Исследование эффективности машинного обучения в мониторинге сигнальной точки

Аннотация

Резюме. Устройства железнодорожной автоматики и телемеханики существуют уже достаточно давно, многие системы, будучи в эксплуатации, считаются устаревшими. При этом модернизация не успевает охватить все протяженные участки российских железных дорог. Внедрение систем мониторинга с начала 2000-x годов привело к более комфортному техническому обслуживанию громоздких систем сигнализации, централизации и блокировки СЦБ, сокращению времени поиска отказа в них. Во втором десятилетии XXI в. началось активное внедрение информационных технологий в разные сферы жизни, включая промышленность, однако в более медленном темпе, особенно на железнодорожном транспорте. Одной из инноваций стало появление ИИ – искусственного интеллекта, что на производстве привело к более прогрессивному поддержанию работоспособности устройств за счет прогнозирования предотказных состояний. В этом случае появляется возможность оповещения технического персонала интеллектуальной системой, обрабатывающей значимые параметры наблюдаемого объекта или процесса, тем самым заменяя ручной мониторинг, требующий времени и профессионального опыта.

Цель. Предложить использование методов искусственного интеллекта в устройствах железнодорожной автоматики на базе действующих систем технической диагностики и мониторинга.

Методы. Для создания, обработки и визуализации данных применяются методы машинного обучения без учителя на базе языка программирования Python. Результаты. Получен отклик моделей ИИ на аномальные изменения во временных характеристиках формирователей кода.

Заключение. Программа с поддержкой ИИ может являться ядром обработки данных мониторинга устройств СЦБ и требует тщательного исследования в прогнозировании их известных сбоев на сигнальной точке.