-
Es wird ein Verfahren und eine Vorrichtung zur Zustandsüberwachung eines Schienenfahrzeugs vorgeschlagen. Das Verfahren dient dazu, auf Basis einer möglichst geringen Anzahl von Messstellen und Sensoren Veränderungen im Schwingverhalten eines mechanischen Systems eines Schienenfahrzeugs, insbesondere eines Güterwagens, zu erkennen, die auf mechanische Defekte bzw. fortschreitenden Verschleiß zurück zu führen sind. Das Verfahren ist besonders für Schienenfahrzeuge geeignet, da deren Schwingverhalten im Betrieb sehr starken Schwankungen sowohl in den Amplituden als auch den Anregungsfrequenzen unterliegt. Eine bevorzugte Anwendung ist die Überwachung von Fahrwerken in Schienenfahrzeugen. Grundsätzlich lässt sich das Verfahren auch an anderen Fahrzeugen oder Vorrichtungen, die mechanischen Belastungen ausgesetzt sind, anwenden.
-
Die Aufgabe der Erfindung ist es, eine zuverlässige, kostengünstige und robuste Zustandsüberwachung eines Schienenfahrzeugs, insbesondere eines Güterwagens, zur Verfügung zu stellen.
-
Die Erfindung ergibt sich aus den Merkmalen der unabhängigen Ansprüche. Vorteilhafte Weiterbildungen und Ausgestaltungen sind Gegenstand der abhängigen Ansprüche. Weitere Merkmale, Anwendungsmöglichkeiten und Vorteile der Erfindung ergeben sich aus der nachfolgenden Beschreibung, sowie der Erläuterung von Ausführungsbeispielen der Erfindung, die in den Figuren dargestellt sind.
-
Ein verfahrensgemäßer Aspekt der Aufgabe ist mit einem Verfahren zur Zustandsüberwachung eines Schienenfahrzeugs, insbesondere eines Güterwagens, gelöst. Das Verfahren umfasst folgende Verfahrensschritte. Erstens, zeitabhängiges Erfassen von n-dimensionalen Zustandsdaten Z(t) := (zi(t)) des Schienenfahrzeugs, mit i = 1, 2, 3, ..., n, und n ≥ 2. Zweitens, auf Basis der erfassten Zustandsdaten Z(t) Ermitteln einer Anzahl m von Kennzahlen Ku(Z(t)), mit u = 1, 2, 3, ... m. Drittens, Klassifizieren der ermittelten Kennzahlen Ku(Z(t)) in eine Anzahl o von Klassen KLv zur Erzeugung klassifizierter Kennzahlen Ku,KLv(Z(t)), mit v = 1, 2, 3, ... o, wobei der Index v die Kennzahlenklasse angibt. Viertens, für jede Klasse KLv Ermitteln einer Häufigkeitsverteilung HV(Ku,KLv(Z(t))) der Kennzahlen Ku,KLv(Z(t)). Fünftens, für jede Häufigkeitsverteilung HV(Ku,KLv(Z(t))) Ermitteln eines p-Quantils Qv(HV(Ku,KLv(Z(t)), p) der Häufigkeitsverteilung HV(Ku,KLv(Z(t))) für ein vorgegebenes p, mit 0 < p < 1. Sechstens, sofern für eine der Kennzahlenklassen KLv eine Differenz zwischen einem vorgegebenen Soll-Quantil QSoll(p, KLv), das einen von der Klasse KLv und dem Wert p abhängigen Referenzzustand des Schienenfahrzeugs angibt, und dem ermittelten p-Quantil Qv(HV(Ku,KLv(Z(t)), p) größer als ein vorgegebener Grenzwert Gv(p) ist, Generieren einer Warnung.
-
Die generierte Warnung kann gespeichert und/oder ausgegeben werden. Die Warnung zeigt bei entsprechender Wahl des Grenzwertes Gv(p) an, dass sich der Zustand des Schienenfahrzeugs deutlich verschlechtert, so dass eine eingehende Untersuchung, bzw. Wartung des Schienenfahrzeugs erforderlich ist.
-
Das Verfahren ermöglicht eine einfache, zuverlässige und robuste Zustandsüberwachung eines Schienenfahrzeugs und insbesondere eine frühzeitige Erkennung von Schäden an dem Schienenfahrzeug. Das Verfahren wird bevorzugt automatisch, d. h. ohne Eingriff eines Bedieners ausgeführt.
-
Der Begriff der Zustandsdaten Z(t) wird dabei breit verstanden. Die Zustandsdaten Z(t) umfassen insbesondere Beschleunigungsdaten a(t) und/oder Geschwindigkeitsdaten v(t) und/oder Beladezustandsdaten m(t) und/oder Positionsdaten x(t) und/oder Aktivierungsdaten von Bremsen des Schienenfahrzeugs, und/oder Temperaturdaten eines Rades und/oder Temperaturdaten einer Bremse des Schienenfahrzeugs und/oder Umweltdaten, wie beispielsweise Lufttemperatur und/oder Luftfeuchte. Die Beschleunigungsdaten a(t) umfassen bevorzugt zweidimensionale Beschleunigungsdaten ay(t), az(t) oder dreidimensionale Beschleunigungsdaten ax(t), ay(t) az(t). Dabei bezeichnet der Index z eine vertikale Komponente und der Index y eine Komponente horizontal quer zur Fahrtrichtung. Die Zustandsdaten Z(t) sind zumindest zweidimensional (n = 2), d. h. sie weisen zumindest zwei Komponenten: z1(t) und z2(t) auf, bspw. eine Beschleunigung und eine Geschwindigkeit.
-
In einer besonders bevorzugten Verfahrensvariante umfassen die Zustandsdaten Z(t) Beschleunigungsdaten a(t), Geschwindigkeitsdaten v(t) zur Geschwindigkeit des Schienenfahrzeugs, und Beladezustandsdaten m(t) des Schienenfahrzeugs.
-
Zur Erfassung der Zustandsdaten Z(t) sind entsprechende Sensoren am Schienenfahrzeug vorhanden (bspw. Beschleunigungssensoren, Temperatursensoren, Feuchtigkeitssensoren, Positionsermittlungseinrichtung (bspw. GSP-, GLONASS, Galileo-Satellitennavigationssystem), etc. Bevorzugt sind zur Zwischenspeicherung erfasster Zustandsdaten entsprechende Zwischenspeichermedien wie RAM-Speicher am Schienenfahrzeug vorhanden.
-
Das Erfassen der Zustandsdaten Z(t) erfolgt bevorzugt mit einer Abtastfrequenz im Bereich zwischen 100 Hz bis 10 kHz. Die Abtastfrequenz beträgt bevorzugt 1 kHz, 2 kHz 3 kHz, 5 kHz, 6 kHz, 7 kHz, 8 kHz oder 9 kHz.
