Гибридный алгоритм позволит использовать оптимальные стратегии управления железнодорожными составами
Российские исследователи разработали гибридную модель управления поездом, объединившую классические физические законы с алгоритмами машинного обучения. Новый подход на 10–15% точнее традиционных методов рассчитывает траекторию движения состава, что позволяет заметно сократить расход электроэнергии и износ поездов на российских железных дорогах, сообщили в пресс-службе Российского научного фонда (РНФ).
Россия входит в тройку стран с самыми протяженными железнодорожными путями, более трети которых электрифицированы. Они активно используются и для пассажирских, и для грузовых перевозок, поэтому на работу подвижного состава и всей инфраструктуры уходят большие объемы электроэнергии. Это и подталкивает инженеров и ученых искать способы оптимизировать расходы, отметили в РНФ.
Сократить потребление электричества можно с помощью алгоритмов, которые подбирают оптимальную скорость и режим движения поезда с учетом рельефа, силы ветра, сопротивления на подъемах и других факторов, влияющих на энергозатраты. Однако существующие алгоритмы на базе физических моделей не учитывают износ путей, погодные условия и особенности конкретного состава, что снижает их эффективность.
Чтобы решить эту проблему, российские исследователи впервые объединили в одной модели управления движением физические уравнения с методами машинного обучения. Помимо теоретических формул, в алгоритм заложили данные более чем 1 500 реальных поездок грузовых составов с электровозами на разных участках Западно-Сибирской железной дороги. На этих данных обучили алгоритм, способный вычислять сопротивление, которое испытывает поезд при разных вариантах движения, включая те составляющие, которые не предсказывали теоретические модели. Это позволило математически точно описать движение поездов по заданным маршрутам: расхождение между расчетным и реальным временем движения не превышало одной минуты, а качество расчетов выросло на 10–15%.
«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», — пояснил доцент Омского госуниверситета путей сообщения Станислав Истомин.
Исследование поддержано грантом РНФ и правительством Омской области, его результаты опубликованы в журнале «Вестник ВНИИЖТ». В ближайшее время работу алгоритма проверят в реальных условиях эксплуатации на российских железных дорогах.
Как писал ранее «Монокль», на сортировочной станции Челябинск-Главный завершился первый этап испытаний Центра автоматизации маневровой работы — ключевого элемента Цифровой железнодорожной станции. Комплекс, по сути являющийся «мозгом» узла, управляет движением маневровых локомотивов в полностью автоматическом режиме, без участия человека. Система собирает информацию, подключаясь к устройствам централизации: получает данные о состоянии светофоров и положении стрелок. Затем она формирует маршрутные задания и передает команды непосредственно на борт беспилотных локомотивов, оснащенных системой «Автомашинист». В настоящее время в тестовом режиме на станции работают два маневровых тепловоза — ТЭМ7А и ТЭМ23.