Intellectual Technologies on Transport Intellectual Technologies on Transport Интеллектуальные технологии на транспорте 2413-2527 94937 10.20295/2413-2527-2025-141-5-13 iiikah ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ТРАНСПОРТНЫЕ СИСТЕМЫ ARTIFICIAL INTELLIGENCE AND TRANSPORT SYSTEMS ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ТРАНСПОРТНЫЕ СИСТЕМЫ Modern Approaches to Diagnostics and Recovery of Rolling Stock Information Management Systems Using Multi-Agent and Neural Network Technologies Современные подходы к диагностике и восстановлению работоспособности информационно-управляющих систем подвижного состава с применением многоагентных и нейросетевых технологий Барановский Анатолий Михайлович Baranovsky Anatoly Mikhailovich bamvka@mail.ru

кандидат технических наук;

candidate of technical sciences;

 Бобриков Даниил Алексеевич Bobrikov Daniil Alekseevich daniil20001210@mail.ru Петербургский государственный университет путей сообщения Императора Александра I Санкт-Петербург Россия Emperor Alexander I St. Petersburg State Transport University St. Petersburg Russian Federation Петербургский государственный университет путей сообщения Императора Александра I Санкт-Петербург Россия Emperor Alexander I St. Petersburg State Transport University St. Petersburg Russian Federation 24 03 2025 24 03 2025 1 5 13 11 02 2025 20 02 2025 https://atjournal.ru/en/nauka/article/94937/view

Рассматриваются современные подходы к диагностированию и восстановлению работоспособности информационно-управляющих систем подвижного состава. Введение: в условиях растущих требований к надежности и безопасности транспортных систем традиционные методы диагностики становятся недостаточно эффективными. Цель: исследовать возможности применения многоагентных и нейросетевых технологий для повышения эффективности диагностики и восстановления ИУС подвижного состава. Методы: в работе анализируются многоагентные системы, обеспечивающие распределенную диагностику, где агенты взаимодействуют для быстрого обнаружения и локализации неисправностей. Также исследуются нейросетевые технологии, обеспечивающие высокую точность прогнозирования неисправностей за счет анализа больших объемов данных и самообучения. Результаты: основной результат заключается в выявлении потенциала интеграции многоагентных и нейросетевых технологий. Показано, что их совместное применение может значительно повысить надежность, адаптивность и автономность ИУС подвижного состава. Обсуждение: обсуждаются перспективы создания гибридных систем, сочетающих многоагентные и нейросетевые методы. Рассматриваются их преимущества и ограничения, а также потенциал для дальнейшего улучшения ИУС в транспортных системах.

The article considers modern approaches to diagnostics and recovery of the rolling stock information management systems (IMS). Introduction: in the context of increasing demands on the transport system reliability and safety, traditional diagnostic methods are becoming ineffective. Purpose: to explore the possibilities of using multi-agent and neural network technologies to improve the IMS diagnostics and recovery efficiency on the rolling stock. Methods: the paper analyzes multi-agent systems that provide distributed diagnostics where agents interact for malfunction detection and localization. Neural network technologies that ensure high accuracy of fault prediction through the analysis of large amounts of data and self-learning are also being investigated. Results: the main result is to identify the potential for integrating multi-agent and neural network technologies. Their combined use can significantly increase the reliability, adaptability and autonomy of the rolling stock IMS. Discussion: the prospects of creating hybrid systems combining multi-agent and neural network methods are discussed. Their advantages and limitations are considered and the potential for further improvement of transport system IMS is illustrated.