-
In einer Weiterbildung des Verfahrens werden die erfassten Zustandsdaten Z(t) von dem Schienenfahrzeug an einen externen Zentralserver übermittelt, wobei die Verfahrensschritte zwei bis sechs von dem Zentralserver ausgeführt werden. In dieser Weiterbildung werden damit große Datenmengen mit einer entsprechend hohen Datenrate an den Zentralserver übertragen, so dass das Schienenfahrzeug über eine entsprechend geeignete Datenübertragungseinrichtung verfügen muss. Somit erfolgt die Datenprozessierung (Verfahrensschritte 2 bis 6) in dieser Weiterbildung nicht im/am Schienenfahrzeug sondern im Zentralserver.
-
In einer Weiterbildung des Verfahrens werden die Kennzahlen Ku(Z(t)) von dem Schienenfahrzeug an einen externen Zentralserver übermittelt. Somit werden im/am Schienenfahrzeug die Verfahrensschritte eins und zwei, und die Schritte drei bis sechs von dem Zentralserver ausgeführt. Die an den Zentralserver zu übertragene Datenmenge wird durch die Ausführung des Schrittes zwei erheblich reduziert, da lediglich noch Kennzahlen Ku(Z(t)) an den Zentralserver zu übertragen sind.
-
Die Kennzahlen Ku(Z(t)) ergeben sich aus den Zustandsdaten zi(t). Dabei können die Kennzahlen Ku(Z(t)) bspw. gleitende Mittelwerte der Zustandsdaten zi(t) über ein vergangenes Zeitintervall t – Δt und/oder eine kontinuierlich zeitabhängige Funktion der Zustandsdaten Z(t) darstellen. Die Festlegung welche Zustandsdaten zi(t) bzw. welche daraus ermittelten Kennzahlen Ku(Z(t)) erforderlich sind, richtet sich nach der jeweils zu beantwortenden technischen Fragestellung.
-
Eine Weiterbildung des Verfahrens zeichnet sich dadurch aus, dass das Generieren der Warnung erst dann erfolgt, wenn die Differenz zwischen einem vorgegebenen Soll-Quantil QSoll(p) und einem ermittelten p-Quantil Qv(HV(Ku,KLv(Z(t)), p) für eine vorgegebene Anzahl q von aufeinanderfolgenden Ermittlungen ebendieser Differenz der Grenzwert Gv(p) jeweils überschritten wird. Dadurch wird das Verfahren robuster, insbesondere führen nicht einzelne Messfehler, die zu einer Überschreitung des Grenzwerts Gv(p) führen, zu einer Auslösung bzw. Generierung einer Warnung.
-
Eine Weiterbildung des Verfahrens zeichnet sich dadurch aus, dass die Beschleunigungsdaten a(t) von einem Beschleunigungssensor erfasst werden, der an einem Wagenkasten oder an einem Drehgestell des Schienenfahrzeugs an einer Positionen angeordnet ist, die in einem Schwingungsbauch einer Strukturschwingung liegt, wobei die Strukturschwingung eine Frequenz aufweist, die in einem Bereich von 200–500 Hz, oder 300–400 Hz oder 250–300 Hz liegt. Durch diese Anordnung des Beschleunigungssensors wird sichergestellt, dass die vom Beschleunigungssensor erfassten Schwingungsamplituden relativ zu anderen Anbringungsorten am größten sind.
-
Ein vorrichtungsgemäßer Aspekt der Aufgabe ist mit einer Vorrichtung zur Überwachung eines Zustandes eines Schienenfahrzeugs, insbesondere eines Schienenfahrzeugs gelöst. Diese Vorrichtung umfasst: ein Sensormittel zum zeitabhängigen Erfassen von n-dimensionalen Zustandsdaten Z(t) := (zi(t)) mit i = 2, 3, ..., n, und n ≥ 2 des Schienenfahrzeugs, einem ersten Mittel, mit dem auf Basis der Zustandsdaten Z(t) eine Anzahl m von Kennzahlen Ku(Z(t)), mit u = 1, 3, ... m ermittelbar sind, ein Klassifikationsmittel zum Klassifizieren der ermittelten Kennzahlen Ku(Z(t)) in eine Anzahl o von Klassen KLv mit v = 1, 2, 3, ... o, zur Erzeugung klassifizierter Kennzahlen Ku,KLv(Z(t)), ein zweites Mittel, mit dem für jede Klasse KLv eine Häufigkeitsverteilung HV(Ku,KLv(Z(t))) der Kennzahlen Ku,KLv(Z(t)) ermittelbar ist, ein drittes Mittel, mit dem für jede Klasse KLv ein p-Quantil Qv(HV(Ku,KLv(Z(t)), p) der Häufigkeitsverteilung HV(Ku,KLv(Z(t))) für ein vorgegebenes p, mit 0 < p < 1 ermittelbar ist, und ein viertes Mittel, mit dem, sofern für eine Kennzahlenklasse KLv eine Differenz zwischen einem vorgegebenen Soll-Quantil QSoll(p, KLv), das einen von der Klasse KLv und dem Wert p abhängigen Referenzzustand des Schienenfahrzeugs angibt, und dem ermittelten p-Quantil Qv(HV(Ku,KLv(Z(t)), p) größer als ein vorgegebener Grenzwert Gv(p) ist, eine Warnung generierbar ist.
-
Bevorzugte Weiterbildungen und Vorteile der Vorrichtung ergeben sich durch eine analoge und sinngemäße Übertragung der zu dem erfindungsgemäßen Verfahren gemachten Ausführungen.
-
Die Aufgabe ist weiterhin gelöst durch ein Computersystem, mit einer Datenverarbeitungsvorrichtung, wobei die Datenverarbeitungsvorrichtung derart ausgestaltet ist, dass ein Verfahren, wie vorstehend beschrieben, auf der Datenverarbeitungsvorrichtung ausgeführt wird.
-
Zudem wird die Aufgabe gelöst durch ein digitales Speichermedium mit elektronisch aus lesbaren Steuersignalen, wobei die Steuersignale so mit einem programmierbaren Computersystem zusammenwirken können, dass ein Verfahren, wie vorstehend beschrieben, ausgeführt wird.
-
Ferner wird die Aufgabe gelöst durch ein Computer-Programm-Produkt mit auf einem maschinenlesbaren Träger gespeicherten Programmcode zur Durchführung des Verfahrens, wie vorstehend beschrieben, wenn der Programmcode auf einer Datenverarbeitungsvorrichtung ausgeführt wird.
-
Schließlich betrifft die Erfindung ein Computer-Programm mit Programmcodes zur Durchführung des Verfahrens, wie vorstehend beschrieben, wenn das Programm auf einer Datenverarbeitungsvorrichtung abläuft. Dazu kann die Datenverarbeitungsvorrichtung als ein beliebiges aus dem Stand der Technik bekanntes Computersystem ausgestaltet sein.
-
Weitere Vorteile, Merkmale und Einzelheiten ergeben sich aus der nachfolgenden Beschreibung, in der – gegebenenfalls unter Bezug auf die Zeichnungen – zumindest ein Ausführungsbeispiel im Einzelnen beschrieben ist. Gleiche, ähnliche und/oder funktionsgleiche Teile sind mit gleichen Bezugszeichen versehen.
