УДК 621.317.791

Универсальный прибор диагностирования устройств железнодорожной автоматики и телемеханики на основе искусственного интеллекта

Куров Давыд Алексеевич – студент Красноярского института железнодорожного транспорта – филиала Иркутского государственного университета путей сообщения.

Косиков Алексей Алексеевич – студент Красноярского института железнодорожного транспорта – филиала Иркутского государственного университета путей сообщения.

Научный руководитель Новиков Павел Вадимович – кандидат физико-математических наук, доцент кафедры Систем обеспечения движения поездов Красноярского института железнодорожного транспорта – филиала Иркутского государственного университета путей сообщения.

Аннотация: В статье предложена концепция прибора для выявления и устранения неисправностей устройств сигнализации централизации и блокировки (СЦБ) нового поколения. Данный прибор и его программное обеспечение (ПО) на базе искусственного интеллекта предоставят возможность находить неполадки и предоставлять инструкцию по их устранению. Предлагается сделать прибор и ПО универсальным, что позволит экономить бюджет на устройствах диагностики.

Ключевые слова: диагностика устройств СЦБ, универсальный прибор, искусственный интеллект.

Введение

Искусственный интеллект (ИИ) радикально меняет множество отраслей, и железнодорожный транспорт не стал исключением. Современные диагностические устройства автоматики и телемеханики, оснащенные ИИ, значительно улучшают эффективность и надежность железнодорожной инфраструктуры.

В прошлом, диагностика и обслуживание железнодорожного оборудования были основаны на традиционных подходах, таких как ручная проверка и регулярное обслуживание по расписанию. Однако, эти методы требовали больших затрат времени и ресурсов, и, к сожалению, не всегда могли обнаружить проблемы на самой ранней стадии их появления.

С появлением ИИ появились новые возможности. Диагностические устройства, оснащенные ИИ-алгоритмами, способны обрабатывать огромные объемы данных, что позволяет им выявлять и анализировать даже незначительные отклонения параметров устройств СЦБ. Это позволяет предотвращать поломки и аварии, а также планировать ремонтные работы заранее, сокращая время простоя и увеличивая безопасность.

О приборе

Искусственный интеллект планируется реализовать на языке Python, так как он простой, масштабируемый и гибкий, а также на нем написаны несколько библиотек для работы с ИИ.

Параметры разрабатываемого прибора:

  • Модифицируемость;
  • Надежность;
  • Простота;
  • Быстродействие;
  • Возможность ввода-вывода информации;
  • Мобильность;
  • Доступная цена;
  • Универсальность.

Одно из главных преимуществ ИИ-диагностики заключается в его способности обучаться на основе опыта и анализа данных. Алгоритмы ИИ могут обрабатывать большие объемы информации, сравнивать и анализировать ее, и на основе полученных знаний делать точные прогнозы и рекомендации. Это позволяет предотвращать не только текущие проблемы, но и прогнозировать будущие.

Другим важным аспектом ИИ-диагностики является ее способность к самообучению. Диагностические устройства, использующие ИИ, могут адаптироваться к изменяющимся условиям и среде, путем накопления и анализа новых данных. Это позволяет им постоянно улучшаться, быть более точными и эффективными с течением времени. Также с накоплением новых данных в памяти, данный прибор сможет гораздо быстрее выявлять какую – либо неисправность.

Прибор обнаружит неисправность и на экране, который выводит параметры и вид неисправностей, покажет полный алгоритм по устранению данной неисправности.

Если же сравнивать прибор на базе ИИ и традиционные методы диагностики, то можно выделить их сходства и различия. К сходствам можно отнести: Цель – ведь оба случая направлены на обеспечение безопасности и эффективной работы железнодорожной системы; Точность – оба данных метода стремятся к точности диагностики, дабы предотвратить разного рода аварии.

К различиям относятся: Анализ данных – прибор на базе ИИ может анализировать больше объема данных и параллельно обучаться на них, это и позволяет делать более точные выводы; Скорость – прибор основанный на базе ИИ может работать в разы быстрее, чем люди, это позволяет проводить диагностику в онлайн режиме; Взаимодействие – традиционные методы диагностики устроены так, что им необходимо взаимодействие с человеком, в то время как прибор на базе ИИ может работать без участия человека.

Алгоритмы искусственного интеллекта, применяемые в приборах в железнодорожной автоматики и телемеханики, могут включать в себя различные методы обучения, компьютерного зрения и другие технологии. Например, для диагностики состояния железнодорожных систем приборы на базе ИИ могут использовать алгоритмы классификации, регрессии и кластеризации для проведения анализа данных о работе оборудования. Они могут обучаться на данных прошедших времен о сбоях и авариях, чтобы предвидеть возможные проблемы и давать рекомендованные меры по предотвращению этих проблем.

Также, приборы на базе ИИ могут использовать алгоритмы компьютерного зрения для мониторинга состояния приборов автоматики и телемеханики например, для обнаружения дефектов на релейных шкафах или сигнальных устройствах.

Кроме того, алгоритмы обработки могут быть использованы для анализа отчетов обслуживающего персонала и автоматического создания рекомендаций по техническому обслуживанию и ремонту оборудования.

Заключение

Искусственный интеллект в диагностических устройствах автоматики и телемеханики на железнодорожном транспорте является прорывом в области обслуживания и безопасности. Он позволяет раннее обнаружение проблем, оптимизацию обслуживания и предотвращение аварий. Благодаря применению ИИ, железнодорожные системы становятся более надежными, эффективными и безопасными для пассажиров и перевозимого груза.

Список литературы

  1. Университет Национальной технологической инициативы 2035 [Электронный ресурс]. URL:https://pt.2035.university/project/universalnyj-monoblok-diagnostiki-zat (дата обращения 22.11.2023).
  2. Меркульев, А. Ю. Системы охлаждения полупроводниковых электрорадиоизделий / А. Ю. Меркульев, Н. В. Горячев, Н. К. Юрков. – Текст : непосредственный // Молодой ученый. – 2013. – № 11 (58). – С. 143-145. – URL: https://moluch.ru/archive/58/8228/ (дата обращения: 22.11.2023).
  3. Как учится машина: Революция в области нейронных сетей и глубокого изучения / Ян Лекун. – Пер. с фр. – М. : Альпина ПРО, 2021 – 335 с. (дата обращения: 22.11.2023).
  4. Сапожников В.В. и др. Станционные системы автоматики: Учебник для вузов. М.: Транспорт, 2000. - 432с. (дата обращения: 22.11.2023).
  5. Сороко В.И., Милюков В.А. Аппаратура железнодорожной автоматики и телемеханики: Справочник в двух книгах. М.:НПФ «Планета», 2000. - 1008с. Нормативно - технические документы: (дата обращения: 22.11.2023).
  6. Правила технической эксплуатации железных дорог Российской Федерации ЦРБ-756, 2000." 190с. (дата обращения: 22.11.2023).
  7. Инструкция по обеспечению безопасности движения поездов при производстве работ по техническому обслуживанию и ремонту устройств СЦБ ЦШ-530. М.: Транспорт, 1998. -64с. (дата обращения: 22.11.2023).

Интересная статья? Поделись ей с другими: