Technische Universität Berlin
ENUnfortunately the webpage is not available in the language you have selected.

Verräterische Kurven

Das Team um Clemens Gühmann forscht an einem datenbasierten Modell, um den Zeitpunkt, an dem Züge gewartet werden müssen, präzise vorherzusagen

1929 in Berlin in Betrieb genommen und 1980 nach einem Reichsbahnstreik stillgelegt, rotten die Bahnhöfe und Gleise der ehemaligen Siemensbahn seit mehr als 40 Jahren vor sich hin. Auf viereinhalb Kilometern verkehrte die als Viaduktbahn angelegte Bahn dereinst zwischen Jungfernheide und Gartenfeld und wurde hauptsächlich von den Arbeiterinnen und Arbeitern der Siemenswerke genutzt. Mit der Entscheidung der Siemens AG von 2018, in Siemensstadt einen Forschungscampus zu bauen, ging der Beschluss einher, die Siemensbahn zu reaktivieren. 2030, so der Plan, sollen wieder Züge auf der Strecke fahren, wenn möglich autonom.

Vorausschauende Wartung

Mit Blick auf die Wiedereröffnung der Siemensbahn startete im Sommer 2021 das Forschungsvorhaben „Berliner Digitaler Bahnbetrieb“, in dem Technologien für das automatisierte Bahnfahren erforscht werden sollen und an dem unter anderem das TU-Fachgebiet Elektronische Mess- und Diagnosetechnik von Prof. Dr.-Ing. Clemens Gühmann beteiligt ist. Sein Team will ein Tool für automatisch geplante Wartungen entwickeln. „Bei der Wartung unterscheidet man bislang zwei Wege. Entweder die Züge werden innerhalb festgelegter Intervalle gewartet oder abhängig von ihrem Zustand. Zusammen mit dem Zuse-Institut Berlin wollen wir hier am Fachgebiet einen dritten Weg gehen: Ausgehend vom Zustand der jeweiligen Komponente, werden wir ein Modell erarbeiten, dass es ermöglicht, die Restlebensdauer von Zugkomponenten vorauszusagen, um somit den Zeitpunkt für Wartungsarbeiten präziser bestimmen zu können Wir sprechen von predictive maintenance, vorausschauender Wartung, und wollen das anhand des Motors der Zugtüren und weiterer Komponenten erforschen“, erklärt Clemens Gühmann. Was es bedeutet, Züge nicht zu warten, daran hat jeder Berliner noch eine lebhafte Erinnerung: 2009 versank die Berliner S-Bahn über ein Dreivierteljahr im Chaos, weil die Instandhaltung der Züge über Jahre verschlampt worden war.

Simulation des Ein- und Ausstiegsverhaltens der Fahrgäste

Das zu entwickelnde datenbasierte Vorhersagemodell zur Beschreibung des Zustands und zur Prognose des Zustands von Infrastrukturkomponenten wie Türen, Motor oder Schienen beruht auf aufwendigsten, hochkomplexen Computersimulationen. Daniel Thomanek, wissenschaftlicher Mitarbeiter am Fachgebiet, hat einen Ausschnitt einer aktuellen Regionalbahnstrecke mit seinen Bahnhöfen und den alltäglichen Betriebsablauf anhand von Fahrplänen und Daten des mittleren Fahrgastaufkommens „nachgestellt“. Auch simulierte er das Ein- und Ausstiegsverhalten und verschiedene Szenarien, wodurch Zugtüren blockiert werden. „Einmal stellen sich die Fahrgäste in die Tür, ein anderes Mal drücken sie den roten Knopf oder schieben die Türen gewaltsam auseinander, um im letzten Moment noch in den Zug zu springen“, sagt Thomanek.

Zur Veranschaulichung demonstriert er am Computer den Fall, dass sich ein Passagier in eine sich schließende Tür stellt. Links auf seinem Bildschirm kann man verfolgen, wie eine gelbe Kurve, die Drehmomentenkurve des Türmotors, während der Türblockade ansteigt, da der Motor mit aller Kraft versucht, die Tür zu schließen. Als Thomanek in seinem Computer die Blockade löst, in der Realität träte der Passagier jetzt aus dem Türbereich, fällt die Kurve ab und verharrt in einer horizontalen Linie, da nun die Tür geschlossen ist. Thomanek kann aber auch den Fall simulieren, bei dem der rote Knopf gedrückt wird oder eine verschmutze Schiene des Laufwagens, an dem die Tür aufgehängt ist, das Öffnen oder Schließen verhindert. In jedem dieser Fälle verlaufen die Drehmomentenkurven des Motors anders. „Alle diese Störfälle baue ich nach und nach in meine Simulationen ein und schaue als zweites, welche Auswirkungen jede dieser Blockade auf die Drehmomentenkurve hat“, so Daniel Thomanek. Die Hypothese der Wissenschaftler ist, dass sich die unterschiedlichen Störungen an der Drehmomentenkurve ablesen lassen. „Zum einen wollen wir anhand der Drehmomentenkurve den Verschleiß des Motors bestimmen, zum anderen aus den Verläufen der Kurve auf die Art der Störung schließen und letztendlich auf die Restlebensdauer solcher Komponenten wie Türen. Die unterschiedlichen Kurven sind wie eine Signatur. Was dem Kriminalisten die Fingerabdrücke sind, sind uns die unterschiedlichen Drehmomentenkurven“, erklärt Clemens Gühmann.

Fahrpläne optimal planen

„Auf der Basis künstlich neuronaler Netze können wir in die Zukunft schauen und mit einer gewissen Wahrscheinlichkeit den Ausfall von Komponenten vorhersagen. Wir schätzen die Restlebensdauer. Das klingt zwar wir der Blick in die Glaskugel, beruht aber auf statistischen Modellen, die dann von unseren Kollegen vom Zuse-Institut zur Optimierung der Zugumläufe verwendet werden“, so Clemens Gühmann.

Mit ihren Forschungen in der ersten Phase des Projektes „Berliner Digitaler Bahnbetrieb“ wollen die TU-Wissenschaftler und ihre Kollegen vom Zuse-Institut erreichen, dass man den Zeitpunkt der Wartung präziser vorhersagen kann. „Das hätte den Vorteil, Fahrpläne und Betriebsabläufe optimal zu planen und sie dadurch weniger störanfällig zu machen“, sagt Daniel Thomanek.

Die große Vision des Projekts ist, dass auf der Siemensbahn – vielleicht 2030 – automatisierte Züge fahren. Bis es soweit ist, ist nicht nur noch viel Forschung nötig, auch Gesetze sind zu ändern. Bislang gebe die Gesetzeslage autonom fahrende Züge gar nicht her, so Daniel Thomanek. Abgesehen von diesen Hürden kann Clemens Gühmann die Pläne, die Siemensbahn wieder in Betrieb zu nehmen in Zeiten, wo viel über Mobilitätswandel angesichts des Klimawandels gesprochen wird, nur begrüßen. „Und wenn dann noch unsere Forschungen in die Umsetzung einfließen – ist das ein schönes Gefühl.“

Ein Konsortium von zwölf Partnern, zu dem die TU Berlin gehört, erforscht in dem Projekt „Berliner Digitaler Bahnbetrieb“ unter der Leitung von Siemens Mobility Grundlagen für autonom fahrende Züge. Das Projekt wird vom Land Berlin mit 7,6 Millionen Euro gefördert.

 

Autorin: Sybille Nitsche