Рассмотрены вопросы моделирования и оптимизации тягового асинхронного привода. Освещены методы определения оптимальных режимов вождения поездов, проблемы обнаружения изменений динамических характеристик (разладок) тягового подвижного состава с помощью искусственных нейронных сетей.

Розглянуто питання створення та моделювання мехатронних систем і систем керування рейковими транспортними засобами за допомогою сучасних програмних продуктів. Проаналізовано такі програмні продукти, як SIMPAK, ADAMS, VAMPIRE. Наведено приклади моделювання керованого руху рейкового екіпажу. Увагу приділено створенню віртуальних моделей у реальному часі, а також методам і засобам їх тестування.

Описано методику, за допомогою якої необхідно розробляти технологічний процес передрейсової підготовки локомотивів, спираючись на дані електронного паспорту. Запропоновано методику визначення коефіцієнта, який показує можливість локомотива провести поїзд відомої маси по ділянці відомого профілю та виконати рейс без відмов.

Розроблено методології визначення складності нештатних ситуацій під час керування локомотивом. Для досягнення поставленої мети накопичено статистичний матеріал порушень безпеки руху; причини порушень розділені на групи: технічний фактор, людський фактор та зовнішні впливи. За допомогою теорії гібридних мереж одержана модель, яка на виході дає параметр складності нештатної ситуації. Розроблено підхід до формалізації виробничих ситуацій, які можуть бути описані тільки лінгвістично, що дозволило використати їх в якості вхідних даних моделі нештатної ситуації. Встановлено та обгрунтовано, що показник складності нештатної ситуації під час ведення поїзду є величиною випадковою й підпорядковується нормальному закону розподілення. Одержано графік інтегральної функції розподілення, на якому визначені зони безпечної роботи та підвищеної небезпеки виникнення транспортної події. Запропоновано теоретичне підгрунтя визначення складності нештатних ситуацій в поїзній роботі, одержано максимальне значення параметру складності нештатної ситуації, що може бути допущено за умов експлуатації. Постійний моніторинг цієї величини дозволяє вчасно реагувати на загрозу виникнення небезпеки, а одержання її в числовій формі - використовувати як один із вхідних параметрів для роботи інтелектуальної системи керування локомотивом, на підставі якого буде прийматися рішення про подальші керуючі дії.

Для підвищення ефективності керування локомотивом необхідно використовувати прогнозне значення швидкості поїзду через визначений інтервал часу. Так як на цю величину впливає низка випадкових факторів, запропоновано представити її у вигляді нечіткого числа. Обгрунтовано вибір класу функції приналежності на підставі експериментальних даних і критерію Пірсона. Це надасть можливість використати методи теорії штучного інтелекту під час моделювання роботи локомотивної системи підтримки прийняття рішень.

Мета роботи - формалізація опису процесу управління локомотивом та визначення параметрів якості цього процесу. Для досягнення поставленої мети використано теорію нечітких ймовірнісних графів. Вершини графа відповідають подіям початку та закінчення операцій із управління поїздом. Дуги графа описують операції із управління поїздом. Граф складається з тринадцяти вершин, відповідних основним керуючим діям машиніста. Вагові коефіцієнти переходів між вершинами задані нечіткими числами. Нечіткі значення ймовірності та часу переходу представлені у вигляді чисел із трапецієподібною функцією належності. За допомогою послідовного об'єднання паралельних дуг, усунення петель та вершин отримано еквівалентний нечіткий граф управління поїздом та відповідна йому L-матриця. Еквівалентний граф окремо враховує діяльність машиніста за нормальної експлуатації та у разі виникнення нештатних ситуацій. Розроблено теоретичні основи формалізації опису процесу та одержано модель керуючої діяльності машиніста локомотива за допомогою нечіткого ймовірнісного графа. Одержано параметри, що характеризують процеси прийняття рішень машиністом. У подальшому ця модель може бути використана для оцінки ефективності локомотивних систем підтримки прийнятих рішень. За допомогою одержаної моделі можливо оцінити наявні резерви підвищення якості управління локомотивом. Зниження часу для прийняття рішень наблизить поточний режим управління до раціонального та знизить витрати на тягу поїздів. А зменшення часу на ідентифікацію нештатних ситуацій сприятиме підвищенню безпеки руху шляхом реалізації заходів раннього реагування на небезпеку.

Розроблено структуру та архітектурну ієрархію локомотивних СППР. Алгоритм дій машиніста локомотива представлено нечітким імовірнісним графом. Вагові коефіцієнти переходів між вершинами задано нечіткими числами, значення яких записані в матриці графа. Вибір варіанта рішення локомотивної СППР реалізовано за адитивним критерієм. Опис динамічної бази знань проведено з використанням продукційної моделі представлення знань.

Проаналізовано існуючі системи та засоби підвищення ефективності ергатичної системи "локомотивна бригада - поїзд". Встановлено, що вони мають ряд обмежень і не гарантують запобігання аваріям. Використання локомотивних систем підтримки прийняття рішень (СППР) дозволить уникнути недоліків традиційних систем керування локомотивом. Розроблено модель прийняття керуючих рішень машиністом за допомогою теорії нечітких імовірнісних графів, що дозволило оцінити швидкість такого прийняття. Запропоновано класифікувати фактори, які впливають на імовірність виникнення нештатних ситуацій (НС), за їх природою, на: людський та технічний фактори, а також зовнішні впливи. Запропоновано критерій оцінювання дій людини у разі виникнення позаштатних ситуацій коефіцієнт, що характеризує здатність локомотивної бригади (ЛБ) запобігти розвитку транспортної події. За допомогою гібридної нейромережі отдержано значення складності НС, що виникають у процесі керування поїздом. На підставі статистичних даних одержано гранично припустиме значення цієї величини. Встановлено, що основним критерієм роботи локомотивної СППР є корисність прийнятих рішень. Її визначено в тривимірній системі координат залежно від складності НС, витрати енергії на рух поїзда, відхилення від графіка руху. Визначено, що найбільш доцільними для використання ЛБ є СППР, які використовують імовірнісне завдання індивідуального прийняття рішень з векторним критерієм. Розроблено інформаційну модель прийняття відповідального рішення машиністом при керуванні потягом, що дозволяє визначити шляхи зниження інформаційного навантаження. В результаті розрахунків встановлено, що орієнтовна вартість впровадження СППР на один локомотив складає 64 тис. грн, а термін окупності становить 1 рік 7 місяців.

Мета наукової роботи - формалізація показника напруженості діяльності машиніста локомотива. Однією з характеристик напруженості роботи машиніста є різниця між часом, відведеним на виконання завдання, і необхідним часом (зовнішній резерв або дефіцит часу). Визначено множини суттєвих і несуттєвих операцій під час керування локомотивом за різних поїзних ситуацій. Використовуючи методи нечіткої логіки, поняття "суттєвість операції керування локомотивом" представлено у вигляді набору лінгвістичних змінних. Для визначення функції приналежності елементів множини "суттєвість операції керування локомотивом" використано метод експертних оцінок. Коефіцієнт часової напруженості представлений у вигляді нечіткого числа L-R-типу. Встановлено величину відносної кількості операцій керування локомотивом згідно розподілу за параметром "суттєвість операції". Для визначення найбільш напруженого режиму роботи машиніста проведено ранжування режимів руху за параметром відносної кількості суттєвих операцій керування. Найбільш важкими режимами є: "перешкода попереду", "рух у несприятливих погодних умовах" та "відправлення зі станції на перегін". Введення величини "умовна суттєвість виконання операції" надало змогу більш якісно описати умови ведення поїзда. Вперше представлено визначення напруженості роботи машиніста локомотива у вигляді унімодального нечіткого числа, що надасть змогу в подальшому використати методи теорії штучного інтелекту для моделювання діяльності машиніста локомотива та розробки інтелектуальних систем керування. Авторами держано можливість безпосередньо врахувати такий важливий якісний показник, як "напруженість роботи машиніста" в системах автоведення та контролю безпеки руху. Ранжування поїзних ситуацій та керуючих операцій надає змогу обгрунтувати порядок виконання керуючих дій у разі удосконалення алгоритмів роботи систем ведення поїздів.