Российские ученые разработали гибридную модель управления железнодорожными составами, которая объединяет классические законы физики с алгоритмами машинного обучения для оптимизации движения поездов. Эта модель демонстрирует точность расчетов траектории движения на 10‑15% выше, чем традиционные методы, что способствует снижению энергопотребления и износа подвижного состава.
Доцент Омского государственного университета путей сообщения Станислав Истомин отметил, что алгоритм позволяет создавать оптимальные стратегии управления поездами, адаптированные к конкретным условиям, таким как состояние путей, загрузка состава и рельеф местности. В будущем такие системы помогут железным дорогам сократить расходы на электроэнергию и продлить срок службы поездов, что особенно важно для длинных грузовых маршрутов.
Россия, имея самые протяженные железнодорожные пути в мире, активно использует их как для пассажирских, так и для грузовых перевозок, что требует значительных затрат электроэнергии. В связи с этим ученые и инженеры ищут способы оптимизации этих расходов.
Одним из эффективных способов снижения энергопотребления является использование алгоритмов, которые подбирают оптимальную скорость и режим движения поезда с учетом рельефа, ветра и других факторов. Существующие алгоритмы, основанные на физических моделях, не учитывают износ путей, погодные условия и особенности состава, что снижает их эффективность.
Российские исследователи предложили решение этой проблемы, объединив физические уравнения с методами машинного обучения в одной модели управления. Для обучения алгоритма использовались данные более чем 1 500 реальных поездок грузовых составов на различных участках Западно-Сибирской железной дороги.
Эти данные позволили алгоритму точно вычислять сопротивление, испытываемое поездом при различных режимах движения, включая те составляющие, которые не могли быть предсказаны теоретическими моделями. Это обеспечило высокую точность расчетов движения поездов по заданным маршрутам с расхождением между расчетным и реальным временем движения не более одной минуты. Это повышение точности на 10‑15%. В ближайшее время планируется проверка работы алгоритма в реальных условиях на российских железных дорогах.
Источник: ТАСС
распечатать статью
