МЕТОДИКА ПРОГНОЗИРОВАНИЯ РЕСУРСА УЗЛОВ И ДЕТАЛЕЙ ЖЕЛЕЗНОДОРОЖНОГО ПОДВИЖНОГО СОСТАВА ПРИ ПОМОЩИ МАШИННОГО ОБУЧЕНИЯ
Аннотация и ключевые слова
Аннотация (русский):
Цель исследования: Разработка системы прогнозирования срока эксплуатации узлов и деталей железнодорожного подвижного состава. Задача, решению которой посвящена статья: Определение срока эксплуатации колес колесных пар железнодорожного подвижного состава до их очередной обточки. Методы исследования представлена методика прогнозирования ресурса узлов и деталей железнодорожных колесных пар с использованием системы оценки ожидаемых параметров, включая пробег колес. Исследование включает использование трех различных алгоритмов машинного обучения: линейной регрессии, случайного леса и градиентного бустинга. Показаны обученные модели каждого алгоритма, а также сходимость метрик MSE, MAPE и R-squared при каждой итерации обучения. Новизна работы результаты исследования позволяют предсказывать период эксплуатации колесных пар с высокой точностью и включают механизм обратной связи для автоматизации и обновления модели, что повышает точность прогнозирования. Результаты исследования: На основе представленной методики разработана система, позволяющая определять временной промежуток эксплуатации колес колесных пар подвижного состава до проведения очередной их обточки. Выводы: Предлагаемая методика позволит прогнозировать период эксплуатации определенных узлов и деталей в условиях заданного полигона до момента восстановления их рабочего состояния, основываясь на системе оценки ожидаемых параметров при помощи машинного обучения.

Ключевые слова:
разработки, процессы, производство, оптимизация, предприятие, колесная пара, искусственный интеллект, обучение
Список литературы

1. Плас Джейк Вандер Python для сложных задач. Наука о данных и машинное обучение. Руководство / Плас Джейк Вандер. М.: Питер, 2018. 759 c

2. T.Beysolow II. Applied Reinforcement Learning with Python: With OpenAI Gym, Tensorflow, and Keras. Apress, 2019. ISBN 1484251261.

3. Колесникова Г.И. Искусственный интеллект: проблемы и перспективы / Г.И. Колесникова //Видеонаука: сетевой журн. - 2018. - No 2(10). -URL https://videonauka.ru/stati/44-novye-tekhnologii/190-iskusstvennyj-intellekt-problemy-i-perspektivy.

4. Солнцева О.Г. Аспекты применения технологий искусственного интеллекта / О.Г. Солнцева // E-Management. 2018. No1.URL: https://cyberleninka.ru/article/n/aspekty-primeneniya-tehnologiy-iskusstvennogo-intellekta.

5. Шарден Б. Крупномасштабное машинное обучение вместе с Python : учебное пособие / Б. Шарден, Л. Массарон, А. Боскетти ; перевод с английского А. В. Логунова. Москва : ДМК Пресс, 2018. 358с. ISBN 978-5-97060-506-6. Текст : электронный // Лань : электронно-библиотечная система. URL: https://e.lanbook.com/book/105836.

Войти или Создать
* Забыли пароль?