Рассмотрены существующие системы управления горочными вагонными замедлителями и методы их технической диагностики. Выявлены недостатки существующих аналитических методов технической диагностики. Выявлены факторы, помогающие повысить точность технической диагностики вагонных замедлителей, доступные в существующих горочных автоматизированных управляющих комплексах. Предложен подход к построению интеллектуальной системы, уточняющей текущее состояние вагонного замедлителя, на базе деревьев решений. Предложен способ повышения качества деревьев решений, построенных с использованием технологии Data Mining, в условиях малого объема обучающих примеров. В основе подхода лежат идеи самоорганизации интеллектуальных систем. Повышение точности решающих правил продемонстрировано на проверочных базах данных примеров.

Ключевые слова: "сортировочная горка, управляющие комплексы, напольные устройства, вагонные замедлители, интеллектуальные системы, многофакторный анализ, классификация по признакам, алгоритмы самоорганизации, автоматическое приобретение знаний, мягкие вычисления

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.9.3 - Подвижной состав железных дорог, тяга поездов и электрификация

Цифровые двойники железнодорожных станций необходимы для планирования работы и принятия наиболее эффективных управленческих воздействий. Важным фактором является соответствие планируемых временных затрат фактическим. Одной из трудноформализуемых задач на железнодорожных станциях является процесс закрепления подвижного состава. Это связано с тем, что время закрепления зависит от человеческого фактора и закрепляемого подвижного состава. Для создания автоматизированной сортировочной станции, управляемой с помощью цифрового двойника, необходима разработка автоматизированной системы закрепления. Одной из задач по разработке такой системы является задача расположения устройств. Данную задачу можно сформулировать следующим образом: необходимо расположить минимально допустимое количество устройств закрепления на контролируемом участке таким образом, чтобы при любой конфигурации подвижного состава обеспечивалось надежное закрепление. В качестве инструмента для решения этой задачи наиболее эффективным будет использование методов генетических алгоритмов. В данной статье авторы рассматривают актуальность данного исследования и актуальность автоматизации закрепления подвижного состава.

Ключевые слова: цифровая железнодорожная станция, методы эволюционного исследования, автоматизация, тормозные башмака, УТС-380, ДУЗС, безопасность движения

2.3.3 - Автоматизация и управление технологическими процессами и производствами , 2.9.3 - Подвижной состав железных дорог, тяга поездов и электрификация