Детальная информация

Работа посвящена исследованию подходов к мониторингу и оценке технического состояния подвижного состава с использованием данных телеметрии и построению программной системы, способной по этим данным оценивать запас ресурса узлов и формировать прогноз их дальнейшего состояния. Основное внимание уделено анализу процессов технического обслуживания, структуре телеметрических данных, выбору математической модели для описания тенденций изменения диагностических параметров и программной реализации подсистемы анализа и прогнозирования. В ходе исследования решались следующие задачи: − анализ подвижного состава железнодорожного транспорта как объекта мониторинга и существующих методов контроля и диагностики технического состояния; − изучение процессов технического обслуживания, структуры отказов и возможностей использования телеметрии для перехода к обслуживанию по фактическому состоянию; − формализация задачи анализа и прогнозирования на основе трендовых моделей диагностических параметров и выбор регрессионного подхода для оценки остаточного ресурса; − проектирование архитектуры и разработка программного обеспечения на языке Python для обработки телеметрических данных, построения регрессионных моделей, выдачи диагностических заключений и визуализации результатов; − проведение экспериментальной проверки на модельных телеметрических данных и оценка качества работы разработанной системы. Работа выполнена с использованием открытых инструментов и библиотек языка Python, что позволило реализовать полный цикл обработки данных: от генерации и загрузки телеметрии до анализа, прогнозирования и построения графиков без применения коммерческих систем. В исследовании использованы методы регрессионного анализа, элементарные методы обработки временных рядов, а также средства визуализации и формирования текстовых отчётов. Для достижения поставленных целей были применены следующие информационные технологии и программные средства: язык программирования Python; библиотеки pandas и numpy – для обработки табличных данных и расчёта параметров регрессионных моделей; библиотека matplotlib – для построения графиков тренда и прогнозов; стандартные средства Python – для организации консольного интерфейса, работы с файлами CSV и структуры модулей приложения. Результатом работы стало создание программного комплекса, включающего модуль генерации и загрузки телеметрии, подсистему построения регрессионных моделей зависимости диагностических параметров от пробега, блок расчёта прогнозного пробега до достижения предельных значений и оценки остаточного ресурса, модуль формирования диагностических заключений («норма», «повышенный риск», «требуется обслуживание»), а также подсистему визуализации результатов в виде графиков. Разработанное решение может быть использовано в учебных и исследовательских целях как прототип интеллектуальной подсистемы мониторинга технического состояния подвижного состава и как основа для последующей интеграции в реальные системы технического обслуживания и ремонта.

This thesis explores approaches to monitoring and assessing the technical condition of rolling stock using telemetry data and the development of a software system capable of using this data to estimate the service life of components and generate a forecast for their future condition. The focus is on the analysis of maintenance processes, the structure of telemetry data, the selection of a mathematical model for describing trends in diagnostic parameters, and the software implementation of the analysis and forecasting subsystem. The study addressed the following objectives: − analysis of railway rolling stock as a monitoring object and existing methods for monitoring and diagnosing technical condition; − study of maintenance processes, failure structure, and the potential for using telemetry to transition to condition-based maintenance; − Formalization of the analysis and forecasting problem based on trend models of diagnostic parameters and the selection of a regression approach for residual life assessment; − Architecture design and software development in Python for processing telemetry data, constructing regression models, generating diagnostic conclusions, and visualizing the results; − Experimental validation on simulated telemetry data and evaluating the performance of the developed system. The work was completed using open-source Python tools and libraries, enabling the implementation of a full data processing cycle: from generating and loading telemetry data to analyzing, forecasting, and plotting, without the use of commercial systems. The study utilized regression analysis methods, elementary time series processing techniques, as well as visualization and text reporting tools. To achieve the stated objectives, the following information technologies and software were used: the Python programming language; the pandas and numpy libraries for processing tabular data and calculating regression model parameters; and the matplotlib library for plotting trend and forecast graphs. Standard Python tools were used to organize the console interface, work with CSV files, and structure application modules. The result of this work was the creation of a software suite including a telemetry generation and download module, a subsystem for constructing regression models for the dependence of diagnostic parameters on mileage, a block for calculating the predicted mileage before reaching limit values and estimating the remaining service life, a module for generating diagnostic conclusions ("normal," "high risk," "maintenance required"), and a subsystem for visualizing the results in the form of graphs. The developed solution can be used for educational and research purposes as a prototype of an intelligent subsystem for monitoring the technical condition of rolling stock and as a basis for subsequent integration into real-world maintenance and repair systems.