DE102019200031A1 - Method and device for determining the cause of a fault in switch failures in rail-bound traffic - Google Patents
Method and device for determining the cause of a fault in switch failures in rail-bound traffic Download PDFInfo
- Publication number
- DE102019200031A1 DE102019200031A1 DE102019200031.2A DE102019200031A DE102019200031A1 DE 102019200031 A1 DE102019200031 A1 DE 102019200031A1 DE 102019200031 A DE102019200031 A DE 102019200031A DE 102019200031 A1 DE102019200031 A1 DE 102019200031A1
- Authority
- DE
- Germany
- Prior art keywords
- switch
- turnout
- cause
- basis
- error
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000010206 sensitivity analysis Methods 0.000 claims description 10
- 238000013024 troubleshooting Methods 0.000 claims description 6
- 210000002105 tongue Anatomy 0.000 description 19
- 238000012423 maintenance Methods 0.000 description 7
- 230000003111 delayed effect Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 206010021580 Inadequate lubrication Diseases 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000007257 malfunction Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010972 statistical evaluation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000000314 lubricant Substances 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L7/00—Remote control of local operating means for points, signals, or track-mounted scotch-blocks
- B61L7/06—Remote control of local operating means for points, signals, or track-mounted scotch-blocks using electrical transmission
- B61L7/08—Circuitry
-
- 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
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 betrifft ein Verfahren zum Ermitteln einer Fehlerursache (11) bei Weichen (50) im schienengebundenen Verkehr, umfassend die folgenden Schritte: Erfassen eines Weichenzustands (10) der Weiche (50) mittels einer Sensorik (3-x), Feststellen einer Weichenstörung mittels einer Auswerteeinrichtung (4) auf Grundlage des erfassten Weichenzustands (10), und sofern eine Weichenstörung festgestellt wird: Schätzen einer Fehlerursache (11) auf Grundlage eines die Weiche (50) modellierenden Bayesschen Netzes (5) mittels der Auswerteeinrichtung (4), wobei das Bayessche Netz (5) auf Grundlage zumindest von gesammelten Daten zumindest eines bereits existierenden Weichenüberwachungssystems und/oder auf Grundlage von strukturiertem Expertenwissen kalibriert ist, Ausgeben der geschätzten Fehlerursache (11) als Fehlerursachensignal (12). Ferner betrifft die Erfindung eine zugehörige Vorrichtung (1).The invention relates to a method for determining the cause of a fault (11) in switches (50) in rail-bound traffic, comprising the following steps: detection of a switch state (10) of the switch (50) by means of a sensor system (3-x), detection of a switch fault an evaluation device (4) on the basis of the detected switch state (10), and if a switch fault is determined: estimating a cause of the fault (11) on the basis of a Bayesian network (5) modeling the switch (50) by means of the evaluation device (4), the Bayesian network (5) is calibrated on the basis of at least collected data of at least one existing switch monitoring system and / or on the basis of structured expert knowledge, output of the estimated cause of the error (11) as an error cause signal (12). The invention further relates to an associated device (1).
Description
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zum Ermitteln einer Fehlerursache bei Weichenstörungen im schienengebundenen Verkehr.The invention relates to a method and a device for determining the cause of a fault in switch failures in rail-bound traffic.
Weichen sind eines der zentralen Elemente der Schieneninfrastruktur, da sie Zügen den Gleiswechsel ohne Halt ermöglichen. Im Rahmen eines Weichenumlaufs werden bewegliche Zungen der Weiche von einer Verriegelungsposition in eine andere Verriegelungsposition gebracht, wobei hierdurch insbesondere ein Zielgleis eingestellt wird.Switches are one of the central elements of the rail infrastructure because they allow trains to change tracks without stopping. In the course of a turnout, movable tongues of the turnout are moved from one locking position to another locking position, whereby in particular a target track is set.
Weichen sind einschließlich eines Weichenantriebs, eines Weichenverschlusses, Stellgestänge etc. durchgängig der Witterung ausgesetzt und aufgrund ihrer Komplexität und einer hohen mechanischen Belastung bei Zugüberfahrten eine der störungsanfälligsten und damit wartungsintensivsten Komponenten im Gleisnetz. Neben einer regelmäßigen Inspektion vor Ort werden mit dem Ziel der Optimierung der Wartungsprozesse seit einiger Zeit spezielle Weichenüberwachungssysteme eingesetzt, die basierend auf der Messung sogenannter Stellstromkurven von Elektromotoren von Weichenantrieben automatisch Weichenstörungen, d.h. insbesondere solche, die die beweglichen Teile der Weiche und des Weichenantriebs betreffen, erkennen können.Turnouts, including a turnout drive, a turnout lock, actuating linkage etc., are continuously exposed to the weather and, due to their complexity and high mechanical stress when crossing trains, are one of the most fault-prone and therefore maintenance-intensive components in the track network. In addition to regular on-site inspections, with the aim of optimizing the maintenance processes, special switch monitoring systems have been used for some time, which automatically switch based on the measurement of so-called control current curves of electric motors of switch drives, i.e. in particular those that affect the moving parts of the switch and the switch drive.
Ein solches Weichenüberwachungssystem ist beispielsweise aus der
Bei den zugehörigen Auswertungsverfahren werden bestimmte Merkmale der gemessenen Stellstromkurven mittels mathematischer Kenngrößen beschrieben und anschließend mit vorgegebenen Schwellen- oder Referenzwerten verglichen. Bei einer Abweichung, das heißt einer Über- oder Unterschreitung der Schwellen- oder Referenzwerte, wird ein Alarm generiert, woraufhin eine detailliertere Analyse der Messdaten durch einen geschulten Weicheningenieur bzw. eine Prüfung vor Ort durch ein Wartungsteam erfolgt.In the associated evaluation methods, certain features of the measured actuating current curves are described using mathematical parameters and then compared with predetermined threshold or reference values. In the event of a discrepancy, i.e. exceeding or falling below the threshold or reference values, an alarm is generated, whereupon a more detailed analysis of the measurement data is carried out by a trained switch engineer or an on-site inspection by a maintenance team.
