The Use of Artificial Neural Networks on Russian Railways to Control Current Collectors of Trains

Cover Page

Cite item

Full Text

Abstract

Background. This article presents the results of the analysis of the mechanism of artificial neural networks on Russian railways for the control of current collectors of trains. A critical assessment of the situation was carried out and a forecast of the further development of neural network technologies in railway transport was given.

Materials and/or research methods. Methods of mathematical modeling, system analysis, data analysis, comparison, systems theory, as well as architecture and mathematical model of neural network and information standards were used.

Results. A model of the information system for monitoring the characteristics of current collectors has been developed, the algorithm of its operation and the functionality of the software package of the model of the system for monitoring the characteristics of current collectors of rolling stock have been described. The algorithm of neural network operation for determining the characteristics of electric rolling stock current collectors is presented. The analysis of the prospects for the use of artificial neural networks in the field of railway transport has been carried out, and a simulation model of an information system for monitoring the characteristics of current collectors of electric rolling stock of railway transport has been created.

Conclusion. The article examines the positive experience of JSC “Russian Railways” on the introduction of neural network technologies in technological processes and further prospects for the use of neural network technologies on Russian railways. The necessity of intensifying the development and implementation of neurotechnologies to solve a wide range of tasks, including tasks to optimize the organization of maintenance and repair of rolling stock, is noted. The effectiveness and relevance of the use of artificial neural networks in various fields of activity, especially on Russian railways, is shown, and a model of an information system in the field of monitoring the characteristics of current collectors is proposed.

About the authors

V. S. Yazinin

Emperor Alexander I St. Petersburg State Transport University

Author for correspondence.
Email: nttk@pgups.ru
Russian Federation, 9, Moskovsky Ave., St. Petersburg, 190031, Russian Federation

A. M. Baranovskiy

Emperor Alexander I St. Petersburg State Transport University

Email: adelinakorob@mail.ru
Russian Federation, 9, Moskovsky Ave., St. Petersburg, 190031, Russian Federation

A. A. Vorobyev

Emperor Alexander I St. Petersburg State Transport University

Email: adelinakorob@mail.ru
Russian Federation, 9, Moskovsky Ave., St. Petersburg, 190031, Russian Federation

I. Yu. Romanova

Emperor Alexander I St. Petersburg State Transport University

Email: adelinakorob@mail.ru
Russian Federation, 9, Moskovsky Ave., St. Petersburg, 190031, Russian Federation

