Das allgemeine Ziel dieses Projekts ist die Untersuchung einer neuen Technologie zur vorausschauenden Instandhaltung, die bei Rissen und Brüchen von Eisenbahnschienen aufgrund zyklischer Belastung zum Einsatz kommt.
Die Entwicklung basiert auf der Anwendung von Simulationsmethoden, die anhand von Risswachstumstests an realen Schienen validiert wurden und die es ermöglichen, die Entwicklung von Rissen in Eisenbahnschienen zu reproduzieren und durch Anwendung von Techniken der künstlichen Intelligenz auf der Grundlage neuronaler Netze auf verschiedene Arten von Infrastrukturen und Geometrien, Nutzungshäufigkeiten, Lasten und Rollmaterial zu extrapolieren.
Die Verwirklichung dieser Technologie ist der Ausgangspunkt, der auf der Grundlage der derzeitigen Technologie der Gleisinspektion mittels eines Auskultationsfahrzeugs und ohne Beeinträchtigung der normalen Nutzung der Strecke eine zuverlässige Diagnose des tatsächlichen Zustands des Gleises und im Falle von vorhandenen Schäden die Festlegung von Leitlinien für eine vorausschauende und korrigierende Instandhaltung ermöglicht.
Dadurch wird die Zuverlässigkeit der Infrastrukturen gewährleistet, indem die auf sie wirkenden Sicherheitsmargen festgelegt und die Wartungs- und Inspektionsarbeiten optimiert werden, wodurch die damit verbundenen Kosten gesenkt werden.
Kollaborationen
Universität von Kantabrien. Labor der Abteilung für Materialwissenschaft und -technik – LADICIM. www.ladicim.es
THEMENBEREICHE:
Eisenbahn,F & E
Jahr:
2021
Land:
Spanien
Wir verwenden unsere eigenen Cookies und Cookies von Drittanbietern, um Ihre Erfahrung und unsere Dienste zu verbessern, indem wir das Surfen auf unserer Website analysieren. Wenn Sie auf AKZEPTIEREN klicken, geben Sie Ihre Zustimmung zur Annahme unserer COOKIES-RICHTLINIE . Klicken Sie auf den Link, um weitere Informationen zu erhalten.
Diese Website verwendet Cookies, um Ihre Erfahrung beim Surfen auf der Website zu verbessern. Von diesen Cookies werden die nach Bedarf kategorisierten Cookies in Ihrem Browser gespeichert, da sie für das Funktionieren der Grundfunktionen der Website unerlässlich sind. Wir verwenden auch Cookies von Drittanbietern, die uns helfen, zu analysieren und zu verstehen, wie Sie diese Website nutzen. Diese Cookies werden nur mit Ihrer Zustimmung in Ihrem Browser gespeichert. Sie haben auch die Möglichkeit, den Empfang dieser Cookies abzulehnen. Das Deaktivieren einiger dieser Cookies kann sich jedoch auf Ihr Surferlebnis auswirken.
Notwendige Cookies sind absolut notwendig, damit die Website ordnungsgemäß funktioniert. Diese Cookies gewährleisten anonym grundlegende Funktionalitäten und Sicherheitsmerkmale der Website.
Cookie
Dauer
Beschreibung
cookielawinfo-checkbox-analytics
11 monate
Dieses Cookie wird vom GDPR-Cookie-Zustimmungs-Plugin gesetzt. Das Cookie wird verwendet, um die Zustimmung des Benutzers für Cookies in der Kategorie „Analytics“ zu speichern.
cookielawinfo-checkbox-necessary
11 monate
Dieses Cookie wird vom GDPR-Cookie-Zustimmungs-Plugin gesetzt. Cookies werden verwendet, um die Zustimmung des Benutzers für Cookies in der Kategorie "Notwendig" zu speichern.
viewed_cookie_policy
11 monate
Das Cookie wird vom GDPR-Cookie-Zustimmungs-Plugin gesetzt und dient dazu, zu speichern, ob der Benutzer der Verwendung von Cookies zugestimmt hat oder nicht. Es speichert keine personenbezogenen Daten.
Analytische Cookies werden verwendet, um zu verstehen, wie Besucher mit der Website interagieren. Diese Cookies helfen dabei, Informationen zu Metriken, Besucherzahlen, Absprungrate, Verkehrsquelle usw. bereitzustellen.