Für einzelne nicht bewegliche Weichenteile im Überlaufbereich der Weiche (z.B. das Herzstück) wird in der
Es ist bekannt, dass die o.g. stellstrombasierten Weichenüberwachungssysteme häufig Fehlalarme generieren. Zwar kann dies durch verbesserte Auswertungsverfahren, die insbesondere die Temperaturabhängigkeit der Stellstromkurven berücksichtigen, teilweise verhindert werden. Jedoch können die bekannten Weichenüberwachungssysteme letztlich nur eine Detektion des Vorliegens einer Weichenstörung leisten. Im besten Fall ist zumindest eine Bestimmung der Phase und damit des Zeitpunktes innerhalb des Weichenumlaufs, zu dem die Störung (in der Regel mechanische Widerstände im Weichensystem) auftritt, möglich. Ein erfahrener Weicheningenieur kann dann auch ohne Weicheninspektion vor Ort zumindest eine ungefähre Abschätzung darüber vornehmen, welche Weichenteile betroffen sein könnten. Eine detaillierte und systematische Ursachendiagnose ist mit den vorhandenen Mitteln jedoch nicht möglich.It is known that the above Alternating current-based switch monitoring systems often generate false alarms. This can be partially prevented by improved evaluation methods, which take into account in particular the temperature dependence of the control current curves. However, the known switch monitoring systems can ultimately only detect the presence of a switch fault. In the best case, at least a determination of the phase and thus the point in time within the turnout at which the disturbance (usually mechanical resistance in the turnout system) occurs. An experienced turnout engineer can then at least make an approximate estimate of which turnout parts could be affected, even without on-site inspection. However, a detailed and systematic diagnosis of the cause is not possible with the available means.
Darüber hinaus können bestehende Weichenüberwachungssysteme immer nur bestimmte Teile bzw. Teilfunktionen der Weiche (d.h. ausgewählte Komponenten) berücksichtigen.In addition, existing turnout monitoring systems can only ever take into account certain parts or sub-functions of the turnout (i.e. selected components).
Im Ergebnis bedeutet dies, dass in der Praxis viele Fehlerursachen für Weichenstörungen nur durch fachkundiges Personal vor Ort identifiziert werden können.As a result, this means that, in practice, many causes of errors for switch failures can only be identified by specialist staff on site.
Der Erfindung liegt die Aufgabe zu Grunde, ein Verfahren und eine Vorrichtung zum Ermitteln einer Fehlerursache bei Weichenstörungen im schienengebundenen Verkehr zu schaffen, bei denen das Ermitteln der Fehlerursache verbessert, insbesondere weniger aufwändig, durchgeführt werden kann.The invention is based on the object of providing a method and a device for ascertaining the cause of an error in the case of switch failures in rail-bound traffic, in which the ascertainment of the cause of the error can be improved, in particular in a less complex manner.
Die Aufgabe wird erfindungsgemäß durch ein Verfahren mit den Merkmalen des Patentanspruchs 1 und eine Vorrichtung mit den Merkmalen des Patentanspruchs 10 gelöst. Vorteilhafte Ausgestaltungen der Erfindung ergeben sich aus den Unteransprüchen.The object is achieved according to the invention by a method with the features of
Insbesondere wird ein Verfahren zum Ermitteln einer Fehlerursache bei Weichenstörungen im schienengebundenen Verkehr zur Verfügung gestellt, umfassend die folgenden Schritte: Erfassen eines Weichenzustands einer Weiche mittels einer Sensorik, Feststellen einer Weichenstörung mittels einer Auswerteeinrichtung auf Grundlage des erfassten Weichenzustands, und sofern eine Weichenstörung festgestellt wird: Schätzen einer Fehlerursache auf Grundlage eines die Weiche modellierenden Bayesschen Netzes mittels der Auswerteeinrichtung, wobei das Bayessche Netz auf Grundlage zumindest von gesammelten Daten zumindest eines bereits existierenden Weichenüberwachungssystems und/oder auf Grundlage von strukturiertem Expertenwissen kalibriert ist, Ausgeben der geschätzten Fehlerursache als Fehlerursachensignal. In particular, a method is provided for determining a cause of error in turnout disturbances in rail-bound traffic, comprising the following steps: detection of a turnout condition of a turnout using sensors, detection of a turnout failure using an evaluation device based on the detected turnout condition, and if a turnout failure is determined: Estimating an error cause on the basis of a Bayesian network modeling the turnout by means of the evaluation device, the Bayesian network being calibrated on the basis of at least collected data from at least one existing turnout monitoring system and / or on the basis of structured expert knowledge, outputting the estimated error cause as an error cause signal.
Ferner wird eine Vorrichtung zum Ermitteln einer Fehlerursache bei Weichenstörungen im schienengebundenen Verkehr geschaffen, umfassend eine Eingangseinrichtung zum Empfangen eines mittels einer Sensorik erfassten Weichenzustands einer Weiche, und eine Auswerteeinrichtung zum Feststellen einer Weichenstörung an der Weiche auf Grundlage des erfassten Weichenzustands, wobei die Auswerteeinrichtung derart ausgebildet ist, nach Feststellen einer Weichenstörung eine Fehlerursache auf Grundlage eines die Weiche modellierenden Bayesschen Netzes zu schätzen, wobei das Bayessche Netz auf Grundlage zumindest von gesammelten Daten zumindest eines bereits existierenden Weichenüberwachungssystems und/oder auf Grundlage von strukturiertem Expertenwissen kalibriert ist, und eine Ausgabeeinrichtung, wobei die Ausgabeeinrichtung derart ausgebildet ist, die geschätzte Fehlerursache als Fehlerursachensignal auszugeben.Furthermore, a device for determining a cause of error in switch malfunctions in rail-bound traffic is created, comprising an input device for receiving a switch state of a switch detected by means of a sensor system, and an evaluation device for determining a switch fault on the switch based on the detected switch state, the evaluation device being designed in this way is to estimate a cause of error on the basis of a Bayesian network modeling the turnout after detection of a turnout fault, the Bayesian network being calibrated on the basis of at least collected data from at least one existing turnout monitoring system and / or on the basis of structured expert knowledge, and an output device, wherein the output device is designed to output the estimated cause of the error as an error cause signal.
Ein Bayessches Netz ist ein gerichteter azyklischer Graph, in dem die Knoten Zufallsvariablen und die Kanten bedingte Abhängigkeiten zwischen den Zufallsvariablen beschreiben. Hierbei können Knoten mit übergeordneten Elternknoten verbunden sein. Jedem Knoten des Netzes ist eine bedingte Wahrscheinlichkeitsverteilung für die repräsentierte Zufallsvariable in Abhängigkeit des Zustands der Elternknoten gegeben. A Bayesian network is a directed acyclic graph, in which the nodes describe random variables and the edge-dependent dependencies between the random variables. Here, nodes can be connected to higher-level parent nodes. Each node of the network is given a conditional probability distribution for the represented random variable depending on the state of the parent node.
Die bedingten Wahrscheinlichkeitsverteilungen werden beispielsweise durch Wahrscheinlichkeitstabellen beschrieben. Zum Kalibrieren werden die Parameter des Bayesschen Netzes beispielsweise mit Hilfe von adaptiven heuristischen Lernmethoden angelernt. Das Bayessche Netz ist insbesondere in einer Speichereinrichtung der Auswerteeinrichtung ausgebildet.The conditional probability distributions are described, for example, by probability tables. For calibration, the parameters of the Bayesian network are learned, for example, using adaptive heuristic learning methods. The Bayesian network is in particular formed in a memory device of the evaluation device.