 многоагентные системы нейросетевые технологии транспорт информационно-управляющие системы автоматизация multi-agent systems neural network technologies transport information control systems automation

Кон Е. Л., Кулагина М. М. Надежность и диагностика компонентов инфокоммуникационных и информационно-управляющих систем: учебное пособие. Пермь: Пермский нац. исслед. политехн. ун-т, 2012. 395 с. Kon E. L., Kulagina M. M. Nadezhnost i diagnostika komponentov infokommunikatsionnykh i informatsionno-upravlyayushchikh sistem: Uchebnoe posobie. Perm, Perm National Research Polytechnic University, 2012, 395 p. (In Russian) Язынин В. С., Барановский А. М. Модель информационной системы контроля характеристик токоприемника на основе применения 3D-сканирования и нейросетевых технологий // Транспорт: проблемы, идеи, перспективы: сборник трудов LXXXIII Всероссийской научно-технической конференции студентов, аспирантов и молодых ученых (Санкт-Петербург, Россия, 17–24 апреля 2023 г.): в 2 т. Т. 1. СПб.: ПГУПС, 2023. С. 97–102. Yazynin V. S., Baranovsky A. M. Model informatsionnoy sistemy kontrolya kharakteristik tokopriemnika na osnove primeneniya 3D-skanirovaniya i neyrosetevykh tekhnologiy, Transport: problemy, idei, perspektivy: sbornik trudov LXXXIII Vserossiyskoy nauchno-tekhnicheskoy konferentsii studentov, aspirantov i molodykh uchenykh, Saint Petersburg, Russia, April 17–24, 2023. Vol. 1. Saint Petersburg, Petersburg State Transport University, 2023. C. 97–102. (In Russian) Язынин В. С., Барановский А. М., Забродин А. В. Модель системы дистанционного контроля состояния электроподвижного состава с применением искусственных нейронных сетей // Интеллектуальные технологии на транспорте. 2023. № 1 (33). С. 27–37. DOI: 10.24412/2413-2527-2023-133-27-37. Yazynin V. S., Baranovsky A. M., Zabrodin A. V. The Model of Remote Monitoring System for Electric Rolling Stock Condition Using Artificial Neural Networks, Intellectual Technologies on Transport, 2023, №. 1 (33), Pp. 27–37. DOI: 10.24412/2413-2527-2023-133-27-37. (In Russian) Харченко В. С., Эльяси Комари И., Горбенко А. В. Оценка надежности информационно-управляющих систем на основе иерархических FME(C)A-таблиц и марковских цепей: модели, методика и информационная технология // Научные ведомости Белгородского государственного университета. История. Политология. Экономика. Информатика. 2011. № 19 (114), Вып. 20/1. С. 169–178. Kharchenko V. S., Elyasi Komari I, Gorbenko A. V. Instrumentation and Control Systems Dependability Assessment Using Hierarchical FME(C)A-Tables and Markov's Chains: Models, Technique and Information Technology, Belgorod State University Scientific Bulletin. History. Political Science. Economics. Information Technologies, 2011, No. 19 (114), Iss. 20/1, Pp. 169–178. (In Russian) Исаев И. Д. Многоагентные системы, алгоритм распознавания образов интеллектуальными агентами // Вестник науки. 2023. № 11 (68), Т. 4. С. 651–659. Isaev I. D. Multi-Agent Systems, Algorithm for Pattern Recognition by Intelligent Agents, Vestnik Nauki, 2023, No. 11 (68), Pp. 651–659. (In Russian) Алибеков Б. И. Мамаев Э. А. Мультиагентные системы в логистике: информационно-аналитические аспекты // Вестник Дагестанского государственного университета. Серия 1. Естественные науки. 2017. Т. 32, Вып. 4. C. 56–62. DOI: 10.21779/2542-0321-2017-32-4-56-62. Alibekov B. I. Mamaev E. A. Multi-Agent Systems of Logistics: Information and Analytical Aspects, Herald of Dagestan State University. Series 1. Natural Sciences, 2017, Vol. 32. Iss. 4, Pp. 56-62. DOI: 10.21779/2542-0321-2017-32-4-56-62. (In Russian) Введение в математическое моделирование транспортных потоков: учебное пособие / Под ред. А. В. Гасникова. Изд. 2-е, испр. и доп. М.: МЦНМО, 2013. 