EP4253190A1 - Überwachungseinrichtung und verfahren zum parametrieren einer überwachungseinrichtung - Google Patents

Überwachungseinrichtung und verfahren zum parametrieren einer überwachungseinrichtung Download PDF

Info

Publication number
EP4253190A1
EP4253190A1 EP22165868.5A EP22165868A EP4253190A1 EP 4253190 A1 EP4253190 A1 EP 4253190A1 EP 22165868 A EP22165868 A EP 22165868A EP 4253190 A1 EP4253190 A1 EP 4253190A1
Authority
EP
European Patent Office
Prior art keywords
drive
error
simulated
training
analysis device
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP22165868.5A
Other languages
English (en)
French (fr)
Inventor
Stefan Boschert
Michael Schulze
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Mobility GmbH
Original Assignee
Siemens Mobility GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Mobility GmbH filed Critical Siemens Mobility GmbH
Priority to EP22165868.5A priority Critical patent/EP4253190A1/de
Publication of EP4253190A1 publication Critical patent/EP4253190A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
    • B61L27/53—Trackside diagnosis or maintenance, e.g. software upgrades for trackside elements or systems, e.g. trackside supervision of trackside control system conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/60—Testing or simulation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L29/00—Safety means for rail/road crossing traffic
    • B61L29/24—Means for warning road traffic that a gate is closed or closing, or that rail traffic is approaching, e.g. for visible or audible warning
    • B61L29/28—Means for warning road traffic that a gate is closed or closing, or that rail traffic is approaching, e.g. for visible or audible warning electrically operated
    • B61L29/30—Supervision, e.g. monitoring arrangements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L5/00—Local operating mechanisms for points or track-mounted scotch-blocks; Visible or audible signals; Local operating mechanisms for visible or audible signals
    • B61L5/06—Electric devices for operating points or scotch-blocks, e.g. using electromotive driving means