Zum Anlernen werden erfindungsgemäß hierbei gesammelte Daten zumindest eines bereits existierenden Weichenüberwachungssystems und/oder strukturiertes Expertenwissen verwendet. Die Daten werden beispielsweise durch Zusammenstellen einer Historie von Weichenstörungen und den jeweils zugehörigen Fehlerursachen sowie anschließende statistische Auswertung erlangt. Das strukturierte Expertenwissen wird beispielsweise durch strukturiertes Befragen von Weicheningenieuren ermittelt. Hierbei werden insbesondere zu bestimmten Weichenstörungen unter Berücksichtigung der weiteren Umstände, wie beispielsweise einer Witterung, einem Weichenalter oder einem Weichentyp etc. die Fehlerursachen abgefragt und die Ergebnisse anschließend statistisch ausgewertet.According to the invention, data collected from at least one existing switch monitoring system and / or structured expert knowledge are used for teaching. The data is obtained, for example, by compiling a history of switch faults and the associated causes of the fault, as well as subsequent statistical evaluation. The structured expert knowledge is determined, for example, by structured questioning of switch engineers. In this case, the cause of the error is queried, in particular for certain turnout failures, taking into account other circumstances, such as weather, a turnout age or a turnout type, and the results are then statistically evaluated.
Wird in diesem Zusammenhang von dem Schätzen einer Fehlerursache oder einer geschätzten Fehlerursache gesprochen, so ist hiermit insbesondere eine Menge von Fehlerursachen mit jeweils geschätzten Wahrscheinlichkeiten bezeichnet. Das Bayessche Netz liefert im Ergebnis Schätzwerte für die Wahrscheinlichkeiten der möglichen Fehlerursachen.If one speaks in this context of estimating a cause of error or an estimated cause of error, this means in particular a set of causes of error with respectively estimated probabilities. As a result, the Bayesian network provides estimates for the probabilities of the possible causes of the error.
Der Vorteil der Erfindung ist, dass sowohl gesammelte Daten von bereits bestehenden Weichenüberwachungssystemen als auch strukturiertes Expertenwissen verwendet werden können. Hierdurch kann auf große Trainingsdatensätze, wie sie beispielsweise zum Trainieren von Künstlichen Neuronalen Netzen notwendig sind, verzichtet werden und es können auch mit deutlich weniger Daten Fehlerursachen auf zuverlässige Weise ermittelt werden.The advantage of the invention is that both collected data from existing switch monitoring systems and structured expert knowledge can be used. This means that large training data sets, such as those required for training artificial neural networks, can be dispensed with and the causes of errors can be reliably determined even with significantly less data.
Das Schätzen auf Grundlage des Bayesschen Netzes erfolgt insbesondere unter Berücksichtigung des mittels der Sensorik erfassten aktuellen Weichenzustands. Der Weichenzustand umfasst insbesondere eine Information darüber, ob ein Weichenumlauf möglich ist, das heißt ob die Weiche sich stellen lässt oder nicht. Zusätzlich kann der aktuelle Weichenzustand auch eine Information darüber umfassen, ob ein Weichenumlauf verzögert ist, das heißt ob der Weichenumlauf länger braucht als im Normalfall. Ferner ist insbesondere auch ein Verriegelungszustand einer beweglichen Zunge der Weiche Teil des Weichenzustands.The estimation on the basis of the Bayesian network takes place in particular taking into account the current state of the points detected by the sensors. The condition of the turnout includes, in particular, information about whether a turnout can be circulated, ie whether the turnout can be set or not. In addition, the current turnout status can also include information as to whether turnout circulation is delayed, that is, whether turnout circulation takes longer than in the normal case. Furthermore, in particular a locked state of a movable tongue of the switch is also part of the switch state.
In einer Ausführungsform ist vorgesehen, dass beim Schätzen mindestens ein aus dem Weichenzustand abgeleitetes Betriebsmerkmal der Weiche als zusätzliche Evidenz verwendet wird. Ein Betriebsmerkmal kann beispielsweise durch Zusammenfassen von Zustandsvariablen des Weichenzustands zu Kenngrößen erzeugt werden. Beispielsweise kann vorgesehen sein, dass Zustandsvariablen mit einem Schwellenwert verglichen werden. In Abhängigkeit des Unter- oder Überschreitens des Schwellenwertes wird dem Weichenzustand das Betriebsmerkmal mit dem Zustand „normal“ oder „unnormal“ zugeordnet.In one embodiment, it is provided that at least one operating characteristic of the switch derived from the condition of the switch is used as additional evidence when estimating. An operating feature can be generated, for example, by summarizing state variables of the switch state into characteristic quantities. For example, it can be provided that state variables with a threshold value be compared. Depending on whether the threshold value is fallen short of or exceeded, the operating condition is assigned the status “normal” or “abnormal”.
In einer weiterbildenden Ausführungsform ist vorgesehen, dass mindestens eine Kenngröße einer Stellstromkurve eines Elektromotors der Weiche als Betriebsmerkmal verwendet wird. Der Stellstrom wird insbesondere mittels eines entsprechend hierfür ausgebildeten Sensors an dem Elektromotor erfasst und zeitlich mit einer Frequenz von beispielsweise 50 Hz hochaufgelöst erfasst. Typischerweise weist eine über die Zeit aus dem Stellstrom erzeugte Stellstromkurve am Anfang einen steilen Anstieg des Stellstroms auf, da der Elektromotor eine Zunge der Weiche aus einer Verriegelung herauslösen muss. Nach dem Herauslösen wandert die Zunge und der Stellstrom sinkt wieder und bleibt während des Wanderns der Zunge in die andere Verriegelungsposition nahezu konstant. Nach dem Verriegeln der Zunge in der anderen Verriegelungsposition fällt der Stellstrom wieder ab. Die Stellstromkurve erstreckt sich typischerweise über 1 bis 2 Sekunden. Aus einer solchen Stellstromkurve können Kenngrößen abgeleitet werden. Hierbei können beispielsweise die Steigungen der Stellstromkurve und/oder eine Fläche unter der Stellstromkurve oder Teilen hiervon ausgewertet werden. Ferner können Kenngrößen auch auf Grundlage einer statistischen Auswertung der Stellstromkurve abgeleitet werden. Die Verknüpfungen der Kenngrößen als Betriebsmerkmale und den Knoten des den Weichenzustand modellierenden Bayesschen Netzes werden aus bereits existierenden Weichenüberwachungssystemen und/oder über das strukturierte Expertenwissen beim Kalibrieren des Bayesschen Netzes abgeleitet.In a further embodiment, it is provided that at least one parameter of a control current curve of an electric motor of the switch is used as an operating feature. The actuating current is recorded in particular by means of a sensor designed for this purpose on the electric motor and recorded in high-resolution with a frequency of 50 Hz, for example. Typically, a control current curve generated over time from the control current has a steep increase in the control current at the beginning, since the electric motor has to release a switch tongue from a lock. After removal, the tongue moves and the actuating current drops again and remains almost constant while the tongue is moving into the other locking position. After locking the tongue in the other locking position, the actuating current drops again. The control current curve typically extends over 1 to 2 seconds. Characteristic values can be derived from such a control current curve. For example, the gradients of the actuating current curve and / or an area under the actuating current curve or parts thereof can be evaluated. Furthermore, parameters can also be derived on the basis of a statistical evaluation of the actuating current curve. The links between the parameters as operational characteristics and the nodes of the Bayesian network modeling the turnout state are derived from existing turnout monitoring systems and / or from the structured expert knowledge when calibrating the Bayesian network.
