Исследователи Петербургского государственного университета путей сообщения выявили потенциал интеграции многоагентных и нейросетевых технологий в информационно-управляющие системы поездов. Решение будет способствовать повышениь надежности и адаптивности диагностики. Обследование подвижного состава усложняется с появлением новых технологий, железнодорожному транспорту требуются принципиально иные подходы, которые могли бы автономно осуществлять проверочные мероприятия.

Это может быть реализовано при применении множества интеллектуальных систем, каждая из которых непрерывно анализирует состояние определенной группы датчиков.

Второй подход предполагает осуществление контроля за датчиками с помощью искусственного интеллекта. Авторы исследования пришли к выводу, что оба этих метода могут быть реализованы совместно в гибридном формате.

В ходе исследования были выявлены преимущества синергетического эффекта при внедрении гибридного подхода. В частности, за счет применения множества интеллектуальных агентов появляется возможность осуществлять анализ данных различных узлов. При этом ИИ способен учиться на «ошибках прошлого», то есть, выявлять ранние признаки скорого выхода из строя оборудования.

Применение как многоагентных, так и нейросетевых технологий требует больших вычислительных мощностей и создания инфраструктуры передачи данных. Поэтому авторы исследования считают перспективным развитие облачной инфраструктуры для хранения информации.

Расширение подходов к диагностике подвижного состава требует внедрения интеллектуальных систем, чтобы предотвращать поломку элементов за счет проведения внепланового ремонта при малейших неисправностях. Их выявление возможно с помощью гибридного подхода, когда датчики зафиксируют отклонение от показателей, а ИИ их анализирует и устанавливает, какова вероятность поломки.

«Использование технологии нейронных сетей позволяет не только точно и своевременно прогнозировать возможные сбои, но и гибко адаптироваться к новым условиям эксплуатации», – говорят авторы исследования.

Функции подвижного состава сейчас переживают трансформацию. В частности, совершенствуются технологии автовождения, виртуальной сцепки и появления беспилотных систем управления поездами. Все эти системы подразумевают внедрение инновационных подходов к информационным системам управлению поездами. Поэтому внедрение многоагентного и нейросетевого подхода для диагностики подвижного состава открывает возможности для интеграции этих систем с теми, что будут осуществлять движение поездов без участия человека.