-
Es zeigen:
-
1 schematisches Ablaufschema eines Ausführungsbeispiels des Verfahrens,
-
2 schematisierte Darstellung eines Ausführungsbeispiels der Vorrichtung,
-
3 Systemkonfiguration mit minimaler Sensorenanzahl: 301 – Telematikeinheit mit GPS, Prozessor, Speicher und Kommunikationsmodul; 302a, 302b – Triaxiale Beschleunigungssensoren; 303 – Drucksensor(en) im Bereich der Bremse; 304 – Energieversorgung (Achslagergenerator)
-
4 Vorrichtung gemäß einer Ausführungsform
-
5 Prinzipielle Darstellung der vier wesentlichen Funktionsgruppen
-
6 Beispiel absolute Häufigkeit einer Kennzahl für zwei Geschwindigkeitsklassen
-
7 Beispiel relative Häufigkeit einer Kennzahl für zwei Geschwindigkeitsklassen
-
8 Häufigkeitsverteilung über Geschwindigkeitsklassen und Kennwertgröße
-
9 Flussdiagramm für die Berechnung der Kennwerte aus den lateralen und vertikalen Beschleunigungen am Wagenkasten
-
10 Häufigkeitsverteilung als Farbkarte (links) und „Kammkurve des 50%-Quantil (rechts)
-
11 Flussdiagramm für die Datenanalyse und Kriteriumsberechnung
-
12: Ergebnistabelle Kennwerte aus Testlauf
-
13: Alternative Systemkonfiguration mit minimaler Sensorenanzahl: 301 – Telematikeinheit mit GPS, Prozessor, Speicher und Kommunikationsmodul; 302a – Triaxiale Beschleunigungssensoren; 303 – Drucksensor(en) im Bereich der Bremse; 304 – Energieversorgung (Achslagergenerator)
-
1 zeigt ein schematisches Ablaufschema eines Ausführungsbeispiels des Verfahrens zur Zustandsüberwachung eines Schienenfahrzeugs. Das Verfahren umfasst folgende Schritte. In einem ersten Schritt 101 erfolgt ein zeitabhängiges Erfassen von n-dimensionalen Zustandsdaten Z(t) := (zi(t)) des Schienenfahrzeugs, mit i = 1, 2, 3, ..., n, n ≥ 2. In einem zweiten Schritt 102 erfolgt auf Basis der Zustandsdaten Z(t) ein Ermitteln einer Anzahl m von Kennzahlen Ku(Z(t)), mit u = 1, 2, 3, ... m. In einem dritten Schritt 103 erfolgt ein Klassifizieren der ermittelten Kennzahlen Ku(Z(t)) in eine Anzahl o von Klassen KLv zur Erzeugung klassifizierter Kennzahlen Ku,KLv(Z(t)), mit v = 1, 2, 3, ... o. Die einzelnen Klassen ergeben sich sowohl aus der Größe eines Zustandswertes zi(t) als auch durch Kombination mit mehreren Zustandswerten zi(t) bis zk(t) mit j, k = 1, 2, ... n ungleich i, wobei zi(t) vorzugsweise Beschleunigungsdaten und zi(t) bis zk(t) Betriebsparameter wie Fahrgeschwindigkeit, Beladungszustand, aus Position ermittelter Streckenabschnitt, Witterung sind.
-
In einem vierten Schritt 104 erfolgt für jede Klasse KLv ein Ermitteln einer Häufigkeitsverteilung HV(Ku,KLv(Z(t))) der Kennzahlen Ku,KLv(Z(t)). In einem fünften Schritt 105 erfolgt für jede Häufigkeitsverteilung HV(Ku,KLv(Z(t))) ein Ermitteln eines p-Quantils Qv(HV(Ku,KLv(Z(t)), p) der Häufigkeitsverteilung HV(Ku,KLv(Z(t))) für ein vorgegebenes p, mit 0 < p < 1.
-
In einem sechsten Schritt 106 erfolgt, sofern für eine der Kennzahlenklassen KLv eine Differenz zwischen einem vorgegebenen Soll-Quantil QSoll(p, KLv) 107, das einen von der Klasse KLv und dem Wert p abhängigen Referenzzustand des Schienenfahrzeugs angibt, und dem ermittelten p-Quantil Qv(HV(Ku,KLv(Z(t)), p) größer als ein vorgegebener Grenzwert Gv(p) ist, ein Generieren einer Warnung.
-
2 zeigt eine schematisierte Darstellung eines Ausführungsbeispiels der Vorrichtung, zur Überwachung eines Zustandes eines Güterwagens. Die Vorrichtung umfasst am Güterwagen angeordnete Sensormittel 201 zum zeitabhängigen Erfassen von n-dimensionalen Zustandsdaten Z(t) := (zi(t)) mit i = 1, 2, 3, ..., n des Güterwagens, ein am Güterwagen angeordnetes erstes Mittel 202, mit dem auf Basis der Zustandsdaten Z(t) eine Anzahl m von Kennzahlen Ku(Z(t)), mit u = 1, 3, ... m ermittelbar sind, ein Klassifikationsmittel 203 zum Klassifizieren der ermittelten Kennzahlen Ku(Z(t)) in eine Anzahl o von Klassen KLv mit v = 1, 2, 3, ... o, zur Erzeugung klassifizierter Kennzahlen Ku,KLv(Z(t)), ein zweites Mittel 204, mit dem für jede Klasse KLv eine Häufigkeitsverteilung HV(Ku,KLv(Z(t))) der Kennzahlen Ku,KLv(Z(t)) ermittelbar ist, ein drittes Mittel 205, mit dem für jede Klasse KLv ein p-Quantil Qv(HV(Ku,KLv(Z(t)), p) der Häufigkeitsverteilung HV(Ku,KLv(Z(t))) für ein vorgegebenes p, mit 0 < p < 1 ermittelbar ist, und ein viertes Mittel 206, mit dem, sofern für eine Kennzahlenklasse KLv eine Differenz zwischen einem vorgegebenen Soll-Quantil QSoll(p, KLv) 107, das einen von der Klasse KLv und dem Wert p abhängigen Referenzzustand des Güterwagens angibt, und dem ermittelten p-Quantil Qv(HV(Ku,KLv(Z(t)), p) größer als ein vorgegebener Grenzwert Gv(p) ist, eine Warnung generierbar ist. Weiterhin umfasst die Vorrichtung ein Ausgabemittel 207 zur Ausgabe der Warnung.
-
Das Sensormittel 201 und das erste Mittel 202 sind, wie bereits beschrieben, am Güterwagen angeordnet. Bevorzugt weist die Vorrichtung ein am Güterwagen angeordnetes Kommunikationsmittel (nicht dargestellt) zur Datenkommunikation zwischen dem Güterwagen und einer Zentrale auf. Das Kommunikationsmittel überträgt die vom ersten Mittel 202 ermittelten Kennzahlen Ku(Z(t)) bspw. mittels eines Mobilfunknetzes an die Zentrale. Das Klassifikationsmittel 203, sowie das zweite bis vierte Mittel 204–206 sowie das Ausgabemittel 207 sind in diesem Ausführungsbeispiel in der Zentrale angeordnet.
-
Das vorgeschlagene Verfahren umfasst somit eine statistische Auswertung der mit dem Sensormittel 201 gemessenen Daten und deren anschließenden Bewertung. Das Verfahren wurde für die Fehlerdetektion von Schienenfahrzeugen, insbesondere an Eisenbahngüterwagen mit Drehgestellen entwickelt.
-
Die Schwingungen eines Güterwagens während der Fahrt haben überwiegend drei Ursachen:
- – Anregung durch stochastischen Gleislagefehlern und der Schienenrauheit,
- – Parametererregung durch Rundheitsabweichung bei drehenden Teilen (Rad und Lager), und
- – Reibungsbremse.
-
Als zu detektierende mechanische Defekte bzw. Fehler wurden identifiziert:
- – Lagerschäden
- – Flachstellen am Rad
- – Unrunde Räder (polygonalisiert)
- – Gebrochene Federn
- – Veränderte Dämpfungseigenschaften (Reibungsdämpfung)
- – Veränderungen am Radquerprofil
-
Die Herausforderung besteht darin, dass die durch Schäden zu erwartenden Veränderungen der Schwingungen im Vergleich zu dem Streubereich der Schwingungen im Betrieb sehr gering sind. Die Schwingamplituden in einem Frequenzbereich bei einem intakten Fahrzeug können bei Fahrt auf schlechten Gleisen (hoher Anregungspegel) deutlich höher sein, als bei einem geschädigten Fahrzeug auf guten Gleisen (minimaler Anregungspegel). Um ein marktfähiges System für den Schienengüterverkehr anbieten zu können, muss zudem aus Kostengründen die Zahl der benötigten Messsensoren und vor allem die Anzahl unterschiedlicher Messpositionen am Fahrzeug minimiert werden, da eine robuste und gegen äußere Einwirkungen im Güterverkehr geschützte Verkabelung fast noch teurer als die Sensoren selbst ist.
-
Das Verfahren besteht in einer bevorzugten Ausführungsform aus einer zweigeteilten Datenverarbeitung, die besonders für dezentrale Systeme mit beschränkter Bearbeitungs- und Speicherkapazität in Verbindung mit einem leistungsstarken zentralen Server geeignet ist. Dabei wird auch die Forderung nach einer möglichst geringen Datenmenge berücksichtigt, die zwischen beiden Systemen zu übertragenden ist.
-
Das vorgeschlagene Verfahren benötigt wenige Sensoren, die zudem alle bevorzugt am Wagenkasten des Schienenfahrzeugs befestigt werden können. Sofern keine zentrale Energieversorgung vorhanden ist, sollte lediglich ein Fahrwerk über einen Radlagergenerator verfügen. Alle anderen Komponenten des Diagnosesystems können am Wagenkasten montiert werden.
-
3 zeigt hierzu eine mögliche Systemkonfiguration mit minimaler Sensorenanzahl an einem Güterwagen, umfassend: eine Telematikeinheit 301 mit GPS, Prozessor, Speicher, Kommunikationsmodul; zwei triaxiale Beschleunigungssensoren 302a, 302b; Bremsdrucksensor(en) 303 im Bereich der Bremse; und Energieversorgung 304 (Achslagergenerator). Vorteilhaft werden die Beschleunigungssensoren 302a, 302b am Wagenkasten des Güterwagens befestigt. Alternativ kann der jeweilige Beschleunigungssensor 302a, 302b auch mittig am Drehgestellrahmen des Güterwagens befestigt werden. Durch die geringe Anzahl von nur zwei benötigten Beschleunigungssensoren 302a, 302b pro Drehgestellgüterwagen und deren Positionierung am Wagenkasten wird der Aufwand für Sensoren und Verlegung der Anschlussleitungen in diesem Ausführungsbeispiel minimiert.
-
Eine alternative Systemkonfiguration zeigt 13, bei der die fahrzeugseitigen Komponenten 301, 302a, 303 und 304 an einem Drehgestell montiert werden, so dass keine Kabelverbindungen zum Wagenkasten benötigt werden. Allerdings muss dann jedes Drehgestell mit einem eigenen System ausgerüstet werden. Diese Systemkonfiguration bildet wie auch die in 3 dargestellte Variante ein denzentrales Modul (401a, 401b oder 401n).
-
4 zeigt eine systemische Ausführungsform der erfindungsgemäßen Vorrichtung. 4 zeigt dabei einen Systemaufbau bestehend aus mehreren dezentralen Modulen 401a, 401b, 401n und einer zentralen Einheit 402, die über eine Kommunikationseinrichtung miteinander verbunden sind. Neben der Kommunikationseinrichtung umfasst jedes der dezentralen Modul 401a, 401b, 401n eine Energieversorgung, einen oder mehrerer Messsensoren, Positionserfassung (GPS), und ein Datenverarbeitungssystem. Die zentrale Einheit 402 verfügt zusätzlich über ein Datenverarbeitungssystem mit einem großen Speicher zum Anlegen einer Datenbank und Schnittstellen zur Ergebnisdarstellung, zum Versenden von Meldungen, und insbesondere zur Ausgabe einer ggf. erzeugten Warnung. Es versteht sich von selbst, dass die an die Zentrale 402 übermittelten Daten eine Codierung enthalten, die es erlaubt den jeweiligen Güterwagen, dessen Daten übertragen werden/wurden zu identifizieren.
-
In dem vorliegenden Ausführungsbeispiel ist eine zweiteilige Auswertung der von den Sensoren am Güterwagen erfassten Daten vorgesehen: bei der eine Vorverarbeitung und eine Datenreduktion auf den dezentralen Modulen 401a, 401b, 401n erfolgt, um die Menge der durch die Kommunikationseinrichtung an die Zentrale 402 zu übertragenden Daten zu minimieren, und bei der die Bewertung und Fehlererkennung in der zentralen Einheit 402 durch statistische Auswertung und Vergleich mit Referenzdaten in der Datenbank erfolgt. Das heißt, dass an den dezentralen Modulen 401a, 401b, 401n die Verfahrensschritte 101 und 102 ausgeführt werden, während die Verfahrensschritte 103 bis 106 in der zentralen Einheit ausgeführt werden.