In einer weiteren Ausführungsform ist vorgesehen, dass beim Schätzen mindestens eine externe Einflussgröße als zusätzliche Evidenz verwendet wird. Eine solche externe Einflussgröße kann beispielsweise eine Temperatur eines Umfelds der Weiche und/oder eine Temperatur der Weiche sein, welche beispielsweise mittels eines Temperatursensors erfasst werden kann. Externe Einflussgrößen können auch ein Termin einer letzten Wartung der Weiche und/oder ein Alter der Weiche etc. sein. Auch weitere Witterungseigenschaften, wie beispielsweise eine Feuchtigkeit, ein Niederschlag etc. können als externe Einflussgrößen berücksichtigt werden. Ferner kann beispielsweise auch eine Bettung der Weiche als externe Einflussgröße berücksichtigt werden, wobei hierbei beispielsweise zwischen einem Schotterbett oder einer festen Fahrbahn unterschieden werden kann.In a further embodiment it is provided that at least one external influencing variable is used as additional evidence when estimating. Such an external influencing variable can be, for example, a temperature of an environment of the switch and / or a temperature of the switch, which can be detected, for example, by means of a temperature sensor. External influencing variables can also be a date of a last maintenance of the turnout and / or an age of the turnout etc. Other weather properties, such as moisture, precipitation, etc., can also be taken into account as external factors. Furthermore, bedding of the switch can also be taken into account as an external influencing variable, it being possible to differentiate here, for example, between a ballast bed or a solid carriageway.
In einer Ausführungsform ist vorgesehen, dass das Bayessche Netz modular aufgebaut ist, wobei einzelne Module in Abhängigkeit der untersuchten Weiche ausgewählt und zu dem Bayesschen Netz zusammengestellt werden. Hierbei wird das Weichenmodell insbesondere in einzelne Teilmodelle zerlegt und gekapselt, wobei die Teilmodelle über definierte Schnittstellen oder Schnittstellenknoten mit den übrigen Teilmodellen verbunden sind. Hierdurch können einzelne Module des Weichenmodells bzw. des Bayesschen Netzes einfacher ausgetauscht werden, wenn das Verfahren bei einem anderen Weichentyp verwendet werden soll. Das Auswählen und das Zusammenstellen kann sowohl manuell als auch automatisch erfolgen, beispielsweise auf Grundlage von Tabellen, in denen zu jedem Weichentyp die jeweils zugehörigen Teilmodelle hinterlegt sind. Entsprechende Teilmodelle beziehen sich beispielsweise auf Weichenzungen, einen Weichenantrieb, Weichenverschlüsse oder eine Weichenheizung.In one embodiment it is provided that the Bayesian network has a modular structure, with individual modules being selected depending on the switch being examined and being combined to form the Bayesian network. The switch model is broken down and encapsulated in particular into individual sub-models, the sub-models being connected to the other sub-models via defined interfaces or interface nodes. As a result, individual modules of the switch model or the Bayesian network can be exchanged more easily if the method is to be used for a different switch type. The selection and compilation can be done both manually and automatically, for example on the basis of tables in which the respective sub-models are stored for each turnout type. Corresponding sub-models relate, for example, to switch tongues, a switch drive, switch locks or switch heating.
In einer Ausführungsform ist vorgesehen, dass auf Grundlage der geschätzten Fehlerursache mindestens eine Handlungsempfehlung zur Fehlersuche abgeleitet und als Handlungsempfehlungssignal ausgegeben wird. Hierdurch kann eine Suche nach einer Fehlerursache zielgerichtet durchgeführt werden. Die Handlungsempfehlung wird hierbei auf Grundlage der vom Bayesschen Netz gelieferten Ergebnisse, das heißt der geschätzten Wahrscheinlichkeiten für einzelne Fehlerursachen abgeleitet. Beispielsweise kann zuerst diejenige Fehlerursache überprüft werden, der vom Bayesschen Netz nach Durchführen des Verfahrens die größte Wahrscheinlichkeit zugeordnet wurde.In one embodiment it is provided that at least one recommended action for troubleshooting is derived on the basis of the estimated cause of the error and is output as a recommended action signal. This enables a search for a cause of the error to be carried out in a targeted manner. The recommended action is derived on the basis of the results provided by the Bayesian network, i.e. the estimated probabilities for individual causes of errors. For example, the cause of the error that was assigned the greatest probability by the Bayesian network after performing the method can first be checked.
Es kann hierbei vorgesehen sein, dass entsprechende Handlungsempfehlungen an ein Smartphone oder einen Tabletcomputer übermittelt und auf diesen angezeigt werden. Ferner kann vorgesehen sein, dass ein Ergebnis einer Handlung, beispielsweise eines Tests oder einer Überprüfung vor Ort durch einen Weicheningenieur, anschließend sofort über das Smartphone oder den Tabletcomputer in das Weichenmodell bzw. das Bayessche Netz einpflegt werden können, sodass eine verbesserte Schätzung für die Fehlerursache bereitgestellt werden kann.It can be provided here that corresponding recommendations for action are transmitted to a smartphone or tablet computer and displayed there. Furthermore, it can be provided that a result of an action, for example a test or a check on site by a switch engineer, can then be entered into the switch model or the Bayesian network immediately via smartphone or tablet computer, so that an improved estimate of the cause of the error can be made can be provided.
