Hoe AI treinbotsingen voorkomt

Hoe AI treinbotsingen voorkomt

Een revolutie in spoorveiligheid met real-time monitoring en voorspellende AI

In een baanbrekende ontwikkeling wordt kunstmatige intelligentie (AI) nu ingezet om treinbotsingen te voorkomen, wat een grote stap voorwaarts betekent voor de spoorveiligheid. Onderzoekers hebben een systeem ontwikkeld dat AI combineert met geleide ultrasone golven om defecten in wissels te detecteren—kritieke onderdelen die treinen van het ene spoor naar het andere leiden. Deze innovatie is vooral belangrijk omdat hogesnelheidsnetwerken wereldwijd uitbreiden, wat het risico op ongevallen door slijtage van deze onderdelen vergroot.

De uitdaging van wissels

Wissels zijn gevoelig voor schade vanwege hun complexe structuur en zware belasting, vooral in hogesnelheidsnetwerken. Traditionele inspectiemethoden, zoals wervelstromen en magnetische fluxlekdetectie, zijn beperkt tot het opsporen van oppervlakkige defecten en zijn inefficiënt voor grootschalige monitoring. Ultrasone technieken, hoewel geschikt voor diepere inspecties, zijn tijdrovend en onpraktisch voor frequent gebruik.

De AI-oplossing

Een team van de Stony Brook University heeft een oplossing ontwikkeld met behulp van AI en geleide ultrasone golven. Deze golven planten zich over lange afstanden voort en zijn zeer gevoelig voor defecten, waardoor snelle en nauwkeurige inspecties van grote spoorwegsecties mogelijk zijn. De onderzoekers gebruikten een Convolutional Neural Network (CNN)-model om de ultrasone gegevens te analyseren, met een nauwkeurigheid van meer dan 91% bij het detecteren van interne defecten in wissels.

"Ons model presteert beter dan bestaande methoden op alle vlakken," zegt Zhaozheng Yin, universitair hoofddocent aan de Stony Brook University. "Het kan onderscheid maken tussen normale en beschadigde signalen, zelfs in de complexe structuren van wissels, en is aanpasbaar aan verschillende omstandigheden."

Gevolgen voor spoorveiligheid

De adoptie van dit AI-gestuurde systeem kan een revolutie teweegbrengen in het onderhoud van spoorwegen, waardoor real-time monitoring en voorspellend onderhoud mogelijk worden. Dit is vooral cruciaal omdat spoorwegen vaak alleen 's nachts toegankelijk zijn voor reparaties. Door defecten vroegtijdig te identificeren, kan het systeem catastrofale storingen voorkomen en de veiligheid van passagiers verbeteren.

Het onderzoek, gepubliceerd in NDT & E International, benadrukt het potentieel van AI om de spoorveiligheid te transformeren. Naarmate hogesnelheidsnetwerken blijven groeien, zullen dergelijke innovaties essentieel zijn om betrouwbaar en ongevalvrij vervoer te garanderen.