Учёные Омского государственного университета путей сообщения создали гибридную модель управления поездом, которая сочетает классические законы физики с алгоритмами машинного обучения. Модель позволяет на 10–15% точнее традиционных методов рассчитать траектории движения состава, требующие меньше энергии. Разработка поможет снизить расход электроэнергии и износ поездов на российских железных дорогах. Результаты, поддержанные грантом РНФ и Правительством Омской области, опубликованы в журнале «Вестник ВНИИЖТ».
По российским железным дорогам перевозят уголь, нефтепродукты, строительное сырьё и металлы, а электровозы — основной вид тяги — требуют огромных затрат электроэнергии. Существующие алгоритмы автоведения рассчитывают оптимальный режим движения (где набрать скорость, а где замедлиться), но основаны только на теоретических физических моделях: они учитывают силы трения, ветер и сопротивление на подъёмах, но не берут в расчёт реальные условия — износ путей, снег и дождь, особенности конкретного состава. Поэтому нужны более точные инструменты.
Авторы впервые объединили в одной модели физические уравнения движения поезда с методами машинного обучения, «заложив» в алгоритм записи более чем 1500 реальных поездок грузовых составов с электровозами на участках Западно-Сибирской железной дороги. Регистраторы в электровозах посекундно снимали информацию о скорости, работе двигателей, нагрузках на тормоза и траекториях движения. На основе этих данных алгоритм научился вычислять все сопротивления, которые испытывает поезд, включая те, что не предсказывали теоретические модели. В результате расхождение рассчитанного и реального времени движения не превышало одной минуты, что делает инструмент пригодным для практического применения.
Фото: молодые ученые кафедры «Подвижной состав электрических железных дорог» ОмГУПС при обсуждении результатов моделирования движения поездов. Источник: Станислав Истомин / из личного архива.