In einer weiterbildenden Ausführungsform ist vorgesehen, dass zum Ableiten der mindestens einen Handlungsempfehlung eine Sensitivitätsanalyse durchgeführt wird, wobei im Rahmen der Sensitivitätsanalyse ermittelt wird, welchen informativen Mehrwert eine bestimmte Handlung nach einer Durchführung liefert, und wobei eine Handlung auf Grundlage des jeweiligen informativen Mehrwerts empfohlen wird. Hierbei werden insbesondere die Einflussstärken, das heißt die statistischen Einflüsse, zwischen den einzelnen Knoten des kalibrierten Bayesschen Netzes berechnet. Knoten, die einander besonders stark beeinflussen, liefern zusammen weniger Informationen als Knoten, die einander weniger stark beeinflussen. Liegt Evidenz für einen dieser Knoten vor, liefert eine ermittelte Evidenz für den anderen Knoten nur einen geringen informativen Mehrwert, da die Einflussstärke groß ist. Im umgekehrten Fall, das heißt bei geringer Einflussstärke, ist der informative Mehrwert einer ermittelten Evidenz für den anderen Knoten hingegen größer. Auf Grundlage dieser Abhängigkeit werden Handlungsempfehlungen ausgewählt, die einen großen informativen Mehrwert liefern. Bei der Sensitivitätsanalyse können Standardverfahren eingesetzt werden. Beispielsweise können zum Feststellen der Einflussstärke Testevidenzen in die einzelnen Knoten des Bayesschen Netzes eingesetzt werden. Das Durchführen einer Sensitivitätsanalyse ist insbesondere von Vorteil, wenn mehrere Handlungsempfehlungen in Frage kommen. Ein Weicheningenieur braucht dann nur solche Handlungen bzw. Tests oder Überprüfungen durchzuführen, die bei der Suche der Fehlerursache auch schnell zu einem Ergebnis führen, das heißt einen großen informativen Mehrwert liefern.In a further embodiment, it is provided that a sensitivity analysis is carried out to derive the at least one recommended action, the sensitivity analysis being used to determine which informative added value a certain action delivers after an implementation, and an action based on the respective informative added value is recommended . Here, the strengths of influence, that is the statistical influences, between the individual nodes of the calibrated Bayesian network. Nodes that influence each other particularly strongly provide less information than nodes that influence each other less strongly. If there is evidence for one of these nodes, the evidence obtained for the other node provides only a small informative added value, since the influence is great. In the opposite case, i.e. with little influence, the informative added value of a determined evidence is greater for the other node. Based on this dependency, recommendations for action are selected that provide great informative added value. Standard methods can be used for sensitivity analysis. For example, test evidence can be used in the individual nodes of the Bayesian network to determine the degree of influence. Carrying out a sensitivity analysis is particularly advantageous if several recommendations for action can be considered. A turnout engineer then only needs to carry out such actions or tests or checks that quickly lead to a result when searching for the cause of the error, that is, they provide great informative added value.
In einer weiteren Ausführungsform ist vorgesehen, dass das Bayessche Netz zumindest teilweise aktualisiert bzw. neu kalibriert wird unter Berücksichtigung von Daten, die nach einer vorherigen Kalibrierung gesammelt wurden. Hierbei ist insbesondere vorgesehen, dass das Bayessche Netz fortlaufend lernt, das heißt dass fortlaufend neu erfasste Informationen zu Weichenstörungen und Fehlerursachen berücksichtigt werden in den bedingten Wahrscheinlichkeiten der einzelnen Knoten des Bayesschen Netzes. Hierdurch kann eine Wissens- oder Erfahrungsbasis des Bayesschen Netzes fortlaufend erweitert und aktualisiert werden.In a further embodiment it is provided that the Bayesian network is at least partially updated or recalibrated, taking into account data that was collected after a previous calibration. In particular, it is provided that the Bayesian network learns continuously, that is to say that continuously newly acquired information on switch faults and the causes of errors are taken into account in the conditional probabilities of the individual nodes of the Bayesian network. In this way, a knowledge or experience base of the Bayesian network can be continuously expanded and updated.
In einer Ausführungsform ist vorgesehen, dass das Schätzen unabhängig vom Feststellen einer Weichenstörung durchgeführt wird, wobei zum Schätzen ein Weichenzustand geschätzt wird und/oder beim Schätzen als zumindest eine zusätzliche Evidenz ein geschätztes Betriebsmerkmal der Weiche und/oder eine geschätzte externe Einflussgröße verwendet wird. Im Gegensatz zu dem bisher beschriebenen Vorgehen, bei dem erst nach Feststellen einer Weichenstörung eine Fehlerursache ermittelt wird, können hierdurch zukünftige Weichenstörungen mitsamt einer zugehörigen Fehlerursache bereits vor dem Auftreten der Weichenstörung prognostiziert werden. Da Weichenstörungen vermieden werden können, ermöglicht dies eine vorausschauende bzw. prädiktive Weichenwartung und Weicheninstandhaltung. Es kann beispielsweise vorgesehen sein, dass Betriebsmerkmale der Weiche, beispielsweise Kenngrößen der Stellstromkurve, über die Zeit verfolgt werden und hieraus ein Trend ermittelt wird. Auf Grundlage des ermittelten Trends kann dann ein zukünftiger Wert eines Betriebsmerkmals extrapoliert werden. Mittels des geschätzten zukünftigen Wertes kann ein zukünftiger Zeitpunkt für das Unter- bzw. Überschreiten von Schwellenwerten abgeschätzt werden. Ein für diesen zukünftigen Zeitpunkt geschätztes Betriebsmerkmal wird im Bayesschen Netz anschließend als Evidenz verwendet. Für den zukünftigen Zeitpunkt ist es daher möglich, sowohl das Auftreten einer Weichenstörung als auch eine zugehörige Fehlerursache zu schätzen. Ist beispielsweise ein Gehäuse einer zwischen einem Elektromotor und einer Zunge der Weiche angeordneten Getriebeeinheit undicht, wodurch Feuchtigkeit in das Gehäuse und das Getriebe eindringt, korrodiert das Getriebe mit fortschreitender Zeit. Hierdurch wird ein Weichenumlauf von einer Verriegelungsposition in eine andere Verriegelungsposition immer schwergängiger. Dies äußert sich in den Kenngrößen der Stellstromkurve insbesondere durch einen sich insgesamt erhöhenden Stellstrom. Aus der Erhöhung lässt sich ein Trend ableiten, der in die Zukunft extrapoliert werden kann. Überschreiten die aus dem Trend extrapolierten Werte für den Stellstrom zu einem zukünftigen Zeitpunkt einen Schwellenwert, so werden die entsprechenden Betriebsmerkmale, also insbesondere der extrapolierte Stellstrom und gegebenenfalls weitere Kenngrößen der Stellstromkurve, in das kalibrierte Bayessche Netz als Evidenzen eingesetzt und eine Fehlerursache geschätzt. Auf diese Weise lässt sich das Auftreten einer Weichenstörung für einen zukünftigen Zeitpunkt mit Angabe einer Fehlerursache (z.B. einer schwergängigen Getriebeeinheit) schätzen.In one embodiment it is provided that the estimation is carried out independently of the detection of a turnout fault, wherein a turnout condition is estimated for the estimation and / or an estimated operating characteristic of the turnout and / or an estimated external influencing variable is used in the estimation as at least one additional evidence. In contrast to the procedure described so far, in which a cause of an error is only determined after a turnout fault has been determined, future turnout failures together with an associated error cause can be predicted even before the turnout failure occurs. Since switch failures can be avoided, this enables predictive or predictive switch maintenance and maintenance. For example, it can be provided that operating characteristics of the switch, for example parameters of the actuating current curve, are tracked over time and a trend is determined from this. A future value of an operating characteristic can then be extrapolated on the basis of the determined trend. Using the estimated future value, a future point in time for falling below or exceeding threshold values can be estimated. An operational feature estimated for this future point in time will then be used as evidence in the Bayesian network. For the future, it is therefore possible to estimate both the occurrence of a turnout fault and an associated cause of the fault. If, for example, a housing of a gear unit arranged between an electric motor and a tongue of the switch leaks, as a result of which moisture penetrates into the housing and the gear, the gear will corrode as time progresses. As a result, turnout circulation from one locking position to another locking position is becoming increasingly difficult. This manifests itself in the parameters of the actuating current curve, in particular through an overall increasing actuating current. A trend can be derived from the increase, which can be extrapolated into the future. If the values for the actuating current extrapolated from the trend exceed a threshold value at a future point in time, the corresponding operating characteristics, in particular the extrapolated actuating current and possibly further parameters of the actuating current curve, are used as evidence in the calibrated Bayesian network and an error cause is estimated. In this way, the occurrence of a switch failure can be estimated for a future point in time by specifying the cause of the fault (e.g. a stiff gear unit).
