National Transport Library Research Database

AI Factory Railway: Prognostics and health management of catenary for climate change adaptation (AIFR-PHMCC)

  • Karim, Ramin
  • Luleå tekniska universitet, Universitet eller högskola, 202100-2841
Sponsors, duration, budget: Vinnova ; 2023-05-01 -- 2026-04-30 ; 3 200 000 kronorRegistration number:
  • Vinnova 2023-00156
Subject(s): Abstract: Syfte och mål: Detta projekt syftar till att förbättra järnvägssystemens resiliens mot mikro- och makroklimatförändringar. Huvudmålet med detta projekt är att utveckla en skalbar AI-baserad plattform för kontaktledningssystemets Prognostics and Health Management (PHM) genom Digital Twin (DT) med tanke på klimatanpassning. Det föreslagna projektet kommer att utvecklas ovanpå ´AI Factory´ plattformen. AI Factory plattformen är en skalbar plattform utvecklad för att tillhandahålla anslutning, beräkning och skalbarhet både horisontellt och vertikalt. Förväntade effekter och resultat: De förväntade resultaten av projektet är: 1. En rapport om klimatrisker och sårbarheter hos järnvägskontaktledningen; 2. En innovativ och skalbar plattform för PHM av kontaktledning genom digital tvilling; 3. En demonstrator för klimatanpassning för kontaktledning för PHM;; 4. Utveckling av affärsmodeller för implementering av drift och underhåll. De långsiktiga effekterna är:1. Ökad kunskap och medvetenhet om klimatförändringar; 2. Expanderande innovationsplattform och lösningar som är skalbara dimensioner; 3. Förstärkning av samarbeten på nationell och internationell nivå. Upplägg och genomförande: Detta projekt kommer att utveckla och tillhandahålla en uppsättning modeller och algoritmer för intressenter, och dessutom en plattform för att synkronisera all funktionalitet. Plattformen är en viktig aspekt då projektet fokuserar på hybridmodellutveckling där de fysikbaserade modellerna kan vara en del av algoritmerna. Därmed fokuserar projektet på en helhetslösning för framtida utveckling, användning och integration i de befintliga systemen inom Trafikverket och andra möjliga järnvägsintressenter inom och utanför konsortiet på lång sikt.Abstract: urpose and goal: This project aims to improve the railway systems´ resilience towards micro and macro climate changes. The main objective of this project is to develop a scalable AI-based platform for the Prognostics and Health Management (PHM) of the catenary system through Digital Twin (DT) considering climate change adaptation.The proposed project will be developed on top of the AI factory platform. The AIFactory platform is a scalable platform developed to provide connectivity, computation, and scalability both horizontally and vertically. Expected results and effects: The expected results of the project are: 1.A report on climate risks and vulnerabilities of railway catenary; 2.An innovative and scalable platform for PHM of catenary through digital twin; 3.A demonstrator for climate change adaption for catenary for PHM; 4.Development of business models for implementation of operation and maintenance. The long-term effects are: 1.Increased knowledge and awareness of climate change´s; 2.Expanding innovation platform and solutions that are scalable dimensions 3.Strengthening of collaborations at national and international levels. Approach and implementation:This project will develop and provide a set of models and algorithms for stakeholders, and additionally a platform to synchronise all the functionality. The platform is an important aspect since the project focuses on hybrid model development where the physics-based models can be a part of the algorithms. Thus, the project focuses on a holistic solution for future development, use, and integration into the existing systems within TRV and other possible railway stakeholders within and outside the consortium in the long term.
Item type: