Kombination von Messdaten und wissensbasierter Modellierung zur Fehlerdiagnose bei Weichen / Connecting measurement data and knowledge-based engineering for heavy rail switch fault diagnosis

Abstract

Die Anwendung Künstlicher Intelligenz (KI) im Bereich Prognostics and Health Management (PHM) der Eisenbahninfrastruktur, insbesondere in der Fehlerdiagnose, wird durch hinsichtlich Umfang und/oder Labelling unzureichende Datenbestände und die Notwendigkeit der Rückverfolgbarkeit aufgrund strenger Sicherheitsvorschriften erschwert. Vielversprechende Ansätze sind Feature Engineering, unüberwachtes Lernen und wissensbasierte Systeme. Vor diesem Hintergrund wird nachfolgend erörtert, wie Stromumlaufkurven von Weichenantrieben ausgewertet und mit einem für den Menschen interpretierbaren Bayes'schen Netzmodell für Diagnosezwecke verbunden werden können. -- The application of AI methods in prognostics and health management, especially fault diagnosis, for railway infrastructure is complicated by the largely unlabelled databases and the necessity for traceability due to strict safety regulations. Promising approaches include feature engineering, unsupervised learning and knowledge-based systems. This article discusses how to treat the current curve measurements of railway point machines and connect them with a human-interpretable Bayesian network model for diagnostic purposes.