Abstract
Теміржол көлігінің жылжымалы құрамының тораптары мен агрегаттарын бұзбай бақылау және техникалық диагностикалау саласындағы алдыңғы зерттеулерге талдау жасалды. Діріл, акустикалық және термиялық бақылау сияқты әдістер қарастырылады. Әртүрлі анықтау және диагностикалау құралдарымен анықталуы мүмкін ақаулар белгілерін іске асыруды кластерлеу негізінде жоғары жылдамдықты теміржол көлігінің жай-күйін анықтау жүйесін Машиналық оқыту мүмкіндігі қарастырылды. Бұзбайтын бақылау және диагностикалық әдістерді бір-бірінен бөлек қолдану әрқашан орынды бола бермейтіні көрсетілген. Осындай автоматтандырылған анықтау кешендерінде қолдануға негізделген жоғары жылдамдықты теміржол көлігінің жылжымалы құрамының тораптары мен агрегаттарын, жоғары жылдамдықты теміржол көлігі жүйелерінің ақауларының жүздеген белгілерін анық емес кластерлеу алгоритмдері бар модельдерді анықтау нәтижелерін кешенді бағалау бойынша шешімдердің перспективалылығы негізделген. Выполнен анализ предшествующих исследований в области неразрушающего контроля и технического диагностирования узлов и агрегатов подвижного состава железнодорожного транспорта. Рассмотрены такие методы, как вибрационный, акустический и тепловой контроль. Рассмотрена возможность машинного обучения системы детектирования состояния высокоскоростного железнодорожного транспорта на основе кластеризации реализаций признаков неисправностей, которые могут быть выявлены разными средствами детектирования и диагностирования. Показано, что использование методов неразрушающего контроля и диагностирования отдельно друг от друга не всегда целесообразно. Обоснована перспективность решений, по комплексной оценке, результатов детектирования узлов и агрегатов подвижного состава высокоскоростного железнодорожного транспорта, основанных на применении в подобных автоматизированных комплексах детектирования, моделей с алгоритмами нечеткой кластеризации сотен признаков неисправностей систем высокоскоростного железнодорожного транспорта. The analysis of previous studies in the field of non-destructive testing and technical diagnostics of components and aggregates of railway rolling stock is carried out. Methods such as vibration, acoustic and thermal control are considered. The possibility of machine learning of a system for detecting the state of high-speed rail transport based on clustering of implementations of fault signs that can be detected by various means of detection and diagnosis is considered. It is shown that the use of methods of non-destructive testing and diagnostics separately from each other is not always advisable. The prospects of solutions for a comprehensive assessment of the results of detection of high-speed railway rolling stock units and aggregates based on the use of models with fuzzy clustering algorithms for hundreds of signs of malfunctions of high-speed railway transport systems in such automated detection complexes are substantiated.