• Medientyp: Elektronische Hochschulschrift; Sonstige Veröffentlichung; E-Book; Dissertation
  • Titel: Präzise Prognose von Störungen an Eisenbahnweichen ; Precise Prediction of Failures of Railway Switches
  • Beteiligte: Böhm, Thomas [VerfasserIn]
  • Erschienen: TU Braunschweig: LeoPARD - Publications And Research Data, 2018-06-07
  • Umfang: 210 Seiten
  • Sprache: Deutsch
  • DOI: https://doi.org/10.24355/dbbs.084-201806071356-0
  • ISSN: 1866-721X
  • Schlagwörter: doctoral thesis
  • Entstehung:
  • Anmerkungen: Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
  • Beschreibung: Im Schienenverkehr verursachen Verspätungen jährlich einen enormen volkswirtschaftlichen Schaden. Eisenbahnunternehmen leiden unter dem negativen Image sowie den Verspätungs- und Instandhaltungskosten. Eine der Hauptursachen für infrastrukturbedingte Verspätungen sind Weichenstörungen. Ihre negativen Auswirkungen ließen sich verhindern, wenn die Störung rechtzeitig bekannt wäre, um Gegenmaßnahmen zu planen und auszuführen. In dieser Arbeit wird ein datengetriebener Ansatz zur präzisen und verlässlichen Prognose von Weichenstörungen in Form der verbleibenden Nutzungsdauer (RUL) vorgestellt. Ausgangsbasis sind Stellstromdaten aus dem zweijährigen Realbetrieb von 29 Weichen der DB AG, die kontinuierlich am Weichenantrieb erfasst wurden. Außerdem spielen die Temperatur und die Luftfeuchtigkeit für die Interpretaion der Stellströme eine wesentliche Rolle. Auch die Bauarteigenschaften der Weichen sind entscheidend. Ihr Einfluss wird mit einer eigenen, neuartigen Methode analysiert, da die Voraussetzungen für herkömmliche Analyseverfahren nicht gegeben sind. Die Heuristik identifiziert jene Bauarteigenschaften, die das unterschiedliche Weichenverhalten bestimmen. Statt Weichen individuell zu behandeln, wird die Prognose auf Bauartgruppen ausgerichtet. Auf diese Weise kann auch der Zustand neuer Weichen prognostiziert werden, für die noch keine historischen Daten vorliegen. Auf dieser Grundlage entsteht eine hochdimensionale Rohdatenbasis heterogener Quellen. Sie werden den dokumentierten tatsächlichen Störungen als Zustandsreferenz gegenübergestellt, womit für jedes Messtupel die RUL gegeben ist. Der Prognose basiert darauf, die stetige RUL in diskrete Klassen zu transformieren, die jeweils ein bestimmtes Intervall an RUL-Zeiten zusammenfassen. Die Prognose wird zum Klassifikationsproblem multipler Klassen, für das passende Lösungsverfahren untersucht werden. Weil die Performance der Verfahren stark von ihrer Parametrierung abhängt, werden jene Einstellungen herausgearbeitet, bei denen der Erfolg maximal ist. Mit einer ...
  • Zugangsstatus: Freier Zugang