Die Vorteile der einzelnen Ausführungsformen der Vorrichtung sind die gleichen wie die der Ausführungsformen des Verfahrens. Es ist hierbei insbesondere vorgesehen, dass die Auswerteeinrichtung derart ausgebildet ist, die einzelnen Ausführungsformen des Verfahrens durchzuführen.The advantages of the individual embodiments of the device are the same as those of the embodiments of the method. In particular, it is provided that the evaluation device is designed to carry out the individual embodiments of the method.
Teile der Vorrichtung, insbesondere der Auswerteeinrichtung, können einzeln oder zusammengefasst als eine Kombination von Hardware und Software ausgebildet sein, beispielsweise als Programmcode, der auf einem Mikrocontroller oder Mikroprozessor ausgeführt wird.Parts of the device, in particular the evaluation device, can be designed individually or in combination as a combination of hardware and software, for example as program code, which is executed on a microcontroller or microprocessor.
Nachfolgend wird die Erfindung anhand bevorzugter Ausführungsbeispiele unter Bezugnahme auf die Figuren näher erläutert. Hierbei zeigen:
-
1 eine schematische Darstellung einer Ausführungsform der Vorrichtung zum Ermitteln einer Fehlerursache bei Weichenstörungen im schienengebundenen Verkehr; -
2 eine schematische Darstellung eines mittels eines Bayesschen Netzes erstellten Weichenmodells zur Verdeutlichung der Erfindung; -
3 ein schematisches Ablaufdiagramm einer Ausführungsform des Verfahrens zum Ermitteln einer Fehlerursache bei Weichenstörungen im schienengebundenen Verkehr.
-
1 a schematic representation of an embodiment of the device for determining a cause of error in switch failures in rail traffic; -
2nd a schematic representation of a switch model created by means of a Bayesian network to illustrate the invention; -
3rd a schematic flow diagram of an embodiment of the method for determining a cause of error in switch failures in rail-bound traffic.
In
Nach dem Feststellen einer Weichenstörung schätzt die Auswerteeinrichtung
Die Vorrichtung
Das Fehlerursachensignal
Es kann vorgesehen sein, dass beim Schätzen mindestens ein aus dem Weichenzustand
Ferner kann vorgesehen sein, dass beim Schätzen mindestens eine externe Einflussgröße
Es kann weiter vorgesehen sein, dass das Bayessche Netz
Ferner kann vorgesehen sein, dass auf Grundlage der geschätzten Fehlerursache
Es kann vorgesehen sein, dass zum Ableiten der mindestens einen Handlungsempfehlung
Weiter kann vorgesehen sein, dass das Bayessche Netz
Es kann vorgesehen sein, dass das Schätzen unabhängig vom Feststellen einer Weichenstörung durchgeführt wird, wobei zum Schätzen ein Weichenzustand
In
Das dargestellte Bayessche Netz
- - „Externe Einflussgrößen“
7-1 : Dies sind Umfeldbedingungen, die ggf. das Weichenverhalten und hierdurch Fehlerwahrscheinlichkeiten von außen beeinträchtigen, beispielsweise eine Temperatur oder eine Witterung. Im gezeigten Ausführungsbeispiel umfassen die externen Einflussgrößen7-1 die folgenden Netzknoten5-1 ,5-2 :- - Netzknoten
5-1 für eine „Bettung“ der Weiche mit den Zuständen „Schotterbett“ und „Feste Fahrbahn“, - - Netzknoten
5-2 für eine Temperatur des Umfeldes der Weiche mit den Zuständen „niedrig“, „mittel“ und „hoch“, wobei die Zustände jeweils vorgegebenen Temperaturbereichen zugeordnet sind;
- - Netzknoten
- - „Potentielle Fehlerursachen“
7-2 : hiervon sind die folgenden Netzknoten5-3 ,5-4 ,5-5 umfasst:- - Netzknoten
5-3 für „Fremdkörper im Bereich der Weichenzungen“ mit den Zuständen „ja“ und „nein“, - - Netzknoten
5-4 für einen „Klemmenden Weichenverschluss“ (= klemmende Verriegelung in mindestens einer der beiden Verriegelungspositionen) mit den Zuständen „ja“ und „nein“, - - Netzknoten
5-5 für eine „Unzureichende Schmierung der Gleitstühle“ mit den Zuständen „ja“ und „nein“;
- - Netzknoten
- - „Aggregierte Fehlerzustände“
7-3 : hiervon ist der folgende Netzknoten5-6 umfasst:- - Netzknoten
5-6 allgemein für eine „Mechanische Blockade der Weichenzungen“ mit den Zuständen „ja“ und „nein“,
- - Netzknoten
- - „Beobachtete Wirkung“
7-4 : hiervon sind die Netzknoten5-8 ,5-9 umfasst:- - Netzknoten
5-8 für „Kein Weichenumlauf möglich“ mit den Zuständen „ja“ und „nein“, - - Netzknoten
5-9 für „Weichenumlauf verzögert“ mit den Zuständen „ja“ und „nein“.
- - Netzknoten
- - "External influencing factors"
7-1 : These are environmental conditions that may affect the turnout behavior and thereby the likelihood of errors from the outside, for example a temperature or weather. In the exemplary embodiment shown, the external influencing variables include7-1 the following network nodes5-1 ,5-2 :- - network node
5-1 for "bedding" the switch with the states "ballast bed" and "slab track", - - network node
5-2 for a temperature of the area around the switch with the states "low", "medium" and "high", the states being assigned to predetermined temperature ranges;
- - network node
- - "Potential causes of errors"
7-2 : of which are the following network nodes5-3 ,5-4 ,5-5 includes:- - network node
5-3 for "foreign bodies in the area of the switch tongues" with the states "yes" and "no", - - network node
5-4 for a "clamping turnout lock" (= locking in at least one of the two locking positions) with the states "yes" and "no", - - network node
5-5 for "insufficient lubrication of the sliding chairs" with the states "yes" and "no";
- - network node
- - "Aggregated error states"
7-3 : of which is the following network node5-6 includes:- - network node
5-6 generally for a "mechanical blockade of the switch tongues" with the states "yes" and "no",
- - network node
- - "observed effect"
7-4 : of which are the network nodes5-8 ,5-9 includes:- - network node
5-8 for "No turnout possible" with the states "yes" and "no", - - network node
5-9 for "turnout delayed" with the states "yes" and "no".