-
Das Verfahren des vorliegenden Ausführungsbeispiels ist geeignet, die Diagnose auf der Basis einer möglichst geringen Anzahl von Messstellen durch zu führen. Dabei wird sich zunutze gemacht, dass die in europäischen Güterwagen verwendeten Drehgestelle nach UIC-Standard praktisch keine Federung zwischen Fahrwerksrahmen und Wagenkasten aufweisen. Dadurch nimmt die Signalstärke zwischen Fahrwerksrahmen und Wagenkasten nur wenig ab, so dass mit Beschleunigungssensoren, die an einer geeigneten Stelle über dem Fahrwerk montiert werden und gewisse Genauigkeitsanforderungen erfüllen, folgende Fehler detektiert werden können:
- – Lagerschäden
- – Flachstellen am Rad
- – Unrunde Räder (Polygonalisiert)
- – Gebrochene Federn
- – Veränderte Dämpfungseigenschaften (Reibungsdämpfung)
- – Veränderungen am Radquerprofil,
-
Für jeden zu detektieren Fehler wird ein Bewertungskriterium definiert. Eine Flachstelle am Rad verursacht beispielsweise ein pro Radumdrehung Peak-artige Anregung des Fahrzeugs in vertikaler Richtung. Aus einem am Wagenkasten gemessenen Beschleunigungssignal wird eine Kennzahl für das Bewertungskriterium ermittelt durch
- – Bandpassfilterung,
- – De-Enveloping,
- – FFT-Berechnung und
- – auslesen der Amplitude für Frequenzen, die in einem bestimmten Proportionalitätsverhältnis zur Raddrehfrequenz stehen.
-
Für die Lagerdetektion sind dies beispielsweise die Innen- oder Außenringharmonischen das aufgenommenen Beschleunigungsspektrums. Dieser Amplitudenwert bildet eine Kennzahl Ku(Z(t)) und wird gemeinsam mit der aktuellen Fahrgeschwindigkeit v(t) und dem Beladungszustand m(t) an das zentrale Modul 402 übermittelt. Um eine ausreichende Ergebnisqualität zu erreichen, sollte die Wagenkastenstruktur an der Stelle, an der der Beschleunigungssensor montiert wird, bestimmte dynamische Eigenschaften aufweisen, auf die die Bandpassfilterung abgestimmt wird.
-
Das zentrale Modul 402 kann die von verschiedenen dezentralen Modulen 401a, 401b, 401n übermittelten Daten auswerten, legt aber für jedes dezentrale Modul 401a, 401b, 401n eine eigene Datenbank an, in der alle eingehenden Kennzahlen Ku(Z(t)) entsprechend der Betriebsbedingungen (Beladungszustand und Fahrgeschwindigkeit) in verschiedene Klassen KLv einsortiert werden. Liegt bspw. eine repräsentative Anzahl von neu ermittelten Kennzahlen Ku(Z(t)) aus dem Betrieb vor (z. B. nach 1000 km Fahrt), beginnt die Auswertung. Gleichzeitig werden weiter in das zentrale Modul 402 eingehende Kennzahlen Ku(Z(t)) neu in die Klassen KLv einsortiert.
-
Bei der Auswertung wird für jede Klasse KLv eine Häufigkeitsverteilung HV(Ku,KLv(Z(t))) des Wertes der Kennzahl Ku,KLv(Z(t)) gebildet. In 8 sind die Häufigkeiten HV(Ku,KLv(Z(t))) für einen Beladungszustand m(t) über den Wert der Kennzahl Ku,KLv(Z(t)) und über die Fahrgeschwindigkeit v(t) als dreidimensionales Diagramm dargestellt. Für jede Kennzahl Ku,KLv(Z(t)) ergibt sich je nach Fahrzeugzustand ein spezifisches Bild. Durch Vergleich mit dem Bild für den intakten Referenzzustand lassen sich schleichende Verschlechterungen bereits im Anfangsstadium detektieren.
-
Eine Auswertung kann durch einen optischen Vergleich mittels Bildverarbeitungssoftware erfolgen. Es hat sich als ausreichend erwiesen, für jede Geschwindigkeitsklasse den 50%-Quantil zu berechnen und den Verlauf über die Geschwindigkeit v(t) für die aktuellen Werte vom Verlauf für die Referenzwerte zu subtrahieren. Der Mittelwert der Differenz eignet sich gut als Einzahlenwert, der den aktuellen Zustand des Systems charakterisiert. Jede Abweichung von 1 bedeutet – eine repräsentative Menge ausgewerteter Daten vorausgesetzt – eine Veränderung am Fahrzeug.
-
Mehrere neu ermittelte Häufigkeitsverteilungen ermöglichen eine Trendanalyse anhand der Einzahlenwerte.
-
Das Verfahren zur Zustandsüberwachung von Fahrwerken von Schienengüterfahrzeugen, ist geeignet für ein System, dessen dezentrale Module aus Messsensoren, GPS-Empfänger, Prozessor und Speicher, Kommunikationsmodul und Energieversorgung (Batterie, Radgenerator, Solarzelle, etc.) bestehen, wobei:
- 1. lediglich ein dreiachsig messender Beschleunigungssensor pro Drehgestell benötigt wird, und
- 2. die Beschleunigungssensoren am Wagenkasten montiert sind, und
- 3. zwar mittig über dem Fahrwerk an einem Strukturbereich mit bestimmten dynamischen Eigenschaften.
- 4. In den dezentralen Modulen 401a, 401b, 401n sind die Grenzen des Bandpassfilters, der zur Generierung bestimmter Kennzahlen Ku(Z(t)) verwendet wird, mit den dynamischen Eigenschaften der Fahrzeugstruktur an der Stelle der Beschleunigungsmessung abgestimmt.
- 5. Die Kennzahlen Ku(Z(t)) für die Bewertungskriterien, mit dem sich bestimmte Schadensbilder detektieren lassen, werden wissensbasiert durch Systemanalyse identifiziert und müssen für jeden neuen Fahrzeugtyp erneut ermittelt werden, dabei werden die Kennzahlen Ku(Z(t)) aus Beschleunigungsmessdaten und durch Kombination mit der aktuellen Betriebssituation (z. B. Fahrgeschwindigkeit und Beladungszustand, alternativ auch Uhrzeit, Position im Netz, Witterung ...) gebildet.
- 6. Im zentralen Auswertemodul 402 werden die Kennzahlen Ku(Z(t)) in einer Datenbank abgelegt und durch Bildung einer Häufigkeitsverteilung HV(Ku,KLv(Z(t))) für jede (Geschwindigkeits-)Klasse KLv nach den Betriebsbedingungen klassiert. Dies ermöglicht die Darstellung der Häufigkeiten HV(Ku,KLv(Z(t))) über den Wert der Kennzahl Ku,KLv(Z(t)) und über die Fahrgeschwindigkeit v(t) als dreidimensionales Diagramm (insbesondere als Farbkarte). Zum Vergleich mit einer entsprechenden, statistisch abgesicherten Häufigkeitsverteilung für ein intaktes System unter gleichen Betriebsbedingungen wird jeweils als charakterisierende Funktion der Verlauf des 50%-Quantil über die Fahrgeschwindigkeit gebildet. Der Mittelwert aus der Differenz zwischen dem aktuellen Verlauf und dem Referenzverlauf ergibt einen Einzahlenwert zur Beurteilung des aktuellen Fahrzeugzustandes.
