Stochastische Optimierung von Eisenbahn-Radprofilen

Die Gestalt von Rad- und Schienenprofilen hat einen entscheidenden Einfluss auf das Verschleißverhalten und damit auf die Lebensdauer und die Instandhaltungskosten von Rädern und Schienen. Die Suche nach verschleißoptimalen Radprofilen beschäftigt Wissenschaft und Bahnbetreiber daher bereits seit vielen Jahrzehnten. Die Entwicklung der Computertechnologie eröffnet hierbei stetig neue Möglichkeiten und führt zu einer fortlaufenden Verbesserung von Auslegungs- und Gestaltungsmethoden. In dieser Arbeit wird eine Gestaltungsmethode vorgestellt, die es ermöglicht, das Radprofil eines Fahrzeugs für den Einsatz auf einem gegebenen Streckennetz maßzuschneidern. ... mehrHierzu werden Fahrdynamiksimulationen und Verschleißberechnungen mit zwei Methoden der stochastischen Optimierung verknüpft:
dem $\textit{Genetischen Algorithmus (GA) }$ und dem $\textit{Simulated Annealing (SA)}$.
Zunächst wird hierzu ein Verfahren entwickelt, das die Verlaufs- und Gleislagecharakteristik eines ganzen Streckennetzes zu einem kurzen, 4-6 km langen Streckenkollektiv zusammenführt und so den Einsatz von Fahrdynamiksimulationen in iterativen Optimierungsprozessen erleichtert. Am Beispiel einer Niederflurstraßenbahn wird anschließend mit beiden stochastischen Optimierungsansätzen je ein neues, optimiertes Radprofil berechnet und dessen Verschleißverhalten mit dem des Referenzprofils des Fahrzeugbetreibers verglichen. Das Simulated-Annealing-Verfahren wird zudem zur Optimierung des Radprofils eines Eurofima-Reisezugwagens verwendet. Das Verschleißverhalten des optimierten Reisezugwagen-Radprofils wird dem des S1002-Standardprofils gegenübergestellt. Zuletzt werden die Vor- und Nachteile beider Optimierungsansätze herausgearbeitet. Die Ergebnisse zeigen, dass beide Optimierungsansätze prinzipiell zur Optimierung von Radprofilen geeignet sind. Die Eignung variiert jedoch je nach Art der vorhandenen Rechnerinfrastruktur. Während Simulated Annealing auf Systemen mit wenigen Prozessorkernen sehr effizient eingesetzt werden kann, ist der Genetische Algorithmus in der Zahl der nutzbaren Prozessorkerne unbeschränkt und erzielt bei Einsatz entsprechender Hardware daher potenziell bessere Leistungen. Die Ergebnisse zeigen zudem, dass dem Verfahren zur Bildung von Streckenkollektiven eine große Bedeutung zukommt und auf diesem Gebiet weitere Forschungsarbeiten notwendig sind.

The shape of wheel and rail profiles is of crucial importance for the wear performance of railway wheels and rails and has a major impact on the maintenance costs of railway systems. Since the beginning of the railway-era, a lot of research has therefore been done to find the optimal shape for wheel and rail profiles. During the last few decades, the ongoing development of IT kept widening the possibilities of researchers, as it allowed for the engagement of more and more complex contact and wear models in the design process of wheels and rails. The work at hand develops a methodology that allows to find the optimal wheel profile for any given combination of vehicle and track. ... mehrTo achieve this, a vehicle dynamics (MBS) and wear simulation is coupled with two different optimization techniques: $\textit{Simulated Annealing (SA)}$ and $\textit{Evolutionary Algorithm (EA)}$.
Even with current IT, keeping the total runtime of iterative design-processes in combination with MBS simulations at an acceptable level is a challenging task. Therefore, as a first step, a technique is described that allows to map the characteristics of a track, including its irregularities, to a short load collective with a length of 4-6\,km. Two different vehicles, a tram and a Eurofima-Coach, are then used as an example to find optimal wheel profiles for a given track, using SA and EA optimization techniques. The performance of the resulting wheel profiles is compared to the original wheel profiles of these vehicles, and the strengths and weaknesses of both optimization techniques are worked out.
The results show that both optimization techniques are suitable for the optimization of wheel profiles. Which methodology works best, heavily depends on the design of the available IT-infrastructure and the available software licenses. While SA is very efficient on systems with few CPU cores, EA naturally utilizes as many cores and MBS instances as the user desires and can therefore be scaled without limits. The results also show both, the importance of a good load collective design, and the need for further research in this topic.