Современные системы технической диагностики и мониторинга на железнодорожном транспорте

В статье представлен обзор современных средств контроля состояния пути и сооружений на основе перспективных цифровых технологий, предложена общая структура перспективной системы управления движением поездов с интегрированной в нее средствами диагностики и мониторинга. Приведены практические примеры внедрения различных технологий с использованием интеллектуальных средств диагностики и мониторинга.

1. Шарко, А. В. Автоматизация организации работ повысит эффективность / А. В. Шарко // Автоматика, связь, информатика. 2022. № 2. С. 34-38.

2. Комплексные системы диагностирования грузового подвижного состава / А.Е. Хатламаджиян, В.В. Шаповалов, В.В. Кудюкин [и др.] // Труды АО «НИИАС»: Сборник статей. Москва: Типография АО «Т 8 Издательские Технологии», 2021. С. 108-117.

3. Диагностика – составная часть цифровой железной дороги [Электронный ресурс] / URL: http://eav.ru/publ1.php?publid=2019-08a07 (дата обращения: 09.11.2023).

4. Peinado Gonzalo, A. Railway Track and Vehicle Onboard Monitoring: A Review [Text] / Alfredo Peinado Gonzalo, Mani Entezami, Paul Weston, Clive Roberts, Fausto Pedro Garcia Marquez; International Conference on Management Science and Engineering Management, Cape Town, South Africa. // E3S Web Conf. – 2023. – Vol. 409. – pp. 3-4.

5. Безопасность России. Правовые, социально-экономические и научно-технические аспекты. Тематический блок «Безопасность железнодорожного транспорта». Научные основы функциональной безопасности железнодорожного транспорта. Научный руководитель член-корреспондент РАН Махутов Н.А. – М.: МГОФ «Знание», 2023. – 560 с.

6. Долгий, А.И. Облачные технологии для ответственных систем железнодорожного транспорта / А.И. Долгий, Е.Н. Розенберг, А.В. Озеров. – Текст: непосредственный // Железнодорожный транспорт: Ежемесячный научно-теоретический технико-экономический журнал. – 2023. – № 11.

7. Cheng, C. [Text] / Wang, J., Chen, H., Chen, Z., Luo, H., Xie, P. A Review of Intelligent Fault Diagnosis for HighSpeed Trains: Qualitative Approaches // Entropy. – 2021. – No.23,1. – pp. 1-33.

8. Озеров, А. В. Предиктивная аналитика с использованием Data Science на железнодорожном транспорте / А. В. Озеров, А. М. Ольшанский, А. П. Куроптева // Наука и технологии железных дорог. – 2020. – Т. 4, № 4(16). – С. 63-76.

9. Quan, X. A Platform for Fault Diagnosis of High-Speed Train based on Big Data [Text] / Xu Q., Zhang P., Liu W., Liu Q., Liu C., Wang L., Toprac A., Qin S. J. // IFAC PapersOnLine. – 2018. – pp. 309-314.

10. Применение методов машинного обучения для прогнозирования опасных отказов объектов железнодорожного пути / И. Б. Шубинский, А. М. Замышляев, О. Б. Проневич [и др.] // Надежность. – 2020. – Т. 20, № 2. – С. 43-53.

11. A De Rosa, R Kulkarni, A Qazizadeh, M Berg, E Di Gialleonardo, A Facchinetti, S Bruni. Monitoring of lateral and cross level track geometry irregularities through onboard vehicle dynamics measurements using machine learning classification algorithms. [Электронный ресурс] / URL: https://journals.sagepub.com/doi/full/10.1177/0954409720906649#con2 (дата обращения:13.11.2023).

12. Павловский, А.А. К концепции внедрения информационного моделирования в железнодорожном транспортном комплексе / А.А. Павловский, А.В. Озеров, А.П. Куроптева // Наука и технологии железных дорог. – 2022. – Т. 6, № 3(23). – С. 20-31.

13. Hankan, L. Integrated representation of geospatial data, model, and knowledge for digital twin railway [Text] / Hankan L. Qing Z., Liguo Z., Yulin D., Yongxin G., Haoyu W., Qiang W., Runfang Z., Mingwei L., Yan Z. // International journal of digital earth. – 2022, Vol. 15 (No. 1). – pp. 1657-1675.

14. Каталог продукции Esimgroup. [Электронный ресурс] / URL: http://www.esimgroup.net/wp-content/uploads/2017/02/Esim_brochure_sistemi_diagnostica_ENG_web.pdf (дата обращения: 08.11.2023).