Fraunhofer-Institut für Hochfrequenzphysik und Radartechnik FHRFrüherkennung von Gleisbettschäden mittels Radar
Regnet es ohne Unterlass, etwa während des Monsuns, haben selbst ausgeklügelte Gleisbetten kaum eine Chance, das Wasser abzutransportieren. Unterspülungen und Löcher sind die Folge, die wiederum schwere Unfälle nach sich ziehen können. Mit einem bodendurchdringenden Radarsystem lassen sich solche Unterspülungen berührungslos und auf der gesamten Gleislänge frühzeitig aufspüren.
Gleisbetten bestehen im Wesentlichen aus drei verschiedenen Lagen: Dem Schotterbett, auch Bettung genannt, der Planums-Schutzschicht und dem Unterbau, auch Planum genannt. Diese Strukturen dienen dazu, die Gewichtskraft des Zuges gleichmäßig auf den Boden zu verteilen und Regenwasser ablaufen zu lassen. Doch der Zahn der Zeit nagt an den Gleisbetten: Einige Schottersteine zerspringen durch den Druck der Züge, auch weitet sich das Gleisbett im Laufe der Jahre und wird flacher. Problematisch sind vor allem zu viel Regen, etwa in Monsungebieten oder Schmelzwasser in Gebirgslagen: Das Wasser kann Schotterbett und Unterbau unterspülen und Löcher hineinreißen, die wiederum schwerwiegende Unfälle nach sich ziehen können. Bisher lässt sich dies jedoch kaum überprüfen. Die gegenwärtigen Möglichkeiten bestehen in der Sichtkontrolle und im Graben eines Lochs, um die Struktur stichprobenhaft zu kontrollieren.
Zerstörungsfreie Analyse des gesamten Gleisbettes
Das Fraunhofer FHR hat gemeinsam mit der RWTH Aachen nun ein GPR-System – kurz für »Ground penetrating radar« oder bodendurchdringendes Radar – entwickelt, mit dem sich die Gleisbetten zerstörungsfrei und auf ganzer Länge untersuchen lassen. Dafür soll das Radarsystem auf einer mobilen Plattform befestigt werden, die das Gleis abfahren und untersuchen kann. Löcher bis in eine Tiefe von etwa einem Meter lassen sich mit dem System erkennen, bei einer üblichen Gleisbetttiefe ist dies mehr als ausreichend. Die räumliche Auflösung liegt bei einem Zentimeter: Es wird also ein hochauflösendes Radarbild gewonnen, mit dem sich kleine Strukturen innerhalb des Gleisschotters untersuchen lassen.
Die Herausforderung liegt vor allem in der Auswertung der erhobenen Daten: Wo befinden sich Schäden im Gleisbett? Hier hilft ein ausgeklügeltes System aus Realversuchen, Simulationen und Maschinellem Lernen. In einem Gleisbett-Modell wurden zunächst Hohlräume innerhalb des Gleisbettes unter verschiedenen Bedingungen wie Schotterverschmutzung und Schotteralterung modelliert und mittels Bodenradar vermessen. Diese realen Ergebnisse dienten dazu, das Simulationsmodell zu verbessern. Die Simulationsergebnisse wiederum schufen die riesige Datenbasis, die nötig ist, um das maschinelle Lernen zu trainieren. Wollte man diese Datenbasis allein über Gleisbett-Modelle erzeugen, würde dies mehrere Jahre dauern. Die Simulation der benötigten Daten erfordert dagegen nur einen Bruchteil der Zeit. Das Simulationsmodell ist fertig, ein erstes Unternehmen hat bereits Interesse bekundet.