Ausgewählte Projekte: Control of Autonomous Systems
EETCM
EETCM: Energieeffiziente und robuste Antriebsregelung von Zügen (2020-2023)
Trotz gleicher Streckenbedingungen können Kraftstoffverbrauch und Verschleiß ein und desselben Zuges stark variieren. Dies ist beispielsweise auf unterschiedliche Erfahrung und Streckenkenntnis der Triebfahrzeugführer zurückzuführen. Die fehlende Erfahrung spiegelt sich dabei in höheren Umweltbelastungen sowie Wartungskosten wieder. Um den Verschleiß an Schienen und Rädern zu verringern, wurde ein prädiktiver Ansatz genutzt, mit dem Ziel Gleiten und Schleudern (also das Durchdrehen der Räder) zu verhindern. Mit Hilfe Modellprädiktiver Regelung können Nebenbedingungen berücksichtigt und auf Störungen in Echtzeit reagiert werden. Die benötigte Robustheit wurde durch die Berücksichtigung einer unsicheren Masse des Zuges gewährleistet, welche die unbekannte Anzahl an Passagieren widerspiegelt. Im Projekt konnte gezeigt werden, dass eine Handlungsempfehlung für den Triebfahrzeugführer in Form einer Stellung des Fahr-Bremshebels ausgegeben werden kann, um den Zug ohne Auftreten von Gleiten und Schleudern energieoptimal und unter Einhaltung eines Fahrplans zum Ziel zu bewegen.
Die Projektergebnisse wurden im Rahmen einer wissenschaftlichen Konferenz, der ECC 2023, vorgestellt. Der Artikel mit weiteren Informationen ist hier bzw. hier zu finden.
ELFE
ELFE: Exakte Lokalisierung und Fahrregelung für autonome Eisenbahnfahrzeuge (2023-2025)
Basierend auf fusionierten Positionsdaten (im Innen- und Außenbereich), die von Projektpartnern zur Verfügung gestellt werden, soll eine Bremsregelung entwickelt werden, um den Zug mit einer Abweichung von weniger als 10 Zentimetern an einem gewünschten Ort zum stehen zu bringen. Der Hintergrund ist dabei, dass verschiedene Bereitstellungsfahrten automatisiert durchgeführt werden sollen, um den Triebfahrzeugführer zu entlasten.
Ein Artikel in der Freien Presse (Lokalzeitung) berichtet ausführlich über das Vorhaben und unsere Aufgaben.
5D.Rail
5D.Rail: Sensordatenanalyse für digitale Karten im intelligenten Bahnsystem (2024-2025)
In diesem Projekt sollen Kartendaten aufgenommen und klassifiziert werden, die Informationen entlang der Strecke speichern und auf die bei zukünftigen Fahrten zurückgegriffen werden kann. Diese Daten können beispielsweise Traktionsdaten beinhalten, die benötigt werden, um die Modellierung der Zugdynamik und dadurch auch die Regelung zur Vermeidung von Gleiten und Schleudern zu verbessern (siehe Projekt EETCM).
