elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Stellstrombasierte Ausfallprognose bei Weichen – Beziehung zwischen statischen Eigenschaften und nicht normalverteilten Messwerten

Böhm, Thomas und Lemmer, Karsten (2016) Stellstrombasierte Ausfallprognose bei Weichen – Beziehung zwischen statischen Eigenschaften und nicht normalverteilten Messwerten. 50. Regelungstechnische Kolloquium Boppard, 2016-02-17 - 2016-02-19, Boppard.

[img] PDF
50kB

Offizielle URL: http://www.iosb.fraunhofer.de/servlet/is/60094/Programm%20mit%20Kurzfassungen%202016_neu.pdf?command=downloadContent&filename=Programm%20mit%20Kurzfassungen%202016_neu.pdf

Kurzfassung

Im Jahr 2014 verzeichnete die Deutsche Bahn AG (DB) rund 12,5 Millionen netzbedingte Verspätungsminuten [1]. Ausfälle von Eisenbahnweichen sind eine der Hauptursachen für diese Verspätungen. Weltweit erforschen Wissenschaftler, Weichenhersteller und Infrastrukturbetreiber die Ausfallprädiktion, um solche Verspätungen und ihre negativen monetären Folgen zu verhindern. Während für die diagnostische Ist-Bewertung Lösungen existieren [2], mangelt es an einer verlässlichen Ausfallprognose. Dies ist auch dem Umstand geschuldet, dass bei der Prognosemodellentwicklung einige Randbedingungen zu beachten sind. Zum einen lassen die sicherheitstechnischen und die wirtschaftlichen Rahmenbedingungen nur eine begrenzte sensorische Überwachung der Weichen zu. Denn diese muss sowohl auf den Sicherungsbetrieb rückwirkungsfrei als auch für die circa 70000 Weichen und Kreuzungen im DB Netz nachrüstbar sein. Derzeit ist dies nur mit der induktiven Stellstromüberwachung möglich. Zum anderen muss die Prognose für sehr verschiedene Weichentypen Gültigkeit besitzen, damit nicht für jede Weiche ein individuelles Prognosemodell entwickelt werden muss. Der Vortrag stellt ein heuristisches Verfahren vor, mit dem die Beziehung zwischen statischen Eigenschaften und nicht normalverteilten Messwerten mit unterschiedlichen Varianzen aufgedeckt wird [3]. Dadurch wird es möglich unbekannte Weichen einem Ausfallmuster zuzuordnen, ohne dieses vorher aufzuzeichnen. Das Verfahren ist nicht auf Weichen beschränkt, sondern eignet sich grundsätzlich dafür, den Zusammenhang zwischen statischen Eigenschaften und multidimensionalen Messwerten zu identifizieren. Letztlich kann somit auch eine Regelung von Systemen gemäß ihrer statischen Eigenschaften entwickelt werden. Wird der Motorstrom bzw. die Wirkleistung des Weichenantriebs während der Weichenstellung aufgezeichnet, ergibt sich eine typische Umlaufkurve, die für die jeweilige Phase der Umstellung (Leerlauf, Verschlussöffnung, Zungenbewegung, Verschluss, Abschaltung) signifikant ist [4]. Bestimmte Abweichungen von dieser Referenz gelten als Störungsindikator, weshalb sie auch für die Prognose verwendet werden. Doch was bei einem Weichentyp ein abnormales Stellstrommuster ist, kann bei einem anderen Typ völlig normal sein. Dies auf Eigenschaften der Weiche zurückzuführen, ist mit herkömmlichen Verfahren, wie etwa Hotellings T2-Test, Wilcoxon-Mann-Whitney-Test, Varianzanalyse (ANOVA) oder Diskriminanzanalyse nicht möglich. Die notwendigen Vorrausetzungen sind nicht erfüllt, da die multidimensionalen Messwerte nicht normalverteilt sind und keine gleichen Varianzen aufweisen. Hier kommt die entwickelte Heuristik zur Anwendung. In einem ersten Schritt werden alle Weichen gemäß der ordinal- und normalskalierten Bauarteigenschaften gruppiert. Hierbei wird ein hierarchisches Clustering verwendet, mit dem stufenweise immer kleinere Gruppen gebildet werden. So entstehen verschiedene Bauartcluster. Im zweiten Schritt wird für jeden Cluster die Clusterzugehörigkeitsfunktion anhand der Messdaten von Weichen innerhalb dieses Clusters gebildet. Eine vorher separierte Testmenge wird mittels der Funktion in einen dieser Bauartcluster klassifiziert. Je höher der Klassifikationserfolg ist, desto stärker sind die Bauarteigenschaften für die Messwerte verantwortlich. Da entlang der Hierarchieebenen alle Bauarteigenschaften kombiniert werden, offenbart das beste Klassifikationsergebnis jene Eigenschaftskombination, die für das unterschiedliche Ausfallverhalten in den Messwerten beschreibend ist. Anhand der so identifizierten Eigenschaften kann für neue Weichen das gleiche Ausfallprognosemodell genutzt werden, wie für bekannte Weichen im selben Cluster - ohne zusätzlichen Entwicklungsaufwand.

elib-URL des Eintrags:https://elib.dlr.de/104625/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Stellstrombasierte Ausfallprognose bei Weichen – Beziehung zwischen statischen Eigenschaften und nicht normalverteilten Messwerten
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Böhm, Thomasthomas.boehm (at) dlr.dehttps://orcid.org/0000-0003-0027-9470NICHT SPEZIFIZIERT
Lemmer, KarstenKarsten.Lemmer (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:19 Februar 2016
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Status:veröffentlicht
Stichwörter:Ausfallprognose, Datengetriebene Prädiktion, Clustering
Veranstaltungstitel:50. Regelungstechnische Kolloquium Boppard
Veranstaltungsort:Boppard
Veranstaltungsart:nationale Konferenz
Veranstaltungsbeginn:17 Februar 2016
Veranstaltungsende:19 Februar 2016
Veranstalter :Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Verkehr
HGF - Programmthema:Verkehrsmanagement (alt)
DLR - Schwerpunkt:Verkehr
DLR - Forschungsgebiet:V VM - Verkehrsmanagement
DLR - Teilgebiet (Projekt, Vorhaben):V - Next Generation Railway Systems III (alt)
Standort: Berlin-Adlershof
Institute & Einrichtungen:Institut für Verkehrssystemtechnik > Bahnsysteme
Hinterlegt von: Böhm, Thomas
Hinterlegt am:09 Aug 2016 12:50
Letzte Änderung:24 Apr 2024 20:09

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.