Neues Onboard-System misst Radflanschverschleiß mit KI – 98% Genauigkeit
Ein neu entwickeltes Onboard-Messsystem ermöglicht die präzise Erfassung des Radflanschverschleißes in Echtzeit. Durch den Einsatz von Weg- und Temperaturmessern werden die Verschleißdaten direkt an Bord der Züge erfass…
- Ein neu entwickeltes Onboard-Messsystem ermöglicht die präzise Erfassung des Radflanschverschleißes in Echtzeit.
- Durch den Einsatz von Weg- und Temperaturmessern werden die Verschleißdaten direkt an Bord der Züge erfasst und in Echtzeit verarbeitet.
- Die gesammelten Messwerte dienen als Grundlage für die automatisierte Schulung dynamischer Machine‑Learning‑Algorithmen, die auf Regressionsmodellen basieren.
Ein neu entwickeltes Onboard-Messsystem ermöglicht die präzise Erfassung des Radflanschverschleißes in Echtzeit. Durch den Einsatz von Weg- und Temperaturmessern werden die Verschleißdaten direkt an Bord der Züge erfasst und in Echtzeit verarbeitet.
Die gesammelten Messwerte dienen als Grundlage für die automatisierte Schulung dynamischer Machine‑Learning‑Algorithmen, die auf Regressionsmodellen basieren. In Laborversuchen wurden verschiedene Verschleißstufen simuliert und Temperaturveränderungen nachgebildet, um die Modelle robust zu trainieren.
Zur Verbesserung der Messgenauigkeit wurde ein unendlicher Impulsantwortfilter (IIR) entwickelt, der Fahrzeugdynamik und Sensornauigkeit reduziert. Die Filterparameter wurden aus einer Fourier‑Transformationsanalyse von Lokomotiv‑Simulationen abgeleitet.
Die Ergebnisse zeigen, dass der ML‑Algorithmus die nichtlineare Temperaturabhängigkeit der Sensoren effektiv kompensiert und eine Genauigkeit von 96,5 % erreicht. Durch den Echtzeit‑Rauschunterdrückungsfilter steigt die Präzision auf 98,2 % bei minimalem Rechenaufwand.
Integriert in IoT‑basierte Kommunikationssysteme liefert das Messsystem kontinuierliche Einblicke in den Radflanschverschleiß und die damit verbundenen Gleisinformationen. Damit wird die Sicherheit und Effizienz im Schienenverkehr deutlich erhöht.
Welche Linse du auf diese Meldung legen solltest
Dieses Thema ist relevant, weil es zeigt, wie sich KI-Produkte, Modelle oder Rahmenbedingungen in der Praxis verschieben.
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.