-
Nachfolgend wird das Ausführungsbeispiel genauer vorgestellt. 1 zeigt hierzu die prinzipielle Realisierung der fahrzeugfesten Komponenten an einem Kesselwagen. Das wesentliche Merkmal ist, dass zur Überwachung eines Drehgestells lediglich ein triaxialer Beschleunigungssensor 302a, 302b benötigt wird, der zudem geschützt am Wagenkasten montiert wird. Bei den Montagpunkten der Beschleunigungssensoren 302a, 302b müssen bestimmte dynamische Eigenschaften aufweisen, nach denen die Filter in der Datenreduktions-Routine abgestimmt werden.
-
Das gesamte System gliedert sich in vier wesentliche Funktionsgruppen (5):
- 1. Sensormittel 201 (fahrzeugfestes (Messdaten-)Erfassungssystem)
- 2. Fahrzeugfestes System zur Datenreduktion (erstes Mittel 202)
- 3. Kommunikationssystem
- 4. Analysesystem umfassend: die Mittel 203, 204, 205, 206, und ein Speichermittel
-
Erste Funktionsgruppe: Sensormittel 201
-
Am Schienenfahrzeug werden während der Fahrt die Beschleunigungen mittig über den Fahrwerken gemessen. Anschließend erfolgt eine Vorverarbeitung der Daten, bestehend aus analogem Tiefpassfilter (Eckfrequenz 400 Hz) und Digitalisierung der Daten mit 1 kHz. Weiterhin bietet sich eine Überwachung der pneumatischen Bremse an (z. B. durch einen Drucksensor, der den Bremszylinderdruck erfasst). Neben nützlichen Daten für die Bremsdiagnose kann so während eines Bremsvorgangs die Diagnose unterbrochen werden, da die im Schienengüterverkehr übliche Klotzbremse starke, hochfrequente Schwingungen im Fahrzeug anregt und während der Bremsung eine zusätzliche Körperschallbrücke zwischen Rad und Aufbau über das Bremsgestänge bildet.
-
Zweite Funktionsgruppe: erstes Mittel 202 zur Ermittlung von Kennzahlen Ku(Z(t))
-
9 stellt den Ablauf der fahrzeugfesten Datenreduktion als Flussdiagramm dar. Aus den kontinuierlich eingehenden Daten werden Datenblöcke über verschieden lange Zeitfenster gebildet (z. B. zwei und acht Sekunden). Die Datenblöcke werden über eine Fast-Fourier-Transformation in den Frequenzbereich überführt und über bestimmte Frequenzbereiche, die mit der Fahrgeschwindigkeit variieren, werden Mittelwerte der Amplituden berechnet, die als Kennzahlen Ku(Z(t)) für verschiedene Kriterien zusammen mit der mittleren Fahrgeschwindigkeit v(t) und dem Beladungszustand m(t) an die Zentrale 402 übermittelt werden. Die einzelnen Kriterien wurden durch eine umfangreiche Systemanalyse identifiziert und überprüft.
-
In den einzelnen Berechnungsblöcken von
9 werden insbesondere die folgenden Operationen durchgeführt:
calc. 1: | fmin = λuv8(1 – ε) und
fmax = λov8(1 + ε)
λu und λo fahrwerksspezifische Parameter, ε Toleranzbreite (z. B. = 10%) |
calc. 2: |
Ay,mean: Mittelwert der Amplituden für den Frequenzbereich fmin ... fmax
Ay , max: größte Amplitude im Frequenzbereich fmin ... fmax
f(Ay , max): Frequenz zu Ay,max
fdom = (ΣfA(f))/(ΣA(f)) für Frequenzbereich fmin ... fmax |
calc. 3: | fRad = v2/(2πr)
r Nennradius des Rades |
calc. 4: | Az,fRad,n1: mittlere Amplitude über f = n1fRad(1 ± ε2) für n1 = 1, 2, ... n1,max |
calc. 5: | Az,fRad,Peak,n2: mittlere Amplitude über f = n2fRad(1 ± ε2) für n2 = 1, 2, ... n2,max
Az,fBPFI,n3: mittl. Ampl. über f = n3fRadn/2(1 + d/D)(1 ± ε2) für n3 = 1, 2, ... n3,max
Az,fBPFO,n4: mittl. Ampl. über f = n4fRadn/2(1 – d/D)(1 ± ε2) für n4 = 1, 2, ... n4,max
Az,fBPF,n5: mittl. Ampl. über f = n5fRadD/d (1 – d/D)(1 ± ε2) für n5 = 1, 2, ... n5,max
d, n, D Lagerabmessungen, ε2 Toleranzbereich (z. B. 10%) |
-
Zusätzlich kann für jede Kennzahl Ku(Z(t)) ein Alarmgrenzwert definiert werden, um plötzliche Verschlechterungen zu detektieren und eine zügige Meldung sicher zu stellen. Liegt der aktuell ermittelte Betrag der Kennzahl Ku(Z(t)) über dem Alarmgrenzwert, wird direkt eine Alarmmeldung in der Telematikeinheit ausgelöst. Möglicherweise ist es dabei sinnvoll, noch die zusätzliche Bedingung einzuführen, dass der Grenzwert bei drei aufeinanderfolgenden Auswertungen überschritten werden muss. Ziel muss es dabei sein, Fehlalarme weitestgehend auszuschließen. In dem vorliegenden Ausführungsbeispiel ergeben sich knapp 50 Zahlenwerte je Auswertungsblock von 2 bzw. 8 Sekunden, wodurch eine erhebliche Datenreduktion gegenüber den mit 1 kHz abgetasteten Eingangsdaten ergibt.
-
Dritte Funktionsgruppe: Kommunikation
-
Die ermittelten Kennzahlen Ku(Z(t)) werden gemeinsam mit der aktuellen Fahrgeschwindigkeit v(t) und dem Beladungszustand m(t) des Schienenfahrzeugs an die Zentrale 402 übermittelt.
-
Vierte Funktionsgruppe: Datenanalyse (Module 203, 204, 205, und 206)
-
Das Flussdiagramm in 11 gibt die ersten Schritte der Datenanalyse im zentralen Server 402 wieder. Die eingehenden Daten werden für jedes Schienenfahrzeug und jede Kennzahl Ku(Z(t)), jeweils getrennt für den Beladungszustand m(t) entsprechend der zugehörigen Geschwindigkeit v(t) in einer Geschwindigkeitsklasse abgelegt. Da es sich bei dem Beispielfahrzeug um einen Tankwagen handelt, treten nur die Beladungszustände „unbeladen” und (voll) „beladen” auf. Bei anderen Güterwagentypen sind beliebig viele Zwischenstufen denkbar. Innerhalb einer Geschwindigkeitsklasse werden die Kennzahlen entsprechend ihrer Größe ebenfalls klassiert, so sich eine Häufigkeitsverteilung entsprechend der Größe der Kennzahlen ergibt. 6 zeigt beispielhaft die Häufigkeitsverteilung für eine Kennzahl für zwei Geschwindigkeitsklassen. Dargestellt wird die absolute Häufigkeit, wobei die Menge in der Häufigkeitsverteilung nur als Beispiel zu betrachten ist. Wird die vorgegebene Datenmenge erreicht, beginnt die Auswertung der Häufigkeitsverteilung, während neu eingehende Daten bereits wieder in neue (leere) Klassen einsortiert werden. Dabei sollten die bestehende Häufigkeitsverteilung in einem Archiv abgelegt werden, um für nachträgliche Analysen und Nachjustierungen am Analyseverfahren zur Verfügung zu stehen.
