Применение нейронных сетей для решения задач классификации при выявлении неисправностей транспортных систем

Постановка проблемы. Разработка инструментально-методического обеспечения для построения и анализа нейросетевых моделей для диагностирования состояния технических (транспортных) систем - актуальное направление, связанное с внедрением цифровых технологий. Применение нейронных сетей для обработки данных в задачах выявления неисправностей и оценки технического состояния элементов и узлов транспортных систем позволяет расширить стандартные возможности информационно-управляющих систем.

Цель. Рассмотреть возможность применения методов нейросетевого моделирования в решении задач, направленных на выявление неисправностей элементов и узлов транспортных систем, провести анализ моделей функционирования буксовых узлов железнодорожных вагонов с помощью интеллектуального анализа данных, а также определить параметры нейронной сети и предложить алгоритм машинного обучения для технического диагностирования неисправностей буксовых узлов железнодорожных вагонов.

Результаты. Представлен модифицированный подход к моделированию технических систем, направленный на разработку методов выявления неисправностей буксовых узлов железнодорожных вагонов с помощью интеллектуального анализа данных. Проведен анализ методов, базирующихся на математической статистике, и нейросетевых методов для обнаружения неисправностей буксовых узлов железнодорожных вагонов. Рассмотрена задача классификации применительно к анализу неисправностей буксовых узлов железнодорожных вагонов по температурным признакам. Предложен вариант нейронной сети подходящей архитектуры с учетом признаков, используемых на практике при определении греющихся букс. Разработан алгоритм машинного обучения нейронных сетей для решения задачи классификации.

Практическая значимость. Полученные результаты могут быть использованы при создании методического и инструментального обеспечения для решения задач технического диагностирования транспортных систем с применением методов искусственного интеллекта. Предложенный подход к моделированию технических систем может найти применение при разработке интеллектуальных транспортных систем и совершенствовании технологий цифровых двойников.