Definitions

  • the invention relates to a method for parameterizing a monitoring device that is suitable for monitoring an electromechanical drive of a given type.
  • Various methods and devices are known for monitoring electromechanical drives. For example, the temperature of a drive can be monitored and if a predetermined maximum temperature is exceeded, an error signal can be generated and the drive can be switched off.
  • the invention is based on the object of specifying an easy-to-implement method with which monitoring devices that are suitable for monitoring electromechanical drives can be manufactured or parameterized particularly easily.
  • a significant advantage of the method according to the invention is that the training data for training the analysis device based on artificial intelligence is generated by simulation - i.e. computer-aided; This is therefore virtual training data in contrast to training data that is based on actually measured operating noises from faulty drives.
  • the training according to the invention based on virtual training data is, in contrast to training with training data based on actually measured operating noises, significantly less effort, since obtaining the latter real training data requires the existence of a correspondingly faulty drive and the carrying out of real measurements on it and, if necessary . Faulty drives must first be manufactured in order to make these real measurements possible.
  • Another significant advantage of the method according to the invention is that the amount of training data can be increased to a virtually arbitrary level with little effort or simply by providing computing power, so that the learning level of the analysis device trained after the training has been completed can also be chosen to be virtually arbitrarily high can.
  • the monitoring device can be measured, for example, solely by means of a recording device of operating noises and an analysis device.
  • an analysis device can be easily formed by a computing device and a memory in which the trained artificial intelligence is stored.
  • operating noises of the drive are simulated to form a simulated operating noise data set using an error-specific simulation model with which the drive operation of the drive having the respective fictitious error can be simulated, with the simulated operating noise data sets training data for training the analysis device and the analysis device is trained using the training data in such a way that after completion of the training during the later monitoring operation of the monitoring device, the analysis device detects an actual occurrence of each of the simulated errors based on the operating noises generated by the drive and one that indicates the respective error Error signal generated.
  • the formation of the error-specific simulation models includes varying at least one error parameter integrated into a mechanical simulation module by specifying different parameter values.
  • error-specific simulation models, simulated operating noise data sets and corresponding training data for a large number of fictitious errors are preferably generated automatically by varying the parameter values for the error parameters of the mechanical simulation module as part of loop runs.
  • Creation of each of the error-specific simulation models preferably includes the determination of at least one natural frequency or a natural frequency spectrum of the faulty drive.
  • Determining the operating noise data set preferably includes a simulated vibration excitation of the at least one natural frequency or the natural frequency spectrum and the calculation of an acoustic response spectrum and/or a response signal in the time domain based on the simulated vibration excitation.
  • one or more natural frequencies of the faulty drive are preferably determined by simulation for the respective fictitious error on the basis of a mechanical simulation module that describes the mechanics of the drive.
  • the respective error-specific simulation model is preferably created by simulating the respective faulty drive using oscillation elements to form an overall oscillator system.
  • the vibration elements are preferably each characterized by a natural vibration frequency, a vibration amplitude and a damping specification.
  • Each of the natural frequencies of the faulty drive is preferably reproduced by at least one vibration element.
  • the operating noise data set is preferably determined for the respective error by exciting the overall oscillator system using a simulated vibration excitation and viewing the response signal in the time domain as an operating noise data set or part of the operating noise data set.
  • An excitation pulse is preferably generated as a simulated vibration excitation and an impulse response is preferably calculated as a response spectrum.
  • the analysis device is preferably trained to monitor an electromechanical drive of a railway track system.
  • the analysis device is trained to monitor a railway switch drive of a railway track system for switch changing processes.
  • the analysis device is trained to monitor a railway barrier drive of a railway track system for barrier adjustments.
  • the mechanical simulation module(s) and thus indirectly the simulation model(s) are preferably created on the basis of a finite element method, FEM.
  • operating noises of a real, error-free drive of the specified type are measured during real drive operation to form real operating noises and, taking into account the measured real operating noises, a basic simulation module is created with which the error-free drive operation of the real drive can be simulated, in such a way that the deviation between operating noises that are simulated with the basic simulation module and the measured real operating noises falls below a predetermined threshold.
  • the mechanical simulation modules with which the drive operation of the fictitious drives having errors can be simulated, are preferably each formed by modifying the basic simulation module.
  • training data of a real type are created using the measured real operating noises and the trainable analysis device is trained using the training data of a real type in such a way that the analysis device is used during the later training after the training has been completed Monitoring operation of the monitoring device detects error-free normal operation of the drive and generates a normal operating signal indicating this normal operation.
  • the invention also relates to a monitoring device which is suitable for monitoring an electromechanical drive of a given type.
  • the monitoring device has a recording device for measuring operating noises to form an operating noise data set
  • the monitoring device has a trained analysis device that is based on artificial intelligence and on the basis of training data that has been created with an operating noise data set simulated for a fictitious error , has been trained, wherein the trained analysis device is designed due to the training to recognize an actual occurrence of the simulated error based on operating noises measured during monitoring operation and to generate an error signal indicating the error.
  • the analysis device preferably comprises a computing device and a memory in which the trained artificial intelligence is stored.
  • the monitoring device or its analysis device is preferably parameterized or trained according to one of the methods described above.
  • the invention also relates to a railway track system. According to the invention it is provided that this with at least is equipped with a monitoring device as described above.
  • the railway track system preferably has a railway switch drive and the operation of the railway switch drive is preferably monitored by the or one of the monitoring devices during switch changing processes.
  • the railway track system preferably has a railway barrier drive and the operation of the railway barrier drive is preferably monitored by the or one of the monitoring devices during barrier adjustment processes.
  • the Figure 1 shows a section of a railway track 10, which is equipped with a railway switch 20.
  • a railway switch drive 21 of the railway switch 20 is used a monitoring device 30 monitors the occurrence of possible errors.
  • the monitoring device 30 has a recording device 31 which records the actual operating noises BG of the railway switch drive 21 during the switch changing processes and generates corresponding acoustic operating noise measurements M (BG). With the operating noise measurements M(BG), it can also form an operating noise data set DS(BGm) for each switch circuit.
  • the operating noise measurements M(BG) or the operating noise data sets DS(BGm) can also be referred to as real operating noise measurements and real operating noise data sets due to their relationship to the real world.
  • the recording device 31 preferably includes one or more microphones.
  • the monitoring device 30 is equipped with an analysis device 32, which has been trained on the basis of training data TD and is based on artificial intelligence.
  • the artificial intelligence of the analysis device 32 can be based on a neural network, for example.
  • the analysis device 32 is suitable or designed to detect an actual occurrence of one or more errors for which training data TD has been created and the analysis device 32 has been trained, based on the real operating noises measured by the recording device 31. If one of the errors is detected, i.e. if a trained error actually occurs, a corresponding error signal FS is generated for this error.
  • the trained analysis device 32 is used in the exemplary embodiment according to Figure 1 formed by a computing device 320 and a memory 321 in which a software program module SPM is stored
  • the software program module SPM has been parameterized or trained through previous training in such a way that it can determine the occurrence of one or more trained errors based on the operating noises BG recorded by the recording device 31.
  • the software program module SPM preferably contains the already mentioned trained neural network, which forms the basis for the artificial intelligence.
  • a mechanical simulation module M21 is formed, which describes the mechanical properties of the railway switch drive 21 and allows a computer simulation of the operation of the railway switch drive 21.
  • the mechanical simulation module M21 is preferably created on the basis of a finite element method FEM.
  • a fictitious error is integrated into the mechanical simulation module M21 as part of an error addition step 220, which corresponds to an error in the railway switch drive 21 that can later be recognized in real operation.
  • a fictitious mechanical simulation module M21f is formed by the error addition step 220.
  • the fictitious error can, for example, be that a tooth is missing from a gear of the railway switch drive 21 or that it is virtually removed for the simulation, or that a part of the railway switch drive 21 has a crack or such a tooth is virtually added for the simulation.
  • the fictitious mechanical simulation module M21f is used as part of a modal analysis step 300 (see Figure 3 ) the mechanical ones Natural frequencies fE of the railway switch drive 21 with the fictitious error are simulated.
  • the Figure 4 shows an example of the natural frequencies fE determined as part of the modal analysis step 300 in the form of the amplitude A over the frequency f.
  • the Figure 5 shows, as an example, the time course after an excitation over time t for one of the natural frequencies fE; the temporal decay of the amplitude A can be characterized by an attenuation value ⁇ .
  • each of the calculated natural frequencies fE is assigned a virtual vibration element SE, the vibration behavior of which is defined by the respective natural frequency fE, a vibration amplitude A and a damping specification ⁇ .
  • the vibration elements SE form a virtual overall oscillator system SGS, which describes the mechanical behavior of the railway switch drive 21 with regard to its noise emissions during operation, i.e. during the changeover processes.
  • the virtual overall oscillator system SGS thus forms a simulation model SIM with which the drive operation of the railway switch drive 21 having the fictitious error can be simulated, with a view to the operating noises generated during operation.
  • an excitation pulse I is fed into the overall oscillator system SGS, whereby the individual oscillation elements SE of the overall oscillator system SGS are set into vibration.
  • an acoustic response signal AS(t) can be calculated, which describes the acoustic response to the simulated excitation pulse I in the time range or over time t.
  • the Figure 6 shows an example of a typical acoustic response signal AS(t).
  • the excitation pulse I clearly simulates the mechanical excitation that switching on an electric motor of the railway switch drive 21 would cause on the electric motor itself and the other components of the railway switch drive 21.
  • the acoustic response signal AS(t) thus describes the (simulated) operating noises BGs of the railway switch drive 21 during its simulated operation in the faulty state.
  • the acoustic response signal AS(t) is further processed, for example standardized, in order to create an operating noise data record DS(BGs). Since the operating noise data set DS(BGs) is based on the acoustic response signal AS(t) and thus on simulated operating noises BGs, it can also be referred to as a simulated operating noise data set.
  • training data TD can be created, which is used to train and parameterize the analysis device 32 according to Figure 1 or whose software program module SPM can be used.
  • the label step 340 is carried out, for example, with a view to using the training data TD for a support vector machine method.
  • the Figure 7 shows by way of example the training of the analysis device 32 on the basis of the in Figure 3 shown training data TD to the trained analysis device 32 according to Figure 1 to build.
  • the training can be carried out, for example, on the basis of a support vector machine method 700.
  • the Figure 8 shows an exemplary embodiment of method steps with which simulated operating noise data sets DS (BGs) and corresponding training data TD can be automatically generated for a large number of fictitious errors that belong to the same type of error and only differ in one or more parameters.
  • the crack depth can be integrated as an error parameter Prt in a mechanical simulation module M21f (Prt).
  • Prt an error parameter
  • This integration of the error parameter Prt makes it possible to automatically repeat steps 300 to 330 as part of one or more loop runs: For example, if steps 300 to 330 have been carried out for a first crack depth T1, i.e.
  • both the crack depth as a parameter Prt and the crack width as a parameter Prb can be integrated into a mechanical simulation module M21f (Prt, Prb).
  • Method steps 300 to 340 and 700 shown are preferably carried out by a training device 100, as exemplified in the Figure 10 is shown.
  • the training device 100 is used in the exemplary embodiment according to Figure 10 formed by a computing device 110 and a memory 120.
  • the memory 120 contains a modal analysis software module M300 for carrying out the modal analysis step 300, a synthesis software module M310 for carrying out the synthesis step 310, an excitation software module M320 for carrying out the excitation step 320, a further processing software module M330 for carrying out the further processing step 330, a label software module M330 for carrying out the label step 340 and a support vector machine software module M700 for carrying out the support vector machine method 700 is stored. If the computing device 110 executes the modules M300, M310, M320, M330, M340 and/or M700, it processes the corresponding method steps 300-340 or 700, as described above.
  • the Figure 11 shows another section of the railway track 10, which is equipped with a railway barrier 20a.
  • the railway barrier 20a has a railway barrier drive 21a, which is monitored for the occurrence of possible errors by means of a monitoring device 30a.
  • the monitoring device 30a has a recording device 31a, which records the actual operating noise BG of the railway barrier drive 21a during the adjustment processes and generates corresponding acoustic operating noise measurement values M (BG). With the operating noise measurements M(BG), it can also form operating noise data sets DS(BGm).
  • the monitoring device is equipped with an analysis device 32a.
  • the analysis device 32a is used in the exemplary embodiment according to Figure 1 formed by a computing device 320a and a memory 321a in which a software program module SPMa is stored.
  • the analysis device 32a can be connected to the analysis device 32 in accordance with the hardware Figure 1 be identical; Only the software program modules SPM and SPMa are different.
  • the software program module SPMa has been parameterized or trained through previous training in such a way that it can detect the occurrence of one or more errors in the railway barrier drive 21a based on the operating noises BG recorded by the recording device 31a.
  • the software program module SPMa preferably contains a trained neural network and forms artificial intelligence to detect such errors.
  • the same method steps are preferably carried out as described above in connection with Figures 1 to 10 have been explained as an example for the railway switch 21.
  • the training device 100 can be used according to Figure 10 be used, i.e. the same hardware as for training the analysis device 32 according to Figure 1 .
  • the analysis devices 32 and 32a can be arranged locally in, on or near the electromechanical drive 21 or 21a to be monitored by them;
  • the monitoring devices 30 and 30a can therefore be used locally as field devices Area of the electromechanical drives to be monitored can be arranged.
  • the analysis devices 32 and 32a can also be integrated into or formed by remotely located computers or cloud computers, i.e. spatially separated from the recording devices 31 and 31a and the drives to be monitored;
  • the monitoring devices 30 and 30a can alternatively also be formed by spatially distributed systems.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

Die Erfindung bezieht sich auf ein Verfahren zum Parametrieren einer Überwachungseinrichtung (30), die zum Überwachen eines elektromechanischen Antriebs (21, 21a) einer vorgegebenen Bauart geeignet ist. Erfindungsgemäß ist vorgesehen, dass im Rahmen des Verfahrens mit Hilfe eines Simulationsmodells (SIM), mit dem sich der Antriebsbetrieb eines einen fiktiven Fehler aufweisenden Antriebs (21, 21a) der Bauart simulieren lässt, Betriebsgeräusche (BG) des den fiktiven Fehler aufweisenden Antriebs (21, 21a) unter Bildung eines simulierten Betriebsgeräuschdatensatzes (DS(BGs)) simuliert werden, mit dem simulierten Betriebsgeräuschdatensatz (DS(BGs)) Trainingsdaten (TD) zum Trainieren einer trainierbaren Analyseeinrichtung (32, 32a), die auf künstlicher Intelligenz beruht und einen Bestandteil der Überwachungseinrichtung (30) bildet, erstellt werden und die trainierbare Analyseeinrichtung (32, 32a) mittels der Trainingsdaten (TD) derart trainiert wird, dass die Analyseeinrichtung (32, 32a) nach Abschluss des Trainings während des späteren Überwachungsbetriebs der Überwachungseinrichtung (30) ein tatsächliches Auftreten des simulierten Fehlers anhand der von dem Antrieb (21, 21a) während des Antriebsbetriebs erzeugten Betriebsgeräusche (BG) erkennt und ein den Fehler anzeigendes Fehlersignal (FS) erzeugt.

Description

  • Die Erfindung bezieht sich auf ein Verfahren zum Parametrieren einer Überwachungseinrichtung, die zum Überwachen eines elektromechanischen Antriebs einer vorgegebenen Bauart geeignet ist.
  • Zur Überwachung elektromechanischer Antriebe sind verschiedene Verfahren und Einrichtungen bekannt. Beispielsweise kann die Temperatur eines Antriebs überwacht werden und bei Überschreiten einer vorgegebenen Maximaltemperatur ein Fehlersignal erzeugt und der Antrieb abgeschaltet werden.
  • Im Bereich der Materialwissenschaften sind zerstörungsfreie Untersuchungsverfahren zum Untersuchen und Testen von Materialien anhand von Schallwellen bekannt.
  • Der Erfindung liegt die Aufgabe zugrunde, ein einfach durchführbares Verfahren anzugeben, mit dem sich Überwachungseinrichtungen, die zur Überwachung elektromechanischer Antriebe geeignet sind, besonders einfach herstellen bzw. parametrieren lassen.
  • Diese Aufgabe wird erfindungsgemäß durch ein Verfahren mit den Merkmalen gemäß Patentanspruch 1 gelöst. Vorteilhafte Ausgestaltungen des erfindungsgemäßen Verfahrens sind in Unteransprüchen angegeben.
  • Danach ist erfindungsgemäß vorgesehen, dass im Rahmen des Verfahrens mit Hilfe eines Simulationsmodells, mit dem sich der Antriebsbetrieb eines einen fiktiven Fehler aufweisenden Antriebs der Bauart simulieren lässt, Betriebsgeräusche des den fiktiven Fehler aufweisenden Antriebs unter Bildung eines simulierten Betriebsgeräuschdatensatzes simuliert werden, mit dem simulierten Betriebsgeräuschdatensatz Trainingsdaten zum Trainieren einer trainierbaren Analyseeinrichtung, die auf künstlicher Intelligenz beruht und einen Bestandteil der Überwachungseinrichtung bildet, erstellt werden und die trainierbare Analyseeinrichtung mittels der Trainingsdaten derart trainiert wird, dass die Analyseeinrichtung nach Abschluss des Trainings während des späteren Überwachungsbetriebs der Überwachungseinrichtung ein tatsächliches Auftreten des simulierten Fehlers anhand der von dem Antrieb während des Antriebsbetriebs erzeugten Betriebsgeräusche erkennt und ein den Fehler anzeigendes Fehlersignal erzeugt.
  • Ein wesentlicher Vorteil des erfindungsgemäßen Verfahrens ist darin zu sehen, dass die Trainingsdaten zum Trainieren der auf künstlicher Intelligenz beruhenden Analyseeinrichtung durch Simulation - also rechnergestützt - gebildet werden; es handelt sich also um virtuelle Trainingsdaten im Gegensatz zu Trainingsdaten, die auf real gemessenen Betriebsgeräuschen fehlerbehafteter Antriebe beruhen. Das erfindungsgemäße Training auf der Basis von virtuellen Trainingsdaten ist im Gegensatz zu einem Training mit Trainingsdaten, die auf real gemessenen Betriebsgeräuschen beruhen, deutlich aufwandsärmer, da das Beschaffen letztgenannter realer Trainingsdaten die Existenz eines entsprechend fehlerbehafteten Antriebs und die Vornahme realer Messungen an diesem voraussetzt und ggf. zunächst fehlerbehaftete Antriebe hergestellt werden müssen, um diese realen Messungen zu ermöglichen.
  • Ein weiterer wesentlicher Vorteil des erfindungsgemäßen Verfahrens besteht darin, dass sich die Menge an Trainingsdaten mit wenig Aufwand bzw. allein durch Bereitstellen von Rechenleistung auf ein quasi beliebiges Maß erhöhen lässt, sodass das Lernniveau der nach Abschluss des Trainings trainierten Analyseeinrichtung ebenfalls quasi beliebig hoch gewählt werden kann.
  • Noch ein weiterer Vorteil des erfindungsgemäßen Verfahrens besteht darin, dass sich die Überwachungseinrichtung beispielsweise allein mittels einer Aufnahmeeinrichtung zum Messen von Betriebsgeräuschen und einer Analyseeinrichtung herstellen lässt. Eine solche Analyseeinrichtung lässt sich in einfacher Weise durch eine Recheneinrichtung und einen Speicher bilden, in dem die antrainerte künstliche Intelligenz abgespeichert wird.
  • Als vorteilhaft wird es angesehen, wenn für eine Mehrzahl an fiktiven Fehlern jeweils mittels eines fehlerindividuellen Simulationsmodells, mit dem sich der Antriebsbetrieb des den jeweiligen fiktiven Fehler aufweisenden Antriebs simulieren lässt, Betriebsgeräusche des Antriebs unter Bildung eines simulierten Betriebsgeräuschdatensatzes simuliert werden, mit den simulierten Betriebsgeräuschdatensätzen Trainingsdaten zum Trainieren der Analyseeinrichtung erstellt werden und die Analyseeinrichtung mittels der Trainingsdaten derart trainiert wird, dass die Analyseeinrichtung nach Abschluss des Trainings während des späteren Überwachungsbetriebs der Überwachungseinrichtung ein tatsächliches Auftreten jedes der simulierten Fehler anhand der von dem Antrieb erzeugten Betriebsgeräusche erkennt und ein den jeweiligen Fehler anzeigendes Fehlersignal erzeugt.
  • Besonders vorteilhaft ist es, wenn die Bildung der fehlerindividuellen Simulationsmodelle das Variieren zumindest eines in ein Mechaniksimulationsmodul integrierten Fehlerparameters durch Vorgabe unterschiedlicher Parameterwerte umfasst.
  • Bei der letztgenannten Variante werden vorzugsweise automatisiert fehlerindividuelle Simulationsmodelle, simulierte Betriebsgeräuschdatensätze und entsprechende Trainingsdaten für eine Vielzahl an fiktiven Fehlern erzeugt, indem die Parameterwerte für die Fehlerparameter des Mechaniksimulationsmoduls im Rahmen von Schleifendurchläufen variiert werden.
  • Eine Erstellung jedes der fehlerindividuellen Simulationsmodelle umfasst vorzugsweise jeweils die Ermittlung zumindest einer Eigenfrequenz oder eines Eigenfrequenzspektrums des fehlerbehafteten Antriebs.
  • Das Ermitteln des Betriebsgeräuschdatensatzes umfasst vorzugsweise jeweils eine simulierte Schwingungsanregung der zumindest einen Eigenfrequenz oder des Eigenfrequenzspektrums und das Errechnen eines akustischen Antwortspektrums und/oder eines Antwortsignals im Zeitbereich auf die simulierte Schwingungsanregung hin.
  • Zur Bildung der fehlerindividuellen Simulationsmodelle werden vorzugsweise für den jeweiligen fiktiven Fehler jeweils ein oder mehr Eigenfrequenzen des fehlerbehafteten Antriebs auf der Basis eines die Mechanik des Antriebs beschreibenden Mechaniksimulationsmoduls durch Simulation ermittelt.
  • Das jeweilige fehlerindividuelle Simulationsmodell wird vorzugsweise erstellt, indem der jeweilige fehlerbehaftete Antrieb durch Schwingungselemente unter Bildung eines Schwingergesamtsystems nachgebildet wird.
  • Die Schwingungselemente werden vorzugsweise jeweils durch eine Eigenschwingungsfrequenz, eine Schwingungsamplitude und eine Dämpfungsangabe charakterisiert.
  • Jede der Eigenfrequenzen des fehlerbehafteten Antriebs wird vorzugsweise jeweils durch zumindest ein Schwingungselement nachgebildet.
  • Der Betriebsgeräuschdatensatz wird für den jeweiligen Fehler vorzugsweise ermittelt, indem das Schwingergesamtsystem mittels einer simulierten Schwingungsanregung angeregt und das Antwortsignal im Zeitbereich als Betriebsgeräuschdatensatz oder Teil des Betriebsgeräuschdatensatzes angesehen wird.
