Off-Highway-Twins

  Bild von einem Bagger Urheberrecht: © ifas

Vorhandene Geodaten von unterschiedlichen Geländen, wie Baustellen oder Landwirtschaft sind von äußerster Relevanz für den Betrieb von Off-Highway-Twins. Im Rahmen des „Off-Highway-Twins“ Projekts wird in gemeinsamer Kooperation zwischen dem ifas, dem Institut für Mensch-Maschine-Interaktion und dem Institut für Maschinenelemente und Systementwicklung eine Machbarkeitsstudie durchgeführt. Das Vorhaben untersucht in welchem Umfang und mit welchen Methoden rohe Sensordaten von mobilen Arbeitsmaschinen geeignet sind, um aus diesen weiteren Informationen zu synthetisieren und Geodatensätze in Cloud-Datenbanken zu aktualisieren. 

 
Nutzen Vorgehen

Ausnutzung der gesammelten Sensormessdaten

Umrüsten des Baggers mit Sensorik

Ableitung eines Digitalen Zwillings aus vorhandenen Daten

Erstellung eines Digitalen Zwillings

Zwischenschritt zur automatisierten Datenbankaktualisierung

Erprobung auf einem Testgelände der RWTH

Kontakt

Telefon

work
+49 241 80 47724

E-Mail

E-Mail
 

Off-Highway-Twins

Mobile Arbeitsmaschinen erzeugen in ihren unterschiedlichsten Ein-satzszenarien zunehmend große Mengen an Daten. Diese Daten bleiben in der Regel ungenutzt und ihr Potenzial wird somit verschenkt. Ein Verbund von Forschungseinrichtungen der RWTH Aachen University und das Center for Mobile Machinery hat gemeinsam im Rahmen der durch das BMDV geförderten Studie „Off-Highway-Twins“ untersucht, welche Daten im Arbeitsalltag mobiler Arbeitsmaschinen anfallen und wie aus diesen laufend Informationen abgeleitet werden können. Die in dieses Projekt eingebundenen Forschungsinstitute, das Institut für fluidtechnische Antriebe und Systeme (ifas), das Institut für Mensch-Maschine-Interaktion (MMI) und das Institut für Maschi-nenelemente und Systementwicklung (MSE), beschäftigten sich im Rahmen des Forschungsprojekts „Off-Highway-Twins“ (Mach1nUp2Date) mit dieser Fragestellung. Konkret ging es darum, in welchem Umfang und mit welchen Methoden die von mobilen Arbeitsmaschinen erhobenen Sensordaten geeignet ausgewertet werden können, um aus diesen weitere Informationen zu synthetisieren und in Cloud-Datenbanken bereitzustellen.

 

Ausgangssituation in Deutschland

Heutzutage stellen die Bundes- und Landesbehörden eine Vielzahl unterschiedlicher (Geo-) Daten bereit, welche für Off-Highway-Fahrzeuge auf Baustellen, im Wald, in der Landwirtschaft sowie in weiteren Bereichen von äußerster Relevanz sind. Betrachtet man die Aktualität dieser Daten, so stellt man fest, dass diese variiert. In Nordrhein-Westfalen sind Luftbilder bis zu drei Jahre und Geländemodelle bis zu sechs Jahre alt. Die Auflösung dieser Daten beläuft sich meist auf 20 cm/Pixel bei Luftbildern und 0,5 m bei Geländemodellen. Hinzu kommt, dass Luftbilder oft unter Lageungenauigkeit aufgrund von Parallaxeffekten leiden und andere Datenquellen, wie beispielsweise die Bodenkarte, oftmals nicht ausreichend aufgelöst sind. Diese Tatsachen führen bei der Nutzung der Daten häufiger zu Informationslücken.

 

Mobile Maschinen als Sensor

Mobile Off-Highway-Fahrzeuge wie beispielsweise Radlader oder Mobilbagger sind mit diversen Sensoren ausgestattet, welche vom Hersteller für den Maschinenbetrieb eingebaut wurden. Mittels dieser Sensorik werden im Betrieb in den unterschiedlichen Arbeitsumgebungen kontinuierlich Daten gesammelt. Viele mobile Off-Highway-Maschinen operieren in Umgebungen, für welche nur wenig detaillierte Datensätze unmittelbar verfügbar sind. Hier bietet die tiefere Auswertung der Sensordaten der Maschine das Potential, diese Lücke zu schließen. Heutzutage werden die von den Sensoren gesammelten Daten jedoch nur selten dahingehend ausgewertet, um weitere Informationen über die Umwelt zu erhalten und diese dann zur Erweiterung der vorhandenen Datenquellen für die Allgemeinheit zugänglich zu machen.

 

Ermittlung des Potentials von gesammelten und aufbereiteten Sensordaten

Das Vorhaben beschäftigte sich damit, inwieweit die durch diverse Sensoren gesammelten Daten aufbereitet und weitere Informationen gewonnen werden können. Zu diesem Zweck wurde eine mobile Arbeitsmaschine mit moderner Sensortechnik ausgestattet, welche zur Ermittlung von Umgebungsmerkmalen und Bodenbeschaffenheit eingesetzt wird. Für die getätigte Studie wurden umfangreiche Testfahrten in verschiedenen Umgebungsszenarien durchgeführt, um entsprechende Datenmerkmale miteinander zu vergleichen. Die anschließende Datenverarbeitung zeigte unter anderem, dass mit Hilfe indirekter Messdaten, wie beispielsweise dem Druck eines Zylinders, die Beschaffenheit der Wege ebenso ermittelt werden kann, wie die Auslenkung eines Beschleunigungssensors. Neben der topographischen Beschaffenheit des Untergrunds kann zudem über den Schlupf der Räder eine Aussage über die Griffigkeit des Bodens geschlossen werden. Des Weiteren wurde die Möglichkeit geschaffen, die Grabmenge zu ermitteln. Mit Hilfe von Laserscannern konnte zudem die Umgebung und Vegetation detailliert dargestellt werden. Die genannten Merkmale und viele weitere ließen sich durch GPS-Empfänger einer eindeutigen Position zuordnen, wodurch es möglich war, die Versuchsumgebung detailliert zu beschreiben und die fortschreitende Veränderung der Arbeitsumgebung aufzunehmen. Die erzielten Erkenntnisse wurden zum Abschluss des Projekts einem breiten Konsortium im Rahmen eines Workshops vorgestellt.

 

Anwendungsmöglichkeiten und Ausblick

Die getätigten Forschungsarbeiten zeigen ein großes Potenzial der Erfassung von Rohdaten eines mobilen Fahrzeuges und ihrer Informationsextraktion. Ein weiteres Forschungspotenzial ergibt sich hinsichtlich der Schließung von Informationslücken auf den verschiedenen Open-Source-Cloud-Datenbanken. Dies erleichtert und verbessert die Durchführung und Planung von Bauprozessen und kann somit zu einer Kostensenkung bei Bauprozessen führen. Des Weiteren bieten ausführliche Geodaten einen Grundstein für die Realisierung von autonomen Bauprozessen.

 

Danksagung

Das Projekt wurde vom Bundesministerium für Digitales und Verkehr (BMDV) gefördert. Ein besonderer Dank gilt zudem den Projektpartnern das Institut für Mensch-Maschine-Interaktion (MMI) und das Institut für Maschinenelemente und Maschinengestaltung (MSE) für die erfolgreiche Zusammenarbeit.

  Logo BMDV Urheberrecht: © BMDV   Logo mFund Urheberrecht: © mFund