도시 자기부상 열차 사고에서, 400km/h로 달리던 열차가 방호벽에 스치면서 철도 업계에 경보가 울렸습니다. 원인은 불과 몇 밀리미터의 지반 침하로, 이는 미세한 전자기 유도장을 왜곡시킬 수 있었습니다. 해결책은 육안 검사가 아니라, LiDAR 데이터, 전자기 시뮬레이션 및 인프라 모델을 통합한 정밀한 디지털 트윈을 만드는 데 있습니다.
기술 워크플로우: RIEGL, Bentley 및 Ansys Maxwell 🚄
프로세스는 RIEGL ScanData 시스템을 사용한 장거리 이동 스캔으로 시작되며, 선로 형상을 서브밀리미터 정밀도로 포착합니다. 이 포인트 클라우드는 Bentley OpenRail로 가져와 선로, 지지대 및 방호벽을 포함한 철도 인프라를 모델링합니다. 중요한 단계는 이 모델을 Ansys Maxwell로 전송하여 유도 전자석에 의해 생성된 전자기장을 시뮬레이션하는 것입니다. 침하로 인해 열차와 선로 사이의 거리가 몇 밀리미터라도 변하면 측정 가능한 자기 흐름 변화로 이어집니다. 이 디지털 트윈을 통해 예측 시뮬레이션을 실행할 수 있습니다. 정기적인 스캔 데이터를 입력하면 시스템은 물리적 접촉이 발생하기 전에 유도장이 저하되는 지점을 경고할 수 있습니다.
중요 인프라의 사전 예방적 유지보수를 향하여 🛤️
이 사례는 디지털 트윈이 단순한 시각적 표현이 아니라 기능적인 시뮬레이션 모델임을 보여줍니다. Bentley OpenRail 및 Ansys Maxwell과 같은 도구의 통합은 LiDAR 스캔을 고속 인프라를 위한 조기 경보 시스템으로 전환합니다. 철도 유지보수의 미래는 잠재적 고장이 발생하기 전에 이를 감지하는 데 있으며, 여기서 밀리미터가 안전과 재앙을 가릅니다. 이제 질문은 사고가 발생할지 여부가 아니라, 디지털 트윈이 우리가 먼저 개입할 수 있게 해주는 시기와 장소입니다.
분산 광섬유 센서와 실시간 디지털 트윈을 통합하여 고속 주행 시 열차 안전을 위협하기 전에 자기부상 선로의 밀리미터 단위 침하를 감지하는 방법은 무엇입니까?
(추신: 디지털 트윈 업데이트를 잊지 마세요. 그렇지 않으면 실제 트윈이 불평할 것입니다)