  • Als simulierte Schwingungsanregung wird vorzugsweise ein Anregungsimpuls erzeugt und es wird vorzugsweise als Antwortspektrum eine Impulsantwort errechnet.
  • Die Analyseeinrichtung wird vorzugsweise zur Überwachung eines elektromechanischen Antriebs einer Eisenbahngleisanlage trainiert.
  • Vorteilhaft ist es, wenn die Analyseeinrichtung zur Überwachung eines Eisenbahnweichenantriebs einer Eisenbahngleisanlage für Weichenumstellvorgänge trainiert wird.
  • Auch ist es vorteilhaft, wenn die Analyseeinrichtung zur Überwachung eines Eisenbahnschrankenantriebs einer Eisenbahngleisanlage für Schrankenverstellungen trainiert wird.
  • Das oder die Mechaniksimulationsmodule und damit mittelbar das oder die Simulationsmodelle werden vorzugsweise auf der Basis einer Finite-Elemente-Methode, FEM, erstellt.
  • Als besonders vorteilhaft wird es angesehen, wenn Betriebsgeräusche eines realen fehlerfreien Antriebs der vorgegebenen Bauart während eines realen Antriebsbetriebs unter Bildung realer Betriebsgeräusche gemessen werden und unter Einbezug der gemessenen realen Betriebsgeräusche ein Basissimulationsmodul erstellt wird, mit dem sich der fehlerfreie Antriebsbetrieb des realen Antriebs simulieren lässt, und zwar derart, dass die Abweichung zwischen Betriebsgeräuschen, die mit dem Basissimulationsmodul simuliert werden, und den gemessenen realen Betriebsgeräuschen eine vorgegebene Schwelle unterschreitet.
  • Die Mechaniksimulationsmodule, mit denen sich der Antriebsbetrieb der fiktive Fehler aufweisenden Antriebe simulieren lässt, werden vorzugsweise jeweils durch Modifikation des Basissimulationsmoduls gebildet.
  • Auch ist es von Vorteil, wenn mit den gemessenen realen Betriebsgeräuschen Trainingsdaten realer Art erstellt werden und die trainierbare Analyseeinrichtung mittels der Trainingsdaten realer Art derart trainiert wird, dass die Analyseeinrichtung nach Abschluss des Trainings während des späteren Überwachungsbetriebs der Überwachungseinrichtung einen fehlerfreien Normalbetrieb des Antriebs erkennt und ein diesen Normalbetrieb anzeigendes Normalbetriebssignal erzeugt.
  • Die Erfindung bezieht sich außerdem auf eine Überwachungseinrichtung, die zum Überwachen eines elektromechanischen Antriebs einer vorgegebenen Bauart geeignet ist.
  • Erfindungsgemäß ist vorgesehen, dass die Überwachungseinrichtung eine Aufnahmeeinrichtung zum Messen von Betriebsgeräuschen unter Bildung eines Betriebsgeräuschdatensatzes aufweist, die Überwachungseinrichtung eine trainiertes Analyseeinrichtung aufweist, die auf künstlicher Intelligenz basiert und auf der Basis von Trainingsdaten, die mit einem für einen fiktiven Fehler simulierten Betriebsgeräuschdatensatz erstellt worden sind, trainiert worden ist, wobei die trainierte Analyseeinrichtung aufgrund des Trainings dazu ausgebildet ist, anhand während des Überwachungsbetriebs gemessener Betriebsgeräusche ein tatsächliches Auftreten des simulierten Fehlers zu erkennen und ein den Fehler anzeigendes Fehlersignal zu erzeugen.
  • Bezüglich der Vorteile der erfindungsgemäßen Überwachungseinrichtung und deren vorteilhafter Ausgestaltungen sei auf die obigen Ausführungen im Zusammenhang mit dem erfindungsgemäßen Verfahren und dessen vorteilhafter Ausgestaltungen verwiesen.
  • Die Analyseeinrichtung umfasst vorzugsweise eine Recheneinrichtung und einen Speicher, in dem die antrainierte künstliche Intelligenz abgespeichert ist.
  • Die Überwachungseinrichtung bzw. deren Analyseeinrichtung wird vorzugsweise nach einem der oben beschriebenen Verfahren parametriert bzw. trainiert.
  • Die Erfindung bezieht sich außerdem auf eine Eisenbahngleisanlage. Erfindungsgemäß ist vorgesehen, dass diese mit mindestens einer Überwachungseinrichtung, wie sie oben beschrieben ist, ausgestattet ist.
  • Die Eisenbahngleisanlage weist vorzugsweise einen Eisenbahnweichenantrieb auf und die Arbeitsweise des Eisenbahnweichenantriebs wird während Weichenumstellvorgängen vorzugsweise von der oder einer der Überwachungseinrichtungen überwacht.
  • Die Eisenbahngleisanlage weist vorzugsweise einen Eisenbahnschrankenantrieb auf und die Arbeitsweise des Eisenbahnschrankenantriebs wird vorzugsweise von der oder einer der Überwachungseinrichtungen während Schrankenverstellvorgängen überwacht.
  • Die Erfindung wird nachfolgend anhand von Ausführungsbeispielen näher erläutert; dabei zeigen beispielhaft
    • Figur 1
    einen Abschnitt eines Ausführungsbeispiels für eine erfindungsgemäße Eisenbahngleisanlage, die mit einem Eisenbahnweichenantrieb und einem Ausführungsbeispiel für eine den Eisenbahnweichenantrieb überwachenden, erfindungsgemäßen Überwachungseinrichtung ausgestattet ist,
    Figur 2
    die Bildung eines Mechaniksimulationsmoduls und eines Mechaniksimulationsmoduls mit fiktivem Fehler,
    Figur 3
    Schritte zum Erzeugen von Trainingsdaten auf der Basis des Mechaniksimulationsmoduls mit fiktivem Fehler gemäß Figur 2,
    Figur 4
    mit dem Mechaniksimulationsmodul gemäß Figur 2 simulierte Eigenfrequenzen über der Frequenz,
    Figur 5
    den Zeitverlauf einer der Eigenfrequenzen nach einer virtuellen Anregung,
    Figur 6
    den Zeitverlauf eines Antwortsignals eines virtuellen Schwingergesamtsystems nach einer virtuellen Anregung,
    Figur 7
    einen Trainingsschritt zum Trainieren der Überwachungseinrichtung gemäß Figur 1 auf der Basis der Trainingsdaten gemäß Figur 3,
    Figur 8
    Schritte zum Erzeugen von Trainingsdaten auf der Basis eines Mechaniksimulationsmoduls, das mittels eines Fehlerparameters eine automatisierte Erzeugung einer Vielzahl an Trainingsdatensätzen ermöglicht,
    Figur 9
    Schritte zum Erzeugen von Trainingsdaten auf der Basis eines Mechaniksimulationsmoduls, das mittels zweier Fehlerparameter eine automatisierte Erzeugung einer Vielzahl an Trainingsdatensätzen ermöglicht,
    Figur 10
    ein Ausführungsbeispiel für eine Trainiereinrichtung zum Trainieren der Überwachungseinrichtung gemäß Figur 1, und
    Figur 11
    einen Abschnitt eines Ausführungsbeispiels für eine erfindungsgemäße Eisenbahngleisanlage, die mit einem Eisenbahnschrankenantrieb und einem Ausführungsbeispiel für eine den Eisenbahnschrankenantrieb überwachenden, erfindungsgemäßen Überwachungseinrichtung ausgestattet ist.
  • In den Figuren werden der Übersicht halber für identische oder vergleichbare Komponenten dieselben Bezugszeichen verwendet.
  • Die Figur 1 zeigt einen Abschnitt einer Eisenbahngleisanlage 10, der mit einer Eisenbahnweiche 20 ausgestattet ist. Ein Eisenbahnweichenantrieb 21 der Eisenbahnweiche 20 wird mittels einer Überwachungseinrichtung 30 auf das Auftreten eventueller Fehler überwacht.
