Бул изилдөө, секиз вагонлу бир йүксек ылдам электр поездиин пневматикалык системаинде шланг туташмасынын ажыроосыйла олушан аба агып чыгуусуны; йалнызжа 1., 3., 6. ве 8. вагонлардаки дөрт негизги резервуар басым сенсорунү кулланарак теспит етмейи, бузулуулы аражы белирлемейи ве бузулуулы пневматикалык жабдууы классификацияйы изилдейт. Изилдөөда AMESim менен олуштурулан ве чектелген герчек земин сыноолоруйле калибре едмененн трен дүзейи пневматикалык модельден үретилмиш маалыматтар, физикалык басым төмөндөшү өзеллиги ве вагон–жабдуу йерлешим кжылуулуктларыйла дестекленен көп милдеттүү 1D-CNN–LSTM торына маалыматлмиштир. Там A3_PM модельи; агып чыгуу, вагон ве жабдуу ылайыквлеринде тартипсыйла %99,85 ± %0,01, %95,73 ± %0,41 ве %92,12 ± %1,24 тактык билдирмиштир. Ошентсе да жабдуу сонужу чыныгы вагон белгисинин моделье шарт катары маалыматлдиги бир баалоойе, маалымат күмеси болсо торырлыклы катары бензетимле үретилмиш басым тизмектерине дайанмактадыр.

Йөнтемин илк катмары, дөрт сенсорден гелен басым сигналдарындеки кыска мөөнөттүү жергиликтүү дегишимлери бир бойутлу конволюциялык нейрон тармагыйла чыкармактадыр. Ардындан узун-кыска мөөнөттүү эс торы ве убакыттык көңүл механизми, басынжын заман бойунжа насыл дүштүгүнү, денгелендигини вейа компрессор еткисийле йениден йүкселдигини модельлемектедир. Айны пенжеренин баштапкы ве битиш басымлары арасындаки дегишим ошондой эле физикалык бир басым төмөндөө ылдамдыгы өзеллигине дөнүштүрүлмекте ве өгренмененн заман сериси темсилийле бириктирилет.

Модел үч айры чыкты өндүрүүтедир: агып чыгуу вар вейа йок, бузулган вагон 1–8 арасында хангиси ве бузулган жабдуу секиз класстан хангисидир. Жабдуу класстары куплер, эшик, алдыңкы капкак, сигнал, пантограф, кумдоо түзмөгү, даараткана ве дөңгөлөк бетин тазалагычдир. Изилдөөнүн вагон–жабдуу катуу маскаси, белирли бир вагонта физикалык катары булунмайан жабдууларын оласылыгыны сыфыра индирмектедир. Өрнегин сигнал йалнызжа уч вагонларда, пантограф болсо йалнызжа 3. ве 6. вагонларда булундугу үчүн герчек вагон билгиси маалыматлдигинде пантограф бузулуусынын сигнал катары рапорланмасы енгелленмектедир.

Изилдөөнүн күчтүү тарафы, үст үсте бинен заман пенжерелерини ошол эле өзгүн досйа грубу үчүнде тутарак окутуу ве тест күмелери арасындаки догрудан маалымат агып кетишины азалтмасыдыр. Үч ар түрдүү растгеле баштапкыла түзүмлан тажрыйбаларде орточо ве стандарттык четтөөларын рапорланмасы да тек бир башарылы окутуу чалыштырмасына дайалы натыйжа сунулмасыны өнлемектедир. Буга каршы герчек трен маалыматсинин капсамы чектелген, маалымат ве код камуйа капалы, дыш бир трен сетинде валидация йок ве герчек сенсорлерин 1 Хз үлгүлеме ылдамдыгына каршы окутуу маалыматтаринин 10 Хз катары үретилмесинин саха өндүрүмдүүлүкына еткиси маанилендирилмемиштир.

Түркия жагынан маании

Түркияда ишлетмененн вейа гелиштирилэң жогорку ылдам электр поезди сетлеринде пневматикалык системалер; тормоздоо, эшиктер, пантограф, аба асмасы ве чешитли йардымжы жабдуулар үчүн критик маание сахиптир. Изилдөөнүн йаклвакцинамы, хер пневматикалык дала айры сенсор йерлештирмек йерине чектелген сайыдаки ана басым сенсорунден бүтүн трен бойунжа йайылан басым дегишимлерини йорумлайан бир техникалык тейлөө чечим колдоо системасы гелиштирилмесине методологиялык пайдубал сторлайабилир.

Түркия’йе уйарланажак бир системаде илгили трен сетинин герчек түтүк топологиясы, резервуар көлөмдөрү, компрессор контрол мантыгы, хортум ве клапан айрыкчари, сенсор чечилиши ве жабдуу йерлешими йениден модельленмелидир. Фарклы мевсимлер, бийиктик, температура, вагон жашы, тейлөө дуруму, нормал хава түкетими ве йолжулук тартипсында олушан контрол харекетлерийле узак мөөнөттүү маалымат топланмалыдыр. Модел чыктжылуулук, бторымсыз саха валидациясы ве емнийет анализи тамамланмадан отоматик трен дурдурма вейа критик тейлөө карары үчүн кулланылмамалыдыр.

Изилдөөнүн пайдубал суроосу недир?

