КОНЦЕПТУАЛЬНОЕ ПОСТРОЕНИЕ МОДЕЛИ ДЛЯ АВТОМАТИЗИРОВАННОЙ САМООБУЧАЕМОЙ СИСТЕМЫ ФУНКЦИОНАЛЬНОГО КОНТРОЛЯ И ДЕТЕКТИРОВАНИЯ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА

Аннотация

Обеспечение надежной и безаварийной работы всех железнодорожных и высокотехнологичных систем является одной из приоритетных задач в области научных разработок, связанных с эксплуатацией и модернизацией таких комплексов. Цель исследования — разработка и уточнение метода машинного обучения для автоматизированной системы обнаружения (ADS) функционального состояния узлов и агрегатов железнодорожного транспорта. Основные задачи включают: формирование глоссария признаков для каждого класса аномалий или неисправностей; определение минимального размера матрицы обучения ADS и допустимых отклонений для реализации признаков; разработка бинарной матрицы обучения OUFT и оптимизация её структуры для повышения точности распознавания. Проведен анализ существующих методов NDC и применяемых алгоритмов машинного обучения (K-means, DBSCAN, FDBSCAN) для построения бинарных матриц и кластеризации признаков. Показано, что предложенный подход позволяет оптимизировать процесс обучения ADS, снижая вычислительную сложность и повышая эффективность распознавания аномалий и отказов узлов и агрегатов. Были сформированы алгоритмы параллельной оптимизации контроля признаков неисправностей и предложены меры по повышению точности DSS в автоматизированной диагностике. Разработанный метод машинного обучения и структура ADS обеспечивают возможность создания безошибочных правил принятия решений для диагностики состояния компонентов железнодорожного транспорта. Предложенный подход позволяет улучшить точность и надежность систем поддержки принятия решений и автоматизированных систем обнаружения функциональных нарушений.