Datenbasiertes
Extrapolationsmodell zur
Ermittlung von realen
Betriebslastenzügen für (Rest-)lebesdaueranalyse von EisenbahnINFRAstrukturanlagen
Projekt
Brückenbauwerke müssen in bestimmten Intervallen einer Bewertung hinsichtlich ihrer Restlebensdauer unterzogen werden. Diese hängt maßgeblich von den durch Verkehr hervorgerufenen Spannungsschwingspielen im Material und der einhergehenden Schadensakkumulation ab. Die aktuellen Ansätze zur Ermittlung der Restlebensdauer bestehender Brücken basieren auf idealisierten Lastmodellen für die Vergangenheit bzw. auf gewissen Annahmen zum zukünftigen Verkehrsaufkommen. Diese Annahmen unterliegen allerdings großen Unsicherheiten und besitzen daher i. d. R. einen stark konservativen Charakter, der zu einer verfrühten Instandsetzung des Bauwerks führen kann. Daten aus Achslastmesstellen können derzeit noch nicht für die Ermittlung der Restlebensdauer genutzt werden.
Projektziel
Kernziel dieses Projektes ist die Entwicklung eines Konzepts zur Integration vorhandener realer dynamischer Fahrzeuglasten in die Restlebensdauerbewertung von Eisenbahninfrastrukturen. Hierfür werden Daten der im europäischen Eisenbahnstreckennetz ausgeführten Achslastmessstellen sowie klassischer Strukturmonitoringanlagen verwendet. Mittels statistischer Extrapolationsmethoden und Datenfusion sollen diese in die streckenspezifische Bewertung der Restlebensdauer bestehender Brückenbauwerke in Deutschland einfließen. Es wird eine Verlängerung der Restlebensdauer der bestehenden Brückenbauwerke im Vergleich zum jetzigen konservativen Ansatz von mind. 20% erwartet und somit eine verbesserte Verfügbarkeit der Brückenbauwerke und eine hohe Ressourceneinsparung erzielt.
Durchführung
Basierend auf der Analyse von vorhandenen Daten aus Achslastmessstellen, Strukturmonitoringdaten sowie Betriebs- und Netzdaten der Infrastrukturbetreiber in Europa wird eine datenbasierte Extrapolationsmethode für Radsatzlasten im deutschen Streckennetz entwickelt. Zudem wird eine datenbasierte Methode zur kostengünstigen Ermittlung von Radsatzlasten von Eisenbahnfahrzeugen erarbeitet und validiert. Abschließend werden streckenspezifische Lastkollektive zur Berechnung der (Rest-)lebensdauer von Eisenbahninfrastrukturanlagen abgeleitet.
Projektpartner
Das Institut für Statik und Konstruktion bündelt die Forschungs- und Lehraktivitäten in den Bereichen Baustatik, Baudynamik, Werkstoffe, Gebäudehülle und Konstruktion, um einheitliche Grundlagen für werkstoffgerechtes Entwerfen und Konstruieren zu erreichen.
Das AIT Austrian Institute of Technology nimmt in Österreich eine führende Position bei Innovationen ein und spielt zudem auf europäischer Ebene eine Schlüsselrolle als jene Forschungs- und Technologieeinrichtung, die sich mit den zentralen Infrastrukturthemen der Zukunft befasst.
Durch die Forschung und technologischen Entwicklungen des AIT werden grundlegende Innovationen für die nächste Generation von Infrastrukturtechnologien in den Bereichen Energy, Low-Emission Transport, Health & Bioresources, Digital Safety & Security, Vision, Automation & Control und Technology Experience verwirklicht. Ergänzt werden diese wissenschaftlichen Forschungsgebiete um die Kompetenz im Bereich Innovation Systems & Policy.
Als nationaler und internationaler Knotenpunkt an der Schnittstelle zwischen Wissenschaft und Industrie macht das AIT dank seiner wissenschaftlich-technologischen Kompetenz, Erfahrung auf den Märkten, der engen Kundenbindung und einer hervorragenden Forschungsinfrastruktur Innovationen möglich.
Aufgrund der langjährigen Erfahrung von REVOTEC ist insbesondere die Analyse komplexer Strukturen unter statischen und dynamischen Gesichtspunkten eine der großen Stärken. Für die Analysen werden theoretische numerische Modelle mit Messwerten der realen Struktur verknüpft und realitätsangepasste Maßnahmen geplant.