- - network node
Optional können weitere Netzknoten 5-x für abgeleitete Betriebsmerkmale vorgesehen sein. Im gezeigten Beispiel ist ein Netzknoten
Die einzelnen Netzknoten 5-x (ohne den Netzknoten
Liegt nun beispielswiese im Netzknoten
- - Netzknoten
5-3 : Fremdkörper im Bereich der Weichenzungen (Ja): 19,8 % (a-priori: 4,8 %) - - Netzknoten
5-4 : Klemmender Weichenverschluss (Ja): 33,9 % (a-priori: 8,3 %) - - Netzknoten
5-5 : Unzureichende Schmierung der Gleitstühle (Ja): 19,2 % (a-priori 11,6 %)
- - network node
5-3 : Foreign body in the area of the switch tongues (yes): 19.8% (a-priori: 4.8%) - - network node
5-4 : Clamping turnout lock (yes): 33.9% (a priori: 8.3%) - - network node
5-5 : Inadequate lubrication of the sliding chairs (yes): 19.2% (a-priori 11.6%)
Darüber hinaus erhöht sich z.B. die Wahrscheinlichkeit einer „niedrigen“ Temperatur von 12 % (a-priori) auf 18,1 %, da insbesondere niedrige Temperaturen die Gleitfähigkeit der für die Gleitstühle verwendeten Schmierstoffe reduzieren oder Vereisungen im Winter zu klemmenden Weichenverschlüssen führen können. Ist beispielsweise jedoch bekannt, dass zum Zeitpunkt der Störung tatsächlich hohe Temperaturen vorliegen, was einer zusätzlichen Evidenz im Netzknoten
- - Netzknoten
5-3 : Fremdkörper im Bereich der Weichenzungen (Ja): 27,8 % - - Netzknoten
5-4 : Klemmender Weichenverschluss (Ja): 5,7 % - - Netzknoten
5-5 : Unzureichende Schmierung der Gleitstühle (Ja): 9,5 %
- - network node
5-3 : Foreign body in the area of the switch tongues (yes): 27.8% - - network node
5-4 : Clamping turnout lock (yes): 5.7% - - network node
5-5 : Inadequate lubrication of the sliding chairs (yes): 9.5%
Auch wenn im beschriebenen Beispiel nur ein kleiner Teil der Fehlerursachen einer Weichenstörung einer Weiche berücksichtigt wird, zeigt das Beispiel dennoch deutlich, wie mit dem erfindungsgemäßen Verfahren bzw. dem darin verwendeten Weichenmodell zutreffende Schlussfolgerungen über Fehlerursachen und deren Auswirkungen auf die Funktionalität von Weichen getroffen und plausible und nachvollziehbare Diagnosen zu Fehlerursachen bereitgestellt werden können. Das erfindungsgemäße Verfahren erfüllt damit neben einer Eignung aus funktionaler Sicht auch Anforderungen hinsichtlich einer Praxistauglichkeit, d.h. u.a. einer Verwendung von für den Menschen intuitiv verständlichen Verfahren.Even if only a small part of the error causes of a turnout malfunction of a turnout is taken into account in the example described, the example nevertheless clearly shows how, with the method according to the invention or the turnout model used therein, appropriate conclusions about error causes and their effects on the functionality of turnouts are made and plausible and traceable diagnoses of the causes of errors can be provided. In addition to suitability from a functional point of view, the method according to the invention thus also fulfills requirements with regard to practical suitability, i.e. i.a. a use of procedures that are intuitively understandable for humans.
In
In einem Verfahrensschritt
Im Verfahrensschritt
Im Verfahrensschritt
Im Verfahrensschritt
Es kann in einem Verfahrensschritt
Es kann in Verfahrensschritt
Entsprechend kann eine Empfehlung gegeben werden, welches Werkzeug ein Weicheningenieur bereithalten und bei einer Inspektion vor Ort mit sich führen sollte.Accordingly, a recommendation can be given as to which tool a turnout engineer should have available and carry with him during an on-site inspection.
Ferner kann in einem Verfahrensschritt
In einem nachfolgenden Verfahrensschritt
In einem Verfahrensschritt
Die Verfahrensschritte
BezugszeichenlisteReference list
- 11
- Vorrichtungcontraption
- 22nd
- EingangseinrichtungEntrance facility
- 3-x3-x
- SensorikSensors
- 3-13-1
- StellstromsensorControl current sensor
- 3-23-2
- Beschleunigungssensor (infrastrukturseitig)Accelerometer (infrastructure side)
- 3-33-3
- Beschleunigungssensor (fahrzeugseitig)Accelerometer (vehicle side)
- 44th
- AuswerteeinrichtungEvaluation device
- 55
- Bayessches NetzBayesian network
- 5-x5-x
- NetzknotenNetwork node
- 66
- AusgabeeinrichtungOutput device
- 7-17-1
- Externe Einflussgrößen (Klasse)External influencing variables (class)
- 7-27-2
- Potentielle Fehlerursachen (Klasse)Potential causes of errors (class)
- 7-37-3
- Aggregierte Fehlerzustände (Klasse)Aggregated error states (class)
- 7-47-4
- Beobachtete Wirkung (Klasse)Observed effect (class)
- 1010th
- WeichenzustandTurnout condition
- 1111
- FehlerursacheCause of error
- 1212th
- FehlerursachensignalError cause signal
- 1313
- BetriebsmerkmalOperating characteristic
- 14 14
- weitere Sensorikfurther sensors
- 1515
- HandlungsempfehlungRecommended action
- 1616
- HandlungsempfehlungssignalAction recommendation signal
- 5050
- WeicheSwitch
- 5151
- WeichenantriebPoint machine
- 5252
- Fahrzeugvehicle
- 100-108100-108
- VerfahrensschritteProcedural steps
ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of documents listed by the applicant has been generated automatically and is only included for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturPatent literature cited
- DE 102016221479 A1 [0004]DE 102016221479 A1 [0004]
- WO 2016/074971 A1 [0004]WO 2016/074971 A1 [0004]
- DE 102004014282 C5 [0006]DE 102004014282 C5 [0006]
- DE 102004045457 B4 [0006]DE 102004045457 B4 [0006]
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019200031.2A DE102019200031A1 (en) | 2019-01-03 | 2019-01-03 | Method and device for determining the cause of a fault in switch failures in rail-bound traffic |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019200031.2A DE102019200031A1 (en) | 2019-01-03 | 2019-01-03 | Method and device for determining the cause of a fault in switch failures in rail-bound traffic |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102019200031A1 true DE102019200031A1 (en) | 2020-07-09 |
Family
ID=71104535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102019200031.2A Pending DE102019200031A1 (en) | 2019-01-03 | 2019-01-03 | Method and device for determining the cause of a fault in switch failures in rail-bound traffic |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102019200031A1 (en) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111746590A (en) * | 2020-07-16 | 2020-10-09 | 周强 | Auxiliary judgment system for turnout intelligent external lock fault |
