Введение. Предметом исследования являются текущее состояние и перспективы развития систем энергооптимального вождения поездов грузовыми магистральными электровозами постоянного тока 2ЭС6. Анализ влияния современных тенденций в области энергосбережения и улучшения эффективности использования тяговых энергетических ресурсов на железнодорожном транспорте на тягу поездов показал, что в настоящее время малоисследованными остаются режимы ведения поезда, построенные на методах и алгоритмах машинного обучения и искусственного интеллекта. Основной целью исследования является определение уровня фактического использования систем автоматизации вождения грузовых поездов на участках Урало-Сибирского железнодорожного полигона и его влияние на энергооптимальный график исполненного движения поездов.

Материалы и методы. При решении поставленных задач в работе были использованы основные положения теории тяги поездов, понятия теории автоматизированного управления и диагностики электроподвижного состава, а также статистические методы обработки данных.

Результаты. Сформулирована гипотеза о том, что интеллектульно-адаптивная система поддержки управления подвижным составом с применением методов и алгоритмов машинного обучения и искусственного интеллекта позволит снизить значения удельного расхода электроэнергии локомотивами. Показано, что наиболее целесообразным для построения динамических моделей энергооптимального движения локомотива в режиме реального времени для интеллектуально-адаптивной системы поддержки управления подвижным составом с применением методов и алгоритмов машинного обучения и искусственного интеллекта является использование данных из автоматизированного рабочего места регистратора параметров движения и автоведения грузового локомотива, так как именно эти данные содержат точные значения географических координат, что позволяет синхронизировать измерения по различным поездкам на определенном участке.

Обсуждения и заключение. Применение настраиваемой искусственной рекуррентной нейронной сети на долгой краткосрочной памяти при разработке новых или усовершенствовании уже существующих методов энергоэффективного управления тяговым подвижным составом с поездом позволит модернизировать используемые на локомотивах регистраторы параметров движения. Разработанный авторами алгоритм может лечь в основу создания принципиально новой интеллектульно-адаптивной системы поддержки управления подвижным составом с применением методов и последовательностей машинного обучения и искусственного интеллекта. Дальнейшие исследования будут направлены на разработку технологии построения динамических моделей энергооптимального движения локомотива с поездом в режиме реального времени.