  • Die Überwachungseinrichtung 30 weist eine Aufnahmeeinrichtung 31 auf, die die real auftretenden Betriebsgeräusche BG des Eisenbahnweichenantriebs 21 während der Weichenumstellvorgänge erfasst und entsprechende akustische Betriebsgeräuschmesswerte M(BG) erzeugt. Mit den Betriebsgeräuschmesswerten M(BG) kann sie darüber hinaus für jeden Weichenumlauf einen Betriebsgeräuschdatensatz DS(BGm) bilden. Die Betriebsgeräuschmesswerte M(BG) bzw. die Betriebsgeräuschdatensätze DS(BGm) können aufgrund ihres Bezugs zur realen Welt auch als reale Betriebsgeräuschmesswerte und reale Betriebsgeräuschdatensätze bezeichnet werden. Die Aufnahmeeinrichtung 31 umfasst vorzugsweise ein oder mehr Mikrofone.
  • Darüber hinaus ist die Überwachungseinrichtung 30 mit einer Analyseeinrichtung 32 ausgestattet, die auf der Basis von Trainingsdaten TD trainiert worden ist und auf künstlicher Intelligenz beruht. Die künstliche Intelligenz der Analyseeinrichtung 32 kann beispielsweise auf einem neuronalen Netz basieren.
  • Die Analyseeinrichtung 32 ist aufgrund des Trainings dazu geeignet bzw. dazu ausgebildet, anhand der von der Aufnahmeeinrichtung 31 gemessenen realen Betriebsgeräusche ein tatsächliches Auftreten eines oder mehrerer Fehler, für die Trainingsdaten TD erstellt worden sind und die Analyseeinrichtung 32 trainiert worden ist, zu erkennen. Wird einer der Fehler erkannt, tritt also ein antrainierter Fehler real auf, so wird für diesen Fehler ein entsprechendes Fehlersignal FS erzeugt.
  • Die trainierte Analyseeinrichtung 32 wird bei dem Ausführungsbeispiel gemäß Figur 1 durch eine Recheneinrichtung 320 und einen Speicher 321 gebildet, in dem ein Softwareprogrammmodul SPM abgespeichert ist
  • Das Softwareprogrammmodul SPM ist durch vorheriges Training derart parametriert bzw. angelernt worden, dass es anhand der von der Aufnahmeeinrichtung 31 erfassten Betriebsgeräusche BG das Auftreten eines oder mehrerer antrainierter Fehler feststellen kann. Das Softwareprogrammmodul SPM beinhaltet vorzugsweise das bereits erwähnte trainierte neuronale Netz, das die Basis für die künstliche Intelligenz bildet.
  • Um die Analyseeinrichtung 32 derart zu trainieren bzw. zu parametrieren, dass die Recheneinrichtung 320 bei Ausführung des Softwareprogrammmoduls SPM in der Lage ist, Fehler zu erkennen, kann beispielsweise wie folgt vorgegangen werden:
    In einem Modellierungsschritt 100 (vgl. Figur 2) wird ein Mechaniksimulationsmodul M21 gebildet, das die mechanischen Eigenschaften des Eisenbahnweichenantriebs 21 beschreibt und eine Computersimulation des Betriebs des Eisenbahnweichenantriebs 21 erlaubt. Das Mechaniksimulationsmodul M21 wird vorzugsweise auf der Basis einer Finite-Elemente-Methode FEM erstellt.
  • In das Mechaniksimulationsmodul M21 wird im Rahmen eines Fehlerzufügungsschritts 220 ein fiktiver Fehler integriert, der einem später im realen Betrieb zu erkennenden Fehler des Eisenbahnweichenantriebs 21 entspricht. Durch den Fehlerzufügungsschritt 220 wird ein fiktives Mechaniksimulationsmodul M21f gebildet.
  • Der fiktive Fehler kann beispielsweise darin bestehen, das bei einem Zahnrad des Eisenbahnweichenantriebs 21 ein Zahn fehlt bzw. dieser für die Simulation virtuell entfernt wird oder ein Teil des Eisenbahnweichenantriebs 21 einen Riss aufweist bzw. ein solcher für die Simulation virtuell hinzugefügt wird.
  • Mit dem fiktiven Mechaniksimulationsmodul M21f werden im Rahmen eines Modalanalyseschritts 300 (siehe Figur 3) die mechanischen Eigenfrequenzen fE des mit dem fiktiven Fehler versehenen Eisenbahnweichenantriebs 21 simuliert.
  • Die Figur 4 zeigt beispielhaft die im Rahmen des Modalanalyseschritts 300 ermittelten Eigenfrequenzen fE in Form der Amplitude A über der Frequenz f.
  • Die Figur 5 zeigt beispielhaft für eine der Eigenfrequenzen fE den zeitlichen Verlauf nach einer Anregung über der Zeit t; der zeitliche Abfall der Amplitude A lässt sich durch eine Dämpfungsangabe α charakterisieren.
  • Wieder Bezug nehmend auf Figur 3 wird in einem Syntheseschritt 310 jeder der errechneten Eigenfrequenzen fE jeweils ein virtuelles Schwingungselement SE zugeordnet, dessen Schwingungsverhalten durch die jeweilige Eigenfrequenz fE, eine Schwingungsamplitude A und eine Dämpfungsangabe α definiert wird.
  • Die Schwingungselemente SE bilden ein virtuelles Schwingergesamtsystem SGS, das das mechanische Verhalten des Eisenbahnweichenantriebs 21 hinsichtlich seiner Geräuschemission während des Betriebs, also während der Umstellvorgänge, beschreibt. Das virtuelle Schwingergesamtsystem SGS bildet somit ein Simulationsmodell SIM, mit dem sich der Antriebsbetrieb des den fiktiven Fehler aufweisenden Eisenbahnweichenantriebs 21 simulieren lässt, und zwar mit Blick auf die beim Betrieb entstehenden Betriebsgeräusche.
  • In das Schwingergesamtsystem SGS wird im Rahmen eines simulierten Anregungsschrittes 320 ein Anregeimpuls I eingespeist, wodurch die einzelnen Schwingungselemente SE des Schwingergesamtsystems SGS in Schwingung versetzt werden. Durch die simulierte Anregung des Schwingergesamtsystems SGS lässt sich ein akustisches Antwortsignal AS(t) errechnen, das die akustische Antwort auf den simulierten Anregeimpuls I im Zeitbereich bzw. über der Zeit t beschreibt. Die Figur 6 zeigt beispielhaft ein typisches akustisches Antwortsignal AS(t).
  • Der Anregeimpuls I bildet anschaulich die mechanische Anregung nach, die das Anschalten eines Elektromotors des Eisenbahnweichenantriebs 21 auf den Elektromotor selbst sowie die übrigen Komponenten des Eisenbahnweichenantriebs 21 bewirken würde. Das akustische Antwortsignal AS(t) beschreibt somit die (simulierten) Betriebsgeräusche BGs des Eisenbahnweichenantriebs 21 bei dessen simuliertem Betrieb im fehlerbehafteten Zustand.
  • Bei dem Ausführungsbeispiel gemäß Figur 3 wird in einem Weiterverarbeitungsschritt 330 das akustische Antwortsignal AS(t) noch weiter bearbeitet, beispielsweise normiert, um einen Betriebsgeräuschdatensatz DS(BGs) zu erstellen. Da der Betriebsgeräuschdatensatz DS(BGs) auf dem akustischen Antwortsignal AS(t) und damit auf simulierten Betriebsgeräuschen BGs beruht, kann man diesen auch als simulierten Betriebsgeräuschdatensatz bezeichnen.
  • Durch ein Labeln des simulierten Betriebsgeräuschdatensatzes DS(BGs) im Rahmen eines Labelschrittes 340, bei dem dem Betriebsgeräuschdatensatz DS(BGs) eine Fehleridentifikationsangabe hinzugefügt wird, lassen sich Trainingsdaten TD erstellen, die zum Trainieren und Parametrieren der Analyseeinrichtung 32 gemäß Figur 1 bzw. deren Softwareprogrammmodul SPM herangezogen werden können. Der Labelschritt 340 wird beispielsweise mit Blick auf den Einsatz der Trainingsdaten TD für ein Support-Vector-Machine-Verfahren durchgeführt.
