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

Analysis of Railway Track Irregularities with Convolutional Autoencoders and Clustering Algorithms

Niebling, Julia und Baasch, Benjamin und Kruspe, Anna (2020) Analysis of Railway Track Irregularities with Convolutional Autoencoders and Clustering Algorithms. In: 16th European Dependable Computing Conference, EDCC 2020, 1279, Seiten 78-89. Springer. AI4RAILS 2020, 2020-09-07, Munich. doi: 10.1007/978-3-030-58462-7_7. ISBN 978-3-030-58461-0. ISSN 1865-0929.

[img] PDF
2MB

Offizielle URL: https://link.springer.com/chapter/10.1007/978-3-030-58462-7_7

Kurzfassung

Modern maintenance strategies for railway tracks rely more and more on data acquired with low-cost sensors installed on in-service trains. This quasi-continuous condition monitoring produces huge amounts of data, which require appropriate processing strategies. Deep learning has become a promising tool in analyzing large volumes of sensory data. In this work, we demonstrate the potential of artificial intelligence to analyze railway track defects. We combine traditional signal processing methods with deep convolutional autoencoders and clustering algorithms to find anomalies and their patterns. The methods are applied to real world data gathered with a multi-sensor prototype measurement system on a shunter locomotive operating on the industrial railway network of the inland harbor of Braunschweig (Germany). This work shows that deep learning methods can be applied to find patterns in railway track irregularities and opens a wide area of further improvements and developments.

elib-URL des Eintrags:https://elib.dlr.de/136375/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Analysis of Railway Track Irregularities with Convolutional Autoencoders and Clustering Algorithms
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Niebling, JuliaJulia.Niebling (at) dlr.dehttps://orcid.org/0000-0001-5413-2234NICHT SPEZIFIZIERT
Baasch, BenjaminBenjamin.Baasch (at) dlr.dehttps://orcid.org/0000-0003-1970-3964NICHT SPEZIFIZIERT
Kruspe, AnnaAnna.Kruspe (at) dlr.dehttps://orcid.org/0000-0002-2041-9453NICHT SPEZIFIZIERT
Datum:7 September 2020
Erschienen in:16th European Dependable Computing Conference, EDCC 2020
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:1279
DOI:10.1007/978-3-030-58462-7_7
Seitenbereich:Seiten 78-89
Herausgeber:
HerausgeberInstitution und/oder E-Mail-Adresse der HerausgeberHerausgeber-ORCID-iDORCID Put Code
Bernardi, SimonaUniversity of Zaragozahttps://orcid.org/0000-0002-2605-6243NICHT SPEZIFIZIERT
Vittorini, ValeriaUnivesity of Naples Federico IINICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Flammini, FrancescoLinnaeus Universityhttps://orcid.org/0000-0002-2833-7196NICHT SPEZIFIZIERT
Nardone, RobertoUniversity of Reggio CalabriaNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Marrone, StefanoUnivesity of Naples Federico IIhttps://orcid.org/0000-0001-6852-0377NICHT SPEZIFIZIERT
Adler, RasmusFraunhofer IESENICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Schneider, DanielFraunhofer IESEhttps://orcid.org/0000-0003-3465-9738NICHT SPEZIFIZIERT
Schleiß, PhilippFraunhofer IKSNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Nostro, NicolaResiltech s.r.lhttps://orcid.org/0000-0001-6295-3622NICHT SPEZIFIZIERT
Løvenstein Olsen, RasmusAalborg UniversityNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Di Salle, AmletoUniversity of L'Aquilahttps://orcid.org/0000-0002-0163-9784NICHT SPEZIFIZIERT
Masci, PaoloNational Institute of Aerospace, Langley Research Centerhttps://orcid.org/0000-0002-0667-7763NICHT SPEZIFIZIERT
Verlag:Springer
Name der Reihe:Dependable Computing - EDCC 2020 Workshops
ISSN:1865-0929
ISBN:978-3-030-58461-0
Status:veröffentlicht
Stichwörter:Defect Detection, Deep Learning, Convolutional Autoencoder, Clustering
Veranstaltungstitel:AI4RAILS 2020
Veranstaltungsort:Munich
Veranstaltungsart:Workshop
Veranstaltungsdatum:7 September 2020
Veranstalter :Shift2Rail project RAILS
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:keine Zuordnung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R - keine Zuordnung
DLR - Teilgebiet (Projekt, Vorhaben):R - keine Zuordnung, V - Digitalisierung und Automatisierung des Bahnsystems (alt)
Standort: Jena
Institute & Einrichtungen:Institut für Datenwissenschaften
Institut für Verkehrssystemtechnik
Hinterlegt von: Niebling, Julia
Hinterlegt am:01 Okt 2020 08:59
Letzte Änderung:24 Apr 2024 20:38

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.