Kontinuierliche Überwachung der LST mit eingebetteten Sensoren

Kurzfassung

Der unerwartete Ausfall eines Elements der Leit- und Sicherungstechnik (LST) wie z. B. einer hochfrequentierten Weiche führt in der Regel unmittelbar zu negativen Auswirkungen auf den Bahnbetrieb und damit auf die Attraktivität des Verkehrsträgers Bahn. Daher ist die kontinuierliche Überwachung bekannter "kritischer Anlagen" der LST im laufenden Betrieb bereits heute Stand der Technik. So sind z. B. Messsysteme für die Erfassung der elektrischen Leistungsaufnahme von Weichenantrieben seit vielen Jahren am Markt verfügbar und bei einigen europäischen Eisenbahninfrastrukturbetreibern bereits flächendeckend im Einsatz bzw. werden gegenwärtig ausgerollt (z. B. [1]). Die kontinuierliche Zustandsüberwachung im laufenden Betrieb stellt dabei eine Grundvoraussetzung für das übergeordnete Ziel dar: die prädiktive Instandhaltung. Basierend auf dem aktuellen Zustand der Anlagen und Prognosen zur weiteren Entwicklung des Anlagenverhaltens sollen Instandhaltungsmaßnahmen frühzeitig geplant und zum ökonomisch optimalen Zeitpunkt durchgeführt werden [2]. Dadurch sollen auch unerwartete Ausfälle der Anlagen vermieden werden. In diesem Zusammenhang besteht hoher Forschungsbedarf in Bezug auf das Verständnis der Fehlzustände und deren Entwicklung, der zu erhebenden (Mess-) Daten sowie bei der Entwicklung und Nutzung automatischer Verfahren (insbesondere der Künstlichen Intelligenz – KI) zur Detektion [3], Diagnose [4] und Prognose [5] des Anlagenverhaltens. Im Folgenden werden Forschungsschwerpunkte des DLR-Instituts für Verkehrssystemtechnik (DLR-TS) für die Erkennung auffälligen Anlagenverhaltens (Anomaliedetektion) sowie für die Zustandsdiagnose am Beispiel der Weiche vorgestellt. Diese Forschungsarbeiten erfolgen in Kooperation mit internationalen Praxispartnern und sind in das europäische Joint-Undertaking Shift2Rail eingebettet. Die hier vorgestellten Arbeiten entstammen u. a. dem Leuchtturmprojekt In2Rail ([6], Grant 635900 im EU-Forschungsprogramm Horizont 2020) sowie dem Shift2Rail-Projekt In2Smart ([7], Grant 730569).