-
Da es unwahrscheinlich ist, dass in allen Geschwindigkeitsklassen gleich viele Elemente enthalten sind, werden die Häufigkeitsverteilungen auf einen Summenhäufigkeit von 1 normiert (7). Wenn die Häufigkeitsverteilungen für alle Geschwindigkeitsklassen als Isolinienkarte (8) dargestellt werden, ergibt sich je nach Eigenheit der einzelnen Kennwerte ein spezifisches, grafisches Muster. Die Rahmen in 8 markieren die Bereiche, in denen sich die Daten aus den beiden Häufigkeitsverteilungen aus 7 befinden. Aufgrund der logarithmischen Skalierung der Isolinien tritt das Maximum der spitzen Häufigkeitsverteilung für 72 km/h wesentlich stärker hervor als das breite Maximum bei 17 km/h.
-
In der Regel steigt die Größe des Kennwertes mit zunehmender Geschwindigkeit v(t) an, da die meisten Kennwerte Ku(Z(t)) aus Beschleunigungswerten a(t) ermittelt werden. Häufig bewirken Fehler bzw. defekte am Fahrzeug höhere Beschleunigungswerten a(t) und somit zu einem Anstieg eines bestimmten Kennwertes Ku(Z(t)), für den sich dann das grafische Bild der Isolininenkarte gegenüber dem intakten Zustand verändert. Für diesen Vergleich ist in der Datenbank ist für jeden Kennwert Ku(Z(t)) eine Häufigkeitsverteilung für die verschiedenen Geschwindigkeitsklassen als Referenz hinterlegt, die typisch für ein intaktes Fahrzeug ist. Die neue Verteilung wird mit der Referenzverteilung verglichen. Abweichungen deuten auf eine Zustandsverschlechterung des Systems hin. Prinzipiell könnte dieser Vergleich mittels Bildverarbeitungssystemen erfolgen. Im Ausführungsbeispiel wird ein einfacheres Verfahren vorgeschlagen, dessen Ablauf 10 schematisch darstellt. In jeder Geschwindigkeitsklasse v lässt sich das 50%-Quantil Qv(HV(Ku,KLv(Z(t)), 50%) für den Kennwert berechnen. Der Verlauf der 50%-Quantil über die Geschwindigkeitsklassen lässt sich als Kammkurve des Gebirges in der Isoliniendarstellung in 7 interpretieren.
-
Zur Identifikation der Veränderungen wird eine relative Fehlerfunktion Fu(v) als Differenzfunktion wischen Referenz-Kammkurve QSoll(50%, KLv) und aktueller Verteilung Qv(50%) über die Geschwindigkeitsklassen gebildet: Fu(v) = [Qv(HV(Ku,KLv(Z(t)), 50%) – QSoll(50%, KLv)]/QSoll(50%, KLv) – 1
-
Der Mittelwert von Fu,mean von Fu(v) ergibt die Bewertungsgröße für die einzelnen Kriterien. Damit steht ein Einzahlenwert als Kriterium zur Verfügung, um den aktuellen Zustand des Systems zu charakterisieren. Jede Abweichung von 0 bedeutet – eine repräsentative Menge ausgewerteter Daten vorausgesetzt – eine Veränderung am Fahrzeug. Allerdings ist davon auszugehen, dass die Sensitivität der Kriterien sich stark unterscheiden kann, so dass für die einzelnen Kriterien ggfs. ein individueller Grenzwert zu definieren ist.
-
Da bei den aus den lateralen Beschleunigungen gebildeten Kennzahlen sowohl eine Tendenz in positive als auch negative Richtung möglich ist, werden die Kennzahlen Ay,mean, Ay,max, f(Ay,max) und fdom als einfache Mittelwerte der jeweiligen relativen Fehlerfunktion gebildet, so dass die Werte sowohl positiv als auch negativ werden können.
-
Dagegen ist bei den vertikalen Beschleunigungen nicht mit einer Verringerung der Schwingamplituden als Folge eines Fehlers oder Defektes zu rechnen. Deshalb wird für alle Kennzahlen auf Basis der vertikalen Beschleunigungen der Mittelwert aus dem Absolutwert der relativen Fehlerfunktion Fu(v) gebildet.
-
Auf diese Weise entstehen in dem Ausführungsbeispiel aus den einzelnen Häufigkeitsverteilungen für jede Kennzahl Ku(Z(t)) – unterschieden nach den beiden Beladungszuständen unbeladen und beladen – insgesamt 2 × 49 Mittelwerte. Erreichen die aus den vertikalen Beschleunigungen gebildeten Kennwerte hohe Werte, können diese eindeutig einem der Fehlertypen „Lagerschaden”, „Flachstelle” oder „unrunde Räder (Polygonalisiert)” zugeordnet werden. Dagegen stehen für die Detektion der Fehlertypen „gebrochene Federn”, „veränderte Dämpfungseigenschaften (Reibungsdämpfung)” oder „Veränderungen am Radquerprofil” nur die Kennzahlen Ay,mean, Ay,max, f(Ay,max) und fdom zur Verfügung. In einer nachgeordneten werden Logik die zugehörigen Werte Fu,mean analysiert, um die Fehler – sofern aufgetreten – zu identifizieren. Dabei dürfen veränderte Kraftschlussbeiwerte (feuchte Schienen) oder verschlissene Schienenprofile nicht zu Fehlauslösungen führen.
-
Darüber hinaus ist es sinnvoll, im Zentralserver 402 alle Häufigkeitsverteilung zu archivieren sowie die jeweils berechneten Mittelwerte der relativen Fehlerfunktion für eine Trendanalyse weiter zu verwenden. Auf diese Weise können in der ersten Zeit eines Betriebseinsatzes die jeweiligen Grenzwerte nachjustiert werden.
-
Liegen für ein neues Schienenfahrzeug noch keine Referenzdaten vor, so werden die in der ersten Zeit mit dem Schienenfahrzeug aufgezeichneten Daten zur Erzeugung der Referenzdaten verwendet werden, wobei eine Kontrolle des fehlerfreien Fahrzeugzustandes auch Ende der Referenzdatenaufzeichnung notwendig ist.
