Forschung : Neue Wege gegen den Verschleiß von Weichen

Das Ziel ist die „intelligente Weiche“: Die soll zukünftige Abnützung, Verschleiß oder Fehler der Weiche zu jedem Zeitpunkt zuverlässig prognostizieren können. Der Weg dorthin führt über Machine Learning, dessen Algorithmen selbstlernend aus Daten von Eisenbahninfrastruktur-Sensoren Entscheidungen zu geplanten Wartungen ableiten sollen.

Im kürzlich abgeschlossenen, FFG-geförderten Projekt „iTPP 4.0“ haben sich RISC Software und die voestalpine Signaling Zeltweg zusammengetan, um aus den bereits vorhandenen Daten Neues zu schaffen. Bahnweichen sind bereits mit unterschiedlichsten Kraft-, Weg-, Drucksensoren ausgestattet. Bis dato war eine Reduktion der Störfälle von rund 30 Prozent durch die Auswertung der Sensordaten möglich. Um noch früher festzustellen, wann eine Weiche einen Störfall verursacht, wurden nun für die Eisenbahninfrastruktur untypische Sensoren eingesetzt. Dies sind beispielsweise Ultraschallsensoren, optische Sensoren zur Erfassung akustischer Signale und Vibrationssensoren.

Auch äußere Einflüsse wie Umgebung, Klima und Wetter werden miteinbezogen. Die somit große Menge an erhaltenen Daten werden zentral gesammelt und mit Hilfe von mathematischen Algorithmen und Machine-Learning-Ansätzen zu Prognosen für die Wartung weiterverarbeitet. Somit können Abnützung, Verschleiß oder Fehler bereits vorzeitig prognostiziert und Störungen verhindert werden.

Im österreichischen Schienennetz befinden sich mehr als 10.000 Weichen. Die Weichennutzungsdauer liegt bei etwa 25 Jahren, wobei eine Weiche während ihrer Lebensdauer mehrmals gewartet werden muss, um störungsfrei zu funktionieren. Erreicht eine Weiche nach dem Stellbefehl vom Stellwerk nicht die sichere und ordnungsgemäße Lage in vorgegebener Zeit, beispielsweise durch zu geringen Druck in der Weichenstellvorrichtung, muss diese Weiche ungeplant gewartet werden. Bei einer Störung beziehungsweise ungeplanten Stillständen können Züge die Weiche nur mit geringer Geschwindigkeit oder gar nicht passieren. Es kann zu Verspätungen durch die erforderlichen „Langsamfahrstellen“ kommen.

Die Herausforderung liegt nun in der Erkennung von relevanten Mustern der Datenquellen, um den Abnützungszustand einer Weiche festzustellen. Dazu wurden Trainingsdaten von bestehenden Weichen herangezogen und die von den bestehenden Systemen der Weichendiagnostik erkannten Fehlerfälle analysiert und kategorisiert. Diese Daten dienten als Grundlage für die Entwicklung von intelligenten Prognosen.