ProRail – Fiber-Optic Acoustic Sensing

Samen met ProRail toetsen wij met FOAS-technologie use cases. Dit zijn allemaal use cases die relevant en actueel zijn voor ProRail, en waarbij een geautomatiseerd detectie systeem veel tijd zou opleveren, dat bijdraagt aan een veilig spoor! De insteek van dit jaar was dan ook nog niet om een compleet geautomatiseerd productiesysteem op te zetten, maar om slechts 2 maanden per use case te besteden en de haalbaarheid van deze doelen met FOAS-technologie te onderzoeken.

Het volgende hebben we geprobeerd te detecteren:

• Treinen
• Defecte/degenererende spooronderdelen
• Defecten op treinwielen
• Spoorlopers
• Overwegverkeer
• Kritische treinsnelheid

Wat is FOAS?

Fiber-Optic Acoustic Sensing (FOAS) is een technologie waarbij een glasvezelkabel als “sensor” wordt gebruikt. Hierbij wordt de bestaande bekabeling onder het spoor gekoppeld aan een machine, dat een “interrogator” genoemd wordt, die duizenden keren per seconde een laserstraal door de kabel heen schiet. Deze laserstraal wordt vervolgens ook weer terug weerkaatst naar de machine. Trillingen die in de omgeving gebeuren, door bijvoorbeeld treinen, overwegverkeer, maar ook als gevolg van defecte spooronderdelen, zorgen voor een onderbreking in de laserstraal in de kabel. Deze onderbreking wordt geregistreerd, en kan gemeten en geanalyseerd worden om patronen van gebeurtenissen in te vinden.  

Treindetectie

Treinen bleken zeer goed zichtbaar te zijn in de FOAS-data. Dat was vooraf ook de verwachting, treinen zijn immers heel zwaar en zorgen voor ontzettend veel trilling op en onder het spoor. Zowel het visueel zien en het detecteren van treinen bleek zeker haalbaar met FOAS-data.

Defecte/degenererende spooronderdelen

Defecte en degenererende spooronderdelen bleken lastiger op te sporen. Een deel van de defecte spooronderdelen was niet zichtbaar, voornamelijk door een gebrek aan validatiedata. Andere spooronderdelen bleken op het oog wel zichtbaar, maar kunnen we nog geen voorspelmodel voor maken. Ook dit heeft te maken met validatiedata.

Wieldefecten

Wieldefecten waren in veel gevallen duidelijk zichtbaar in de FOAS-data. In een aantal gevallen was het zelfs mogelijk om deze te detecteren met behulp van een voorspelmodel. Met zorgvuldig uitgekozen meetinstellingen van de interrogator, voorbewerkingsstappen op de FOAS-data, en een grote hoeveelheid aan accurate validatiedata was dit mogelijk. Deze onderdelen zijn onmisbaar om de nauwkeurigheid van een wieldefectenvoorspelmodel op een betrouwbaar niveau te krijgen.

Spoorlopers, overwegverkeer, kritische treinsnelheid

De komende periode gaan wij aan de slag met de resterende use cases. Hierbij komen andere uitdagingen kijken dan bij de voorgaande use cases. Bij de kritische treinsnelheid is bjivoorbeeld de samenstelling van de ondergrond een belangrijk aspect, daarom zullen wij in ons project samenwerken met Deltares, een onderzoeksinstituut gespecialiseerd in water en ondergrondonderzoeken. Bij de spoorlopers use case is, naast een zeer hoge nauwkeurigheid, tijd van essentieel belang. Spoorlopers moeten immers real-time gedetecteerd kunnen worden om gevaarlijke situaties te voorkomen!

Meer weten?

Luister naar deze podcast. Waar Cees-Jan Mas (ProRail) samen met onze Robert en Berend in dit onderwerp duikt.

We hebben het hele project uitgevoerd in een Azure omgeving, waarbij vrijwel alle analyses gedaan werden in Azure Databricks. Voor alle use cases hebben wij bij de ruwe FOAS-data eerst een voorbewerking gedaan met behulp van Fourier transformaties. Hierbij hebben wij de ruwe data vertaald naar het frequentiedomein, waarbij wij de trillingen opgesplitst hadden in verschillende frequentiebanden.

Met een neuraal netwerk hebben wij een treindetectiemodel getraind die op basis van 3-dimensionale input arrays op ieder punt voorspelt of daar wel of geen trein is. Dit vormde ook de basis voor de overige use cases, omdat wij voor alle andere use cases vaak slechts geïnteresseerd waren in gevallen waarbij een trein over het spoor reed bij het object/de gebeurtenis van interesse. Zowel defecte spooronderdelen als defecte wielen zijn wat betreft trillingen pas zichtbaar wanneer er daadwerkelijk een trein langs rijdt.

Na het detecteren van de trein, hebben wij met nabewerkingsstappen de treinpassags geïsoleerd, en vergeleken met interne databronnen binnen ProRail om te valideren of er tijdens deze treinpassages daadwerkelijk een defect spooronderdeel of wiel geconstateerd werd.