Förbättrad energieffektivitet för järnvägstransporter med hjälp av AI

(AI-fabrik / Järnväg)

Målsättning

Huvudmålet med detta projekt är att utveckla och demonstrera en integrerad metod för tillståndsövervakning av spår med hjälp av AI och digital teknik.

Projektstatus och resultat

Förtroendet för svensk järnvägstrafik har nyligen minskat, vilket har lett till ett skifte mot den mindre energieffektiva vägtrafiken. Spårens skick har en betydande inverkan på kapacitet och punktlighet, vilket är avgörande faktorer för järnvägens tillförlitlighet.

Detta projekt syftar till att förbättra spårförhållandena och uppmuntra trafiken att återgå till det mer energieffektiva järnvägsalternativet. En viktig utmaning vid detektering av spårfel med hjälp av vibrationsmätningar är att skilja mellan vanliga designelement (som växlar och fogar) och faktiska fel.

Det här projektet fokuserar på att utnyttja AI-tekniker för att identifiera dessa planerade element och upptäcka defekter i deras omedelbara närhet. Detta innefattar datatillmärkning, signalbehandling och anomalidetektering. Dessutom kommer projektet att utforska lösningar som kombinerar sensorfusion med andra datakällor, t.ex. LIDAR-mätningar och satellitdata. Vidare kommer projektet att utveckla en demonstrator som ett proof-of-concept med hjälp av det befintliga ramverket "AI Factory for Railway" (AIFR) som utvecklats av Luleå tekniska universitet.