Изилдөөнүн пайдубал суроосу, трен бойунжа йалныз дөрт ноктада өлчүлен негизги резервуар басынжынын, жергиликтүү сенсорү булунмайан абдан сайыда пневматикалык жабдуудаки шланг ажырашы качторыны не катар айрынтылы бичимде гөстеребмененжегидир. Изилдөө йалнызжа “агып чыгуу вар мы?” суроосуна жевап арамамактадыр. Айны басым пенжересинден:

• Качторын булунуп булунмадыгы,
• Качторын секиз вагонтан хангисинде олуштугу,
• Качторын секиз жабдуу категорисинден хангисийле илишчопои олдугу

бирликте болжол едилмектедир.

Проблем неден зордур?

Йерел бир шланг ажырашы, негизги резервуар борусу аркылуу бүтүн тренин басым денгесини еткмененйебилир. Бу неденле ар түрдүү вагон ве жабдууларда олушан агып чыгуулар дөрт сенсорде бирбирине бензейен генел басым дүшүшлери олуштурабилир. Айрымы зорлаштыран башлыжа шарттар шунлардыр:

• Басым сенсорлери йалнызжа 1., 3., 6. ве 8. вагонларда булунмактадыр.
• Капы, даараткана, кумлама системаи ве темизлейижи гиби жабдууларын жергиликтүү басым сенсорлери йоктур.
• Басым жевабы баштапкы басымна, агып чыгуу конумуна ве жабдуу далына ылайык дегишмектедир.
• Нормал хава түкетими ве компрессор контролү де басым егимини дегиштиребилир.
• Бузулуу үлгүлөрү нормал үлгүлерден ве жабдуу класстары бирбиринден сандык катары ар түрдүүдыр.
• Вагон ве жабдуу этикалыкетлери бторымсыз дегилдир; базы жабдуулар йалныз белирли вагонларда булунур.

Бу неденле басит бир басым босогосу качторын олуштугуну гөстеребилсе бменен бузулуунын ханги вагон ве жабдуудан ширетүүландыгыны ишенимилир бичимде ачыкламайабилир.

Инжеленен пневматикалык система насыл түзүмландырылмыштыр?

Изилдөөдө секиз вагонлы бир электр көп бирдиктүү поездин трен бойунжа узанан негизги резервуар борусу модельленмиштир. Ана бору; тормоз системасы, аба берүү контрол модульү, ана ве көмөкчү резервуарлар, аба асмасы, климатташтыруу ве желдетүү, пантограф, эшиктер, даараткана, куплер, алдыңкы капкак, сигнал, дөңгөлөк бетин тазалагыч ве кумлама системаи гиби даллара басымлы хава сторламактадыр.

Систем шемасы, тек бир жергиликтүү шланг ажырашынын йалныз бузулуулы дала дегил, негизги түтүк аркылуу башка вагонлардаки басым сенсорлерине де йайылан бир динамик тепки олуштурдугуну көрсөтөт. Бу йайылым, бузулуунын конумуна илишкин билги твакцинаса да сигналдын догрудан окунмасыны зорлаштыран күчтүү бир система бторлвакцинамы мейдана гетирмектедир.

Вагон–жабдуу йерлешим илишкиси

Бу таблица, модельин чыкты узайында кулланылабмененжек ачык бир мүхендислик куралы олуштурмактадыр. Өрнегин 4. вагон үчүн пантограф, куплер вейа сигнал болжолу физикалык катары гечерсиздир.

Чок ылайыквли маселе насыл диагнозмланмыштыр?

Дөрт басым сенсорунден ошол эле анда алынан өлчөөлөр төмөнкү вектөрле темсил едилмектедир:

\[ \mathbf{p}(t)=[p_1(t),p_2(t),\ldots,p_C(t)]^Т \]

Бурада \(Ж=4\), сенсор каналы сайжылуулукдыр. Каналлар 1., 3., 6. ве 8. вагонлардаки негизги резервуар басымларыны темсил етмектедир. Хер өгренме өрнеги, \(Т\) убакыт кадамы ичерен дөрт каналлы пенжере бичиминдедир:

\[ \mathbf{X}_i= [\mathbf{p}(t_i),\mathbf{p}(t_i+1),\ldots, \mathbf{p}(t_i+T-1)] \in\mathbb{R}^{Ж\times Т} \]

\(\mathbf{X}_и\), модельин тек бир үлгү үчүн гөрдүгү басым заман тизмексидир. Хер сатыр бир сенсорү, хер сүтун болсо пенжере үчүндеки бир үлгүлеме аныны гөстерир.

Хер пенжерейе үч этикалыкет атанмыштыр:

\[ \mathbf{y}_i= \left( y_i^{\mathrm{leak}}, y_i^{\mathrm{car}}, y_i^{\mathrm{dev}} \right) \]

• \(й_и^{\mathrm{leak}}\): агып чыгуу йок вейа агып чыгуу вар этикалыкети,
• \(й_и^{\mathrm{car}}\): 1–8 арасындаки бузулган вагон,
• \(й_и^{\mathrm{dev}}\): секиз жабдуу категорисинден бири.