CN112319554A (en) * | 2020-10-30 | 2021-02-05 | 交控科技股份有限公司 | Multipoint traction turnout synchronous fault monitoring method and device and electronic equipment |
CN113650648A (en) * | 2021-09-22 | 2021-11-16 | 重庆华渝重工机电有限公司 | Straddle type single-track turnout operation monitoring and maintenance system |
CN113779734A (en) * | 2021-09-22 | 2021-12-10 | 重庆华渝重工机电有限公司 | Straddle type single-track turnout monitoring and maintaining system based on artificial intelligence |
CN115096478A (en) * | 2022-06-23 | 2022-09-23 | 中北大学 | Switch conversion resistance intelligent test system |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004014282C5 (en) | 2004-03-22 | 2008-06-12 | Db Netz Ag | Diagnosis and condition monitoring in the overflow area of switches, rigid frogs and crossings |
DE102004045457B4 (en) | 2004-09-20 | 2009-04-23 | Deutsche Bahn Ag | Method for diagnosis and condition monitoring of switches, crossings or intersection points and rail joints by a rail vehicle |
US20100004804A1 (en) * | 2008-07-01 | 2010-01-07 | Todd Alan Anderson | Apparatus and method for monitoring of infrastructure condition |
WO2016074971A1 (en) | 2014-11-14 | 2016-05-19 | Db Netz Ag | Method and device for diagnosing electric switches |
DE102016221479A1 (en) | 2016-11-02 | 2018-05-03 | Siemens Aktiengesellschaft | Method and device for switch diagnostics |
WO2019086097A1 (en) * | 2017-10-30 | 2019-05-09 | Konux Gmbh | Method for determining an element characteristic of a railroad element |
-
2019
- 2019-01-03 DE DE102019200031.2A patent/DE102019200031A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004014282C5 (en) | 2004-03-22 | 2008-06-12 | Db Netz Ag | Diagnosis and condition monitoring in the overflow area of switches, rigid frogs and crossings |
DE102004045457B4 (en) | 2004-09-20 | 2009-04-23 | Deutsche Bahn Ag | Method for diagnosis and condition monitoring of switches, crossings or intersection points and rail joints by a rail vehicle |
US20100004804A1 (en) * | 2008-07-01 | 2010-01-07 | Todd Alan Anderson | Apparatus and method for monitoring of infrastructure condition |
WO2016074971A1 (en) | 2014-11-14 | 2016-05-19 | Db Netz Ag | Method and device for diagnosing electric switches |
DE102016221479A1 (en) | 2016-11-02 | 2018-05-03 | Siemens Aktiengesellschaft | Method and device for switch diagnostics |
WO2019086097A1 (en) * | 2017-10-30 | 2019-05-09 | Konux Gmbh | Method for determining an element characteristic of a railroad element |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111746590A (en) * | 2020-07-16 | 2020-10-09 | 周强 | Auxiliary judgment system for turnout intelligent external lock fault |
CN112319554A (en) * | 2020-10-30 | 2021-02-05 | 交控科技股份有限公司 | Multipoint traction turnout synchronous fault monitoring method and device and electronic equipment |
CN113650648A (en) * | 2021-09-22 | 2021-11-16 | 重庆华渝重工机电有限公司 | Straddle type single-track turnout operation monitoring and maintenance system |
CN113779734A (en) * | 2021-09-22 | 2021-12-10 | 重庆华渝重工机电有限公司 | Straddle type single-track turnout monitoring and maintaining system based on artificial intelligence |
CN113650648B (en) * | 2021-09-22 | 2024-02-06 | 重庆华渝重工机电有限公司 | Operation monitoring and maintenance system of straddle type monorail turnout |
CN115096478A (en) * | 2022-06-23 | 2022-09-23 | 中北大学 | Switch conversion resistance intelligent test system |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102019200031A1 (en) | Method and device for determining the cause of a fault in switch failures in rail-bound traffic | |
DE102011076780B4 (en) | Method and device for condition monitoring, computer program product | |
DE102017222616A1 (en) | A method for automatically creating rules for rule-based anomaly detection in a data stream | |
WO2001042799A1 (en) | Method for identifying the condition of an energy accumulator | |
EP2604478B2 (en) | Method for recognising function errors of a multi-sensor assembly | |
EP3649033B1 (en) | Method for investigating a functional behaviour of a component of a technical installation, computer program, and computer-readable storage medium | |
DE10007308A1 (en) | Method and device for determining the remaining operating time of a product | |
EP3282399B1 (en) | Method for the improved detection of process anomalies of a technical installation and corresponding diagnostic system | |
DE102018107233A1 (en) | Method for automatic process monitoring and process diagnosis of a piece-based process (batch production), in particular an injection molding process and a machine performing the process or a machine park performing the process | |
DE102017211737B4 (en) | Monitoring device and method for monitoring a system | |
DE102011076779A1 (en) | Method and device for predicting the state of a component or system, computer program product | |
EP3499470B1 (en) | Method for status based maintenance of access device | |
EP2277087B1 (en) | Device and method for monitoring a gas turbine | |
EP3546314A1 (en) | Method and device for fault identification for a technical system | |
EP1134589B1 (en) | Method for detecting a faulty earth connection e.g. in a vehicle | |
EP3774487A1 (en) | Method and apparatus for diagnosis and monitoring of vehicles, vehicle components and routes | |
EP3564091A1 (en) | Method and assembly for detecting errors in a points system | |
DE10222187A1 (en) | Method for determining the remaining service life of technical system components e.g. for maintenance module in vehicle, involves measuring values representative of service life parameters and weighted averages of their rate of change | |
DE102015218262B4 (en) | Data processing system and method for monitoring the condition of a plurality of vehicles | |
WO2018178196A1 (en) | Method for determining a degree-of-damage uncertainty of a motor vehicle | |
DE102018209108A1 (en) | Fast fault analysis for machine learning technical devices | |
EP3451101A1 (en) | Method for determining a cause of a malfunction in a vehicle component | |
DE102015202554B3 (en) | Method and device for estimating a real traffic condition by means of n sensors | |
DE102018217728B4 (en) | Method and apparatus for estimating at least one performance indicator of a system | |
DE102019202631A1 (en) | Method for monitoring a switch in a railway track system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication |