Е.Д. Ларионова1, О.В. Дружинина2

1, 2 Федеральный исследовательский центр «Информатика и управление» РАН (Москва, Россия)
1еva.sh.2363@gmail.com, 2odruzhinina@frccsc.ru

Постановка проблемы. В современных системах диагностики железнодорожной инфраструктуры генерируются большие объемы данных, требующие наукоемких и энергоэффективных методов обработки. Одним из перспективных направлений является применение интеллектуальных методов для анализа показаний путеизмерителей и прогнозирования состояния пути. В этом направлении следует выделить реализацию возможностей использования нейронных сетей для повышения точности диагностики и прогнозирования в системах управления железнодорожным транспортом. Кроме того, совершенствование методик оценки технического состояния железнодорожного пути по степеням отступлений является актуальной задачей. Ввиду наличия на практике ситуаций, когда состояние рельсовой колеи не соответствует принятой согласно нормативам степени отступлений, целесообразно разрабатывать новые математические модели, которые позволяют выполнять расчеты по отступлениям с учетом различных сочетаний параметров неровностей колеи.

Цель. Предложить подход к построению интеллектуальной системы поддержки принятия решений при оценке технического состояния железнодорожного пути, а также разработать алгоритм анализа отступлений от нормативов на основе математической модели и нейросетевой алгоритм для прогнозирования изменения технического состояния.
Результаты. Охарактеризованы диагностический и прогнозный модули интеллектуальной системы поддержки принятия решений при оценке технического состояния железнодорожного пути. Рассмотрена математическая модель для анализа отступлений с учетом входных параметров, разработан алгоритм и предложена программная реализация указанной модели. Исследована проблема подготовки данных в случае пограничных значений параметров по отступлениям от нормативов. Для реализации прогнозного модуля разработан алгоритм машинного обучения с применением рекуррентной нейросети. Приведены результаты вычислительных экспериментов в рамках изученной математической модели с интерпретацией качественных эффектов.

Практическая значимость. Результаты исследования могут быть использованы при решении задач создания и совершенствования автоматизированных систем управления техническим состоянием транспортных систем, задач моделирования технических систем с применением интеллектуального анализа.

Ларионова Е.Д., Дружинина О.В. Разработка диагностического и прогнозного модулей интеллектуальной системы поддержки принятия решений при оценке технического состояния железнодорожного пути // Нелинейный мир. 2025. Т. 23. № 4. С. 36–42. DOI: https://doi.org/10.18127/ j20700970-202504-04

1. Государственная программа «Развитие транспортной инфраструктуры», утвержденная постановлением Правительства РФ от 20.12.2017 № 1596.
2. Стратегия научно-технологического развития холдинга «РЖД» на период до 2025 года и на перспективу до 2030 года (белая книга), утвержденная распоряжением ОАО РЖД от 17.04.2018 г. № 769/р.
3. Озеров А.В., Куроптева А.П. Современные системы технической диагностики и мониторинга на железнодорожном транспорте // Наука и технологии железных дорог. 2024. Т. 8. № 1 (29). С. 3–13.
4. Платонов Е.Н., Просвирин К.В. Прогнозирование дефектов верхнего строения железнодорожного пути методами машинного обучения // Вестник компьютерных и информационных технологий. 2022. Т. 19. № 2. С. 8–18.
5. Корольков Е.П., Дружинина О.В., Ларионова Е.Д. Аналитическое и численное исследование математической модели для контроля ширины рельсовой колеи при отступлениях от нормативных параметров // Транспорт: наука, техника, управление. 2023. № 12. С. 32–37.
6. Инструкция по текущему содержанию железнодорожного пути, утвержденная распоряжением ОАО «РЖД» от 14 ноября 2016 г. № 2288р (в редакции распоряжения ОАО «РЖД» от 13 декабря 2023 г. № 3167/р).
7. Инструкция по оценке состояния рельсовой колеи путеизмерительными средствами и мерам по обеспечению безопасности движения поездов, утвержденная распоряжением ОАО «РЖД» от 28 февраля 2020 г. № 436/р (в редакции распоряжения ОАО «РЖД» от 12 декабря 2024 г. № 3099/р).
8. Людаговская М.А., Ларионова Е.Д. Применение гибридных нейронных сетей для прогнозирования изменения технического состояния железнодорожного пути // Нейрокомпьютеры: разработка, применение. 2025. Т. 27. № 2. С. 62–68.
9. Дружинина О.В., Локтев А.А. Дмитрашко А.В., Сычев П.В. Исследование математической модели прогнозирования технического состояния железнодорожного пути // Транспорт: наука, техника, управление. 2019. № 4. С. 3–11.
10. Дружинина О.В., Корепанов Э.Р., Петров А.А., Макаренкова И.В., Максимова В.В. Разработка инструментально-методического обеспечения для оценки технического состояния узлов транспортных систем с применением нейронных сетей, алгоритмов нечеткого и стохастического моделирования // Нейрокомпьютеры: разработка, применение. 2024. T. 26. № 2. С. 13−22.