Россия
Россия
Цель: выявить закономерности и основные направления интеллектуализации технологий динамического мониторинга подвижного состава Китая, определить место системы 5T в переходе от периодического статического контроля к непрерывной оценке технического состояния в процессе эксплуатации, а также установить роль TFDS в интеграции динамического мониторинга с технологиями машинного зрения и интеллектуального распознавания. Методы: выполнен аналитический обзор научно-технической литературы и нормативно-технических материалов, посвященных неразрушающему контролю, динамическому мониторингу и интеллектуальной диагностике железнодорожного подвижного состава. Источники систематизированы по объектам контроля, контролируемым параметрам, физическим принципам диагностики и уровню интеллектуализации обработки данных. На этой основе рассмотрены структура и функциональные особенности комплекса 5T, взаимосвязь его подсистем, а также особенности внедрения методов машинного зрения, многоканального слияния данных и интеллектуального распознавания, прежде всего в системах типа TFDS. Результаты: показано, что на железных дорогах Китая сформировалась многоуровневая система динамического мониторинга подвижного состава, ядром которой является комплекс 5T. Установлено, что развитие данных технологий характеризуется переходом от автономного контроля отдельных параметров и ручной интерпретации результатов к сетевой интеграции подсистем, многоканальному анализу информации и автоматизированному распознаванию аномалий. Выявлено, что наиболее выраженные признаки интеллектуализации наблюдаются в визуальных диагностических системах, прежде всего в TFDS, где обработка изображений становится основой обнаружения дефектов, оценки состояния узлов и снижения трудоемкости анализа эксплуатационных данных. Показана перспективность сопряжения TFDS с данными других подсистем 5T для повышения достоверности диагностики, снижения числа ложных срабатываний и перехода от выявления дефектов к прогнозированию рисков. Практическая значимость: полученные результаты позволяют уточнить место динамического мониторинга в общей системе контроля технического состояния подвижного состава и определить перспективные направления его интеграции с методами неразрушающего контроля механической части и машинного зрения. Работа может быть использована как теоретическая и обзорно-аналитическая основа для исследований в области эксплуатационной безопасности, диагностики технического состояния и интеллектуального технического обслуживания подвижного состава.
подвижной состав железных дорог, динамический мониторинг, система 5T, машин- ное зрение, интеллектуальная диагностика, неразрушающий контроль
1. A Review on Condition Monitoring Technologies for Railway Rolling Stock / P. Kundu [et al.] // Proceedings of the PHM Society European Conference. 2018. Vol. 13. Pp. 1–15.
2. Kostrzewski M., Mel'nik R. Condition Monitoring of Rail Transport Systems: A Bibliometric Performance Analysis and Systematic Literature Review // Sensors. 2021. Vol. 21 (14). P. 4710.
3. Китайская железнодорожная корпорация. Правила технического обслуживания и ремонта оборудования системы мониторинга безопасности эксплуатации подвижного состава (5T) = 车辆运行安全监控系统设备检修维护管理规则: TG/CL 210–2015. Пекин, 2015. [На кит. яз.]
4. Research and Application of the Railway Vehicle Operation Safety Monitoring (5t) System / Jiang Hui [et al.] // Journal of Highway and Transportation Research and Development. 2009. No. 1. Pp. 1–6.
5. Государственное железнодорожное управление КНР. Государственное железнодорожное управление КНР опубликовало два отраслевых стандарта, включая «Нормы проектирования системы мониторинга безопасности эксплуатации железнодорожных вагонов». 04.01.2022. URL: https://www.nra.gov.cn/ (дата обращения: 20.01.2026).
6. A Survey of the Application of Machine Vision in Rail Transit System Inspection / Wei Xiukun [et al.] // Control and Decision. 2021. Vol. 36, no. 2. Pp. 257–282.
7. TFDS Truck Fault Image Application System / Wang Deming [et al.] // Railway Computer Application, 2024. Vol. 33 (9). Pp. 59–67.
8. Mu Xin. Intelligent Recognition of TFDS Faults Based on Large Model Technology // Railway Computer Application. 2025.Vol. 34 (11). Pp. 8–14.
9. Пудовиков С. А. Безразборная технология ультразвукового контроля осей колесных пар при ремонте подвижного состава // Известия Петербургского университета путей сообщения. 2005. № 1. С. 108–113.
10. Коростелева Е. Ю., Толмачев И. И. Применение магнитопорошкового и вихретокового методов контроля для деталей и узлов локомотивов и моторвагонного подвижного состава // Известия Томского политехнического университета. Инжиниринг георесурсов. 2008. Т. 312, № 2S. С. 264–267.
11. Ахмеджанов Р. А., Макарочкин В. В., Родченко Л. А. О совершенствовании ультразвукового контроля оси колесной пары вагона // Известия Транссиба. 2014. № 2 (18). С. 7–18.
12. Воробьев А. А., Карпов В. А. Анализ надежности подвижного состава по результатам неразрушающего контроля // Вестник Саратовского государственного технического университета. 2015. Т. 3, № 1 (80). С. 65–70.
13. Марюхненко В. С., Пультяков А. В. Особенности контроля технического состояния подвижного состава на ходу поезда // Автоматика на транспорте. 2016. Т. 2, № 2. С. 272–287.
14. Давыдов Ю. А., Пляскин А. К., Кушнирук А. С. Контроль фактического технического состояния локомотивов на основе диагностики // Современные технологии. Системный анализ. Моделирование. 2018. № 3 (59). С. 38–47.
15. Анализ методов измерений силового воздействия подвижного состава на путь и систем технического контроля колес при движении поезда / Ю. П. Бороненко [и др.] // Известия Петербургского университета путей сообщения. 2020. Т. 17, № 3. С. 324–344.
16. Мониторинг технического состояния грузовых вагонов на ходу поезда / В. В. Попов [и др.] // Транспорт Российской Федерации. Журнал о науке, практике, экономике. 2021. № 1–2 (92–93). С. 52–56.
17. Баранов Л. А., Бурченков В. В. Технология мониторинга подвижного состава на основе дистанционного акустического зондирования // Автоматика на транспорте. 2022. Т. 8, № 1. С. 90–100.
18. Research and Application of the Railway Vehicle Operation Safety Monitoring (5T) System / Jiang Hui [et al.] // Journal of Highway and Transportation Research and Development. 2009. No S1. Pp. 1–6.
19. Design of the TPDS Big Data Analysis System / Shi Xiaolei [et al.] // Railway Locomotive & Car. 2022. Vol. 42, no. 1. Pp. 95–98.
20. Construction Techniques for an Intelligent Recognition Dataset of Railway Freight Car Fault Images / Qi Miaomiao [et al.] // China Railway, 2025.
21. Цаплин А. Е. Диагностика узлов механической части подвижного состава с применением комплекса машинного зрения // Известия Петербургского университета путей сообщения. 2011. № 2. С. 41–49.
22. Казанский Н. Л., Попов С. Б. Распределенная система технического зрения регистрации железнодорожных составов // Компьютерная оптика. 2012. Т. 36, № 3. С. 419–428.
23. A Review of Computer Vision for Railways / B. Olivier [et al.] // IEEE Transactions on Intelligent Transportation Systems, 2025.
24. Machine Vision-Based Method for TFDS Freight Car Fault Image Recognition / Sun Yinong [et al.]. 2025.
25. A Review of Machine Vision Applications in State Detection of Rail Transit Systems / Wei Xiukun [et al.] // Control and Decision. 2021. Vol. 36 (2). Pp. 257–282