Statische und dynamische lineare und/oder nichtlineare Berechnungen von Bau- und Maschinenbaustrukturen aus beliebigen Materialen (Stahl, Beton, Holz, Verbund, Fasermaterialen, etc. ) sowie Stoss-, Kontakt- sowie Interaktionsprobleme (Bauwerk – Boden, etc.) gehören zu dem großen Erfahrungsschatz.
Campus 4.0 ist der Innovationshub von DB Training, Learning & Consulting. Er ist das Herzstück, in dem Digitalisierung und Technik auf Menschen und Ideen treffen. In Frankfurt am Main entstanden, dient der Campus 4.0 nicht nur als Veranstaltungsraum, sondern bietet vor allem neue Denk- und Freiräume für Deine Herausforderungen und Ideen. Ganz nach dem Motto: „Engineering Innovation“.
Im Jahre 2020 entschlossen sich die vier Gründungsgesellschafter der iSEA Tec GmbH ein Ingenieurbüro zu gründen, welches Innovation im Bauwesen als das zentrale Ziel ansieht. Die sich optimal ergänzenden fachlichen Hintergründe der Gründungsgesellschafter mit fundierten Erfahrungen im Bereich des Leicht- und Brückenbaus sowie der Baudynamik und Bauwerksüberwachung in Verbindung mit der zwischen diesen technisch komplexen Arbeitsfeldern entstehenden Symbiose stellen hierbei eine solide Grundlage für die Identifikation von Potenzialen für innovative Methoden und Prozesse im Bauwesen dar, deren Ausnutzung zur Geschäftsphilosofie der iSEA Tec gehört.
Wissenschaftliche Artikel
Firus Andrei (2022). A contribution to moving force identification in bridge dynamics. Darmstadt, Technische Universität, DOI: 10.26083/tuprints-00020293, Ph.D. Thesis
In diesem Artikel wird ein neuartiger Ansatz zur Ermittlung der dynamischen Kräfte, die auf ein Brückenbauwerk einwirken, vorgeschlagen, indem optimale Kraftwerte gefunden werden, die die Differenz zwischen den berechneten und gemessenen Zeitverläufen von Verschiebung und Beschleunigung für eine begrenzte Anzahl von Sensorstandorten minimieren. Die vorgeschlagene Methode ist auf jedes 3D-Finite-Elemente-Modell mit beliebigem Detailgrad anwendbar, das durch modale Überlagerung erreicht wird. Die vorgeschlagene Methode wurde durch simulierte Messdaten und zwei experimentelle Untersuchungen validiert, die eine zufriedenstellende Identifizierungsgenauigkeit belegen. Der Artikel diskutiert auch die Besonderheiten und Grenzen der praktischen Anwendung der Methode auf reale Strukturen, hauptsächlich im Zusammenhang mit Modellierungsungenauigkeiten.
Lorenzen, S. R., Riedel, H., Rupp, M. M., Schmeiser, L., Berthold, H., Firus, A., & Schneider, J. (2022). Virtual axle detector based on analysis of bridge acceleration measurements by fully convolutional network. Sensors, 22(22), 8963. DOI: 10.3390/s22228963
Dieser Artikel schlägt eine Methode vor zur Erkennung der Position von Rädern oder Achsen eines vorbeifahrenden Fahrzeugs auf einer Brücke unter Verwendung von Beschleunigungsmessern, die an beliebigen Stellen auf der Brücke angebracht sind. Die Methode verwendet einen binären Klassifizierungsansatz, der als vollständig gefaltetes Netzwerk implementiert ist, um Signale in Form von kontinuierlichen Wavelet-Transformationen zu verarbeiten, was die Verarbeitung von Passagen beliebiger Länge in einem einzigen Schritt mit maximaler Effizienz ermöglicht. Die Methode kann als Virtual Axle Detector (VAD) eingesetzt werden, ohne auf bestimmte Brückenbauarten beschränkt zu sein. Das vorgeschlagene Verfahren wurde an einer Stahltrog-Eisenbahnbrücke einer Fernverkehrsstrecke getestet, und die Ergebnisse zeigten, dass das Modell 95 % der Achsen mit einem maximalen räumlichen Fehler von 20 cm und einer maximalen Geschwindigkeit von vmax=56,3m/s erkannte, was darauf hindeutet, dass es als VADs unter realen Betriebsbedingungen eingesetzt werden kann.
Förderung
DEEB-INFRA wird durch das Bundesministerium für Verkehr und digitale Infrastruktur aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
Weitere Informationen: https://www.bmvi.de/…