Archiv

In diesem Artikel wird auf das Potenzial von Achslagerbeschleunigungsdaten zur Detektion von Effekten in der vertikalen Gleislage und Schienenoberfläche eingegangen. Die theoretischen und praktischen Ansätze der Signalverarbeitung werden beschrieben und mit Messsignalen des österreichischen Oberbaumesswagens verglichen. Die Ergebnisse zeigen, dass verarbeitete Beschleunigungssignale am Fahrzeugachslager die vertikale Gleislage sowie den Schienenzustand mit guter Näherung abbilden. Die flexible Signalfilterung erlaubt zudem die Erfassung unterschiedlichster Wellenlängenbereiche. Dadurch können auch fehlende Wellenlängenbereiche abgedeckt werden, wie z. B. 1–3 m, die von den bestehenden Systemen in Österreich nicht erhoben werden. Da die Sensorik am Achslager von Personen- und Güterzügen installiert werden kann, ergibt sich zusätzlich zu den regulären Messfahrten ein hohes Potenzial für eine zeitlich kontinuierliche Zustandsüberwachung.

Verdachtsfälle von geschädigten Radsatzlagern aufgrund auffälliger Geräusche im Betrieb stellen das Instandhaltungspersonal vor große Herausforderungen. Zwar liefern akustische Auffälligkeiten im Fahrbetrieb wichtige Hinweise auf mögliche Schäden am Fahrzeug, die korrekte Zuordnung von Geräuschen zur jeweiligen Komponente ist in der Praxis jedoch schwierig. Dies birgt die Gefahr von Fehlinterpretationen und unnötigen Instandhaltungsmaßnahmen. Hier setzt das Radsatzlagerdetektionsgerät, kurz RSLG-DG, an: Es bietet die Möglichkeit, den Zustand von Radsatzlagern an stehenden Fahrzeugen zu prüfen. Dabei kombiniert es ingenieurstechnisches Know-how mit KI-basierten Analysemethoden und ermöglicht so eine exakte Schadenserkennung. Das System ist auf Basis einer Kooperation zwischen DB Systemtechnik GmbH und TÜV Rheinland InterTraffic GmbH entstanden und für den Einsatz im Bahnbetrieb validiert.

Bernmobil, das Verkehrsunternehmen der Stadt Bern, hat gemeinsam mit den Firmen PROSE, Substring und Parametric ein vom Bundesamt für Verkehr (BAV) gefördertes innovatives Forschungsprojekt durchgeführt, um die Lärmbelastung durch Kurvenquietschen und den Verschleiß von Rad und Schiene bei minimalem Konditioniermitteleinsatz zu reduzieren. Die „intelligente Schienenkopfkonditionierung“, kurz „i-SKK“ genannt, aktiviert die auf dem Fahrzeug verbaute Schienenkopfkonditionierung auf Grundlage des detektierten Konditionierbedarfs. Dieser wird basierend auf einem Lärmmapping (Lärmkartierung) unter Zuhilfenahme von Sensordaten und künstlicher Intelligenz (KI) ermittelt, wodurch der Ort und Zeitpunkt der Konditionierung prognostisch vorhergesagt werden kann. Die Datengrundlage für den Betrieb der i-SKK wird durch die auf 15 Straßenbahnen verbaute Audiomesstechnik erreicht, die mit einem IoT-Gateway über das Mobilfunknetz (LTE) einen permanenten Datenstream an eine Cloud ermöglicht. Dort ermittelt die KI anhand der prozessierten Audioroh-, Meta- und meteorologischen Daten den optimalen Zeitpunkt und Ort der Konditionierung.

Die Entwicklung eines neuartigen Vibrationsantriebs mit regulierbarer Vibrationswelle erfolgt nach einem klar strukturierten, phasenorientierten Entwicklungsmodell. Ausgehend von der systematischen Erfassung und Analyse von Kunden- und Marktanforderungen werden in aufeinanderfolgenden Schritten die konstruktive Auslegung, numerische Simulationen und Prüfstandversuche durchgeführt. Es folgen Feldtests unter realen Einsatzbedingungen. Zentrales Ziel ist die Nutzung der regulierbaren Vibrationswelle als maßgebliches Werkzeug zur Reduktion von Geräuschemissionen, ohne die funktionale Leistungsfähigkeit des Stopfaggregats zu beeinträchtigen. Ergänzend wird auf hohe Energieeffizienz, Wartungsfreundlichkeit und reibungslose Integration in bestehende Systeme geachtet. Derzeit befindet sich das System in der Early-Adopter-Phase, in der unter praxisnahen Bedingungen erhobene Daten gezielt zur iterativen Optimierung eingesetzt werden, um die Serienreife zu erreichen.