A mesterséges intelligencia szerepe a síndiagnosztikában

Tantárgy
Feltöltve
Mikrotartalmat készítette
Orbán Balázs
Szaktanár: Orbán Balázs Zsolt
Intézmény:
Budapesti Műszaki és Gazdaságtudományi Egyetem
Oktatási intézmény:
Műszaki Pedagógia Tanszék
Beosztás:
hallgató

Kapcsolat
Üzenet írásához be kell jelentkezni.

Mesterséges intelligencia a síndiagnosztikában

Az utóbbi években, a mesterséges intelligencia terjedésével új távlatok nyíltak a vasúti pályafenntartás racionalizálásában is. A hagyományos műszaki ellenőrzés szerepét - mikor a pályamester a mozdonyon utazva figyeli a sínpár deformitásait - fokozatosan felváltja az ipari kamerákkal történő megfigyelés, melyek több száz órányi felvételét a gépi látás eszközének segítségével elemzi ki az AI. A nagysebességű kamerák képeinek feldolgozásával pontosabb képet kaphatunk a pálya környezetéről, és a sínszálak állapotáról is - az emberi tényező szerepét minimalizálva.

1.kép:
A kamerák nemcsak a sínkoronát, hanem annak gerincét is vizsgálják, így a nem szabványos kötőelemek is könnyedén észrevehetők.

2.kép:
A széles sínillesztések jobban koptatják a kerekeket, ráadásul az utazási komfortot is rontják. Kamerák mellett gyorsulásérzékelőkkel is vadásznak rájuk.

3.kép:
A hiányzó síncsavarok a pálya merevségét rontják, ugyanakkor detektálásuk korábban csak gyalogos pályabejárással volt lehetséges - a gépi látás ezt gyökereiben változtatta meg.

4.kép:
Az elkorhadt talpfákból könnyen kifordulhatnak a síncsavarok, ami a sínszál elfekvéséhez vezethet - a mesterséges intelligencia ezeket is felismeri, lassítás, vagy egyéb különleges eljárás nélkül is!

A gépi tanulás az ismert hibák detektálásán túl alkalmas lehet olyan ismétlődő minták keresésére, amelyeket eddigi eszközeinkkel nem vettünk észre - ezáltal a vízsákok, a síntörések, vagy a nyombővülések előjelei is felismerhetővé válhatnak, növelve a vasúti közlekedés biztonságát. A folyamatos kamerás megfigyelés emellett lehetőséget ad egy - egy nagyobb esőzős, fagyás, sőt, egy nehezebb tehervonat pályára gyakorolt hatását is elemezni, ezáltal az élettartam-számítások egzaktabbá válhatnak, a nem kielégítő futásjóságú kocsik pedig könnyebben kiszűrésre kerülhetnek.

Készítette:
Orbán Balázs

Források:
https://www.sciencedirect.com/science/article/pii/S0968090X22001206
https://onebigcircle.co.uk/aivr/

Célközönség
0 - bárki
Szint
K - középszint
Ágazatok és szakmacsoportok-2020
Szakmák és OKJ szakképesítések-2020
Mikrotartalom értékelése
Nem értékelt
Hasznosnak találtad?

Még nem érkezett hozzászólás. Légy te az első hozzászóló!
Csak bejelentkezett felhasználó küldhet be hozzászólást.

További mikrotartalmak a feltöltőtől

A felhasználó jelenleg csak az oldalon látható mikrotartalmat töltötte fel. Nézzen vissza később.

Kapcsolódó mikro-tartalmak


 


A mikro-tartalmakat a szerzői jog védi! | ©  Minden jog fenntartva.