem Fahrzeug gemessenen Vertikalbeschleunigung zur Fehlererkennung sowie zur Kalibrierung der unterschiedlichen Fehlerarten genutzt werden. Das Fahrzeug-Fahrwegmodell wurde nach einer grundsätzlichen Validierung auch verwendet, um verschiedene Gleisfehler-Erkennungsmethoden zu analysieren. Dabei wurden zwei Arten von Erkennungsmethoden betrachtet. Einerseits zwei ein Ansatz zur Signalverarbeitung, der eine Analyse von Amplitude, Frequenz, normalisierter Kreuzkorrelation, Wellenlänge und Ausschlagsanalyse umfasst. Einer sehr guten Erkennungsrate steht jedoch eine recht lange Analyse- bzw. Rechenzeit gegenüber. Andererseits wurden Algorithmen für maschinelles Lernen untersucht und implementiert, um die Gleisfehler schneller und effizienter zu erkennen. Am Ende des im vorgesehenen Zeitrahmen abgeschlossenen Forschungs(teil-)projektes wird deutlich, dass mit den in enger kontinuierlicher Interaktion zwischen den Teilprojekten EPIB 1.1., 1.2 und 2 erstellten Algorithmen nicht nur punktuelle Instabilitäten im Fahrzeug-Fahrwegmodell bzw. in der Realität erkannt werden können, sondern durch eine Erweiterung der Methodik in künftigen Forschungen auch verschiedene andere typische Gleisfehler, die zusätzlich mit der Entwicklung einer Echtzeitdatenauswertung weitgehend automatisch erkennbar sind. Um eine hinreichende Menge von Messdaten als Grundlage verwenden zu können und eine quasi-kontinuierliche Gleis-Zustandsüberwachung zu erreichen, empfiehlt es sich, neben einer Verbesserung der Qualität des Modelltrainingsprozesses im neuronalen Netz, auch die Datenerfassung über Zugfahrten im Regelbetrieb zu forcieren.

Projektbezogene Publikationen (Auswahl)

 
 

Zusatzinformationen

© 2024 DFG Kontakt / Impressum / Datenschutz

Textvergrößerung und Kontrastanpassung