Ученые создали гибридную модель управления поездом, которая сочетает классические законы физики с алгоритмами машинного обучения. Эта модель позволяет на 10–15% точнее традиционных методов рассчитать траектории движения состава, требующие меньше энергии. Разработка поможет снизить расход электроэнергии и износ поездов на российских железных дорогах. Результаты исследования, поддержанного грантом Российского научного фонда (РНФ) и Правительством Омской области, опубликованы в журнале «Вестник ВНИИЖТ».
По российским железным дорогам транспортируется большое количество грузов — уголь, нефтепродукты, строительное сырье, металлы и другие промышленно важные материалы. Кроме того, в нашей стране хорошо развиты пассажирские железнодорожные перевозки. Все они требуют огромных затрат электроэнергии, поскольку именно на ней работают электровозы — основной вид тяги на железных дорогах. Поэтому нужно оптимизировать движение поездов: сокращать время в пути и уменьшать затраты электроэнергии при выполнении маршрутов.
В этом помогают математические алгоритмы автоведения, которые рассчитывают оптимальный режим движения — то есть показывают, где машинисту стоит набрать скорость, а где, напротив, замедлиться, чтобы сэкономить энергию. Но существующие инструменты основаны только на теоретических физических моделях: они учитывают силы трения, воздействие ветра, сопротивление на подъемах и не берут в рассмотрение реальные условия — износ путей, такие погодные явления как снег и дождь, а также особенности конкретного состава. Поэтому нужны новые более точные алгоритмы.
Ученые из Омского государственного университета путей сообщения (Омск) впервые объединили в одной модели физические уравнения движения поезда с методами машинного обучения. Так, помимо теоретических формул, исследователи «заложили» в алгоритм записи более чем 1500 реальных поездок грузовых составов с электровозами на участках Западно-Сибирской железной дороги.
Эти записи были сделаны регистраторами, установленными в электровозах. Такие устройства посекундно снимали информацию о скорости составов, работе их двигателей, нагрузках на тормоза и траекториях движения. Авторы обучили компьютерный алгоритм по этим данным вычислять все сопротивление, которое испытывает поезд во время разных вариантов движения, в том числе составляющие, которые не могли предсказать теоретические модели.
Полученный инструмент позволил математически описать движение поездов по заданным маршрутам с высокой точностью: расхождение рассчитанного и реального времени движения не превышало одной минуты.
«Наш алгоритм позволит разрабатывать оптимальные стратегии управления железнодорожными составами, адаптированные к конкретным условиям — состоянию путей, загрузке состава, рельефу местности. В перспективе такие системы помогут железным дорогам экономить электроэнергию и продлить срок службы поездов, что особенно важно для дальних грузовых перевозок. В дальнейшем мы планируем согласовать и апробировать в реальных условиях эксплуатации предложенную гибридную модель управления поездом с основным разработчиком систем автоведения — компанией ООО "АВП Технология" и генеральным заказчиком — Дирекцией тяги — филиалом ОАО "РЖД"», — рассказывает руководитель проекта, поддержанного грантом РНФ, Станислав Истомин, кандидат технических наук, доцент кафедры «Подвижной состав электрических железных дорог» Омского государственного университета путей сообщения.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
