Tilldelning av SMART RAIL-projektet
IVACE har nyligen beviljat ett bidrag för genomförandet av projektet SMART RAIL: ”MASKININLÄRNINGSANALYS AV GEOFYSISKA DATA FRÅN STORSKALIG DATASAMLING MED MULTIARRAY-TEKNIK FÖR INTELLIGENT UNDERHÅLL AV JÄRNVÄGSINFRASTRUKTUR” inom ramen för programmet PIDCOP-CV – Samarbetsprojekt inom forskning och utveckling 2023, med deltagande av Geozone Asesores S.L.
Projektets huvudsakliga mål är att implementera ett avancerat system för geofysisk undersökning av järnvägens underbyggnad med hjälp av icke-invasiva tekniker med georadar, baserat på maskininlärningsbearbetning av stora datamängder för analys av graden av förorening i ballasten. För detta ändamål kommer ett datainsamlingssystem med multiarray-teknik (GPR+GPS+VIS) att installeras på en järnvägsunderhållsmaskin, för efterföljande bearbetning av komplexa och omfattande geofysiska datamängder som samlats in längs järnvägssträckorna. Syftet är att upptäcka avvikelser i ballastens kompaktering, dess föroreningsgrad samt skador eller sättningar som kan förekomma i underbyggnaden.
Detta kommer att ske genom grafisk och numerisk korrelation av möjliga mönster i data som rör tillståndet hos de analyserade vägsträckorna, för att sedan kunna tillämpas i förebyggande underhållsarbete. På så sätt kan man i ett tidigt skede identifiera vägsträckor som kan behöva lokala åtgärder, för att förebygga uppkomsten av skador och omfattande slitage under deras livslängd.
Ett radargram är en genomsnittsbild av den samlade uppsättningen GPR-spår och -profiler som erhållits genom reflektion i georadarn.
Det gör det möjligt att upptäcka avvikelser, såsom eventuella sättningar i ballast- och underballastlagret, men inte graden av förorening. Av denna anledning kommer nya Big Data-tekniker (såsom huvudkomponentanalys och klusteranalys) att användas för att analysera data som motsvarar de GPR-profiler som detekterats med hjälp av georadarn. Multiarray-tekniken har 32 antenner, varav 23 är polariserade i körriktningen och 9 i tvärriktningen, vilket gör det möjligt att vid varje mätning analysera 32 datamatriser med cirka 20 000 observationer för 500 variabler.
När ballasten inte innehåller föroreningar kan man observera ett ortogonalt mönster när variablerna projiceras på huvudkomponenternas rum (ordinat- och abscissaxlarna). Dessutom börjar detta mönster visa sig redan i ett mellanliggande föroreningsstadium, vilket skulle göra det möjligt att ge varningar i ett tidigt skede för att kunna genomföra förebyggande underhåll. Den konkurrensmässiga fördelen med att tillämpa dessa tekniker är att de gör det möjligt att sammanfatta stora mängder svårtolkat data till nya variabler, så kallade huvudkomponenter, som erhålls som linjära kombinationer av de ursprungliga variablerna, utan nackdelen att behöva eliminera någon annan variabel som skulle kunna ge relevant information om problemet.
Projektet beräknas avslutas i oktober 2024.