428 с. Gasnikov A. V. (ed.) Vvedenie v matematicheskoe modelirovanie transportnykh potokov: Uchebnoe posobie. Moscow, Moscow Center for Continuous Mathematical Education, 2013, 428 p. (In Russian) Kesting A., Treiber M., Helbing D. Agents for Traffic Simulation // Multi-Agent Systems: Simulation and Applications / A. M. Uhrmacher, D. Weyns (eds.). Boca Raton (FL): CRC Press, 2009. Pp. 325–356. Kesting A., Treiber M., Helbing D. Agents for Traffic Simulation. In: Uhrmacher A. M., Weyns D. (eds.) Multi-Agent Systems: Simulation and Applications. Boca Raton (FL), CRC Press, 2009, Pp. 325–356. Бочков А. П., Барановский А. М., Гильванов Р. Г. Оценка согласованности и совместимости технических систем в составе сложных организационно-технических систем // Системы управления, связи и безопасности. 2020. № 1. С. 284–301. DOI: 10.24411/2410-9916-2020-10109. Bochkov A. P., Baranovskii A. M., Gilvanov R. G. Assessment of Consistency and Compatibility of Technical Systems in Complex Organizational and Technical Systems, Systems of Control, Communication and Security, 2020, No. 1, Pp. 284–301. DOI: 10.24411/2410-9916-2020-10109 (In Russian) Выучейская М. В. Крайнова И. Н. Грибанов А. В. Нейросетевые технологии в диагностике заболеваний (обзор) // Журнал медико-биологических исследований. 2018. T. 6, № 3. C. 284–294. DOI: 10.17238/issn2542-1298.2018.6.3.284. Vyucheyskaya M. V., Kraynova I. N., Gribanov A. V. Neural Network Technologies in Medical Diagnosis (Review), Journal of Medical and Biological Research, 2018, Vol. 6, No. 3, Pp. 284–294. DOI: 10.17238/issn2542-1298.2018.6.3.284. (In Russian) Использование искусственных нейронных сетей на Российских железных дорогах для контроля токоприемников поездов / В. С. Язынин, А. М. Барановский, А. А. Воробьев, И. Ю. Романова // International Journal of Advanced Studies. 2023. Т. 13. № 1. С. 267–287. DOI: 10.12731/2227-930X-2023-13-1-267-287. Yazinin V. S., Baranovskiy A. M., Vorobyev A. A., Romanova I. Yu. The Use of Artificial Neural Networks on Russian Railways to Control Current Collectors of Trains, International Journal of Advanced Studies, 2023, Vol. 13, No. 1, Pp. 267–287. DOI: 10.12731/2227-930X-2023-13-1-267-287. (In Russian) Хамидулин Т. Г. Применение искусственных нейронных сетей в транспортной отрасли / Т. Г. Хамидулин; науч. рук. О. С. Козлова // Экономика и социум. 2019. № 4 (59). С. 851–858. Khamidulin T. G. Application of Artificial Neural Networks in the Transport Industry, Economics and Society, 2019, No. 4 (59), Pp. 851–858. (In Russian) Adapted Model Neural-Like Hopfield Network and the Algorithm of Its Training for Finding the Roots Systems of Linear Algebraic Equations / A. P. Gluhov, A. M. Baranovskiy, Y. S. Fomenko, A. P. Bochkov // Artificial Intelligence in Intelligent Systems (CSOC 2021): Proceedings of the 10th Computer Science On-line Conference 2021 (Zlín, Czech Republic, April 2021) / R. Silhavy (ed.). Vol. 2. Lecture Notes in Networks and Systems, Vol. 229. Cham: Springer Nature, 2021. Pp. 386–395. DOI: 10.1007/978-3-030-77445-5_36. Gluhov A. P., Baranovskiy A. M., Fomenko Y. S., Bochkov A. P. Adapted Model Neural-Like Hopfield Network and the Algorithm of Its Training for Finding the Roots Systems of Linear Algebraic Equations. In: Silhavy R. (ed.) Artificial Intelligence in Intelligent Systems (CSOC 2021): Proceedings of the 10th Computer Science On-line Conference 2021 (Zlín, Czech Republic, April 2021), Vol. 2. Lecture Notes in Networks and Systems, Vol. 229. Cham, Springer Nature, 2021, Pp. 386–395. DOI: 10.1007/978-3-030-77445-5_36.