References

  1. Barsky, A.B. Logical neural networks: A textbook / A.B.Barsky. - M.: Binom, 2013. – 352 p.
  2. Deitel P., Deitel H.Python: Artificial Intelligence, big data and cloud computing. St. Petersburg: Peter, 2020.– 864s.
  3. Trask Andrew. Grok deep learning. St. Petersburg: St. Petersburg, 2019.– 352 p.
  4. Redko, V.G. Evolution, neural networks, intelligence: Models and concepts of evolutionary cybernetics / V.G. Redko. – M.: Lenand, 2019. - 224 p.
  5. Rostovtsev, V. S. Artificial neural networks : textbook for universities / V. S. Rostovtsev. – 2nd ed., erased. – St. Petersburg: Lan, 2021. – 216 p.
  6. Lazarev V. M., Sviridov A. P. Neural networks and neurocomputers. – M.: Publishing house of MSTU REA, 2011. – 131 p.
  7. Neural network sorts wagons [Electronic Resource]. URL:https://com-
  8. pany.rzd.ru/ru/9401/page/78314?id=191259&ysclid=l9wiv1g91m5 30802873 (Accessed: 16.10.22)
  9. When Russia will have its own trains on autopilot [Electronic resource]. URL:https://plus-one.ru/общество/2022/03/09 / ride-on-autopilot (Accessed: 16.10.22)
  10. Analysis of the experience and prospects of using artificial neural networks in railway transport [Electronic resource]. URL: https://cyberleninka.ru/article/n/analiz-opyta-i-perspektiv-primeneniya-iskusstvennyh-neyronnyh-setey-na-zheleznodorozhnom-transporte/viewer (Accessed 17.10.2022).
  11. Kurenkov P.V., Vakulenko S.P. Financial and economic solution to the problem of suburban transportation//Economics of railways. – 2012. – No. 12. – p. 96.
  12. Baritko A.L., Kurenkov P.V. Organization and technology of foreign trade transportation// Rail transport. – 1998. – No. 8.
  13. Mokhonko V.P., Isakov V.S., Kurenkov P.V. Situational management of the transportation process // Transport: science, technology, management. Scientific information collection. – 2004. – No. 11. – p. 14.
  14. Mokhonko V.P., Isakov V.S., Kurenkov P.V. Problems of creating a situational and analytical control system for the transportation process in railway transport// Bulletin of transport information. - 2004. – No. 9. – p. 22.
  15. Formation of the financial management system: theory, experience, problems, prospects/ Collective monograph: Safronova A.A., Rudakova E.N., Kurenkov P.V., etc. / Moscow, 2018. – 228 p. ISBN: 978-5-907084-31-5
  16. Pokrovskaya O.D. Logistics storage and distribution centers as the basis of the terminal network of the region. –Monograph / Novosibirsk, 2012. – 184 p. ISBN: 978-5-94301-276-1
  17. Pokrovskaya O.D. The state of transport and logistics infrastructure for coal transportation in Russia // Innovative transport. – 2015. – № 1 (15). – Pp. 13-23.
  18. Pokrovskaya O.D. On terminology of objects of terminal and warehouse infrastructure // Mir transport. – 2018. – T. 16. – № 1 (74). – Pp. 152-163.
  19. Pokrovskaya O.D. Logistic class of railway stations // Bulletin of the Ural State University of Railway Communications. – 2018. – № 2 (38). – Pp. 68-76.
  20. Pokrovskaya O.D. Logistics transport systems of Russia in the conditions of new sanctions// Bulletin of the results of scientific research. – 2022. – No. 1. – pp. 80-94.
  21. Pokrovskaya O.D. Terminalistics as a new methodology for the study of transport and logistics systems of regions // Sustainable economic development of regions. Edited by L. Schlossman. Vienna, 2014. pp. 154-175.
  22. Pokrovskaya O., Fedorenko R. Evaluation of transport and storage systems // Achievements in the field of intelligent systems and computer technology. 2020. Vol. 1115. pp. 570-577. doi: 10.1007/978-3-030-37916-2_55
  23. M Drozdova.A. International sanctions as a means of regulating the world economy // In the collection: Innovative approaches to the development of economics and management in the XXI century. Proceedings of the III Scientific and Practical National Conference. Federal Agency of Railway Transport, FSUE IN PGUPS, 2020.
  24. pp. 113-116.
  25. Drozdova M.A., Kravchenko L.A. Anti-globalism in the context of modern international economic and legal discourse // Bulletin of the V.N. Tatishchev Volga State University. 2020. Vol. 1. No. 3 (96)pp. 247-253.
  26. Drozdova М.A., Kravchenko L.A., Pankov D.A. Digital economy and inflation during the pandemic // In the collection: Innovative approaches to the development of economics and management in the XXI century. Proceedings of the III Scientific and Practical National Conference. FSUE IN PGUPS, 2020. pp. 11-14.
  27. Belyaev I. A., Mikheev V. P., Shiyan V. A. Current collector and current collectors of electric rolling stock. – M.: Transport, 1976. – 184s.
  28. Automated system for diagnosing the condition of electric rolling stock current collectors based on a video measuring complex [Electronic resource]. URL: https://cyberleninka.ru/article/n/avtomatizirovannaya-sistema-diagnostiki-sostoyaniya-tokopriemnikov-elektropodvizhnogo-sostava-na-osnove-videoizmeritelnogo/viewer (Date of reference: 10/19/2022).
  29. Baranovsky A.M., Silantyev S.B., Smolitsky H.L., Yafrakov M.F., Synthesis of a neuropodic Hopfield network for solving systems of linear algebraic equations. News of higher educational institutions. Instrumentation. 1994. Vol. 37. No. 3-4. pp. 47-51.
  30. Gluhov A., Baranovskiy A., Fomenko Y., Bochkov A. Adapted Model Neural-Like Hopfield Network and the Algorithm of Its Training for Finding the Roots Systems of Linear Algebraic Equations. Lecture Notes in Networks and Systems. 2021. V. 229. P. 386-395.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2023 Yazinin V.S., Baranovskiy A.M., Vorobyev A.A., Romanova I.Y.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».