Analytische Chemie
Filtern
Dokumenttyp
- Vortrag (3)
Sprache
- Deutsch (3)
Referierte Publikation
- nein (3)
Schlagworte
- Schienenprüfung (3) (entfernen)
Organisationseinheit der BAM
Eingeladener Vortrag
- nein (3)
Ausgehend von einer Machbarkeitsstudie im Jahr 1999 wurde von der BAM in Zusammenarbeit mit der DB AG und verschiedenen anderen Partnern ein Schienenprüfsystem zur Detektion und Bewertung von Schienenfehlern des Typs Head Checks entwickelt. Dieses Prüfsystem arbeitet nach dem Wirbelstromprinzip. Die Firma Prüftechnik Linke & Rühe GmbH aus Magdeburg fertigt und vertreibt seit geraumer Zeit verschiedene manuelle und zuggestützte Prüfsysteme, die auf dieser Entwicklung basieren. Seit Januar 2013 wird in Deutschland der Qualitätsnachweis nach der Schienenbearbeitung mittels Wirbelstromprüfung gefordert.
Im Laufe der Entwicklungsarbeiten wurden verschiedentlich benachbarte Themenfelder rund um die Prüfung auf Head Checks gestreift. Der Schwerpunkt dieses Vortrages liegt auf diesen erweiterten Möglichkeiten der magnetinduktiven Prüfung von verlegten Schienen. Hierbei wird sowohl auf die Verbesserung der Möglichkeiten des bestehenden Systems (z. B. durch Kopplung mit anderen Prüfverfahren) als auch auf mögliche Neuentwicklungen (z. B. durch Einsatz neuer Sensorik) eingegangen. Angestrebte Ziele sind z. B. die Verbesserung der Prüfaussage bei der Head Check Prüfung, Erweiterung der Prüfaussage auf andere Schienenfehlertypen oder die Bestimmung von Schieneneigenschaften wie Härte und Rauigkeit.
Im Rahmen des Forschungsvorhabens AIFRI „Arteficial Intelligence for Rail Inspection“ wird der Prozess der mechanisierten Schienenprüfung in einem digitalen Zwilling abgebildet, um in einem zweiten Schritt mit KI-Algorithmen eine automatisierte Defekterkennung und -klassifizierung trainieren zu können. Hierzu werden relevante Schienenschädigungen und in der Schiene vorhandene Artefakte analysiert und in skalierbare Modelle übertragen.
Die Norm DIN EN 16729-1 „Bahnanwendungen - Infrastruktur - Zerstörungsfreie Prüfung an Schienen im Gleis - Teil 1: Anforderungen an Ultraschallprüfungen und Bewertungsgrundlagen“ gilt für die Prüfausrüstung von Schienenprüffahrzeugen und handgeführten Rollgeräten und legt die Anforderungen an die Prüfgrundsätze und -systeme bei der Prüfung verlegter Eisenbahnschienen fest, um vergleichbare Ergebnisse in Bezug auf Lage, Art und Größe der Unregelmäßigkeiten in den Schienen zu erhalten.
Um die Performance von Prüfsystemen in der Simulation zu evaluieren, wurden die in den Anhängen der DIN EN 16729-1 angegebenen Bezugsreflektoren als künstliche Reflektoren (nach Anhang A) und simulierte Reflektoren (nach Anhang B) in einem digitalen Zwilling mit einem Schienenprofil 54E4 nach DIN EN 13674-1 sowie mit vereinfachter Geometrie als virtuelle Testschienen abgebildet.
Die Simulationen wurden mit den in den Tabellen 3 und 4 nach DIN EN 16729-1 definierten Prüfkopfwinkeln durchgeführt. Die Rechnungen wurden im Labormaßstab an Testkörpern verifiziert und die Signal-Rausch-Abstände für Untersuchungen im Feld ermittelt.
Ergebnisse der Untersuchungen und Möglichkeiten der Anwendung werden vorgestellt.
Das Forschungsvorhaben wird durch das Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) im Rahmen von mFund unter dem Förderkennzeichen 19FS2014 gefördert.
Im Rahmen des Forschungsprojekts "Artificial Intelligence for Rail Inspection" (AIFRI) wird ein KI-Algorithmus entwickelt, um die Fehlererkennung bei der Auswertung von Schienenprüfungen zu verbessern. Der Prozess der mechanisierten Schienenprüfung wird analysiert und die Schienenfehler sowie Artefakte werden in einem digitalen Zwilling abgebildet, um in einem weiteren Schritt die automatische Fehlererkennung und Klassifizierung mit KI-Algorithmen trainieren zu können. Zu diesem Zweck werden Ultraschalldatensätze auf der Grundlage der Regelwerke und Informationen aus der Instandhaltung mit einer Simulationssoftware erstellt, die Anzeigen der verschiedenen Schienenschädigungen und Artefakte enthalten.
Die Schienenfehler werden bei der Auswertung in Fehlerklassen eingeordnet, für das KI-Training priorisiert und auf Basis der von der DB Netz AG ausgewählten Informationen untersucht. Hierfür werden die Schienenfehler nach den für das KI-Training relevanten Merkmalen zerlegt und die Konfiguration der Parameter der Simulation entsprechend abgestimmt.
Für die Grundstruktur des Datensatzes wird ein Schienenmodell mit einer Länge von einem Meter für die Simulation eingesetzt, auf dessen Basis alle bei der Schienenprüfung zu verwendenden Prüfköpfe für den jeweiligen Reflektortyp betrachtet werden. Die simulierten Daten werden auf einer Testschiene im Labormaßstab validiert. Mögliche Einflussparameter wie z. B. der Signal-Rausch-Abstand sowie die Fahrgeschwindigkeit werden in den Datensätzen herangezogen. Die Zusammenstellung eines Testdatensatzes mit lokal veränderlichen Einflussgrößen erfolgt aus den simulierten Daten unter Verwendung der skriptbasierten Programmierumgebung Python und Matlab.
Das Projekt AIFRI wird im Rahmen der Innovationsinitiative mFUND unter dem Förderkennzeichen 19FS2014 durch das Bundesministerium für Digitales und Verkehr gefördert.