Физика плюс ИИ. Омские учёные создали гибридную модель управления поездом, которая обещает миллиардную экономию

Омские учёные создали гибридную модель управления движением поездов, объединив классические законы физики с алгоритмами машинного обучения. Разработка, выполненная исследователями Омского государственного университета путей сообщения (ОмГУПС) при поддержке гранта Российского научного фонда (РНФ) и правительства Омской области, позволяет рассчитывать траекторию движения составов на 10–15 процентов точнее традиционных методов. Результаты исследования уже опубликованы в журнале «Вестник ВНИИЖТ», а сам проект готовится к испытаниям в реальных условиях эксплуатации.

Актуальность разработки обусловлена масштабом энергопотребления железнодорожного транспорта. По данным ОмГУПС, РЖД расходует около пяти процентов всей электроэнергии в стране, причём 85 процентов этого объёма уходит на движение грузовых поездов. Даже однопроцентная экономия в таких масштабах даёт миллиардный эффект, поэтому повышение точности расчётов режимов движения является не академической, а прямой экономической задачей. Существующие системы автоведения, которые подсказывают машинисту, где набрать скорость, а где замедлиться, построены исключительно на теоретических физических моделях. Они учитывают силы трения, сопротивление на подъёмах и воздействие ветра, но оставляют за скобками износ путей, погодные явления вроде снега или дождя и индивидуальные характеристики конкретного состава. В результате теоретически рассчитанная траектория расходится с фактической, а потенциал энергосбережения остаётся нереализованным. На грузовых электровозах постоянного тока доля использования автоведения едва достигает 30 процентов, что указывает на значительный резерв автоматизации.

Решением, предложенным омской научной группой, стало не замещение физики машинным обучением, а их объединение в единую вычислительную конструкцию. Физические уравнения задают базовую логику движения, тогда как алгоритмы машинного обучения обучаются на реальных данных и компенсируют те составляющие сопротивления, которые теоретические модели предсказать не способны. Для обучения модели использовались записи более чем 1500 реальных поездок грузовых составов с электровозами на участках Западно-Сибирской железной дороги. Эти данные фиксировались регистраторами, установленными на локомотивах. Устройства посекундно снимали информацию о скорости, работе двигателей, нагрузках на тормоза и траекториях движения. На этом массиве алгоритм научился вычислять полное сопротивление, которое испытывает поезд при различных вариантах движения, включая те, что не описываются классическими формулами.

Точность расчётов, продемонстрированная гибридной моделью, заметно превышает показатели традиционных методов. Расхождение между рассчитанным и фактическим временем движения не превышало одной минуты. Именно эта точность создаёт основу для энергосбережения. По оценкам разработчиков, оптимизированный режим движения позволяет экономить не менее 3,5 процентов электроэнергии, расходуемой на тягу поездов, что в масштабах сети РЖД конвертируется в сумму до 6 млрд рублей в год. Помимо прямого снижения энергозатрат, более точное управление движением способствует сокращению износа подвижного состава, что особенно значимо для дальних грузовых перевозок.

Ключевая особенность разработки — её адаптивность к конкретным условиям эксплуатации. Система будет учитывать особенности конкретного состава, состояние путей, рельеф местности и погодные условия, что позволяет разрабатывать оптимальные стратегии управления применительно к каждому маршруту. 

«Наш алгоритм позволит разрабатывать оптимальные стратегии управления железнодорожными составами, адаптированные к конкретным условиям — состоянию путей, загрузке состава, рельефу местности. В перспективе такие системы помогут железным дорогам экономить электроэнергию и продлить срок службы поездов, что особенно важно для дальних грузовых перевозок», — приводит слова руководителя проекта, кандидата технических наук, доцента кафедры «Подвижной состав электрических железных дорог» ОмГУПС Станислава Истомина пресс-служба РНФ.

В настоящее время проект готовится к следующему этапу — испытаниям в реальных условиях эксплуатации. Планируется согласовать и апробировать гибридную модель с основным разработчиком систем автоведения — компанией ООО «АВП Технология» и генеральным заказчиком — Дирекцией тяги, филиалом ОАО «РЖД». Такой формат сотрудничества указывает на то, что разработка ориентирована на встраивание в существующую технологическую цепочку. В более широком контексте гибридная модель ОмГУПС соотносится с курсом на беспилотные технологии. В университете открыта лаборатория беспилотных транспортных систем и запущено профильное направление подготовки, а на сети РЖД тестируются системы автоматизации движения. Для удаленного оператора, управляющего несколькими составами, точный расчёт траектории с учётом всех переменных становится необходимым условием безопасной и эффективной работы. Гибридная модель, соединяющая физическую строгость и обучаемость на реальных данных, предлагает один из практических путей к такому уровню управления — и, судя по первым результатам, путь этот обещает быть экономически ощутимым.

Текст: Екатерина Львова

Фото: Станислав Истомин, РНФ