-
Ergebnis eines Testlaufs mit Beschleunigungsdaten aus Simulationsrechnungen
-
Als Grundlage für den Testlauf wurde ein Güterwagen als Mehr-Körper-System in einem Computerprogramm erstellt. In dreizehn fahrdynamischen Simulationsszenarien wurde das Schwingungsverhalten während der Fahrt für das intakte bzw. das mit verschiedenen Fehlern behaftete Fahrzeugs berechnet. Das in den Flussdiagrammen 9 und 11 dargestellte Auswerte- und Analyseverfahren wurde für den abschließenden Funktionsnachweis testweise in einem mathematischen Berechnungsprogramm implementiert und nacheinander mit den Ergebnissen aus den dreizehn fahrdynamischen Simulationsszenarien gespeist. Die dabei in der Simulation berechneten Beschleunigungsverläufe an der Position der Sensoren bilden die Eingangsgröße für die Auswertung. In jedem Szenario wurde über einen Zeitdauer von 24 Minuten eine Fahrt mit ansteigender Geschwindigkeit zwischen 5 und 80 km/h simuliert. Je Szenario stehen etwa 720 Auswerteabschnitte von 2 s Länge für die Auswertung zur Verfügung. Langfristig sollte eine Datenmenge von rund 3000 bis 5000 Stichproben angestrebt werden.
-
Die Simulationsergebnisse vom intakten Schienenfahrzeug werden zur Bildung der Referenzhäufigkeitsverteilungen und der Referenzkammkurven (vgl. 10 und 8) verwendet. Um sicherzustellen, dass das Auswertesystem auch mit einem realen Sensor und digitaler Abtastung funktioniert, werden die in der Simulation berechneten Beschleunigungen, die ein Mehrkörper-Simulationsprogramm mit einer sehr hohen Auflösung ausgibt, mit einem virtuellen Sensor aufgezeichnet. Dazu wird ein stochastisches Rauschen aufgeschlagen, das auch einen geringen Offset-Fehler in die Daten einbringt. Anschließend werden die Werte digital abgetastet, bevor diese der Auswertung zugeführt werden.
-
12 zeigt als Zwischenergebnis die Mittelwerte für die relativen Fehler, die den Eingang für die nachgeordnete Fehlerzuordnung bilden. Jede Zeile stellt eines der 13 Simulationsszenarien dar, im oberen Teil für das beladene Fahrzeug, darunter für das unbeladene Fahrzeug. Die Spalten geben den jeweiligen Mittelwert des relativen Fehlers für die einzelnen Kennwerte wieder – zunächst die 45 Kennwerte, die aus den vertikalen Beschleunigungen gebildet werden und in den letzten acht Spalten die der lateralen Beschleunigungen. Für die vier lateralen Kennwerte werden jeweils zwei Spalten verwendet, da diese Werte sowohl negativ als auch positiv sein können, wobei die positiven Werte in der jeweils ersten Spalte und der Betrag der negativen Werte in der darauf folgenden Spalte gezeigt werden. Als Referenz wird das intakte Fahrzeug (mittlere bzw. unterste Zeile) verwendet, dementsprechend ist dort der Mittelwert der relativen Fehler Null.
-
Eine nachgeschaltete Zuordnungsroutine gibt als Ergebnis folgende Zuordnung aus, bei der vor dem Doppelpunkt das ausgewertete Simulationsszenario und nach dem Doppelpunkt die Fehlerzuordnung angegeben werden:
Fall 1 (Referenz): | kein Fehler entdeckt |
Fall 2 (0,2 1435): | niedriger Reibwert, kein Fehler |
Fall 3 (0,4 1431): | Auffällig! Verdacht auf Profilveränderung – hohe Konizität |
Fall 4 (0,2 1430): | Auffällig! Verdacht auf Profilveränderung – hohe Konizität
(bei niedrigem Reibwert) |
Fall 5 (0,4 1445): | niedriger Reibwert, kein Fehler |
Fall 6 (Unrund 3): | Auffällig! Verdacht auf Radunrundheit Hauptanteil 3.-Ordnung, Amplitude = 3.8255 |
Fall 7 (Flachst.): | Auffällig! Verdacht auf Flachstelle Amplitude = 0.37572 |
Fall 8 (BPFO 0,1): | Auffällig! Lagerschaden (Außenring) Amplitude = 0.48782 |
Fall 9 (BPFO 0,5): | Auffällig! Lagerschaden (Außenring) Amplitude = 0.9504 |
Fall 10 (Feder 1a): | Auffällig! Verdacht auf Federbruch |
Fall 11 (Feder 1s): | Auffällig! Verdacht auf Federbruch |
Fall 12 (Feder 2s): | Auffällig! Verdacht auf Federbruch |
Fall 13 (Gleitst.): | Auffällig! Verdacht auf Gleitstückausfall |
-
Damit gelingt es dem System, alle getesteten Fehler richtig zuzuordnen und gleichzeitig natürliche Veränderungen wie abweichende Kraftschlussbedingungen (μ = 0,20) oder verschlissene Schienenprofile von fahrzeugseitigen Fehlern zu unterschieden.
-
Die Vorrichtung ist speziell für den Einsatz in Eisenbahn-Güterwagen gedacht. Für den europäischen Markt gibt es kein günstiges Diagnosesystem für Güterwagen mit einem befriedigenden Funktionsumfang. Allein in Deutschland werden derzeit 150.000 Güterwagen eingesetzt, so dass mit einem sehr starken Bedarf gerechnet wird.
-
Obwohl die Erfindung im Detail durch bevorzugte Ausführungsbeispiele näher illustriert und erläutert wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen. Es ist daher klar, dass eine Vielzahl von Variationsmöglichkeiten existiert. Es ist ebenfalls klar, dass beispielhaft genannte Ausführungsformen wirklich nur Beispiele darstellen, die nicht in irgendeiner Weise als Begrenzung etwa des Schutzbereichs, der Anwendungsmöglichkeiten oder der Konfiguration der Erfindung aufzufassen sind. Vielmehr versetzen die vorhergehende Beschreibung und die Figurenbeschreibung den Fachmann in die Lage, die beispielhaften Ausführungsformen konkret umzusetzen, wobei der Fachmann in Kenntnis des offenbarten Erfindungsgedankens vielfältige Änderungen beispielsweise hinsichtlich der Funktion oder der Anordnung einzelner, in einer beispielhaften Ausführungsform genannter Elemente vornehmen kann, ohne den Schutzbereich zu verlassen, der durch die Ansprüche und deren rechtliche Entsprechungen, wie etwa weitergehenden Erläuterung in der Beschreibung, definiert wird.
-
Bezugszeichenliste
-
- 101–106
- Verfahrensschritte
- 107
- vorgegebenen Soll-Quantil QSoll(p, KLv)
- 201
- Sensormittel
- 202
- erstes Mittel
- 203
- Klassifikationsmittel
- 204
- zweites Mittel
- 205
- drittes Mittel
- 206
- viertes Mittel
- 207
- Ausgabemittel der Warnung
- 301
- Telematikeinheit
- 302a, 302b
- Beschleunigungssensoren
- 303
- Bremsdrucksensoren
- 304
- Energieversorgung
- 401a–n
- dezentrale Module
- 402
- Zentrale, zentraler Server