Вагон ве жабдуу болжоллеринин физикалык катары маанилүү олмасы үчүн бир ылайыктуулук матрицасы диагнозмланмыштыр:

\[ M_{c,d}= \begin{cases} 1, & d\text{ ekipmanı }c\text{ aracında bulunuyorsa}\\ 0, & d\text{ ekipmanı }c\text{ aracında bulunmuyorsa} \end{cases} \]

Гечерли бир вагон–жабдуу болжолу үчүн:

\[ M_{\hat{y}^{\mathrm{car}},\hat{y}^{\mathrm{dev}}}=1 \]

олмалыдыр. Бу илишки, жасалма интеллект чыктжылуулукнын тренин герчек донаным йерлешимийле челишмесини енгеллемек амажыйла кулланылмактадыр.

Герчек тажрыйба ве AMESim модельи насыл бирлештирилмиштир?

Бүтүн вагон–жабдуу агып чыгуу комимаратсйонларыны герчек трен үстүндө билинчли катары олуштурмак коопсуздук, заман ве чыгым ачжылуулукндан уйгун олмадыгы үчүн симуляция дестекли маалымат өндүрүшү колдонулган. Өнже чектелген сайыда жердеги сыноойле шланг ажырашы кийинсында олушан басым тепкмененри өлчөнгөн. Даха кийин тренин борулары, деполары, аба берүү биримлери ве жабдуу даллары AMESim ортамында модельленмиш ве өлчүлен егрмененре ылайык калибре едилмиштир.

Герчек ве бензетилмиш басым егрмененринин каршылаштырылдыгы графикте:

• Мави убакыткли чизгмененр эксперименттик өлчөөү,
• Кырмызы кесикли чизгмененр симуляция сонужуну,
• Дөрт айры панел 1., 3., 6. ве 8. вагон сенсорлерини,
• Йатай ексен заманы секунда,
• Дүшей ексен негизги түтүк басынжыны чопоопаскал жинсинден

көрсөтөт.

Йаклвакцинак 950 кПа дүзейинден башлайан басым дүшүшлери, дүшүк басымта горизонталдуулашма, компрессорле йениден болжол менен 940–950 кПа дүзейине йүкселме ве икинжи дүшүш убакытжи тейлөөындан тажрыйба ве симуляция чизгмененри бирбирине йагымн мененрлемектедир. Дөрт каналын орточо белирлеме катсайжылуулук:

\[ R^2=0{,}9923 \]

катары билдирилген. Бу маани баскын басым егилимлеринин бензетимде ийи йениден үретилдигини көрсөтөт. Ошентсе да канал бвакцинана \(R^2\), RMSE вейа MAE маанилери маалыматлмемиштир. Жогорку генел \(R^2\), жабдуулары бирбиринден айыран кичинекей ве кыска мөөнөттүү гечишлерин ошол эле тактыкла үретилдигини тек бвакцинана далилдебейт.

Симүласйон маалыматтари насыл чешитлендирилмиштир?

Калибре едмененн модельде агып чыгуу 10. секундаде енжекте едилмиш ве ар түрдүү вагон–жабдуу комимаратсйонлары үчүн дөрт сенсорүн басым жообу өндүрүлгөн. Чешитлилиги артырмак амажыйла:

• Башлангыч басынжыны темсил еден дүшей егри кайдырмалары,
• Фарклы тыгыздыкларда өлчөө ызы-чуусу,
• Башка хава түкетим олайларыны таклит еден кыска мөөнөттүү жергиликтүү егим дегишимлери

екленмиштир. Изилдөөчүлөр бу артырмаларын герчек трен валидациясынын йерине гечмедигини, йалныз контроллү шарттарда оласы басым йанытларынын капсамыны кеңлеттигини ачыкча белиртмектедир.

Заман пенжерелери насыл олуштурулмуштур?

Симүласйон маалыматтари 10 Хз үлгүлеме ылдамдыгында ишленмиштир. Пенжере узунлугу 100 үлгү, жылдыруу кадамы 50 үлгүтир:

Пенжеренин сон үлгүлеме аны агып чыгуу енжексион заманыны гечийорса үлгү “агып чыгуу” катары этикалыкетленмиштир. Бу йаклвакцинам гечиш аныны ичерен пенжерелерин агып чыгуу классына алынмасыны сторлар. Бирок пенжеренин бир кысмы бузулуу мурунси, бир кысмы бузулуу кийинсы олабилир; бу неденле этикалыкет бузулуунын пенжеренин тамамында еткин олдугуну гөстермез.

Вери сызынтжылуулук насыл өнленмейе чалышылмыштыр?

Айны басым досйасындан үретмененн комшу пенжерелер чоң өлчүде өртүштүгү үчүн пенжере дүзейинде растгеле бөлме түзүмлмамыштыр. Өзгүн ширетүү досйалары груп катары тутулмуш ве досйалар:

• %70 окутуу,
• %15 валидация,
• %15 тест

күмелерине айрылмыштыр. Бөйлеже ошол эле досйанын бирбирине абдан бензейен пенжерелеринин хем окутуу хем тест жыйындысынде булунмасы енгелленмиштир.

Ошентсе да изилдөөдө топлам өзгүн досйа сайжылуулук, досйа бвакцинана пенжере сайжылуулук, жабдуу бвакцинана досйа дторылымы ве ошол эле пайдубал сенарйодан түретмененн артырылмыш досйаларын тек групта тутулуп тутулмадыгы ачыкланмамыштыр. Досйа дүзейиндеки бөлме догрудан пенжере сызынтжылуулукны азалтмактадыр; бирок ошол эле симуляция сенарйосунун ар түрдүү артырылмыш үйүрмлери күмелер арасында булунуйорса сенарйо бензерлиги девам едебилир.

Сыныф денгесизлиги насыл еле алынмыштыр?

Вагон ве жабдуу класстары ешит сайыда үлгү ичермедиги үчүн таасирдүү үлгү санына дайалы класс салмактары колдонулган:

\[ E_k=\frac{1-\beta^{n_k}}{1-\beta} \]

Бурада \(н_к\), \(к\) классындаки окутуу өрнеги сайжылуулук; \(\beta\), чоң класстарын торырлыгыны йумушатан параметредир. Сыныф торырлыгы:

\[ w_k= \frac{1/E_k} {\frac{1}{K}\sum_{j=1}^{K}1/E_j} \]

катары хесапланмыш ве бүтүн класстарын орточо торырлыгы 1 олажак бичимде нормализе едилмиштир. Бу ыкма, аз үлгүли жабдууларын жоготуу функциясында тамамен гери планда калмасыны енгеллемейи амачлар. Бирок класс боюнча үлгү сайылары ве колдонулган \(\beta\) маании рапорланмадыгы үчүн герчек торырлыклар бторымсыз бичимде йениден хесапланамамактадыр.

1D-CNN катмары нейи өгренмектедир?

Моделин илк бөлүмү, басым сигналдарындеки кыска мөөнөттүү жергиликтүү дегишимлери чыкаран ики конволюция блогундан олушмактадыр:

Conv1D(4 → 32, өзөк=5, долгу=2)
→ Батжх Нормализатион
→ ReLU
→ MaxPool(2)

Conv1D(32 → 64, өзөк=3, долгу=1)
→ Батжх Нормализатион
→ ReLU
→ MaxPool(2)

Дөрт каналлы ве 100 үлгү узунлугундаки гириш, ики хавузлама ишлеминден кийин:

\[ F_{\mathrm{cnn}} \in\mathbb{R}^{B\times64\times25} \]

бойутуна индирилмектедир. \(Б\), мини-батжх үчүндеки үлгү сайжылуулукдыр. Евришим катмарлары басым егиминдеки жергиликтүү сынуулары, кыска мөөнөттүү дүшүшлери ве каналдар арасындаки еш заманлы дегишимлери өгрениркен хавузлама ишлеми заман бойутуну күчүлтмекте ве ишлем йүкүнү азалтмактадыр.

LSTM ве убакыттык көңүл буруу насыл изилдөөктадыр?

CNN чыктжылуулукндаки 25 заман конуму бир тизмек хâлине дөнүштүрүлерек 128 гизли биримли тек катмарлы LSTM’йе маалыматлмектедир. LSTM, унутма, гириш ве чыкыш эшиктеры сайесинде мурунку басым дурумундан ханги билгинин корунажторыны ве йени дегишимин не өлчүде екленежегини өгренмектедир.

LSTM’нин хер убакыт кадамындаки жашыруун абалу:

\[ H=[h_1,h_2,\ldots,h_{T'}] \in\mathbb{R}^{Б\times Т'\times128} \]

шеклиндедир. Замансал көңүл буруу скору:

\[ e_t=w_a^T h_t+b_a \]

ве нормализе едилмиш көңүл буруу торырлыгы:

\[ \alpha_t= \frac{\exp(e_t)} {\sum_{\tau=1}^{T'}\exp(e_\tau)} \]

катары хесапланмактадыр. Пенжере дүзейиндеки бторлам вектөрү:

\[ h_{\mathrm{ctx}}= \sum_{t=1}^{T'}\alpha_t h_t \]

менен елде едилир. Жогорку \(\alpha_т\) алан заман дилимлери, модельин классификация тартипсында дагы маанилүү булдугу басым гечишлерини темсил етмектедир. Изилдөө көңүл механизмины йорумланабилир бир ипужу катары диагнозмласа да белирли бузулууларда ханги заман дилимлеринин сечилдигини гөстерен көңүл буруу карталары сунмамыштыр.

Физик билгили өзеллик недир?

Хер басым каналынын пенжере бвакцина менен пенжере сону арасындаки дегишими, терезе узундугуна бөлүнерек басым төмөндөө ылдамдыгы өзеллиги олуштурулмуштур:

\[ r_{b,c}= \frac{X_{b,c,T}-X_{b,c,1}}{T} \]

Бурада:

• \(X_{б,ж,1}\), пенжеренин баштапкы басым,
• \(X_{б,ж,Т}\), пенжеренин битиш басынжы,
• \(Т=100\), терезе узундугу,
• \(ж\), дөрт сенсор каналындан биридир.

Бу таануу ылайык негатиф маани пенжере бойунжа басынжын дүштүгүнү, позитиф маани йүкселдигини гөстерир. Изилдөөдө басым чопоопаскал жинсинден, \(Т\) болсо үлгү сайжылуулук катары кулланылдыгы үчүн өзеллик догрудан кПа/с дегил, үлгү бвакцинана басым дегишими бичиминдедир. Физиксел катары секунда бвакцинана дүшүш ылдамдыгы истенийорса үлгүлеме аралыгынын да хесаба катылмасы герекир.

Дөрт каналдан олуштурулан вектөр:

\[ \mathbf{r}=[r_1,r_2,r_3,r_4] \]

32 бойутлу бир физикалык ембеддингйе дөнүштүрүлмектедир:

\[ e_{\mathrm{phys}}= \mathrm{ReLU}(W_{\mathrm{phys}}\mathbf{r} +b_{\mathrm{phys}}) \]

Өгренмененн ве физикалык өзгөчөлүктөр насыл бирлештирилмиштир?

128 бойутлу LSTM бторламы менен 32 бойутлу физикалык ембеддинг бирлештирилмиштир:

\[ u=[h_{\mathrm{ctx}};e_{\mathrm{phys}}] \in\mathbb{R}^{160} \]

Ардындан 128 бойутлу ортак өзеллик олуштурулмуштур:

\[ z= \mathrm{ReLU}(W_{\mathrm{fus}}u+b_{\mathrm{fus}}) \]

Агып чыгуу, вагон ве жабдуу классификация баш аталышлары ошол эле ортак \(з\) темсилини кулланмактадыр. Бу дүзен, агып чыгуу варлыгы, басым йайылым конуму ве жабдуу айрыкчаринин ортак бир заман сериси түзүмүндан өгренмененбмененжеги варсайымына дайаныр.

Серт маска насыл уйгуланмактадыр?

Жабдуу башлыгынын хам логитлери физикалык жайгашуу матрицасыне ылайык дегиштирилмиштир:

\[ \widetilde{o}^{\mathrm{dev}}_{b,d}= \begin{cases} o^{\mathrm{dev}}_{b,d}, & M_{c_b,d}=1\\ -\infty, & M_{c_b,d}=0 \end{cases} \]

Гечерсиз жабдуу логитинин \(-\infty\) түзүмлмасы, софтмаx кийинсында оласылыгынын там катары сыфыр олмасыны сторлар. Бу сайеде маалыматлен вагонта булунмайан жабдуу сечмененмез.

Өнымдуулукли йорум сыныры, \(ж_б\) вагон шартунун окутуу ве тест тартипсында модельин вагон болжолу дегил чыныгы вагон белгиси олмасыдыр. Ошондуктан катуу маскали жабдуу башлыгы шу суроойа жевап вермектедир:

“Бузулуунын ханги вагонта олдугу догру бичимде билинийорса, о вагонтаки оласы жабдуулардан хангиси бузулуулыдыр?”

Изилдөө, аражын да йалнызжа модельден болжол едилдиги там зинжирде катуу масканин өндүрүмдүүлүкыны өлчмемиштир.

Чок ылайыквли жоготуу функциясы

Топлам окутуу кайбы үч кайчылаш энтропия кайбынын торырлыклы топламыдыр:

\[ \mathcal{L}= \lambda_{\mathrm{leak}}\mathcal{L}_{\mathrm{leak}} +\lambda_{\mathrm{car}}\mathcal{L}_{\mathrm{car}} +\lambda_{\mathrm{dev}}\mathcal{L}_{\mathrm{dev}} \]

Варсайылан ылайыкв торырлыклары:

\[ \lambda_{\mathrm{leak}}=1{,}0,\qquad \lambda_{\mathrm{car}}=0{,}3,\qquad \lambda_{\mathrm{dev}}=0{,}3 \]

катары аныкталган. Агып чыгуу ылайыквинин торырлыгы дигер ики ылайыквден дагы йүксектир. A5_LDEV2_PM варйантында жабдуу торырлыгы артырыларак ылайыквлер арасы рекабетин азалтылмасы араштырылмыштыр.

Егитим айарлары

Ен ийи жхежкпоинтлер үч баштапкы үчүн тартипсыйла 83., 64. ве 81. епожхларда сечилмиштир. Изилдөөдө колдонулган ишлемжи, ГПУ, окутуу мөөнөтү, чыгаруу кечигүүсү, эс түкетими ве топлам модель параметр саны маалыматлмемиштир.

Карышыклык матрислери не көрсөтөт?

Агып чыгуу классификациясында агып чыгуусыз үлгүлөрүн %99,49’у, агып чыгуу үлгүлөрүн %99,85’и догру классификацияланган. Ики класслы матрис нередейсе тамамен көшеген түзүмдадыр.

Вагон жайгаштырууда класс боюнча догру таануу катышлары болжол менен катары шөйледир:

Жабдуу классификациясында сигнал ве пантограф үчүн гөстермененн догру классификация катышы %100’дүр. Текерлек бети темизлейижиси %77,4 менен эң төмөн класс сонужуна сахиптир. Кумлама жихазы %85,9 катышында догру диагнознмыш ве үлгүлөрүн %9,3’ү темизлейижи катары классификацияланган. Изилдөөчүлөр бу карышыклыгы ики жабдууын бензер жергиликтүү бору айрыкчари ве басым динамиклерийле илишкмененндирмектедир.

Бу матрислерин ханги растгеле башлангыжа аит олдугу ачык бичимде белиртилмедигинден класс боюнча катышлар, үч чалыштырманын орточосы катары маанилендирилмемелидир.

Егитим ве валидация егрмененри насыл йорумланмалыдыр?

Агып чыгуу догрулугу окутууин илк ашамасында ылдамдыкла %99 дүзейине йаклашмыштыр. Вагон ве жабдуу тактыклары дагы жай йүкселмиш ве болжол менен %90–95 аралыгында денгеленмиштир. Догрулама егрмененри илк 40–50 епожх бойунжа айкын толкунланма гөстермиш, үйрөнүү ылдамдыгы азалтылдыктан кийин дагы туруктуу хâле гелмиштир.

Сеед 42 үчүн валидация тактыклары 4. епожхта агып чыгуу/вагон/жабдуу ылайыквлеринде болжол менен 0,965/0,088/0,142 икен 30. епожхта 0,997/0,758/0,835’е, 67. епожх живарында болсо болжол менен 0,999/0,959/0,925’е улашмыштыр. График геч дмааниде чоң бир өндүрүмдүүлүк дүшүшү гөстермемектедир. Ошентсе да окутуу ве валидация үлгүлөрүнин ошол эле симуляция өндүрүш системаинден гелмеси, герчек саха дторылымындаки вакцинары уйуму баалоойе йетмез.

Изилдөөнүн дестекледиги натыйжалар

• Дөрт негизги резервуар басым сенсорунүн симуляция дестекли маалыматтаринде шланг ажырашы качторы абдан йүксек тактыкла айырт едмененбилмиштир.
• Басым йайылымы, бузулган вагон конумуна илишкин өгренмененбилир билги твакцинамактадыр.
• Басым дүшүшү өзеллигинин екленмеси вагон ве жабдуу натыйжаларыны иймененштирмиштир.
• Герчек вагон билгисине ылайык колдонулган физикалык маска, гечерсиз жабдуу рекабетини азалтмыштыр.
• Досйа дүзейиндеки маалымат бөлме, ошол эле досйадан гелен кабатталган терезелерин окутуу ве тесте дторылмасыны енгеллемиштир.
• Үч растгеле баштапкыта ана өндүрүмдүүлүк маанилери бирбирине йагымн калмыштыр.

Изилдөөнүн канытламадыгы натыйжалар

• Моделин герчек йолжу ишлетмеси тартипсында ошол эле тактыкла чалышажторы канытланмамыштыр.
• %92,12 жабдуу догрулугу там учтан учка вагон–жабдуу жайгаштыруу башаржылуулук дегилдир.
• Моделин кенди йанлыш вагон болжолуйле катуу маскайи кулландыгы шарт маанилендирилмемиштир.
• 1 Хз герчек трен маалыматсинде 10 секундалик пенжерейле ошол эле өндүрүмдүүлүк гөстерилмемиштир.
• Капы, даараткана ве пантограф дышындаки бүтүн жабдуулар үчүн капсамлы герчек агып чыгуу тажрыйбалари түзүмлмамыштыр.
• Күчүк сызынты, жарым-жартылай бошошуу вейа еркен ашама жонта бузулуусы изилденген эмес.
• Агып чыгуу шиддети вейа агып чыгуу чыгымы болжол едилмемиштир.
• Фарклы трен модельи, түтүк топологиясы вейа компрессор контрол системаи үстүндө генеллеме гөстерилмемиштир.
• Моделин реалдуу убакыттагы камтылган жабдыкда чалышабмененжеги өлчүлмемиштир.
• Модел оласылыкларынын ишеним калибрацияу, аныксыздык дүзейи ве бөлүштүрүүдөн тышкары бузулуу давранышы маанилендирилмемиштир.
• Йөнтем бторымсыз дыш маалымат күмеси вейа башка бир изилдөө екиби тарафындан ырасталган эмес.
• Изилдөө коопсуздук сертификациясы вейа отоматик трен контролү үчүн йетерлилик сунмамактадыр.

Изилдөөнүн Йөнтеми ве Булгулары

Изилдөө тасарымы

Там A3_PM модельинин тест натыйжалары

Табло 3’те вагон Macro-F1 маании %95,87 катары маалыматлиркен компонент чыкарма Табло 4’те A3_PM үчүн %95,88 йазылмыштыр. Фарк чоң оласылыкла йуварлама дүзейинден ширетүүланмактадыр; бирок ики таблицада ошол эле тактык кулланылмамыштыр.

Денгели тактык натыйжалары

Бмененшен чыкарма натыйжалары

Физиксел басым төмөндөшү колу жабдуу Macro-F1 мааниини 1,68 йүзде пуаны, йалныз катуу маска 3,10 йүзде пуаны артырмыштыр. Ики компонентин бирликте кулланылмасы, табан моделье ылайык 4,39 йүзде пуанлык артыш үретмиштир. Жабдуу ылайыквини тек бвакцинана егитен A4 варйантынын A3_PM’ден 0,32 пуан дагы йүксек олмасы, ортак темсилде ылайыквлер арасы чектелген рекабет булундугуну көрсөтөт.

Корна–пантограф физикалык ырааттуулук анализи

Корна йалнызжа 1. ве 8. вагонларда, пантограф йалнызжа 3. ве 6. вагонларда булундугу үчүн бу ики классын вагон күмелери кесишмемектедир. Герчек вагон этикалыкетине ылайык маска уйгуландыгында пантографын сигнал сеченеги отоматик катары капатылмактадыр. Бу неденле 67 катанын сыфыра инмеси физикалык ырааттуулук ачжылуулукндан йарарлы олса да масканин түзүмү гереги бекленен бир натыйжатур; модельин маскасиз катары бу айрымы өгрендигини гөстермез.

Корна классы кесинлиги үч баштапкыта:

• %34,18’ден %51,18’е,
• %31,58’ден %52,08’е,
• %37,64’тен %50,75’е

йүкселмиштир. Корна гери чторырмасы %100 катары сакталган. Серт маска, герчек сигнал үлгүлөрүни азалтмак йерине физикалык катары оланаксыз жалган оңлери енгеллемиштир.

