Detektion von Fehlern am Gleis mittels Frequenzanalyse am Beispiel eines Fahrweg-Fahrzeug-Modells

Abstract

Durch die kontinuierlich steigende Verkehrsleistung im Eisenbahnverkehr erhöht sich auch die Anzahl der gefährlichen Ereignisse. Einige dieser Eisenbahnunfälle könnten durch eine frühzeitige Identifizierung von Fehlern am Fahrweg vermieden werden. Dabei könnte die kontinuierliche Überwachung und Bewertung des Fahrwegzustands in Echtzeit durch an Regel-zügen angebrachten Sensoren erfolgen, wodurch auch eine erhebliche Kostenersparnis und Erhöhung des Fahrkomforts sowie der Sicherheit ermöglicht würde. Zur Erkennung von Feh-lern können typische Frequenzbereiche genutzt werden. Um diese zu generieren wurde am Institut für Eisenbahn- und Verkehrswesen der Universität Stuttgart ein Modell gebaut. Im Modell können Gleisfehler mit unterschiedlichen Geometrien und Steifigkeiten am Fahrweg installiert werden. Zur Fehlerdetektion wurde die vertikale Beschleunigung mit einem Beschleunigungssensor am Fahrzeug erzeugt. Für das Beschleunigungssignal im Bereich von Fehlern wurden dann die Frequenzen analysiert. Der Vorteil des Modells ist, dass die Positionen der Fehler im Modell bekannt sind, wodurch leicht zwischen den einzelnen Fehlern im Mess-schrieb unterschieden werden kann. Um Einzelfehler im Messschrieb bewerten zu können, ist eine Klassifikation der detektierten Fehler notwendig. Im Rahmen der Bachelorarbeit erfolgt deshalb eine Frequenzanalyse zu einzelnen im Modell existierenden Fehlern. Die Messschriebe im Bereich von Fehlern wurden mittels Fast Fourier Transformation, der spektralen Beschleunigungsdichte und der Wavelet-Analyse untersucht. Darauf aufbauend wurde einer Logik zu Detektion der Gleisfehler im Modell entwickelt und mittels der Software Enterprise Architect diese dargestellt. Anschließend wurde diese Logik mit der Software MATLAB umgesetzt und getestet.

The growing demand for rail traffic increases the number of possible dangerous railway events. Many of the occurring railway accidents can be avoided by an early identification of the track errors and their positions. The continuous monitoring and evaluation of the road condition in real time using attached sensors on regular trains can save considerable costs and offer safer and more comfortable rides for passengers. For this purpose, track error models with different geometries and requirements were installed on the railway miniature replica at the Institute of Railways and Transportation at the University of Stuttgart. The vertical acceleration of the miniature train was measured using an acceleration sensor on the vehicle. In order to be able to evaluate individual errors in the measurement signal, a classification of the detected errors is necessary. Here, the characteristics and effects of a rail breakage, rail joints, punctual instability, and the stiffness change when driving over a bridge are examined. Due to the known positions of the track errors in the model, a distinction can be made between the individual errors in the signal in order to be able to assign them to their respective error type. The greater the track error, the greater the rash of the acceleration in the measurement record. As part of the bachelor thesis, a frequency analysis is performed on individual errors in the model. For this purpose, the signals that are positioned in the range of the errors are to be analyzed using the Fast Fourier transformation, the Power Spectral, and the Wavelet analysis. The aim of this scientific work is to develop a logic that detects the track position error in the model using the software Enterprise Architect. This logic should then be implemented with the software MATLAB.