Мета роботи - отримання апроксимуючої функції (або системи апроксимуючих рівнянь), яка з мінімальною похибкою зробить наближення до наявних даних по проїзду залізничних об'єктів через 1-но платформні залізничні ваги. Для розв'язання поставленої задачі використовуються числові методи, а саме апроксимація поліноміальними функціями n-го порядку. Експериментальні данні, на основі яких виконуються досліди, отримано з системи зважування та ідентифікації вагонів у русі на одно платформних вагах. Автоматизація процесу апроксимації відбувається за допомогою програми, написаної на мові програмування Python, в якій, для отримання коефіцієнтів багаточлена, використано функції polifit і polyid бібліотеки numPy. Завдяки використанню поліномінальної апроксимації при обробці даних із тензометричних залізничних вагових систем вдалось отримати систему лінійних рівнянь, які з мінімальною похибкою відновили експериментальні дані, що були отримані з існуючої системи підприємства Північний ГЗК: Метінвест. При нормалізації показань датчиків від умовних одиниць, отриманих із підсумкової коробки до діапазону значень [0; 1] з'явилась змога, у процентному співвідношенні, описати рухомий залізничний об'єкт. Це надає змогу уникнути залежності кінцевих результатів від швидкості проїзду вагона або локомотива, що призводить до підвищення точності ідентифікації вагонів у рухомому складі за рахунок використання процентного співвідношення перебування осей на ваговій платформі (наїзд/з'їзд). З'явилась можливість визначити тип вагона з однаковою кількістю осей, але різними характеристиками міжосьового простору та бази рухомого складу. Наукова новизна полягає в отриманні загального методу апроксимації експериментальних даних проїзду вагонів через одноплатформні ваги, який можна використовувати для навчання інтелектуальних систем і генерації, наближених до реальних даних проїзду вагона (за рахунок накладання шумів, тощо). Практична цінність - підвищення точності та швидкості ідентифікації вагона у цілому, а також можливість ідентифікувати тип вагона з однаковою кількістю осей у залізничному складі, зменшує час простою підприємства, що сприяє збільшенню кількості зважених та ідентифікованих рухомих об'єктів. Наведені методи можуть буди використанні як для ідентифікації, так і для задач, кінцевим результатом яких є класифікація вхідних даних (нейронні сітки та т.п.).

 Наукова періодика України 

---

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"