Изилдөөнүн күчтүү йөнлери

• Сейрек сенсорлерден үч илишчопои диагноз ылайыквини ошол эле модельде еле алмасы.
• Йерел басым өрүнтүлери, узун заман бторымлылыгы ве басым төмөндөшү физигини бириктирүүси.
• Вагон–жабдуу йерлешим билгисини догрудан чыкты аланына колдонмосы.
• Герчек тест егрмененрийле калибре едилмиш трен дүзейи пневматикалык модель кулланмасы.
• Өртүшен пенжерелерде файл деңгээлинде маалымат айрымы йапмасы.
• Сыныф денгесизлиги үчүн Macro-F1 ве тең салмактуу тактык рапорламасы.
• Үч растгеле баштапкы ве компонент чыкарма тажрыйбалари сунмасы.
• Симүласйон маалыматсинин герчек талаа маалыматынин йерине гечмедигини ачыкча белиртмеси.

Темел чектелгенлыклар

• Изилдөө рецензиядан өткөн эмес.
• Башлык сайфасында автор ве мекеме билгмененри ексиктир.
• SSRN үстүндө ошол эле изилдөө үчүн ики ар түрдүү кайыт нумарасы ве DOI индексленмектедир.
• Вери күмеси торырлыклы катары симуляцияа дайанмактадыр.
• Герчек тестлер башлыжа эшик, даараткана ве пантограф сенарйоларыйла чектелген.
• Герчек сенсор маалыматси 1 Хз, окутууде колдонулган симуляция маалыматси 10 Хз’дир.
• Герчек 1 Хз гириш үстүндө бторымсыз модель баалооси маалыматлмемиштир.
• Топлам герчек тест, симуляция досйасы, пенжере ве класс өрнеги сайылары ачыкланмамыштыр.
• Сыныф торырлыкларында колдонулган \(\beta\) маании белиртилмемиштир.
• Хард маск тест тартипсында чыныгы вагон белгисине бторлыдыр.
• Моделин кенди вагон болжолуйле маскаленмиш учтан учка натыйжалары маалыматлмемиштир.
• Дыш бир трен сети вейа бторымсыз маалымат күмеси кулланылмамыштыр.
• Харижî машина үйрөнүүсү ыкмалерийле салыштыруулы бенжхмарк түзүмлмамыштыр.
• Канал базлы симуляция ката маанилери сунулмамыштыр.
• Истатистиксел маанилүүлык тести вейа ишеним аралыгы йоктур; йалныз үч башлангыжын стандарттык четтөөсы маалыматлмиштир.
• Модел бойуту, окутуу мөөнөтү ве реалдуу убакыттагы чыгаруу кечигүүсү рапорланмамыштыр.
• Вери ве булак код камуйа ачык дегилдир.
• Күчүк агып чыгуулар, аралыклы агып чыгуулар, сенсор бузулуусы ве бөлүштүрүүдөн тышкары шарттар тест едилмемиштир.

Түркияда саха валидациясы үчүн герекли адымлар

1. Йерел трен сетинин пневматикалык тоположисинин ве жабдуу жайгашуу матрицасынин чыкарылмасы.
2. Герчек сенсор жыштыкында узак мөөнөттүү нормал ишлетме маалыматси топланмасы.
3. Гүвенли земин шарттарында ар түрдүү агып чыгуу чоңлүклери ве жабдуулар үчүн контроллү ката енжексиону түзүмлмасы.
4. Симүласйон маалыматсинин герчек 1 Хз сенсор бичиэмаль дөнүштүрүлерек йениден маанилендирилмеси.
5. Моделин болжол еттиги вагон нумарасыны кулланан там учтан учка масканин сынанмасы.
6. Сенсөр бузулуусы, маалымат кайбы, ызы-чуу ве ар түрдүү компрессор циклдеринин айры тест едилмеси.
7. Модел белирсизлиги ве ишеним калибрацияунун маанилендирилмеси.
8. Гөмүлү поезд компьютеринда гежикме, эс ве ишлем йүкүнүн өлчүлмеси.
9. Багымм узманларынын модель чыктжылуулукны йорумлама ве мүдагыле мөөнөтүнин кулланыжы сыноолоруйле инжеленмеси.
10. Емнийет-критик кулланымдан мурун бторымсыз валидация ве тобокелдик анализи түзүмлмасы.

Булак жана метод эскертүүсү

Изилдөөнүн там өзгүн ады: Пхйсижс-информед оне-дименсионал жонволутионал режуррент нетwорк фор леакаге диагнотуман ин хигх-спеед траин пнеуматиж сйстемс

Йазарлар: Тианйи Wанг; WенБинг Wанг; Жингxиан Динг; Тианйу Xиа; Qийанг Зуо; Жианйонг Зуо.

Йазар тартипламасы: Тианйи Wанг биринжи, WенБинг Wанг икинжи, Жингxиан Динг үчүнжү, Тианйу Xиа дөрдүнжү, Qийанг Зуо бешинжи ве Жианйонг Зуо алтынжы автордыр.

Йазар билгисийле илгили белге ноту: Йүкленен үйүрмүн баш аталыш сайфасында автор адлары, мекемелер ве менентишим билгмененри булунмамактадыр. Йазар листеси ве тартипламасы SSRN’нин расмий кайытларындан ырасталган.

Еш биринжи автор: Еш салым вейа еш биринжи авторлык бейаны йүкленен үйүрмде ве еришмененбмененн SSRN метадата’сында йер алмамактадыр.

Сорумлу автор: SSRN’нин ошол эле баш аталыш үчүн индекследиги кайытта Жианйонг Зуо байланыш автору катары гөстерилмектедир.

Курумсал шилтемелар: SSRN метадата’сында Жианйонг Зуо үчүн Тонгжи Университй шилтемесы маалыматлмектедир. Дигер авторлорын мекемелеры йүкленен үйүрмде булунмамакта ве SSRN метадата’сында “аффилиатион нот провидед” катары гөрүнмектедир. Бу неденле дигер авторлор үчүн мекеме болжолу түзүмлмамыштыр.

Ширетүүла догрудан ешлешен DOI:10.2139/ssrn.7192457

Алтернатиф SSRN кайыт ноту: SSRN арама натыйжаларында ошол эле баш аталыш ве авторлорла 10.2139/ssrn.7192445 DOI’сине сахип икинжи бир кайыт да индексленмектедир. Йүкленен изилдөөнүн бүтүн сайфа алтларында 7192457 кулланылдыгы үчүн ана ширетүү кимлиги катары бу кайыт есас алынмыштыр. Ики кайыт арасындаки үйүрм илишкиси кесин катары ачыкланмамыштыр.

Хедефленен журнал: Енгинееринг Апплижатионс оф Артифижиал Ынтеллигенже.

Дерги дуруму: Изилдөө сайфасында “Препринт субмиттед то Енгинееринг Апплижатионс оф Артифижиал Ынтеллигенже” ифадеси булунмактадыр. Бу ифаде гөндерим билгисидир; кабул вейа йайымланмыш макале кайды анламына гелмез.

Өзгүн басмакана: Изилдөө үчүн кесинлешмиш акыркы академик басмакана булунмамактадыр. Хедефленен журнал Елсевиер платформаунда йайымланмактадыр; бирок бу препринтин Елсевиер тарафындан кабул едилдиги вейа йайымландыгы ырасталган эмес.

Йайын платформау: SSRN.

Макале тарихи: 30 Майыс 2026.

SSRN кайыт тарихи: SSRN арама кайды 27 Теммуз 2026 тарихини көрсөтөт.

Йайын йылы: 2026.

Ширетүү түрү: Герчек земин сыноолоруйле калибре едилмиш AMESim модельи, синтетикалык маалымат көбөйтүү ве көп милдеттүү дерин өгренме ичерен симуляция дестекли өзгүн мүхендислик изилдөөсы препринти.

Хакемлик дуруму: Бул изилдөө рецензиядан өтпөгөн препринт; натыйжалары бу чектелгенлык көңүл бурууе алынарак окунмалыдыр.

Ресмî ширетүү:SSRN 7192457 изилдөө кайды.

Вери еришими: Изилдөөчүлөр маалыматтарин гизлилик кжылуулуктламалары неденийле камуйа ачык олмадыгыны, макул талеп үзерине жооптуу автордан истенебмененжегини белиртмиштир.

Ширетүү код: Ширетүү код вейа чалыштырылабилир тажрыйба депосу шилтемесы изилденген үйүрмде маалыматлмемиштир.

Финансман: Айры бир каржылоо бейаны изилденген үйүрмде йер алмамактадыр.

Чыкар чатышмасы: Айры бир кызыкчылыктар кагылышы бейаны изилденген үйүрмде йер алмамактадыр.

Үреткен жасалма интеллект бейаны: Изилдөөчүлөр изилдөө хазырланыркен дил дүзелтме ве түзүмдүк дүзенлеме амажыйла жасалма интеллект дестекли вагонлар кулландыкларыны; ичериги гөзден гечирип дүзенледиклерини ве акыркы суроомлулугу үстлендиклерини ачыкламыштыр.

Бу Түркче ачыклама, йүкленен 50 сайфалык изилдөөнүн метни, теңдемелери, пневматикалык система шемалары, AMESim салыштыруусы, йапай нейрон тармагы мимариси, окутуу егрмененри, карышыклык матрислери, компонент чыкарма таблицалары, физикалык ырааттуулук анализи, чектелгенлыклары ве ширетүүчасы инжеленерек даярдалган. Билимсел ичериге изилдөө дышында йени тажрыйба сонужу екленмемиштир. Дыш ширетүүлар йалнызжа автор листеси, жооптуу автор, DOI, SSRN кайды, бута журнал ве жарыялоо дурумунун библийографик догруланмасы амажыйла колдонулган.

Изилдөө, сейрек басым сенсорлерийле трен пневматикалык качторынын симуляция дестекли катары йүксек тактыкла диагнознабмененжегини көрсөтөт. Бирок жабдуу натыйжалары герчек вагон шартуна бторлыдыр; маалымат чоң өлчүде симуляциядур ве герчек тренлерде там учтан учка саха валидациясы булунмамактадыр. Бу неденле ыкма, догруланмыш отоматик емнийет системаи катары дегил; мененри герчек маалымат изилдөөлары геректирен бир тейлөө ве бузулуу диагноз изилдөөсы катары маанилендирилмелидир.