ОБОСНОВАНИЕ ФУНКЦИОНАЛЬНЫХ ВОЗМОЖНОСТЕЙ СИСТЕМЫ АВТОВЕДЕНИЯ ЭЛЕКТРОПОДВИЖНОГО СОСТАВА ПРИ РЕАЛИЗАЦИИ БЕСПИЛОТНЫХ ТЕХНОЛОГИЙ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Ключевые слова:
электроподвижной состав, автоведение, цифровая железная дорога, энергооптимальный, путь, уровни автоматизации.Аннотация
Актуальность работы заключается в поиске новых методов и средств повышения эффективности эксплуатации электроподвижного состава железных дорог в связи с внедрением новых уровней автоматизации управлением локомотива предусматривающие минимальное участие машиниста в процессе движения. В работе выполнен сравнительный анализ совершенствования беспилотных технологий на электроподвижном составе при переходе на более высокие уровни автоматизации. Также поставлена цель исследования, которая подразумевает применение искусственного интеллекта для реализации беспилотных технологий при внедрении данного функционала в систему автоведения. Также в таблице отдельно представлено сравнение каждого уровня автоматизации по различным критериям. В заключении статьи представлены функциональные возможности системы автоведения с применением беспилотных технологий на последнем уровне автоматизации (G0A4).
Библиографические ссылки
Долгосрочная программа развития открытого акционерного общества «Российские железные дороги» № 466р. Утв. Указом Президента Российской Федерации от 07.05.2018. / Правительство Российской Федерации. М., 2019. 135 с.
О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года № 466р. Утв. Указом Президента Российской Федерации от 07.05.2018. / Президент Российской Федерации. М., 2018. 19 с.
Концепция реализации комплексного научно технического проекта «Цифровая железная дорога» № 1285р. Утв. распоряжением ОАО «РЖД» от 05.12.2017. / ОАО «РЖД». М., 2017. 92
Малахов, С.В. Оптимизация энергозатрат на тягу поездов на основе уточненного метода тяговых расчётов: специальность 05.22.07 «Подвижной состав железных дорог, тяга поездов и электрификация»: диссертация на соискание учёной степени кандидата технических наук/ Малахов Сергей Валерьевич; Российский университет транспорта. – Москва, 2021. – с. 6-12.
Перестенко, А.Ю. Повышение эффективности использования магистральных грузовых электровозов посредством управления режимами эксплуатации: специальность 05.22.07 «Подвижной состав железных дорог, тяга поездов и электрификация»: автореферат диссертации на соискание учёной степени кандидата технических наук/ Шантаренко Сергей Георгевич; Омский государственный университет путей сообщения. – Омск, 2021. – с. 5-15.
Баранов, Л.А. Автоматизированные системы управления электроподвижным составом: учебник в 3 ч. Ч. 1. Теория автоматического управления / Л.А. Баранов, А.Н. Савоськин, О.Е. Пудовиков и др.; под ред. Л.А. Баранова и А.Н. Савоськина. – Москва, 2014. 400 с.
Баранов, Л.А. Микропроцессорные системы автоведения подвижного состава / Л.А. Баранов, Я.М. Головичер, Е.В. Ерофеев, В.М. Максимов; под ред. Л.А. Баранова. – М.: Транспорт, 1990. 272 с.
Баранов, Л.А. Оптимизация управления движением поездов : учеб. пособие / Л.А. Баранов, Е.В. Ерофеев, И.С. Мелешин, Л.М. Чинь; под ред. д.т.н., проф. Л.А. Баранова. – Москва. МИИТ, 2001.164 с.
Мугинштейн, Л.А., Лисицын А.Л. Нестационарные режимы тяги (Сцепление. Критическая норма массы поезда). – Момсква: Интекст, 1996.
с.
Benedikt Eberhardinger; Wolfgang Reif; Franz Wotawa; Tom Holvoet. Quality Assurance for Self-Adaptive, Self-Organising Systems (Message from the Workshop Organisers). 2014 IEEE Eighth International Conference on Self-Adaptive and Self-Organizing Systems Workshops. DOI: 10.1109/SASOW.2014.30
Guojian Cheng; Tianshi Liu; Xiaoxiao Wang; Quanzhou Huang. Rapid Training for Self-Organizing Neural Networks with Incremental. 2006. Sixth International Conference on Intelligent Systems Design and Applications. DOI: 10.1109/ISDA.2006.222
Y. Kawauchi; M. Inaba; T. Fukuda. Self-organizing intelligence for cellular robotic system 'CEBOT' with genetic knowledge production algorithm. Proceedings 1992 IEEE International Conference on Robotics and Automation. DOI: 10.1109/ROBOT.1992.220269.
Thomas B. Sheridan. Adaptive Automation, Level of Automation, Allocation Authority, Supervisory Control, and Adaptive Control: Distinctions and Modes of Adaptation. 2011. IEEE Transactions on Systems, Man, and Cybernetics - Part A: Systems and Humans. DOI: 10.1109/TSMCA.2010.2093888
Scheepmaker, G.M., Pudney, P.J., Albrecht, A.R., Goverde, R.M.P., Howlett, P.G. Optimal running time supplement distribution in train schedules for energy-efficient train control. (2020) Journal of Rail Transport Planning and Management, 14, статья № 100180. DOI:10.1016/j.jrtpm.2020.100180.
Phalgun Madhusudan; DB Rathankumar; K Aishwarya; G S Anitha. Computationally Efficient Algorithms and High-Speed ASIC design for Railway Gate Automation. 2018 Second International Conference on Computing Methodologies and Communication (ICCMC). DOI: 10.1109/ICCMC.2018.8488089.
