KI-MeZIS - KI-Methoden in der Zustandsüberwachung und bedarfsangepassten Instandhaltung von Schienenfahrzeugstrukturen; Teilvorhaben: Ermittlung von repräsentativen Lastkollektiven für die anforderungsgerechte Auslegung der Schienenfahrzeuge

Abstract

Im Projekt KI-MeZIS wurden geeignete Bauteile des aTL für Sensorausstattung und Zustandsüberwachung identifiziert. Sensoren wurden basierend auf Erfahrungen und Simulationsergebnissen platziert, einschließlich Frontbereich, Bugklappe, Seitenschürze, Kurzkupplung, Fahrwerksaufnahme, Schlingerdämpferaufnahme und Außenhaut. On-Board-Messungen zeigten starke geschwindigkeitsabhängige aerodynamische Kräfte und instationäre Effekte, insbesondere bei besonderen Betriebsbedingungen wie Tunnelauffahrt. Lastkollektive wurden durch direkte Ableitung aus Sensorsignalen und Einsatz künstlicher Intelligenz ermittelt. Ein neuronales Netz, trainiert auf Basis von FE-Modellen, half bei der Vorhersage von Betriebslasten. Sensitivitätsanalysen ergaben, dass Geschwindigkeit und Masse der Impaktoren entscheidende Faktoren sind. Numerische und reale Versuche validierten die Simulationen und lieferten Lerndaten für KI-Methoden. Beschussversuche zeigten, dass Sensoren nahe dem Impactort zum Übersteuern neigen. Schäden traten hauptsächlich an der Kupplungsöffnung und an den Konsolen zur Anbindung an die Mimik auf. Eine genaue Identifikation der Projektilart war nicht möglich, aber die Position des Impakts konnte grob bestimmt werden.