  • Die Figur 7 zeigt beispielhaft das Trainieren der Analyseeinrichtung 32 auf der Basis der in Figur 3 gezeigten Trainingsdaten TD, um die trainierte Analyseeinrichtung 32 gemäß Figur 1 zu bilden. Das Training kann beispielsweise auf der Basis eines Support-Vector-Machine-Verfahrens 700 durchgeführt werden.
  • Die Figur 8 zeigt ein Ausführungsbeispiel für Verfahrensschritte, mit denen sich automatisiert simulierte Betriebsgeräuschdatensätze DS(BGs) und entsprechende Trainingsdaten TD für eine Vielzahl an fiktiven Fehlern erzeugen lassen, die derselben Fehlerart zugehörig sind und sich lediglich durch einen oder mehrere Parameter unterscheiden.
  • Ist der fiktive Fehler beispielsweise ein Riss in einem Bauteil des Eisenbahnweichenantriebs 21, so kann die Risstiefe als Fehlerparameter Prt in ein Mechaniksimulationsmodul M21f(Prt) integriert werden. Diese Integration des Fehlerparameters Prt ermöglicht es, die Schritte 300 bis 330 im Rahmen eines oder mehrerer Schleifendurchläufe automatisiert zu wiederholen:
    Sind beispielsweise die Schritte 300 bis 330 für eine erste Risstiefe T1, also für Prt=T1, durchgeführt worden sind und ist der simulierte Betriebsgeräuschdatensatz DS(BGs(Prt=T1)) für diese Risstiefe T1 erzeugt worden, so können die Schritte 300 bis 330 in einem nachfolgenden Schleifendurchlauf für eine andere Risstiefe T2 wiederholt werden und es kann für diese andere Risstiefe T2 ein neuer simulierter Betriebsgeräuschdatensatz DS(BGs(Prt=T2)) erzeugt werden. In dieser Weise können quasi beliebig viele Betriebsgeräuschdatensätze DS(BGs) für eine Vielzahl von fiktiven Fehlern erzeugt werden.
  • Auch ist es möglich, zwei oder mehr Parameter in mehreren verschachtelten Schleifen zu berücksichtigen, wie beispielhaft die Figur 9 zeigt. Ist der fiktive Fehler ein Riss, so können beispielsweise sowohl die Risstiefe als Parameter Prt als auch die Rissbreite als Parameter Prb in ein Mechaniksimulationsmodul M21f(Prt, Prb) integriert werden.
  • Sind beispielsweise die Schritte 300 bis 330 für eine erste Risstiefe T1, also für Prt=T1, und eine erste Rissbreite B1, also für Prb=B1, durchgeführt worden und ist der simulierte Betriebsgeräuschdatensatz DS(BGs(Prt=T1, Prb=B1)) für diese Risstiefe T1 und diese Rissbreite B1 erzeugt worden, so können die Schritte 300 bis 330 in einem nachfolgenden Schleifendurchlauf für eine andere Risstiefe T2 und dieselbe Rissbreite B1 oder eine andere Rissbreite B2 wiederholt werden und es kann für jede gewünschte Kombination von Risstiefe und Rissbreite jeweils automatisiert ein neuer simulierter Betriebsgeräuschdatensatz DS(BGs(Prt, Prb)) erzeugt werden.
  • Die in den Figuren 3 und 7 bis 9 gezeigten Verfahrensschritte 300 bis 340 und 700 werden vorzugsweise von einer Trainiereinrichtung 100 ausgeführt, wie sie beispielhaft in der Figur 10 gezeigt ist.
  • Die Trainiereinrichtung 100 wird bei dem Ausführungsbeispiel gemäß Figur 10 durch eine Recheneinrichtung 110 und einen Speicher 120 gebildet. In dem Speicher 120 sind ein Modalanalysesoftwaremodul M300 zur Durchführung des Modalanalyseschritts 300, ein Synthesesoftwaremodul M310 zur Durchführung des Syntheseschritts 310, ein Anregungssoftwaremodul M320 zur Durchführung des Anregungsschritts 320, ein Weiterverarbeitungssoftwaremodul M330 zur Durchführung des Weiterverarbeitungsschritts 330, ein Labelsoftwaremodul M330 zur Durchführung des Labelschritts 340 und ein Support-Vector-Machine-Softwaremodul M700 zur Durchführung des Support-Vector-Machine-Verfahrens 700 abgespeichert. Führt die Recheneinrichtung 110 die genannten Module M300, M310, M320, M330, M340 und/oder M700 aus, so arbeitet sie die entsprechenden Verfahrensschritte 300-340 bzw. 700 ab, wie sie oben beschrieben wurden.
  • Die Figur 11 zeigt einen anderen Abschnitt der Eisenbahngleisanlage 10, der mit einer Eisenbahnschranke 20a ausgestattet ist. Die Eisenbahnschranke 20a weist einen Eisenbahnschrankenantrieb 21a auf, der mittels einer Überwachungseinrichtung 30a auf das Auftreten eventueller Fehler überwacht wird.
  • Die Überwachungseinrichtung 30a weist eine Aufnahmeeinrichtung 31a auf, die die real auftretenden Betriebsgeräusche BG des Eisenbahnschrankenantriebs 21a während der Verstellvorgänge erfasst und entsprechende akustische Betriebsgeräuschmesswerte M(BG) erzeugt. Mit den Betriebsgeräuschmesswerten M(BG) kann sie darüber hinaus Betriebsgeräuschdatensätze DS(BGm) bilden.
  • Darüber hinaus ist die Überwachungseinrichtung mit einer Analyseeinrichtung 32a ausgestattet. Die Analyseeinrichtung 32a wird bei dem Ausführungsbeispiel gemäß Figur 1 durch eine Recheneinrichtung 320a und einen Speicher 321a gebildet, in dem ein Softwareprogrammmodul SPMa abgespeichert ist. Die Analyseeinrichtung 32a kann hardwareseitig mit der Analyseeinrichtung 32 gemäß Figur 1 identisch sein; unterschiedlich sind lediglich die Softwareprogrammmodule SPM und SPMa.
  • Das Softwareprogrammmodul SPMa ist durch vorheriges Training derart parametriert bzw. angelernt worden, dass es anhand der von der Aufnahmeeinrichtung 31a erfassten Betriebsgeräusche BG das Auftreten eines oder mehrerer Fehler des Eisenbahnschrankenantriebs 21a erkennen kann. Das Softwareprogrammmodul SPMa beinhaltet vorzugsweise ein hierauf trainiertes neuronales Netz und bildet künstliche Intelligenz zum Erkennen solcher Fehler.
  • Zum Training der Analyseeinrichtung 32a werden vorzugsweise dieselben Verfahrensschritte durchgeführt, wie sie oben im Zusammenhang mit den Figuren 1 bis 10 beispielhaft für die Eisenbahnweiche 21 erläutert worden sind. Zum Training kann die Trainiereinrichtung 100 gemäß Figur 10 eingesetzt werden, also dieselbe Hardware wie für das Training der Analyseeinrichtung 32 gemäß Figur 1.
  • Die Analyseeinrichtungen 32 und 32a können lokal in, an oder in der Nähe des von ihnen zu überwachenden elektromechanischen Antriebs 21 bzw. 21a angeordnet sein; die Überwachungseinrichtungen 30 und 30a können also als Feldgeräte lokal im Bereich der zu überwachenden elektromechanischen Antriebe angeordnet sein.
  • Alternativ können die Analyseeinrichtungen 32 und 32a auch in entfernt angeordneten Rechnern oder Cloudrechnern integriert oder durch diese gebildet sein, also räumlich getrennt von den Aufnahmeeinrichtungen 31 und 31a und den zu überwachenden Antrieben; die Überwachungseinrichtungen 30 und 30a können also alternativ auch durch räumlich verteilte Systeme gebildet sein.
  • Abschließend sei erwähnt, dass die Merkmale aller oben beschriebenen Ausführungsbeispiele untereinander in beliebiger Weise kombiniert werden können, um weitere andere Ausführungsbeispiele der Erfindung zu bilden.
  • Auch können alle Merkmale von Unteransprüchen jeweils für sich mit jedem der nebengeordneten Ansprüche kombiniert werden, und zwar jeweils für sich allein oder in beliebiger Kombination mit einem oder anderen Unteransprüchen, um weitere andere Ausführungsbeispiele zu erhalten.

Claims (15)

  1. Verfahren zum Parametrieren einer Überwachungseinrichtung (30), die zum Überwachen eines elektromechanischen Antriebs (21, 21a) einer vorgegebenen Bauart geeignet ist,
    dadurch gekennzeichnet, dass im Rahmen des Verfahrens
    - mit Hilfe eines Simulationsmodells (SIM), mit dem sich der Antriebsbetrieb eines einen fiktiven Fehler aufweisenden Antriebs (21, 21a) der Bauart simulieren lässt, Betriebsgeräusche (BG) des den fiktiven Fehler aufweisenden Antriebs (21, 21a) unter Bildung eines simulierten Betriebsgeräuschdatensatzes (DS(BGs)) simuliert werden,
    - mit dem simulierten Betriebsgeräuschdatensatz (DS(BGs)) Trainingsdaten (TD) zum Trainieren einer trainierbaren Analyseeinrichtung (32, 32a), die auf künstlicher Intelligenz beruht und einen Bestandteil der Überwachungseinrichtung (30) bildet, erstellt werden und
    - die trainierbare Analyseeinrichtung (32, 32a) mittels der Trainingsdaten (TD) derart trainiert wird, dass die Analyseeinrichtung (32, 32a) nach Abschluss des Trainings während des späteren Überwachungsbetriebs der Überwachungseinrichtung (30) ein tatsächliches Auftreten des simulierten Fehlers anhand der von dem Antrieb (21, 21a) während des Antriebsbetriebs erzeugten Betriebsgeräusche (BG) erkennt und ein den Fehler anzeigendes Fehlersignal (FS) erzeugt.
  2. Verfahren nach Anspruch 1,
    dadurch gekennzeichnet, dass
    - für eine Mehrzahl an fiktiven Fehlern jeweils mittels eines fehlerindividuellen Simulationsmodells (SIM), mit dem sich der Antriebsbetrieb des den jeweiligen fiktiven Fehler aufweisenden Antriebs (21, 21a) simulieren lässt, Betriebsgeräusche (BG) des Antriebs (21, 21a) unter Bildung eines simulierten Betriebsgeräuschdatensatzes (DS(BGs)) simuliert werden,
    - mit den simulierten Betriebsgeräuschdatensätzen (DS(BGs)) Trainingsdaten (TD) zum Trainieren der Analyseeinrichtung (32, 32a) erstellt werden und
    - die Analyseeinrichtung (32, 32a) mittels der Trainingsdaten (TD) derart trainiert wird, dass die Analyseeinrichtung (32, 32a) nach Abschluss des Trainings während des späteren Überwachungsbetriebs der Überwachungseinrichtung (30) ein tatsächliches Auftreten jedes der simulierten Fehler anhand der von dem Antrieb (21, 21a) erzeugten Betriebsgeräusche (BG) erkennt und ein den jeweiligen Fehler anzeigendes Fehlersignal (FS) erzeugt.
  3. Verfahren nach einem der voranstehenden Ansprüche,
    dadurch gekennzeichnet, dass die Bildung der fehlerindividuellen Simulationsmodelle (SIM) das Variieren zumindest eines in ein Mechaniksimulationsmodul (M21f) integrierten Fehlerparameters (Prt, Prb) durch Vorgabe unterschiedlicher Parameterwerte umfasst.
  4. Verfahren nach Anspruch 3,
    dadurch gekennzeichnet, dass automatisiert fehlerindividuelle Simulationsmodelle (SIM), simulierte Betriebsgeräuschdatensätze und entsprechende Trainingsdaten (TD) für eine Vielzahl an fiktiven Fehlern erzeugt werden, indem die Parameterwerte für die Fehlerparameter (Prt, Prb) des Mechaniksimulationsmoduls (M21f) im Rahmen von Schleifendurchläufen variiert werden.
  5. Verfahren nach einem der voranstehenden Ansprüche,
    dadurch gekennzeichnet, dass
    - eine Erstellung jedes der fehlerindividuellen Simulationsmodelle (SIM) jeweils die Ermittlung zumindest einer Eigenfrequenz (fE) oder eines Eigenfrequenzspektrums des fehlerbehafteten Antriebs (21, 21a) umfasst und
    - das Ermitteln des Betriebsgeräuschdatensatzes (DS(BGs)) jeweils eine simulierte Schwingungsanregung der zumindest einen Eigenfrequenz (fE) oder des Eigenfrequenzspektrums und das Errechnen eines akustischen Antwortspektrums und/oder eines Antwortsignals (AS) im Zeitbereich auf die simulierte Schwingungsanregung hin umfasst.
  6. Verfahren nach einem der voranstehenden Ansprüche,
    dadurch gekennzeichnet, dass
    - zur Bildung der fehlerindividuellen Simulationsmodelle (SIM) für den jeweiligen fiktiven Fehler jeweils ein oder mehr Eigenfrequenzen (fE) des fehlerbehafteten Antriebs (21, 21a) auf der Basis eines die Mechanik des Antriebs (21, 21a) beschreibenden Mechaniksimulationsmoduls (M21f) durch Simulation ermittelt werden, und
    - das jeweilige fehlerindividuelle Simulationsmodell (SIM) erstellt wird, indem der jeweilige fehlerbehaftete Antrieb (21, 21a) durch Schwingungselemente (SE) unter Bildung eines Schwingergesamtsystems (SGS) nachgebildet wird,
    - wobei die Schwingungselemente (SE) jeweils durch eine Eigenschwingungsfrequenz (fE), eine Schwingungsamplitude (A) und eine Dämpfungsangabe (α) charakterisiert werden, und
    - wobei jede der Eigenfrequenzen (fE) des fehlerbehafteten Antriebs (21, 21a) jeweils durch zumindest ein Schwingungselement (SE) nachgebildet wird, und
    - der Betriebsgeräuschdatensatz (DS(BGs)) für den jeweiligen Fehler ermittelt wird, indem das Schwingergesamtsystem (SGS) mittels einer simulierten Schwingungsanregung (I) angeregt und das Antwortsignal (AS) im Zeitbereich als Betriebsgeräuschdatensatz (DS(BGs)) oder Teil des Betriebsgeräuschdatensatzes (DS(BGs)) angesehen wird.
  7. Verfahren nach einem der voranstehenden Ansprüche 5 bis 6, dadurch gekennzeichnet, dass als simulierte Schwingungsanregung ein Anregungsimpuls erzeugt und als Antwortspektrum eine Impulsantwort errechnet wird.
  8. Verfahren nach einem der voranstehenden Ansprüche,
    dadurch gekennzeichnet, dass
    die Analyseeinrichtung (32, 32a) zur Überwachung eines elektromechanischen Antriebs (21, 21a) einer Eisenbahngleisanlage (10) trainiert wird.
  9. Verfahren nach einem der voranstehenden Ansprüche,
    dadurch gekennzeinchnet, dass
    die Analyseeinrichtung (32, 32a) zur Überwachung eines Eisenbahnweichenantriebs (21) einer Eisenbahngleisanlage (10) für Weichenumstellvorgänge trainiert wird.
  10. Verfahren nach einem der voranstehenden Ansprüche,
    dadurch gekennzeichnet, dass
    die Analyseeinrichtung (32, 32a) zur Überwachung eines Eisenbahnschrankenantriebs (21a) einer Eisenbahnschranke (20a) einer Eisenbahngleisanlage (10) für Schrankenverstellungen trainiert wird.
  11. Verfahren nach einem der voranstehenden Ansprüche,
    dadurch gekennzeichnet, dass
    das oder die Simulationsmodelle (SIM) auf der Basis einer Finite-Elemente-Methode, FEM, erstellt werden.
  12. Verfahren nach einem der voranstehenden Ansprüche,
    dadurch gekennzeichnet, dass
    - Betriebsgeräusche (BG) eines realen fehlerfreien Antriebs (21, 21a) der vorgegebenen Bauart während eines realen Antriebsbetriebs unter Bildung realer Betriebsgeräusche (BG) gemessen werden und
    - unter Einbezug der gemessenen realen Betriebsgeräusche (BG) ein Mechaniksimulationsmodul (M21) erstellt wird, mit dem sich der fehlerfreie Antriebsbetrieb des realen Antriebs (21, 21a) simulieren lässt, und zwar derart, dass die Abweichung zwischen Betriebsgeräuschen, die mit dem Mechaniksimulationsmodul (M21) simuliert werden, und den gemessenen realen Betriebsgeräuschen eine vorgegebene Schwelle unterschreitet.
  13. Verfahren nach Anspruch 12,
    dadurch gekennzeichnet, dass
    - mit den gemessenen realen Betriebsgeräuschen Trainingsdaten (TD) realer Art erstellt werden und
    - die trainierbare Analyseeinrichtung (32, 32a) mittels der Trainingsdaten (TD) realer Art derart trainiert wird, dass die Analyseeinrichtung (32, 32a) nach Abschluss des Trainings während des späteren Überwachungsbetriebs der Überwachungseinrichtung (30) einen fehlerfreien Normalbetrieb des Antriebs (21, 21a) erkennt und ein diesen Normalbetrieb anzeigendes Normalbetriebssignal erzeugt.
  14. Überwachungseinrichtung (30), die zum Überwachen eines elektromechanischen Antriebs (21, 21a) einer vorgegebenen Bauart geeignet ist,
    dadurch gekennzeichnet, dass
    - die Überwachungseinrichtung (30) eine Aufnahmeeinrichtung (31) zum Messen von Betriebsgeräuschen unter Bildung eines Betriebsgeräuschdatensatzes (DS(BG)) aufweist,
    - die Überwachungseinrichtung (30) eine trainierte Analyseeinrichtung (32, 32a) aufweist, die auf künstlicher Intelligenz basiert und auf der Basis von Trainingsdaten (TD), die mit einem für einen fiktiven Fehler simulierten Betriebsgeräuschdatensatz (DS(BGs)) erstellt worden sind, trainiert worden ist,
    - wobei die trainierte Analyseeinrichtung (32, 32a) aufgrund des Trainings dazu ausgebildet ist, anhand während des Überwachungsbetriebs gemessener Betriebsgeräusche (BG) ein tatsächliches Auftreten des simulierten Fehlers zu erkennen und ein den Fehler anzeigendes Fehlersignal (FS) zu erzeugen.
  15. Eisenbahngleisanlage (10)
    dadurch gekennzeichnet, dass
    - die Eisenbahngleisanlage (10) mit mindestens einer Überwachungseinrichtung (30) nach Anspruch 14 oder einer Überwachungseinrichtung (30), die im Rahmen eines Verfahrens gemäß einem der voranstehenden Ansprüche 1 bis 13 parametriert worden, ausgestattet ist,
    - wobei die Eisenbahngleisanlage (10) einen Eisenbahnweichenantrieb aufweist und die Arbeitsweise des Eisenbahnweichenantriebs (21) während Weichenumstellvorgängen von der oder einer der Überwachungseinrichtungen (30) überwacht wird, und/oder die Eisenbahngleisanlage (10) einen Eisenbahnschrankenantrieb (21a) aufweist und die Arbeitsweise des Eisenbahnschrankenantriebs (21a) von der oder einer der Überwachungseinrichtungen (30) während Schrankenverstellvorgängen überwacht wird.
EP22165868.5A 2022-03-31 2022-03-31 Überwachungseinrichtung und verfahren zum parametrieren einer überwachungseinrichtung Pending EP4253190A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP22165868.5A EP4253190A1 (de) 2022-03-31 2022-03-31 Überwachungseinrichtung und verfahren zum parametrieren einer überwachungseinrichtung

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
EP22165868.5A EP4253190A1 (de) 2022-03-31 2022-03-31 Überwachungseinrichtung und verfahren zum parametrieren einer überwachungseinrichtung

Publications (1)

Publication Number Publication Date
EP4253190A1 true EP4253190A1 (de) 2023-10-04

Family

ID=81388994

Family Applications (1)

Application Number Title Priority Date Filing Date
EP22165868.5A Pending EP4253190A1 (de) 2022-03-31 2022-03-31 Überwachungseinrichtung und verfahren zum parametrieren einer überwachungseinrichtung

Country Status (1)

Country Link
EP (1) EP4253190A1 (de)

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ATAMURADOV VEPA ET AL: "Railway Point Machine Prognostics Based on Feature Fusion and Health State Assessment", IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT, IEEE, USA, vol. 68, no. 8, 1 August 2019 (2019-08-01), pages 2691 - 2704, XP011734504, ISSN: 0018-9456, [retrieved on 20190711], DOI: 10.1109/TIM.2018.2869193 *
LEE JONGUK ET AL: "Fault Detection and Diagnosis of Railway Point Machines by Sound Analysis", SENSORS, vol. 16, no. 4, 16 April 2016 (2016-04-16), pages 549, XP055961629, Retrieved from the Internet <URL:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4851063/pdf/sensors-16-00549.pdf> [retrieved on 20220916], DOI: 10.3390/s16040549 *
SUN YONGKUI ET AL: "Condition Monitoring for Railway Point Machines Based on Sound Analysis and Support Vector Machine", CHINESE JOURNAL OF ELECTRONICS, TECHNOLOGY EXCHANGE LTD., HONG KONG, HK, vol. 29, no. 4, 1 July 2020 (2020-07-01), pages 786 - 792, XP006092477, ISSN: 1022-4653, DOI: 10.1049/CJE.2020.06.007 *

Similar Documents

Publication Publication Date Title
DE102006059430A1 (de) Automatisierte Erstellung und Adaption eines Maschinen- oder Anlagenmodells
EP2685382B1 (de) Verfahren und Vorrichtung zum Erstellen und Testen eines Steuergeräteprogramms
EP1703350B1 (de) Diagnose eines Automatisierungssystems
EP3786745B1 (de) Identifikation von abweichungen zwischen realer anlage und ihrem digitalen zwilling
EP3499470B1 (de) Verfahren zur zustandsbasierten instandhaltung einer zugangsvorrichtung
EP1763710B1 (de) Verfahren zur simulation einer technischen anlage
DE102008010299A1 (de) Verfahren zum Testen eines Mobilfunkgeräts
DE102010019650A1 (de) Verfahren und System zum Testen einer Sicherheits-Automatisierungslogik einer Fertigungszelle
EP3379351B1 (de) Verfahren zum betreiben einer automatisierungseinrichtung sowie automatisierungseinrichtung
EP3757795A1 (de) Verfahren und vorrichtung zur optimalen aufteilung von testfällen auf unterschiedliche testplattformen
EP2690513A1 (de) Condition-Monitoring bei einer Maschine, insbesondere bei einer Produktions- oder Werkzeugmaschine
DE102004058753A1 (de) Verifizierung von Integrierte-Schaltung-Tests unter Verwendung einer Testsimulation und einer Integrierte-Schaltungs-Simulation mit einem simulierten Ausfall
EP3715982A1 (de) Virtueller sensor auf einer übergeordneten maschinenplattform
DE102016012451A1 (de) Verfahren zum Überwachen, Analysieren und Betreiben wenigstens einer Produktionsanlage
EP3546314A1 (de) Verfahren und vorrichtung zur fehleridentifizierung für ein technisches system
DE102017117322A1 (de) Verfahren zur Herstellung eines Halbleiterbauelementes mittels computergestütztem Entwurf von Testszenarien
DE112016007339T5 (de) Simulationsvorrichtung
EP4253190A1 (de) Überwachungseinrichtung und verfahren zum parametrieren einer überwachungseinrichtung
EP3714337B1 (de) Simulieren von statistisch modellierten sensordaten
EP1425564B1 (de) Verfahren und vorrichtung zur diagnostik von eigenschwingungen eines mechatronischen systems
DE19857462A1 (de) Verfahren zur Prüfung von Einzelkomponenten eines Kraftfahrzeuges
WO2017029087A1 (de) Verfahren zum automatischen erstellen eines prozessmodells und vorrichtung zur ausführung des verfahrens
WO2017021211A1 (de) Fahrzeugsimulator für ein schienenfahrzeug
EP3786746A1 (de) Effiziente fehleranalyse durch simulierten fehler in einem digitalen zwilling
WO1999038024A1 (de) Verfahren zur computergestützten optimierung von prüfspezifikationen und minimierung von prüfsoftware

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION HAS BEEN PUBLISHED

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20231019

RBV Designated contracting states (corrected)

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR