Научные основы применения методов интеллектуального анализа данных для контроля технического состояния локомотивов тема диссертации и автореферата по ВАК РФ 05.22.07, доктор наук Грачев Владимир Васильевич

• Грачев Владимир Васильевич
• доктор наук
• 2020

Оглавление диссертации доктор наук Грачев Владимир Васильевич

ОГЛАВЛЕНИЕ

В В Е Д Е Н И Е

1 .СОВРЕМЕННОЕ СОСТОЯНИЕ ПРОБЛЕМЫ ИСПОЛЬЗОВАНИЯ ДИАГНОСТИЧЕСКОЙ ИНФОРМАЦИИ ДЛЯ КОНТРОЛЯ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ЛОКОМОТИВОВ В УСЛОВИЯХ ЭКСПЛУАТАЦИИ

1.1 Основные этапы развития средств технической диагностики

1.2 Использование интеллектуального анализа данных для обработки измерительной информации подсистем диагностики

1.2.1 Основные определения и задачи интеллектуального анализа данных

1.2.2 Опыт применения интеллектуального анализа данных для контроля технического состояния локомотивов

1.2.3. Зарубежный опыт применения методов интеллектуального анализа данных в системах диагностики оборудования локомотивов

1.2.4. Применение интеллектуальных систем диагностики на других видах транспорта

1.3 Применение методов интеллектуального анализа данных для повышения эксплуатационной эффективности локомотивов

1.4. Цель и задачи исследования

2. ИСПОЛЬЗОВАНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ КОНТРОЛЯ ТЕХНИЧЕСКОГО СОСТОЯНИЯ АГРЕГАТОВ СИЛОВОЙ УСТАНОВКИ ТЕПЛОВОЗА

2.1 Постановка задачи

2.2. Определение текущего состояния оборудования локомотива с использованием нейросетевых эталонных моделей

2.2.1 Синтез нейросетевых моделей оборудования локомотива

2.2.2 Примеры декомпозиции агрегатов силовой установки тепловоза на функционально обособленные узлы

2.2.3 Эталонная модель узла возбуждения тягового генератора тепловоза 2ТЭ116У

2.2.4 Адаптация эталонных моделей к реальному состоянию агрегатов силовой цепи локомотива на примере узла возбуждения тягового генератора

2.2.5 Метод диагностирования воздушного тракта дизеля с использованием нейросетевой эталонной модели

2.2.6 Методика диагностирования оборудования локомотива с использованием эталонных моделей агрегатов

2.3 Использование алгоритмов классификации для оценки текущего состояния воздушного тракта дизеля

2.4 Нейросетевой диагностический комплекс для контроля технического состояния тепловозов 2ТЭ116У

2.5 Выводы по главе

3. ПРЕПРОЦЕССОРНАЯ ОБРАБОТКА ОБУЧАЮЩИХ ВЫБОРОК ДЛЯ ЭТАЛОННЫХ МОДЕЛЕЙ ЛОКОМОТИВНОГО ОБОРУДОВАНИЯ

3.1 Постановка задачи

3.2 Препроцессорная обработка данных в задачах рабочего диагностирования сложных объектов по данным мониторинга

3.3 Использование профиля компактности для препроцессорной обработки обучающих выборок диагностических моделей

3.4 Анализ применимости способа для задач восстановления регрессии

3.5 Использование априорной информации об объекте диагностирования при формировании обучающей выборки диагностической модели

3.6. Совершенствование способа поиска «выбросов» в данных

3.7 Нормализация входных данных и повышение качества выборки

3.8 Методика препроцессорной обработки обучающей выборки в задачах восстановления регрессии

4. ОЦЕНКА И ПРОГНОЗИРОВАНИЕ ИЗМЕНЕНИЯ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ДИЗЕЛЯ

4.1. Постановка задачи прогнозирования изменения технического состояния сложного объекта

4.2 Повышение функциональных возможностей подсистем бортовой диагностики дизеля за счет расширения перечня контролируемых параметров

4.3. Дизель как объект диагностирования в подсистеме бортовой диагностики тепловозов 2ТЭ116У, ТЭП70БС

4.4 Оценка влияния параметрических отказов на контролируемые параметры цилиндро-поршневой группы тепловозного дизеля

4.4.1 Постановка задачи

4.4.2. Современные средства развернутого моделирования рабочего процесса дизельного двигателя

4.4.3 Идентификация модели ДИЗЕЛЬ-РК по известным режимам нагрузочных характеристик дизеля

4.4.4 Влияние параметрических отказов дизеля на его контролируемые параметры

4.5. Формирование обучающей выборки параметров дизеля для эталонных диагностических моделей

4.5.1. Постановка задачи

4.5.2 Использование развернутой модели рабочего процесса дизеля для формирования обучающей выборки эталонных диагностических моделей

4.6 Нейросетевые модели агрегатов газовоздушного тракта дизеля

4.6.1 Поршневая машина

4.6.2 Воздушный фильтр

4.6.3. Газовая турбина и глушитель

4.7 Прогнозирование изменения ТС воздушного тракта дизеля пространственно - статистическим методом

4.8 Выводы по главе

5. УНИФИЦИРОВАННЫЙ МЕТОД ДИАГНОСТИРОВАНИЯ ОБОРУДОВАНИЯ ЛОКОМОТИВА С ИСПОЛЬЗОВАНИЕМ НЕЙРОНЕЧЕТКОЙ ЭКСПЕРТНОЙ СИСТЕМЫ

5.1 Постановка задачи

5.2 Метод решения задачи

5.2.1 Решение системы нечетких логических уравнений

5.2.2 Формирование матрицы экспертных знаний

5.2.3 Классификация состояния узла возбуждения тягового генератора тепловоза 2ТЭ116У с использованием нейро-нечеткого классификатора

5.2.4 Унифицированный способ диагностирования сложного оборудования локомотива

5.3 Выводы по главе

6. ИСПОЛЬЗОВАНИЕ МЕТОДОВ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ ДЛЯ ОПЕРАТИВНОГО КОНТРОЛЯ РАБОТЫ ОБОРУДОВАНИЯ ТЕПЛОВОЗА

6.1 Интеллектуальный способ обнаружения боксования колесных пар в тяговом приводе постоянного тока

6.1.1 Краткий обзор противобоксовочных устройств и систем

6.1.2 Обнаружение боксования с использованием динамических характеристик привода

6.1.3 Способ обнаружения боксования колесных пар в тяговом приводе постоянного тока

6.2 Автоматизация настройки селективной характеристики тягового генератора тепловоза

6.2.1 Постановка задачи

6.2.2 Алгоритм автоматической настройки селективной характеристики тягового генератора

6.3 Оперативная оценка энергоэффективности тепловоза в эксплуатации

6.3.1 Постановка задачи

6.3.2 Параметрический метод оперативной оценки энергоэффективности тепловоза в эксплуатации

6.3.3 Нейросетевая модель поршневой машины дизеля

6.3.4 Результаты моделирования

6.3.5 Экспериментальная проверка способа оперативной оценки энергоэффективности тепловоза в эксплуатации

6.4 Выводы по главе

З А К Л Ю Ч Е Н И Е

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

ПРИЛОЖЕНИЕ

Результаты моделирования влияния парметрических отказов на показатели энергоэффективности и контролируемые параметры дизеля

ПРИЛОЖЕНИЕ

Описание параметрических отказов топливной аппаратуры для модели рабочего процесса в ПК ДИЗЕЛЬ-РК

ПРИЛОЖЕНИЕ

Обучающая выборка эталонных диагностических моделей дизеля

Таблица П12 - Обучающая выборка эталонных диагностических моделей дизеля (фрагмент)

ПРИЛОЖЕНИЕ

Формирование матрицы экспертных знаний для узла возбуждения тягового генератора

ПРИЛОЖЕНИЕ

Результаты контроля технического состояния по данным МСУ

ПРИЛОЖЕНИЕ

Сведения о внедрении результатов исследования

Введение диссертации (часть автореферата) на тему «Научные основы применения методов интеллектуального анализа данных для контроля технического состояния локомотивов»

В В Е Д Е Н И Е

Актуальность диссертационного исследования подтверждается

соответствием его тематики Федеральному закону от 23.11.2009 №261-ФЗ «Об

энергосбережениии и повышении энергетической эффективности» [1.1],

«Энергетической стратегии холдинга «РЖД» на период до 2015 года и на

перспективу до 2030 года», утвержденной распоряжением ОАО «РЖД»

№2718р от 15.12.2011 [1.2], «Стратегии научно-технологического развития

холдинга «РЖД» на период до 2025 года и на перспективу до 2030 года (Белая

книга)» [1.3], утвержденной заместителем генерального директора - главным

инженером ОАО «РЖД» С.А.Кобзевым 17.04.2018.

Федеральным законом №261-ФЗ предусмотрен контроль

энергоэффективности оборудования, производимого на территории РФ, с

присвоением ему класса энергетической эффективности в зависимости от

значений показателей энергоэффективности, определяемых в ходе

энергетических обследований энергопотребляющего оборудования.

Разделом V «Энергетической стратегии холдинга «РЖД» на период до

2015 года и на перспективу до 2030 года» предусмотрено проведение таких

обследований для всех энергопотребляющих объектов железнодорожного

транспорта (в том числе тягового подвижного состава как основного

потребителя электроэнергии (более 85%) и дизельного топлива (около 90%)) с

определением показателей энергоэффективности.

Согласно п.4.7.1 «Стратегии научно-технологического развития

холдинга «РЖД» на период до 2025 года и на перспективу до 2030 года»,

информационно - управляющий бортовой вычислительный комплекс для

перспективных локомотивов, мотор-вагонного и специального подвижного

состава, как объектов цифровой железной дороги, должен обеспечивать:

^ бортовую диагностику вспомогательных машин и вспомогательных

цепей, нагруженных механических узлов, экипажной части, пожарно-охранной

сигнализации и пожаротушения, а также диагностику тяговых

8

электродвигателей, силовых электрических цепей локомотивов, дизель-генераторных установок и их систем с возможностью реализации функций автоматизированного прогнозирования наступления предотказного состояния оборудования на основе результатов обработки текущих значений и динамики изменения контролируемых параметров, а также формирования тревожных сообщений о наличии риска возникновения отказа, передаваемых посредством оперативной связи: машинисту, в систему мониторинга состояния локомотива на заводе-изготовителе и в ремонтном подразделении;

^ автоматическое формирование перечня цикловых работ перед постановкой локомотива на технические обслуживания и ремонты, основанное на результатах прогнозирования наступления предотказного состояния локомотивного оборудования, что позволит обеспечить поддержание эксплуатационной надежности локомотива на требуемом уровне при минимальных затратах времени, труда и материалов.

Согласно п.4.7.2 Стратегии, на втором этапе обновления локомотивного парка (2021-2025 годы и на перспективу до 2030 года) предусматривается создание новых локомотивов, в которых будут использоваться перспективные «интеллектуальные технологии» со следующими основными характеристиками:

^ повышение тяговых свойств на 10-15%;

^ повышение коэффициента технической готовности до 0,96-0,97; ^ существенное снижение затрат на техническое обслуживание и ремонт;

^ переход от планово-предупредительного ремонта к ремонту по фактическому состоянию на основе применения бортовой системы диагностики с функцией прогноза остаточного ресурса оборудования;

^ снижение затрат на электроэнергию и дизельное топливо в среднем на 10%.

При формировании программы научных исследований и разработок,

направленных на повышение энергетической эффективности и

9

производительности перспективных локомотивов, необходимо предусмотреть проведение комплекса исследовательских работ для оценки эффективности применения в условиях эксплуатации ОАО «РЖД» перспективных технических решений и конструкций, таких как:

^ тяговый электропривод с индивидуальным (поосным) регулированием вращающего момента, позволяющим максимально реализовать тяговую характеристику в зоне ограничения по сцеплению и обеспечить постоянство мощности в зоне средних скоростей, что достигается реализацией оптимального алгоритма полезного проскальзывания.

Основной проблемой, решаемой в диссертационном исследовании, является разработка научных основ применения интеллектуальных методов для анализа измерительной информации встроенных средств диагностики современных локомотивов с целью контроля и прогнозирования изменения их фактического технического состояния.

Степень разработанности. Вплоть до начала 2000-х годов развитие устройств бортовой диагностики сдерживалось низким уровнем контролепригодности локомотивов, обусловленным практически полным отсутствием объективной информации о параметрах функционирования основного оборудования в процессе его работы.

В этих условиях контроль технического состояния оборудования локомотивов осуществлялся с использованием исключительно стационарных средств параметрической тестовой диагностики. Значительный научный и практический вклад в разработку вопросов их создания внесли такие ученые и специалисты как В.А. Четвергов, В.П. Парамзин, А.Э. Симсон, А.З. Хомич, Ю.Е. Просвиров, Е.С. Павлович, Э.А. Пахомов, Г.А. Фофанов, Э.И. Нестеров, А.Д. Глущенко, В.И. Киселев, Р.К. Гизатуллин, Э.Д. Тартаковский, А.А. Куриц, А.А. Черняков, С.Г. Жалкин, Э.А. Улановский, Е.А. Никитин, В.А. Рыжов,

A.А. Будницкий, Т.В. Ставров, В.А. Перминов, А.П. Здор, И.Ф.Пушкарев,

B.В.Стрекопытов, Б.С. Гольдберг, Г.А. Комаров, Л.П. Устюгов, Д.А. Носырев,

A.Ю. Коньков, Н.Н. Простотин, П.А. Васин, А.Н. Головаш, С.Г. Шантаренко,

B.Ю. Тэттер, В.Н. Балабин, и многие другие.

Интенсивное развитие вычислительной техники в 90-х годах прошлого века явилось мощным стимулом для развития средств автоматизированного управления железнодорожным транспортом (АСУЖТ). Наличие обширной информации об условиях эксплуатации локомотива позволило уже в тот период ставить вопрос о мониторинге технического состояния локомотивного парка по данным как АСУЖТ, так и бортовых аппаратно-программных комплексов, также интенсивно внедрявшихся в тот период.

Различные аспекты проблемы мониторинга технического состояния развивали в своих трудах И.П. Исаев, В.Т. Стрельников, А.В. Горский,

A.А. Воробьев, В.П. Феоктистов, В.И. Киселев, А.Т. Бурков, А.Н. Головаш,

B.М. Бочаров, В.Н. Игин, А.М. Замышляев, А.С. Космодамианский, А.Т. Осяев, В.А. Четвергов, Н.Г. Шабалин, С.Г. Шантаренко, С.М. Овчаренко и другие ученые.

Начало эксплуатации локомотивов нового поколения, оборудованных бортовыми микропроцессорными системами управления (МСУ) со встроенными подсистемами диагностики, контролирующими и регистрирующими от нескольких десятков до нескольких сотен аналоговых и дискретных параметров, привело к росту количества работ, посвященных перспективам развития системы технического обслуживания и ремонта (ТОиР) тягового подвижного состава с использованием результатов оперативного контроля технического состояния локомотивного оборудования по данным встроенных средств диагностики

Вопросы обработки информации в системах непрерывного контроля параметров силовых установок локомотивов в процессе их эксплуатации рассматривались в работах И.К. Лакина, А.К. Пляскина, Ю.А. Давыдова, Б.Е. Боднаря, А.Б. Очкасова, С.Г. Шантаренко, С.М. Овчаренко, В.И. Киселева, А.В. Грищенко и ряда других ученых.

Объектом исследования являются магистральные и маневровые локомотивы, оборудованные встроенными средствами диагностики.

Предметом исследования являются методы обработки измерительной информации подсистем диагностики тепловозов для повышения их производительности и энергоэффективности.

Целью исследования является повышение производительности и энергоэффективности тепловозов в условиях эксплуатации на основе использования методов интеллектуальной обработки диагностической информации встроенных средств бортовой диагностики.

Для достижения указанной цели в диссертационной работе поставлены и решены следующие задачи:

1. Анализ современного состояния проблемы использования диагностической информации для контроля технического состояния локомотивов в условиях эксплуатации.

2. Синтез эталонных диагностических моделей и их адаптация к реальному состоянию локомотивного оборудования с использованием концепции функционально - прозрачных нейронных сетей и аппарата нечеткой логики.

3. Повышение качества обучения эталонных диагностических моделей и достоверности результатов диагностирования оборудования локомотивов препроцессорной обработкой обучающей выборки с использованием априорной информации о характеристиках оборудования.

4. Разработка интеллектуального классификатора состояния оборудования локомотива на основе матрицы экспертных знаний и результатов интеллектуальной обработки измерительной информации встроенных средств диагностики.

5. Прогнозирование изменения фактического технического состояния оборудования локомотивов на основании интеллектуального анализа данных встроенных средств диагностирования.

6. Интеллектуальный параметрический контроль энергоэффективности тепловоза в эксплуатации по данным встроенных средств диагностирования.

7. Использование методов интеллектуальной обработки измерительной информации для повышения качества функционирования оборудования локомотива.

Научная новизна диссертационной работы:

1. Научно обоснован интеллектуальный подход к обработке информации подсистемы диагностики тепловоза, обеспечивающий повышение его производительности и энергоэффективности.

2. Теоретически обоснованы и предложены:

^ интеллектуальный параметрический метод оперативного контроля энергоэффективности силовой установки тепловоза по данным встроенных средств диагностики;

^ новый способ обнаружения боксования колесных пар в коллекторном тяговом приводе на базе интеллектуального анализа спектральных характеристик параметров силовой цепи;

^ способ адаптации нейросетевых эталонных моделей оборудования локомотива к реальному состоянию оборудования с учетом разброса его эксплуатационных характеристик;

^ универсальный метод диагностирования сложного оборудования локомотива с использованием нейросетевых эталонных диагностических моделей и интеллектуального классификатора на основе матрицы экспертных знаний;

^ пространственно-статистический метод прогнозирования изменения фактического технического состояния оборудования локомотива;

^ методика препроцессорной обработки обучающей выборки эталонной диагностической модели оборудования локомотива;

^ метод диагностирования воздушного тракта дизеля на основе нейросетевой эталонной модели нагнетателя.

Теоретическая значимость диссертационной работы заключается в разработке новых методов и способов контроля эффективности и качества функционирования оборудования локомотива на базе интеллектуального анализа измерительной информации встроенных средств диагностики.

Практическая значимость работы:

1. Разработаны рекомендации по формированию перечня контролируемых параметров силовой установки тепловоза в подсистеме бортовой диагностики тепловоза с целью увеличения глубины поиска дефектов в системе бортовой диагностики.

2. Методика синтеза нейросетевых регрессионных моделей оборудования локомотивов на базе многослойной нейронной сети прямого распространения (многослойный персептрон) с адаптацией моделей к реальному состоянию оборудования обеспечивает повышение достоверности диагностирования по данным встроенных средств диагностики.

3. Метод диагностирования воздушного тракта дизеля на основе нейросетевой эталонной модели нагнетателя позволяет учитывать действительное состояние агрегатов воздушного тракта дизеля при планировании сроков и объемов технического обслуживания тепловоза.

4. Интеллектуальный способ обнаружения боксования колесных пар в коллекторном тяговом приводе локомотива обеспечивает возможность повышения его тяговых свойств за счет своевременного выявления повышенного проскальзывания колесных пар и его ликвидации при минимальной потере силы тяги.

5. Интеллектуальный параметрический метод оперативного контроля энергоэффективности силовой установки тепловоза по данным встроенных средств диагностики позволяет повысить энергоэффективность тепловоза за счет своевременного выявления параметрических отказов силовой установки.

6. Метод автоматического определения настроечных параметров

аппаратной системы автоматического регулирования напряжения тягового

генератора тепловоза, обеспечивает повышение энергоэффективности

14

тепловозов в эксплуатации за счет стабилизации уровня тепловозной характеристики дизеля;

7. Способ формирования матрицы экспертных знаний, основанный на многократных парных оценках влияния состояния оборудования на его диагностические параметры обеспечивает повышение точности классификации состояния оборудования в системах диагностирования.

Методология и методы исследования. Поставленные в диссертационной работе задачи решены с использованием различных методов интеллектуального анализа данных (классификации, регрессии, кластеризации), теории нейронных сетей, теории вероятностей и математической статистики, регрессионного анализа, теории тепловых двигателей и электрических машин, теории нечеткой логики, теории анализа сигналов, статистических методов оптимизации многомерных функций, теории принятия решений. Для проведения вычислительных экспериментов и сравнительного анализа эффективности различных методов обработки измерительной информации использовался объектно-ориентированный язык программирования высокого уровня Python v.3.5.4 (backend TensorFlow) с библиотекой Keras для реализации нейросетевых моделей, разработка макетных приложений осуществлялась в среде программирования Delphi 7, первичная обработка табличных данных выполнялась в приложении Microsoft Excel.

Положения, выносимые на защиту. На защиту выносятся:

1. Интеллектуальный параметрический метод оперативного контроля энергоэффективности силовой установки тепловоза по данным средств бортовой диагностики.

2. Методика формирования обучающей выборки эталонной диагностической модели оборудования локомотива.

3. Пространственно-статистический метод прогнозирования изменения фактического технического состояния оборудования локомотива.

4. Метод диагностирования сложного оборудования локомотива с использованием нейросетевых эталонных диагностических моделей и интеллектуального классификатора на базе матрицы экспертных знаний.

5. Способ обнаружения боксования колесных пар в коллекторном тяговом приводе на базе интеллектуального анализа спектральных характеристик параметров силовой цепи.

6. Метод диагностирования воздушного тракта дизеля на основе нейросетевой эталонной модели нагнетателя.

Степень достоверности и апробация результатов. Достоверность результатов подтверждена сравнением согласованности теоретических и экспериментальных данных и обеспечивается корректностью исходных математических положений, а также обоснованностью принятых допущений.

Основные результаты и положения диссертационной работы

обсуждались на заседаниях кафедры «Локомотивы и локомотивное хозяйство»

ФГБОУ ВО ПГУПС, кафедры «Локомотивы» ФГБОУ ВО СамГУПС, Научно-

технического совета АО ВНИКТИ, а также на научных конференциях: VII

международная конференция «Современные технологии обучения» (Санкт-

Петербург, 2001), Всероссийская научно-техническая конференция «Новое в

конструкции и технологии обслуживания локомотивов» (Санкт-Петербург,

2003), Международная научно - техническая конференция «Подвижной состав

железнодорожного транспорта» (Гомель, 2005), Третий международный

симпозиум «Электрификация и развитие энергосберегающей инфраструктуры и

электроподвижного состава на железнодорожном транспорте» (Санкт-

Петербург, 2005), 46-я Международная научная конференция Рижского

технического университета (Рига, 2005), Третья всероссийская конференция

молодых ученых и специалистов «Будущее машиностроения в России»

(Москва, 2010), Международная научно-техническая конференция

«Локомотивы. XXI век» (Санкт-Петербург, 2013, 2014, 2016, 2017, 2018),

Международная научно-практическая конференция «Перспективы развития

сервисного обслуживания локомотивов» (Москва, 2014, 2015, 2018),

16

Международная научно-практическая конференции в рамках Международного Научного форума Донецкой Народной Республики «Научно-технические аспекты комплексного развития транспортной отрасли» (Донецк, 2015, 2016), Четвертая всероссийская научно-техническая конференция «Актуальные проблемы морской энергетики» (Санкт-Петербург, 2015), Третья всероссийская научно-техническая конференция с международным участием «Эксплуатационная надежность локомотивного парка и повышение эффективности тяги поездов» (Омск, 2016), XIV Международная научно-техническая конференция «Подвижной состав XXI века (идеи, требования, проекты)» (Санкт-Петербург, 2018, 2019), X Международный симпозиум «Элтранс-2019» (Санкт-Петербург, 2019).

Личный вклад. Все результаты, изложенные в диссертационной работе, получены автором лично и самостоятельно.

Публикации. Основное содержание диссертационной работы отражено в одной монографии (единственный автор) и в 66 научных работах, из них 20 в изданиях из перечня рецензируемых научных журналов для опубликования основных научных результатов диссертаций, в том числе в 3 патентах на полезную модель, 4 патентах на изобретения, 2 свидетельствах о государственной регистрации программ для ЭВМ, 2 работы опубликованы в изданиях, индексируемых в международных цитатно-аналитических базах данных Web of Science и Scopus.

Работа выполнялась в Федеральном государственном образовательном учреждении высшего образования «Петербургский государственный университет путей сообщения Императора Александра I» (ФГБОУ ВО ПГУПС) на кафедре «Локомотивы и локомотивное хозяйство» при поддержке Гранта ОАО «РЖД» «На развитие научно-педагогических школ в области железнодорожного транспорта».

Структура работы. Диссертационная работа состоит из 6 разделов, введения, заключения, списка используемых источников и приложений. Объем

работы составляет 434 стр., в том числе 141 рисунок, 35 таблиц, 6 приложений.

17

Список цитированной литературы содержит 257 источников, в том числе - 28 работ автора с соавторами.

Заключение диссертации по теме «Подвижной состав железных дорог, тяга поездов и электрификация», Грачев Владимир Васильевич

В диссертации поставлена и решена важная научно-техническая проблема разработки научных основ применения современных интеллектуальных методов для анализа измерительной информации встроенных средств диагностики эксплуатируемых и перспективных локомотивов с целью контроля и прогнозирования изменения их технического состояния. При этом были получены следующие научные и практические результаты.

1. На основании выполненного анализа методов и средств обработки измерительной информации отечественных и зарубежных стационарных и встроенных средств технической диагностики установлено, что условием эффективного использования встроенных средств диагностики оборудования локомотивов является системный подход к их созданию на стадии проектирования локомотива, который должен включать определение критических групп оборудования с требуемым уровнем (глубиной) их диагностирования, формирование перечня контролируемых параметров и выбор научно обоснованных методов обработки измерительной информации.

2. Установлено, что характер взаимосвязи между входными и выходными параметрами оборудования локомотива полностью определяется его известными характеристиками, что исключает наличие скрытых закономерностей и ранее неизвестных связей в массиве измерительной информации, вследствие чего задачи интеллектуальной обработки информации в системах технической диагностики локомотивов отличаются от аналогичных задач в других областях.

3. Установлено, что особенностью задач обработки данных в системах диагностики, помимо известной структуры данных, является наличие экспертного опыта диагностирования, использование которого позволяет увеличить эффективность классификации текущего состояния оборудования и

прогнозирования его изменения при ограниченном объеме обучающей выборки.

4. Теоретически и экспериментально обосновано применение концепции функционально - прозрачных нейронных сетей для определения структуры эталонных нейросетевых регрессионных моделей оборудования локомотива и формирования перечня контролируемых параметров, а многослойной нейронной сети прямого распространения в качестве предпочтительного базиса моделей.

5. Экспериментально установлено, что разброс характеристик оборудования и режимов его работы в процессе эксплуатации исключает возможность использования единой обобщенной эталонной модели группы оборудования для всех локомотивов. Впервые разработана методика синтеза нейросетевых эталонных диагностических моделей и их адаптации к локомотивному оборудованию с учетом режимов его работы и эксплуатационного состояния на основе статистического анализа ошибок отклика моделей, аппарата нечеткой логики и результатов анализа остатков регрессии на диагностической выборке.

6. Установлено, что достоверность классификации текущего состояния оборудования в большой степени зависит от качества обучения эталонных диагностических моделей, которое во многом определяется свойствами обучающей выборки. Обоснована и предложена методика препроцессорной обработки обучающей выборки для нейросетевых моделей локомотивного оборудования, включающая оригинальные способы контроля однородности фрагментов выборки с использованием введенного показателя компактности и исключения «выбросов» на основе контроля компактности расположения объектов выборки в пространстве признаков, которая дает возможность повысить точность эталонных моделей оборудования на 3-5%.

7. Результаты выполненного анализа известных методов прогнозирования показывают, что применение их для решения задачи

прогнозирования изменения технического состояния оборудования локомотивов затруднено отсутствием статистики развития износовых отказов. Обоснован и предложен пространственно-статистический метод прогнозирования изменения технического состояния локомотивного оборудования, обеспечивающий возможность использования матрицы экспертных знаний для описания границ классов состояний в пространстве признаков.

8. В результате исследования влияния параметрических отказов дизеля на энгергоэффективность энергетической установки тепловоза установлено, что в наибольшей степени на него влияют параметрические отказы агрегатов газовоздушного тракта дизеля. Сформированы предложения по организации диагностирования агрегатов газовоздушного тракта дизеля на базе нейросетевых эталонных моделей агрегатов, позволяющие повысить объективность оценки его технического состояния, снизить стоимость технического обслуживания и повысить уровень энергоэффективности тепловоза в процессе эксплуатации.

9. Для системного решения задачи оперативного контроля энергоэффективности тепловоза в эксплуатации обоснованы и предложены интеллектуальный параметрический метод оперативного контроля энергоэффективности тепловоза в эксплуатации на базе нейросетевой модели поршневой машины дизеля и метод диагностирования воздушного тракта дизеля на базе нейросетевой модели нагнетателя турбокомпрессора.

10. Установлено, что высокий уровень надежности локомотивного оборудования не позволяет сформировать обучающую выборку контролируемых параметров оборудования в объеме, достаточном для качественного обучения классификаторов на базе известных алгоритмов классификации. В работе предложен интеллектуальный классификатор состояния сложного оборудования локомотива на базе нечетких отношений, композиционного правила вывода и матрицы экспертных знаний.

11. Теоретически обосновано и экспериментально подтверждено, что совместное применение адаптированных нейросетевых эталонных диагностических моделей для формирования нечеткого вектора диагностических параметров оборудования и интеллектуального классификатора для определения класса текущего состояния оборудования составляет унифицированный способ диагностирования сложного оборудования локомотива, не зависящий от физических принципов его функционирования, позволяющий в полной мере использовать как априорную информацию о структуре объекта, так и экспертный опыт его диагностирования.

12. Достоверность и адекватность предложенных нейросетевых эталонных диагностических моделей подтверждается устойчивой сходимостью результатов моделирования и данных регистрации подсистем диагностики тепловозов 2ТЭ116У. Средняя среднеквадратичная ошибка отклика моделей не превышает случайной погрешности измерения контролируемых параметров.

13. Универсальность разработанных методик и способов интеллектуальной обработки измерительной информации для повышения качества функционирования оборудования локомотива подтверждена на примере реализации способов обнаружения боксования колесных пар в тяговом приводе постоянного тока и автоматической настройки характеристики системы автоматического регулирования тягового генератора тепловоза.

14. Научная и практическая новизна предлагаемых технических и программных решений подтверждена патентами на изобретение №№ 2505861, 2582876, 2677157, положительным решением по заявке № 2018144759 от 17.12.2018, свидетельствами на полезную модель №№ 19154, 48408, 73070 и свидетельствами о государственной регистрации программ для ЭВМ №№ .2018613897, 2018613898.

Список литературы диссертационного исследования доктор наук Грачев Владимир Васильевич, 2020 год

СПИСОК ЛИТЕРАТУРЫ

Глава 1

1.1. Федеральный закон от 23.11.2009 № 261-ФЗ (ред. от 29.07.2017) «Об энергосбережении и о повышении энергетической эффективности, и о внесении изменений в отдельные законодательные акты Российской Федерации» (с изм. и доп., вступ. в силу с 26.07.2019).

1.2. Энергетическая стратегия холдинга «РЖД» на период до 2015 года и на период до 2030 года [Текст]. -М.: ОАО «РЖД». - 2011. - 97 с.

1.3. Стратегия научно-технологического развития холдинга «РЖД» на период до 2025 года и на перспективу до 2030 года (Белая книга) [Текст]. -М.: ОАО «РЖД». - 2015. - 128 с.

1.4. Михальчук, Н.Л. Актуальность развития локомотиворемонтного комплекса при переходе на полное сервисное обслуживание [Текст]/ «Перспективы развития сервисного обслуживания локомотивов». Труды I международной научно-практической конференции. - Москва. - 2014. - стр.917.

1.5. Тэттер В.Ю. Разработка технологий и оборудования для вибродиагностирования колесно-моторных блоков локомотивов: Дисс. канд. техн. наук /В.Ю.Тэттер. - Омск, 2005. - 189 с.

1.6. Шантаренко, С.Г. Инженерные методы анализа и обеспечения эксплуатационной надёжности колёсно-моторных блоков локомотивов новых серий [Текст] /С.Г.Шантаренко// Материалы всероссийской научно-технической конференции с международным участием «Технологическое обеспечение ремонта и повышение динамических качеств железнодорожного подвижного состава», Омск, ОмГУПС. 2011. - С.72-79.

1.7. Васин, П. А. Для диагностики тепловоза - комплекс «Магистраль»/П. А. Васин // Локомотив. - 2001, № 7 (535). - С. 27-31.

1.8. Гольдберг, Б.С. Некоторые аспекты проектирования и внедрения системы технической диагностики тепловозов [Текст]/Б.С.Гольдберг, В.А.Перминов, Т.В.Ставров, А.П.Здор// Повышение надежности тепловозов и диагностика. Труды ВНИТИ, вып.66. - Коломна, 1987. - с.72-80.

1.9. Родов, Л.А. Микропроцессорная система контроля управления и технической диагностики для тепловозов (МСКУ-1)/Л.А.Родов//Системы управления, регулирования и диагностики тепловозов и путевых машин. Труды ВНИТИ, вып.71. - Коломна, 1990. - с.9-20.

1.10. Бочаров, С.М. Использование информации АПК «Борт» для изменения периодичности технического обслуживания (ТО-3) и текущего ремонта маневровых тепловозов [Текст] / С.М. Кузнецов, В.М. Бочаров // Технологическое обеспечение ремонта и повышение динамических качеств железнодорожного подвижного состава: материалы всероссийской научно-технической конференции с международным участием - Омск: ОмГУПС, 2011, с. 227-233.

1.11. Донской, А.Л. Регистратор параметров работы тепловоза/А.Л.Донской, М.В.Холяпин, И.В.Назаров, А.И.Молчанов, И.Л.Поварков, К.М.Попов//Железнодорожный транспорт. - М, 2005. - №5 -с.43-47.

1.12. Грачев, В.В. Информационные технологии для тепловозов/

B.В.Грачев, А.В.Грищенко и др.//Локомотив, - М, 2007. - №4, с.18-24.

1.13. Лакин, И.И. Мониторинг технического состояния локомотивов по данным бортовых аппаратно-программных комплексов: дисс. канд. техн. наук: 05.22.07. - Москва, 2016. - 195 с.

1.14. Головаш, А.Н. Совершенствование системы ремонта и эксплуатации подвижного состава на основе комплексной системы управления качеством: дисс. доктора техн. наук:05.22.01, 05.22.07. - Омск, 2006. - 399 с.

1.15. Игин, В.Н. Научные основы анализа и контроля энергетической эффективности эксплуатируемого парка тепловозов[Текст]: дисс. доктора техн. наук: 05.22.07. - Москва, 2002. - 286 с.

1.16. Стрельников, В.Т. Комплексное управление качеством технического обслуживания и ремонта электровозов [Текст] / В.Т.Стрельников, И.П.Исаев- М.: Транспорт, 1980, 207 с.

1.17. Феоктистов, В.П. Автоматизированная система управления локомотивным хозяйством (АСУТ) [Текст] / А.Ю. Тимченко, И.К. Лакин, А.А. Воробьев, А.В. Горский, В.П. Феоктистов, Ю.В. Смирнов // - М.: МИИТ, 2001. - 42 с.

1.18. Горский, А.В., Оптимизация системы ремонта локомотивов [Текст]/ А.В. Горский, А.А. Воробьев.-М.: Транспорт, 1994, 209 с.

1.19. П.м. 162475 Российская Федерация, МПК G01M 17/08, G01M 15/04, В6^ 25/00. Система контроля и регистрации параметров технического состояния дизель-генераторной установки локомотива/В.М.Бочаров, А.Н.Головаш, П.А.Сиряк, Д.Г.Глухов, А.А.Костяной, А.В.Ивченко,

C.М.Сергиенко; заявитель и патентообладатель В.М.Бочаров -№2015102298/11; заявл. 26.01.2015; опубл. 10.06.2016, Бюл. №16.

1.20. Замышляев, А.М. Автоматизация процессов комплексного управления техническим содержанием инфраструктуры железнодорожного транспорта [Текст]: дисс. доктора техн. наук: 05.13.06 - МИИТ, 2013. - 340 с.

1.21. Космодамианский, А.С. Автоматическое регулирование температуры обмоток тяговых электрических машин локомотивов: Монография [Текст] / - М.: Маршрут, 2005. - 256 с.

1.22. Осяев, А.Т. Повышение эфективности магистральных электровозов методами управления их техническим состоянием [Текст] :дисс. доктора техн. наук: 05.22.07 - Москва, 2002. - 365 с.

1.23. Четвергов, В.А. Надёжность локомотивов [Текст] / В.А. Четвергов,

A.Д. Пузанков // -М: Маршрут, 2003. - 415 с.

1.24. Бурков, А.Т. Повышение производительности электрической тяги в долгосрочной перспективе на новом уровне индустриальных технологий [Текст]/А.Т.Бурков, А.Н.Марикин, А.В.Мизинцев,

B.В.Сероносов//Электротехника. - М., 2018. - №10 - С.34-38.

1.25. Шантаренко, С.Г. Совершенствование технологической готовности технического обслуживания и ремонта тягового подвижного состава :дисс. доктора техн. наук : 05.22.07. - Омск, 2006. - 419 с.

1.26. Овчаренко, С.М. Повышение эффективности системы диагностирования тепловозов: дисс. доктора техн. наук:05.22.07 - Омск, 2007. -366 с.

1.27. Система микропроцессорная управления, регулирования и диагностики. Руководство по эксплуатации 27.Т.156.00.00.000 РЭ/АО ВНИКТИ - Коломна, 2007. - 111 с.

1.28. Горский, А.В. Стратегия интеллектуального ремонта локомотивов [Текст] / А.В. Горский, А.А. Воробьёв, А.В. Скребков // -М.: Локомотив, 2012 № 7. С. 56 - 59.

1.29. Головаш, А.Н. Проблемы и решения сервисного обслуживания локомотивов [Текст]/А.Н. Головаш // Перспективы развития сервисного обслуживания локомотивов: материалы первой международной научно-практической конференции - М.: ООО «ТМХ-Сервис», 2014 г. - с.141-143.

1.30. Гриненко, В.И. Мониторинг технического состояния локомотивов по данным их бортовых микропроцессорных систем/В.И.Гриненко, А.А.Аболмасов, В.А.Мельников//Железнодорожный транспорт. - М. 2015. -№4. - С.70-74.

1.31. Гриненко, А.В. Обоснование экономической эффективности мониторинга технического состояния локомотивов по данным МСУ/А.В.Гриненко//Перспективы развития сервисного обслуживания

локомотивов: материалы первой международной научно-практической конференции - М.: ООО «ТМХ-Сервис», 2014 г. - с.130-133.

1.32. Липа К.В. Мониторинг технического состояния и режимов эксплуатации локомотивов. Теория и практика./К.В. Липа, А.А. Белинский, В.Н. Пустовой, С.Л. Лянгасов, И.К. Лакин, А.А. Аболмасов, В.А. Мельников, И.И. Лакин, А.А. Баркунова, И.В. Пустовой //Монография - М.: ООО «Локомотивные Технологии», 2015. - 212 с.

1.33. Сергеева, В. Умный локомотив на полном ходу [Электронный ресурс]/В.Сергеева//РЖД.Партнер.РУ: Информационное агенство. - 2017. -Режим доступа: https://www.rzd-partner.ru/zhd-transport/comments/umnyy-lokomotiv-na-polnom-khodu/.

1.34. Липа, К.В. Цифровизация - процесс торческий/ К.В.Липа //«TrainBrain». Корпоративный журнал ГК «Локотех». - М., ГК «ЛЮДИPEOPLE». - 2018, №1 - стр.10-13.

1.35. Валинский О.С. Локомотивная тяга в ОАО "РЖД": задачи и перспективы [Текст] // Транспорт Российской Федерации. Журнал о науке, практике, экономике. - 2017. №6 (73) - c.54-57.

1.36. Умный локомотив [Электронный ресурс]: Tadviser.Электронный журнал - 2019 г. - Режим доступа: http://www.tadviser.ru/index.php

1.37. Аболмасов, А.А. Перспективы предиктивного ремонта/А.А.Аболмасов, И.И.Лакин, А.И.Баранов// «Перспективы развития сервисного обслуживания локомотивов/ Труды III международной научно-практической конференции. Москва. - 2018. - стр.87-92.

1.38. Лакин, И.К. Диагностирование электрической передачи тепловозов методами машинного обучения [Текст]/И.К.Лакин, В.В.Павлов, В.А.Мельников//Техника железных дорог. - 2017. - №4(40) - с.43-51.

1.39. Лакин И.К. «Умный локомотив»: диагностирование тяговых электродвигателей тепловозов с использованием методов машинного обучения»[Текст]/ И.К.Лакин, В.В.Павлов, В.А.Мельников //СПб, Транспорт Российской Федерации. - 2018. - №1 - с.53-56

1.40. Богдан Криват. Microsoft SQL Server 2008 :Data mining -интеллектуальный анализ данных/Богдан Криват, Джеми Макленнен, Чжаохуэй Танг. - СПб., БХВ-Петербург. - 2009 - 720 с.

1.41. Барсегян А.А. Анализ данных и процессов [Текст]/А.А.Барсегян, И.И. Холод, М.Д.Тесс, М.С. Куприянов, С.И. Елизаров - СПб, БХВ-Петербург. -2009 -512 с.

1.42. Кобзев, С.А. Холдинг намерен серьезно повысить энергоэффективность своей деятельности [Электронный ресурс]/ - режим доступа: https://www.gudok.m/sujet/?ID=1446949.

1.43. Балабин В.Н. Принцип модульности в проектировании современных автономных локомотивов [Текст] /В.Н.Балабин, Ф.Винклер //Журнал «Наука и транспорт». - 2012. - №3 - с.22-24], [Кобылянский В.В. Концептуальная платформа линеек новых локомотивов на перспективу до 2015 года [текст]/Сборник трудов IV международной научно-практической конференции «Локомотивы. XXI век» - СПб, ПГУП. - 2016. - с.135-138.

1.44. Осяев, А. Т. Жизненный цикл локомотива и его стоимость [Текст] / А. Т. Осяев, А. Б. Подшивалов // Локомотив : массовый производственный журнал. - 2006. - N 7. - С. 37-38.

1.45. Распоряжение ОАО «РЖД» №560р «Об утверждении комплекса стандартов ОАО «РЖД» «Управление рисками и надежностью на этапах жизненного цикла (УРРАН)» от 22.03.2012. - М., 2012. - 125 с.

1.46. Кириленко, А. Локомотив жизненного цикла [Текст]/А.Кириленко//Российская газета. - 2016, №23.

1.47. Васин, П.А. Исследование газовоздушного тракта четырехтактного высокооборотного дизеля с турбонаддувом как объекта автоматической безразборной диагностики: дисс. канд. техн. наук: 05.04.02 -СПб, 1984 - 225 с.

1.48. Перминов, В.А. Результаты экспериментальной проверки диагностирования газовоздушного тракта дизеля при имитации работы магистрального тепловоза с подсистемой диагностики на борту [Текст]/В.А.Перминов, Б.С.Гольдберг, П.А.Васин// Надежность тепловозов и путевых машин. Труды ВНИТИ, вып.70. - Коломна, 1989. - с.77-88.

1.49. Системы автоведения, регистрации параметров движения и работы тягового подвижного состава. Обзорное пособие [Текст]//ООО «АВП Технологии». - М., 2009. - 96 с.

1.50. Пясик, М. Системы автоматического ведения поезда [Текст]/ М.Пясик, Е.Толстов, И.Случак //СТА - М., 2000. - №4 - стр.60-69, илл.

1.51. П.м. 48408 Российская Федерация, МПК G01D 09/00. Устройство для регистрации режимов работы локомотива/В.В.Грачев, А.В.Грищенко, Ф.Ю.Базилевский, В.Г.Лавский. А.А.Антонов, И.В.Мельник; заявитель ФГБОУ ВО ПГУПС, патентообладатели ФГБОУ ВО ПГУПС и ООО «ВИС» -№2005114884/22; заявл. 16.05.2005; опубл. 10.10.2005, БИ №15.

1.52. П.м. 73070 Российская Федерация, МПК G01D 09/00. Устройство для регистрации режимов работы локомотива/В.В.Грачев, А.В.Грищенко, Ф.Ю.Базилевский, В.Г.Лавский. А.А.Антонов, И.В.Зименков; заявитель

ФГБОУ ВО ПГУПС, патентообладатели ФГБОУ ВО ПГУПС и ООО «ТехноВИС» - №2007147166/22; заявл. 18.12.2007; опубл. 10.05.2008, БИ №18.

1.53. Сергеев С.В.. Система МСУ-ТП на тепловозе 2ТЭ116У(УМ) [Текст]/С.В.Сергеев, А.Л.Ткаченок, О.А.Моисеев, И.И.Городецкий. -Локомотив. - 2011 - №8 - стр.11-13.

1.54. В.А.Мельников. Диагностирование тепловозов по данным бортовых микропроцессорных систем[Текст]/Мир транспорта. - Научно -практический рецензируемый журнал. - Москва, РУТ (МИИТ) - 2014. - №3 -с.56-60.

1.55. Белинский А. А. Принцип «Встроенное качество» в информационных системах локомотиворемонтного комплекса/ А.А.Белинский, И.К.Лакин, А.А.Аболмасов// БРНИ. 2015. №3-4 (16-17). URL: https://cyberleninka.ru/article/n/printsip-vstroennoe-kachestvo-v-informatsionnyh-sistemah-lokomotivoremontnogo-kompleksa.

1.56. Марченко В.С.Электрооборудование тепловозов: Справочник /В.С. Марченко, А.А. Сергеев, В.Т Иванченко и др. - М.: ИКЦ «Академкнига», 2003. - 248 с: ил.

1.57. Байков Б.П. Турбокомпрессоры для наддува дизелей. Справочное пособие [Текст]/Б.П.Байков, В.Г.Бордуков, П.В.Иванов, Р.С.Дейч//Ленинград, Машиностроение. - 1975. - 200 с., илл.

1.58. Луков Н. М. Основы автоматики и автоматизации тепловозов [Текст] : учебник для вузов / Н. М. Луков. - М. : Транспорт, 1989. - 295 с., илл.

1.59. Лакин И.К. Диагностирование электрической передачи тепловозов методами машинного обучения [Текст] /И.К.Лакин, В.В.Павлов, В.А.Мельников//Техника железных дорог. - 2017. - №4(40) - с.43-51.

1.60. Мельников В.А.Применение методов машинного обучения для оценки технического состояния и остаточного ресурса оборудования локомотивов/В.А.Мельников, Е.Е.Казакова//«Перспективы развития сервисного обслуживания локомотивов/ Труды III международной научно-практической конференции. Москва, 2018 г. стр.246-250.

1.61. Лакин И.К. «Умный локомотив»: диагностирование тяговых электродвигателей тепловозов с использованием методов машинного обучения»[Текст]/Лакин И.К., Павлов В.В., Мельников В.А.//СПб, Транспорт Российской Федерации. - 2018. - №1 - с.53-56.

1.62. Лакин, И.К. Применение статистических методов при диагностировании тепловозов/И.К.Лакин, А.А.Аболмасов, В.А.Мельников //Известия Транссиба. -2015.- №1 - с.19-28.

1.63. Грачев, В.В. Система управления техническим состоянием тепловозов 2ТЭ116У и ТЭП70БС с использованием измерительной информации бортовых средств диагностики/ В.В.Грачев, В.А.Перминов, М.В.Федотов, А.В.Грищенко, Ф.Ю.Базилевский// Сборник трудов международной научно-технической конференции «Локомотивы. ХХ1 век». -СПб, ФГБОУ ВО ПГУПС. - 2013 г. - с.122-123.

1.64. Федотов М.В. Бортовой модуль непрерывного удаленного контроля параметров локомотива в эксплуатации (АСК ВНИКТИ)/М.В.Федотов, В.В.Грачев, А.И.Нестеров, А.В.Грищенко, Ф.Ю.Базилевский// Сборник трудов международной научно-технической конференции «Локомотивы. ХХ1 век». - СПб, ФГБОУ ВО ПГУПС. - 2013 г. -с.123-124.

1.65. Клименко Ю.И. Расход дизельного топлива - под контроль/Ю.И.Клименко, М.В.Федотов, С.И.Ким, А.И.Нестеров. В.В.Грачев//«Локомотив». -2012. - №10 - с.8-10.

1.66. Коссов, В.С. Диагностическая информация на службе эксплуатации и ремонта локомотивов/В.С.Коссов, Ю.И.Клименко, М.В.Федотов//Евразия Вести. - 2012, №16. - с.16.

1.67. Федотов, М.В. Автоматизированная система регистрации и анализа параметров работы тепловозов в составе микропроцессорной системы управления «КАРАТ»/М.В.Федотов, А.И.Нестеров, В.А.Воронков, И.П.Подовалов//Сборник трудов международной научно-технической конференции «Локомотивы. Электрический транспорт. ХХ1 век». - СПб, ФГБОУ ВО ПГУПС. - 2018 г. - с.164-169.

1.68. Круглов, В.В.Искусственные нейронные сети: теория и практика/В.В.Круглов, В.В.Борисов//М., Горячая линия. - Телеком, 2002 - 382 с., илл.

1.69. Комашинский, В.И. Нейронные сети и их применение в системах управления и связи/В.И.Комашинский, Д.А.Смирнов// М., Горячая линия. -Телеком, 2003 - 94 с., илл.

1.70. Добродеев, И.П.Повышение эффективности нейросетевых моделей в системах диагностики технического состояния газотурбинных двигателей на основе функциональной адаптации: Дисс. канд. техн. наук: 05.13.01 - Рыбинск, 2012. - 218 с.

1.71. Грачев, В.В. Аппарат искусственных нейронных сетей для диагностики современного локомотива/В.В.Грачев, Ю.В.Бабков, Ю.И.Клименко, К.С.Перфильев, М.В.Федотов, С.И.Ким, А.В.Грищенко//«Локомотив». -2012. - №7 - с.36-40.

1.72. Грачев, В.В. Применение нейросетевых моделей для диагностирования оборудования современных локомотивов/В.В.Грачев, М.Ф.Федотов, С.И.Ким// Вестник института проблем естественных монополий: Техника железных дорог. - М., Автономная некоммерческая организация "Институт проблем естественных монополий". - 2018. - №3 - с.22-31.

1.73. Пляскин А.К. Повышение эффективности использования данных бортовых регистраторов локомотивов/А.К.Пляскин, М.Ю.Кейно//Сборник трудов международной научно-технической конференции «Локомотивы. ХХ1 век». - СПб, ФГБОУ ВО ПГУПС. - 2017 г. - с.280-283.

1.74. Давыдов Ю. А. Контроль фактического технического состояния локомотивов на основе диагностики / Ю. А. Давыдов, А. К. Пляскин, А. С. Кушнирук // Современные технологии. Системный анализ. Моделирование. -2018. - Т. 59, № 3. - с.38-47.

1.75. Боднарь Б.Е. Методы безразборного диагностирования дизелей при эксплуатации подвижного состава/Б.Е.Боднарь, А.Б.Очкасов, А.Я.Децюра, Д.В.Черняев//Наука и прогресс транспорта. Вестник днепропетровского национального университета железнодорожного транспорта. - Днепропетровск, 2012. - №3 - с.56-60.

1.76. Киселев В.И. Опыт сервисного обслуживания локомотивов [Текст] / В.И. Киселев, И.И. Лакин, // Железнодорожный транспорт. - 2014. - №4-2014. - С. 64 - 67.

1.77. Киселев, В.И. Автоматизация управления рисками отказов локомотивов [Текст]/В.И.Киселев, И.И.Лакин // Локомотив. -2015.- №9-2015.-С. 37-38.

1.78. Киселев, В.И. Использование нечётких множеств в информационных системах локомотивного комплекса для поддержки принятия решений [Текст] / В.И. Киселев, И.И. Лакин // Труды МИИТ: шестнадцатая НПК "Безопасность движения поездов". - 2015. - С. 11-68.

1.79. Грищенко, А.В.Применение технологии нейронных сетей для диагностики технического состояния локомотивных асинхронных электродвигателей/А.В.Грищенко, О.Р.Хамидов// Сборник трудов международной научно-технической конференции «Локомотивы. ХХ1 век». -СПб, ФГБОУ ВО ПГУПС. - 2018 г. - С.11 - 99-106.

1.80. Овчаренко, С.М. Моделирование процесса накопления продуктов износа в моторном масле тепловозного дизеля Д49/С.М.Овчаренко, В.А.Минаков // Известия Транссиба. - 2014. - №3 (19) - с.49-51.

1.81. Минаков В.А. Совершенствование технологии диагностирования тепловозного дизеля по результатам контроля содержания продуктов износа в моторном масле: дисс. канд. техн. наук : 05.22.07. - Омск, 2018. - 141 с.

1.82. Коньков, А.Ю. Диагностирование технического состояния дизеля в эксплуатации на основе идентификации быстропротекающих рабочих процессов: дисс. докт. техн. наук: 05.04.02 - Хабаровск, 2010. - 414 с.

1.83. Хамидов, О. Р. Оценка технического состояния локомотивных асинхронных электродвигателей средствами вибродиагностики: дисс. канд. техн. наук : 05.22.07 - СПб, 2014. - 149 с.

1.84. Лобанов, И.И. Повышение эксплуатационной эффективности тепловозных дизелей применением средств оперативной диагностики: дисс. канд. техн. наук: 05.22.07 - М., 2017. - 209 с.

1.83. Smith, K. Centralised diagnostics aids transition to predictive maintenance [Text]/Kevin Smith //International Railway Journal. -June 12, 2018.

1.84. Crane, T. Locomotive 6724, Where Are You? Integration of GPS, Mobile Telemetry, and GIS Technologies in a Railroad Environment [электронныйресурс]/Т. Crane, J. Eilenberg//режимдоступа: http://proceedings.esri.com/ library/userconf/proc97/proc97/to600/pap584/p584.htm.

1.85. Swenson, C. Remote monitoring improves locomotive availability [электронныйресурс]/Сш1 A. Swenson/фежимдоступа: https://www.railwaygazette.com/news/single-view/view/remote-monitoring-improves-locomotive-availability.html.

1.86. Van de Vijver, K. New on Railfleet: put your data scientists in the driver's seat [электронныйресур^/Kaat Van de VijverZ/Режимдоступа: https://blog.railnova.eu/new-on-railfleet-put-your-data-scientists-in-the-drivers-seat-cb2e745f5998.

1.87. Лакин, И.К. Центр мониторинга и диагностики компании GE/И.К.Лакин// ООО «ТМХ-Сервис». - М., 2013. - 21 с., илл.

1.88. Pat. 5463768 United States, Int. Cl.6 G 06 F 11/00. Method and system for analyzing error logs for diagnostics [Text] / Paul E. Cuddihi (Schenectedy, N.Y.), RasiklalP.Shah (Latam, N.Y.) ; General Electric Company (Schenectedy, N.Y.). -Appl. № 04/214,266 ;FiledMarch 17, 1994 ; Pub. Oct31, 1995. - 27 p. :pic.

1.89. Варшавский, П.Р. Моделирование рассуждений на основе прецедентов в интеллектуальных системах поддержки принятия решений/П.Р.Варшавский, А.П.Еремеев//Искусственный интеллект и принятие решений. - М., 2009. - №1 - с.45-57.

1.90. Pat. 6246950 United States, Int. Cl.7 G 06 F 19/00; G 06 G 07/70. Model based assessment of locomotive engines [Text] / Warren F.

Bessler (Amsterdam, NY), Steven H. Azzaro (Schenectady, NY); General Electric Company (Schenectedy, N.Y.). - Appl. № 09/303,653 ; Filed May 3, 1999 ; Pub. Jun 12, 2001. - 8 p. : pic.

1.91. Pat. 6343236 United States, Int. Cl.7 G 05 B 09/02; G 06 F 19/00. Method and system for analyzing fault log data for diagnostics [Text] / David R. Gibson (North East, PA), Nicholas E. Roddy (Clifton Park, NY), Anil Varma (Clifton Park, NY) ; General Electric Company (Schenectedy, N.Y.). - Appl. № 09/285,611; Filed Apr 02, 1999 ; Pub. Jan 29, 2002. - 15 p.: pic.

1.92. Pat. 6415395 United States, Int. Cl.7 G 06 F 11/00. Method and system for processing repair data and fault log data to facilitate diagnostics [Text] / Anil Varma (Clifton Park, NY), Nicholas E. Roddy (Clifton Park, NY) ; General Electric Company (Schenectedy, N.Y.). - Appl. № 09/285,612; Filed Apr 2, 1999 ; Pub. Jul 2, 2002. - 16 p.: pic.

1.93. Raaphorst, K. Automated fault-tree generation of operational fault-diagnosis/K. Raaphorst. - IEE Conference on Electric Railways in United Europe. -Mar, 1995. - pp. 173-177.

1.94. Netten, M. Large-scale fault diagnosis for on-board train systems/M.Netten. - Delft University of Technology, Faculty of Technical Mathematics and Informatics, Knowledge Based Systems Group. Julianallaan 132, 2628 BL Delft, The Netherlands; University of Wales Swansea, Department of Electrical and Electronics Engineering, Singleton Park, Swansea SA2 8PP, United Kingdom, pp. 67-76.

1.95. Pat. 6636771 United States, Int. Cl.7 G 05 B 09/02; G 05 B 11/01. Method and system for analyzing continuous parameter data for diagnostics and repairs [Text] / Anil Varma (Clifton Park, NY), Nicholas E. Roddy (Clifton Park, NY), David R. Gibson (North East, PA); General Electric Company (Schenectedy, N.Y.). - Appl. № 09/688,105; Filed Oct 13, 2000 ; Pub. Oct 21, 2003. - 17 p.: pic.

1.96. Trobec, R. Optimization of Diagnostic Examination/R. Trobec. -Joint International Conference on Vector and Parallel Processing; Berlin. - Dec, 1994. - pp 761-772.

1.97. Pat. 6336065 United States, Int. Cl.7 G 06 F 11/25; G 06 F 11/22. Method and system for analyzing fault and snapshot operational parameter data for diagnostics of machine malfunctions [Text] / David R. Gibson (North East, PA), Nicholas E. Roddy (Clifton Park, NY), Anil Varma (Clifton Park, NY) ; General Electric Company (Schenectedy, N.Y.). - Appl. № 09/438,271 ; Filed Nov 12, 1999 ; Pub. Jun 1, 2002. - 8 p.: pic.

1.98. Pat. 6634000 United States, Int. Cl.7 G 06 F 11/00. Analyzing fault logs and continuous data for diagnostics for a locomotive [Text] / Vinay Bhaskar

Jammu (Niskayuna, NY), William Roy Schneider (Erie, PA), Richard Gerald Bliley (Erie, PA), Anil Varma (Clifton Park, NY), Nicholas Edward Roddy (Clifton Park, NY) ; General Electric Company (Schenectedy, N.Y.). - Appl. № 09/495,696; Filed Feb 1, 2000 ; Pub. Oct 14, 2003. - 12 p.: pic.

1.99. Pat. 6981182 United States, Int. Cl.7 G 06 F 11/34. Method and system for analyzing fault and quantized operational data for automated diagnostics of locomotives [Text] / Nicholas E. Roddy (Clifton Park, NY), Jason A. Dean (Erie, PA) ; General Electric Company (Schenectedy, N.Y.). - Appl. № 10/063,601; Filed May 3, 2002 ; Pub. Dec 27, 2005. - 23p.: pic.

1.100. Pat. 6405108 United States, Int. Cl.7 G 06 F 11/25; G 06 F 11/22. Process and system for developing predictive diagnostics algorithms in a machine [Text] / Sagar A. Patel (Erie, PA), Vinay B. Jammu (Niskayuna, NY) ; General Electric Company (Schenectedy, N.Y.). - Appl. № 09/429,381; Filed Oct 28, 1999 ; Pub. Jun 11, 2002. - 18 p.: pic. - алгоритмпредиктивнойдиагностики.

1.101. Isermann, R. Process Fault Diagnosis Based On Process Model Knowledge /R. Isermann. - Advanced Information Processing In Automatic Control. -Selected papers from THR IFAC/IMACS/IFORS Symposium. - 1989. - pp 21-34.

1.102. Pat. 5845272 United States, Int. Cl.6 G 06 F 15/18. System and method for izolating failures in a locomotive [Text] / Mahesh A. Morjaria (Niskayuna, NY), Steven H. Azzaro (Schenectady, NY), James A. Bush (Erie, PA), James W. Nash (North East, PA), Myron L. Smith (Fairview, PA), William D. Smith (Schenectady, NY); General Electric Company (Schenectedy, N.Y.). - Appl. № 08/753,583 ; Filed Nov 29, 1996 ; Pub. Dec01, 1998. - 19 p. : pic.

1.103. ГОСТ Р ИСО 13379-1-2015. Контроль состояния и диагностика машин. Ч.1. Общее руководство. - Введен 01.12.2016 - М.: Стандартинформ, 2016 - 34 с.

1.104. ГОСТ Р ИСО 13379-2-2016. Контроль состояния и диагностика машин. Методы интерпретации данных и диагностирования. Ч.2. Подход на основе данных. - Введен 10.11.2016 - М.: Стандартинформ, 2016 - 15 с.

1.105. Pat. 6647356 United States, Int. Cl.7 G 06 F 15/18; G 06 B 19/00. System and method for remote inbound vehicle inspection [Text] / Michael J. Pierro (Erie, PA), Richard G. Bliley (Erie, PA), William R. Schneider (Erie, PA) ; General Electric Company (Schenectedy, N.Y.). - Appl. № 10/071,219; Filed Feb 7, 2002 ; Pub. Nov 11, 2003. - 6 p.: pic.

1.106. Pat. 6850869 United States, Int. Cl.7 G 06 F 15/18; G 06 F 19/00. System and method for remote inbound vehicle inspection [Text] / Michael J. Pierro (Erie, PA), Richard G. Bliley (Erie, PA), William R. Schneider (Erie, PA) ;

General Electric Company (Schenectedy, N.Y.). - Appl. № 10/681,886; Filed Oct 9, 2003 ; Pub. Feb 1, 2005. - 6 p.: pic.

1.107. Pat. 6996498 United States, Int. Cl.7 G 06 F 15/18; G 06 F 19/00. System and method for remote inbound vehicle inspection [Text] / Michael J. Pierro (Erie, PA), Richard G. Bliley (Erie, PA), William R. Schneider (Erie, PA) ; General Electric Company (Schenectedy, N.Y.). - Appl. № 11/039,547; Filed Jan 19, 2005 ; Pub. Feb 7, 2006. - 6 p.: pic.

1.108. Pat. 7209817 United States, Int. Cl.7 G 06 F 17/30; H 04 J 17/30. Diagnosis and repair system and method [Text] / Aiman A. Malek (Erie, PA), Brian Scallan (Erie, PA), Jeanette M. Bruno (Saratoga Springs, NY), Bryan A. Mathewson (Erie, PA), James E. Schlabach (Erie, PA), Gregory J. Fera (Erie, PA), Ivan Gomez (Erie, PA) ; General Electric Company (Schenectedy, N.Y.). -Appl. № 11/091,297; Filed Mar 28, 2005 ;Pub. Apr 24, 2007. - 39 p.: pic.

1.109. Жернаков, С.В. Контроль и диагностика технического состояния масляной системы ГТД с использованием технологии нейронных сетей/С.В.Жернаков, Н.С.Иванова, Р.Ф.Равилов//Вестник УГАТУ «Информатика и вычислительная техника». - 2012. - т.16, №2(47). - с.210-220.

1.110. Ли Ван Дием. Модели и алгоритмы технического диагностирования судовых дизельных установок: дисс. канд. техн. наук: 05.13.06. - СПб, 2006. -153 с.

1.111. Энергетическая стратегия ОАО "РЖД" на период до 2010 года и на пер-спективу до 2030 года [Электронный ресурс]. - Режим доступа: http://www.rzd.ru/doc/public/ru?id=4043&layer_id=5104&STRUCTURE_ID=704.

1.112. Бабков Ю.В. и др. Прямой и косвенный способы определения энергетической эффективности тепловозов / Бабков Ю.В., Клименко Ю.И., Перминов В.А. // Железнодорожный транспорт. - 2015. - № 3. - С. 55-60.

1.113. Френкель С.Я. Исследование качества нормирования энергоресурсов на тягу поездов/С.Я.Френкель, В.В.Володько //Сборник материалов международной научно-технической конференции «Локомотивы. Транспортно-технологические комплексы. XXI век». - СПб. - 2017. - c. 356360.

1.114. Распоряжение ОАО «РЖД» от 31.03.2014 №787р «Об утверждении Временной методики оценки теплотехнического (технического) состояния локомотивов, влияющего на их энергоэффективность». - М., 2014.

1.115. Грачев, В.В. О достоверности прямых способов контроля энергоэффективности тепловозов в эксплуатации/В.В.Грачев, А.В.Грищенко,

Ф.Ю.Базилевский//Вестник института проблем естественных монополий:

техника железных дорог . - М., 2018, - №2 (42) - с.40-48.

Глава 2

2.1. ГОСТ 20911-89. Техническая диагностика. Термины и определения. - Взамен ГОСТ 20911-75. - Введен 01.01.1991 - М.: Стандартинформ, 2009 - 9 с.

2.2. Гаскаров, Д.В. Прогнозирование технического состояния радиоэлектронной аппаратуры / Д.В.Гаскаров, Т.А.Голинкевич, А.В.Мозгалевский //М.-«Сов.радио». - 1974. - 224 с.

2.3. Жернаков С.В. Контроль и диагностика технического состояния авиационных двигателей на основе интеллектуального анализа данных: дисс. доктора техн. наук : 05.13.01. - Уфа, 2005. - 364 с.

2.4. Крыштановский, А. О. Анализ социологических данных с помощью пакета SPSS [Текст]: учеб.пособие для вузов/А. О. Крыштановский; Гос. ун-т — Высшая школа экономики. — М. : Изд. дом ГУ ВШЭ, 2006. - 281 с.

2.5. Steven Hurvitt. Classification in Python with Scikit-Learn and Pandas [Электронныйресурс]: -2018 -Режимдоступа https://stackabuse.com/classification-in-python-with-scikit-learn-and-pandas.

2.6. Черезов, Д.С. Обзор основных методов классификации и кластеризации данных/Д.С.Черезов, Н.А.Тюкачев//Вестник Воронежского государственного университета. Серия: системный анализ и информационные технологии. - Воронеж, 2009, №9. - с.25-29.

2.7. Сидоров, А.В. Диагностика состояния транспортной инфраструктуры с использованием нейронных сетей//А.В.Сидоров, С.В.Михеев, А.А.Осьмушкин//Современные проблемы науки и образования. -Пенза, ИД «Академия естествознания», 2013, №6 - с.215-221.

2.8. Анализ регрессионных остатков [Электронный ресурс]: - Режим доступа http://www.machinelearning.ru/ wiki/index.php?title=Анализ_регрессионн ых_остатков_%28пример%29.

2.9. Круглов, В.В. Искусственные нейронные сети. Теория и практика. 2-е изд. стереотипное [Текст]//В.В.Круглов, В.В.Борисов//М., Горячая линия -Телеком. - 2002. - 382 с.: илл.

2.10. Хайкин,С. Нейронные сети. Полный курс. 2-е издание [Текст]/С.Хайкин//М.- Изд. дом «Вильямс». - 2006 г. - 1104 с.: илл.

2.11. Добродеев, И.П. Повышение эффективности нейросетевых моделей в системах диагностики технического состояния газотурбинных двигателей на основе функциональной адаптации: дисс. канд. техн. наук: 05.13.01 - М., 2010. - 218 с.

2.12. Добродеев, И.П. Самоорганизация структуры нейронных сетей методом селекции [Текст]/ И.П. Добродеев, И.Н.Паламарь//Информационные системы и технологии. - Орел, 2010. - №3(59) - с.5-12.

2.13. Рипли, B. D. Распознавание образов и нейронные сети [Текст]/В^.Рипли//Издательство Кембриджского университета. - 1996. - 403 с.

2.14. Джулли, А. Библиотека Keras - инструмент глубокого обучения. Реализация нейронных сетей с помощью библиотек Theano и TensorFlow. Пер. с англ. Слинкин А.А. [Текст]МА.Джулли, С.Пал// - М., ДМК Press. - 2018. - 294 с.: илл.

2.15. Солозобов, О. Сколько обучающих данных необходимо для машинного обучения [Электронный ресурс]/О.Солозобов. - режим доступа: https://8d9.ru/skolko-obuchayushhix-dannyx-neobxodimo-dlya-mashinnogo-obucheniya.

2.16. Манусов, В.З. Размер обучающей выборки и ее влияние на архитектуру искусственной нейронной сети в энергосистеме [Текст]/В.З.Манусов, И.С.Макаров, С.А.Дмитриев. С.Е.Кокин, С.А.Ерошенко // Вестник российских университетов. Математика. - 2013. №4-1 - с. 1417-1419.

2.17. Кафтанников, И.Л. Проблемы формирования обучающей выборки в задачах машинного обучения/ И.Л.Кафтанников, А.В.Парасич//Вестник ЮУрГУ. Серия «Компьютерные технлогии, управление, радиоэлектроника». -2016. - Т.16 №3 - с.15-24.

2.18. Жианчанг Мао, Энил Джейн. Введение в искусственные нейронные сети [Текст]//Открытые системы.СУБД. - 1997. - №4. - с.16-24.

2.19. Raymond Li. KDnuggets. Top 10 Data Mining Algorithms [Электронный ресурс]/ Raymond Li. KDnuggets//Режим доступа: http://www.kdnuggets.com/2015/05/top- 10-data-mining-algorithms-explained.html.

2.20. Xindong, Wu. Top 10 algorithms in data mining [Текст^/Xindong, Wu//Knowledge Information Systems. — 2008. Vol. 14. - с. 1-37.

2.21. Кобзарь, А.И. Прикладная математическая статистика [Текст]/ А.И.Кобзарь// - М.: Физматлит, 2006. - 816 с.

2.22. Анализ регрессионных остатков (пример) [Электронный ресурс]// Режим доступа: http://www.machinelearning.ru/wiki/index.php7title =Анализ_регрессионных_остатков_%28пример%29.

2.23. Бахрушин, В. Е.Методы оценивания характеристик нелинейных статистических связей [Текст]/В.Е.Бахрушин//Системные технологии. - 2011. -№2(73). - с. 9-14.

2.24. Лукашин, Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов: Учебное пособие/Ю.П.Лукашин//М.: Финансы и статистика. - 2003. - 416 с.

2.25. Trigg, D.W. Monitoring a forecasting system [Текст]/D.W.Trigg//Operational Research Quarterly - 1964 -v. 15 - p. 271-274.

2.26. Trigg, D.W. Exponential smoothing with an adaptive response rate [Гекс^/D.W.Trigg, A.G.Leach//Operational Research Quarterly - 1967 -v. 18 - p. 53-59.

2.27. ГОСТ 27.002-2015. Надежность в технике. Термины и определения.

- Взамен ГОСТ 27.002-89. - Введен 01.03.2017 - М.: Стандартинформ, 2016 - 28 с.

2.28. Клименко, Ю.И Влияние параметрических отказов оборудования тепловоза на его энергоэффективность в эксплуатации [Текст]/Ю.И.Клименко, В.А.Перминов, В.В.Грачев, Д.Н.Курилкин, А.В.Фролов//Локомотив. - М., 2017.

- № 4. - С. 40-45.

2.29. Реклейтис, Г. Оптимизация в технике: в 2-х книгах. Кн.1. Пер. с англ. [Текст]/Г.Реклейтис, А.Рейвиндран, К.Рэгсдел//М.- Мир, 1986. - 346 с.

2.30. Terano,T. Fuzzy Systems. Theory and its applications/T.Terano, K.Asai//Academic Press. - London, 1972. - 264 p.

2.31. Володин, А.И. Моделирование на ЭВМ работы тепловозных дизелей/А.И.Володин//М., Трансорт. - 1985. - 216 с.: илл.

2.32. Воронцов, К.В. Лекции по методу опорных векторов [Электронный ресурс]/К.В.Воронцов//Режим доступа: http://www.ccas.ru/voron/download/ SVM.pdf.

2.33. Метод опорных векторов для стандартной задачи классификации [Электронный ресурс]//Режим доступа: http:// www.machinelearning.ru /wiki/images/2/25/SMAIS 11_SVM.pdf.

2.34. Радченко, В. Открытый курс машинного обучения. Тема 5. Композиции: бэггинг, случайный лес [Электронный ресурс]/В.Радченко, Ю.Кашницкий// Режим доступа: https://habr.com/ru/company/ods/blog/324402/.

2.35. Кашницкий, Ю. Открытый курс машинного обучения. Тема 3. Классификация, деревья решений и метод ближайшего соседа [Электронный ресурс]/Ю.Кашницкий//Режим доступа: https://habr.com/ru/company/ods/blog/ 324402/.

2.36. Выбор метрики в машинном обучении. Как выбрать метрики для валидации результата Machine Learning [Электронный ресурс]// Режим доступа: http://blog.datalytica.ru/2018/05/blog-post.html.

Глава 3

3.1. Качановский, Ю.П. Предобработка данных для обучения нейронной сети [Текст]/Ю.П.Качановский, Е.А.Коротков//Фундаментальные исследования. - М., 2011. - №12. - с.117-120.

3.2. ГОСТ Р 50779.10-2000. Статистические методы. Вероятность и основы статистики. Термины и определения. - Введен 01.07.2001 - М.: Стандартинформ, 2001 - 47 с.

3.3. Айвазян, С.А. Прикладная статистика: Классификация и снижение размерности. Справ. издание [Текст]/С.А.Айвазян, В.М.Бухштабер, И.С.Енюков, Л.Д.Мешалкин. Под ред. С.А.Айвазяна//М.: Финансы и статистика. - 1989. - 607 с.: илл.

3.4. Коробкова, С.В. Проблемы эффективной аппроксимации многомерных функций с помощью нейронных сетей [Текст]/С.В.Коробкова//Известия Южного федерального университета. Технические науки. - 2006. - Т. 58, № 3. - С. 121-127.

3.5. Воронцов, К.В. Математические методы обучения по прецедентам (теория обучения машин) [Электронный ресурс]/К.В.Воронцов//Режим доступа: http://www.ccas.ru/voron/.

3.6. Загоруйко, Н. Г. Гипотезы компактности и -компактности в методах анализа данных/Н.Г.Загоруйко//Сиб. журн. индустр. матем. - 1998. - т. 1, № 1. -с. 114-126.

3.7. Воронцов, К.В. Лекции по метрическим алгоритмам классификации [Электронный ресурс]/ К.В.Воронцов//Режим доступа: http://www.ccas.ru/voron/.

3.8. Корнеева, А.А. О методике исключения выбросов из исходной выборки [Электронный ресурс]/А.А.Корнеева//Режим доступа: http://elib.sfu-kras.ru/bitstream/handle/2311/7292/s012-067.pdf?sequence=1

3.9. Кобзарь, А.И. Прикладная математическая статистика. Для инженеров и научных работников [Текст]/А.И.Кобзарь//М.: Физматлит. - 2012. -816 с.: илл.

3.10. Попукайло, В.С. Обнаружение аномальных измерений при обработке данных малого объема [Электронный ресурс]/В.С.Попукайло//Режим доступа: http://dspace.nbuv.gov.ua/ bitstream/handle/123456789/115693/06-Popukaylo.pdf?sequence=1.

3.11. Воронцов, К.В. Комбинаторный подход к оценке качества обучаемых алгоритмов/К.В.Воронцов//Математические вопросы кибернетики. -М.: 2004. - с.5-36.

3.12. Вилисов, В.Я. Экспертные методы в АСУ производством и отработкой ЛА/В.Я.Вилисов, А.Я.Вовнобой, Д.П.Карпов, В.А.Лапушкин. - М.: МАИ, 1984. - 72 с.

3.13. Царегородцев, В.Г. Оптимизация предобработки данных: константа Липшица обучающей выборки и свойства обученных нейронных сетей [Текст]// В.Г.Царегородцев// Нейрокомпьютеры: разработка, применение. - М.. - 2003. - №7.-с.3-8.

3.14. Орлов, А.И. Точки роста статистических методов [Электронный ресурс]/А.И.Орлов// Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. - 2014.- № 103 - с. 136— 162. - Режим доступа: Шр8://суЬег1етпка.ги^1с1е/П1осШ-гов1а-81а1:181:1сЬе8к1Ь-ше1:оёоу.

3.15. Царегородцев, В.Г. Оптимизация предобработки признаков выборки данных: критерии оптимальности [Текст]/В.Г.Царегородцев// Нейрокомпьютеры: разработка, применение. - М.. - 2005. - №4.-с.43-51.

3.16. Асеев, Г.Г. Методы интеллектуальной предобработки данных в электронных хранилищах [Текст]/Г.Г.Асеев//Радиоэлектроника, информатика, управление. Нейроинформатика и интеллектуальные системы. - Запорожье, 2010. - №2. - с.106-111.

3.17. Азарнова, Т.В. Анализ эффективности методов снижения выборочной константы Липшица сети как инструментов повышения скорости обучения нейросетевых алгоритмов/Т.В.Азарнова, И.Н.Терновых//Вестник ВГУ. Серия «Интеллектуальные информационные системы». - Воронеж, 2011. -с. 140-144.

Глава 4

4.1. Мозгалевский, А.В. Техническая диагностика (непрерывные объекты).Учеб. пособие для вузов [Текст]/ А.В. Мозгалевский, Д.В.Гаскаров//М., Высшая школа. - 1975. - 207 с, илл.

4.2. Гаскаров, Д.В. Прогнозирование технического состояния и надежности радиоэлектронной аппаратуры [Текст]/Д.В.Гаскаров, Т.А.Голинкевич, А.В.Мозгалевский//М.: Сов. радио. - 1974. - 271 с.: илл.

4.3. Никитин, Е.А. Диагностирование дизелей [Текст]/Е.А.Никитин, Л.В.Станиславский, Э.В.Улановский и др.//М.: Машинстроение. - 1987. - 224 с.: илл.

4.4. Пархоменко, П.П. Основы технической диагностики (оптимизация алгоритмов, аппаратурные средства) [Текст]/П.П.Пархоменко, Е.С.Согомонян//М.: Энергоиздат. - 1981. - 319 с.: илл.

4.5. Яхъяев, Н.Я. Основы теории надежности и диагностика: учебник для студ. высш. учеб. заведений [Тест]/Н.Я.Яхъяев, А.В.Кораблин//М.: Изд. центр «Академия». - 2009. -256 с.: илл.

4.6. Четвергов, В.А. Надежность локомотивов. Учебник для вузов ж.-д. трансп. [Текст]/В.А.Четвергов, А.Д.Пузанков//М.: Маршрут. - 2003. - 415 с.: илл.

4.7. Назаров, А.В. Нейросетевые алгоритмы прогнозирования и оптимизации систем [Текст]/А.В.Назаров, А.И.Лоскутов//СПб.: Наука и техника. - 2003. - 384 с.: илл.

4.8. Пушкарев, И.Ф. Контроль и оценка технического состояния тепловозов [Текст]/И.Ф.Пушкарев, Э.А.Пахомов//М.: Транспорт. - 1985. - 161 с.: илл.

4.9. Киселев, В.И. Техническое обслуживание и ремонт локомотивов: учебник для вузов ж.-д. транспорта/В.И.Киселев, В.А.Четвергов, В.Т.Данковцев. Под ред. В.А.Четвергова, В.И.Киселева//М.: ГОУ «Учебно-методический центр по образованию на железнодорожном траспорте». - 2007. -588 с.

4.10. Черняков, А.А. Повышение эффективности функционирования тепловозов железных дорог: дисс. докт. техн. наук: 05.22.07 - Алма-Ата, 1987. -382 с.

4.11. Коссов, Е.Е. К вопросу прогнозирования остаточного ресурса тепловозного дизель-генератора/Е.Е.Коссов, И.В.Сиротенко//Вестник ВНИИЖТа. - М., 2000. - №7 - 38-43 с.

4.12. Коссов, Е.Е. К вопросу прогнозирования остаточного ресурса

крышки цилиндра тепловозного дизель-генератора/Е.Е.Коссов,

И.В.Сиротенко//Сборник трудов международной научно-технической

конференции, посвященной 90-летию Самарского государственного

университета. - Самара, 2003. - с.305-308.

4.12. Бочкарев, С.А. Прогнозирование осаточного ресурса цилиндро-поршневой группы тепловозных дизелей типа 10Д100 на основании информации о режимах работы силовой установки: дисс. канд. техн. наук: 05.22.07 - Самара, 2002. - 161 с.

4.13. ГОСТ 20759-90. Дизели тепловозов. Техническое диагностирование и прогнозирование остаточного ресурса методом спектрального анализа масла. Общие требования.- Введен 30.06.1991 - М.: ГК СССР по управлению качеством продукции и стандартам, 1991 - 24 с.

4.14. Храмцов Н. В., Королев А. Е., Бай Р. Ф. Оценка и прогнозирование технического состояния двигателей sa6d [Текст]/Н.В.Храмцов, А.Е.Королев, Р.Ф.Бай//Известия ТулГУ. Технические науки. - Тула, 2012. - №12-2 - с.173-178.

4.15. Лукашин, Ю.П. Адаптивные методы прогнозирования временных рядов: Учеб. пособие/Ю.П.Лукашин//М.: Финансы и статистика. - 2003. - 416 с.:илл.

4.16. Савин, Н. Как прогнозировать цены с помощью машинного обучения [Электронный ресурс]//Режим доступа: МрБ: //^реак.пе^ги/Ыоц/как-ргост^^оуаМБепу-Б-ротоБЬсЬ-уи-а! цогйтоу-п^Ыппоцо-оЬис11етуа.

4.17. Волкова, Е.С. Современные подходы к применению методов интеллектуального анализа данных в задаче кредитного скоринга/Е.С.Волкова, В.Б.Гисин, В.И.Соловьев// М.: Финансы и кредит. - 2017. - №34 (754). -с.2044-2053.

4.18. Китов, В. Практические аспекты машинного обучения [Электронный ресурс]//Режим доступа: https://www.osp.гu/os/2016/01/13048648.

4.19. Растригин, Л.А. Экстраполяционные методы проектирования и управления [Текст]/Л.А.Растригин, Ю.П.Пономарев//М.: Машиностроение, 1986. - 120 с.: илл.

4.20. Грицай, Л.Л. Диагностические параметры главных судовых малооборотных дизелей/Л.Л. Грицай, В.Ф.Горбунов, В.Н. Калугин, Б.М.Левин // Труды ЦНИИМФ, 1973.-вып. 174.- с. 3-19.

4.21. Васильев, Б.В. Диагностирование технического состояния судовых дизелей [Текст]/Б.В.Васильев, Д.И.Кофман, С.Г.Эренбург//М.:Транспорт, 1982. - 144 с.: илл.

4.22. Ждановский Н. С. Диагностика автотракторных двигателей [Текст]/Н.С.Ждановский, В. А.Улитовский, В.А.Аллилуев//Л.:Колос, 1977. - 264 с.

4.23. Кострыкин, В.Ф. Параметрическая оценка технического состояния турбокомпрессоров двигателя внутреннего сгорания [Текст]/В.Ф.Кострыкин//Труды ЦНИИМФ. - Л.: Транспорт, 1976 - вып. 214. -с.33-38.

4.24. Соловьев, А.В. Системы мониторинга судовых дизелей в эксплуатации [Текст]/А.В.Соловьев//Вестник АГТУ. Серия: Морская техника и технология. - Астрахань, 2018. -№1 -с.87-91.

4.25. Возницкий, И.В. Контроль и диагностика технического состояния судовых дизелей [Текст]/И.В.Возницкий//М.: ЦРИА (Морфлот), 1978. - 47 с.

4.26. Голуб, Е.С. Диагностирование судовых технических средств: Справочник [Текст]/Е.С.Голуб, Е.З.Мадорский, Г.Ш.Розенберг//М.: Транспорт, 1993. - 150 с.: илл.

4.27. Стрекопытов В.В. Оптимизация энергетических установок тепловозов с электрическими передачами мощности на основании параметрической надежности. Диссертация д-ра техн.наук [Текст]: 05.22.07. -Л.:Ленингр. ин-т инж.ж.-д. трансп., 1977. - 287 л.

4.28. Кулешов А.С. Математическое моделирование и компьютерная оптимизация топливоподачи и рабочих процессов двигателей внутреннего сгорания [Текст]/А.С.Кулешов, Л.В.Грехов//М.: МГТУ, 2000. - 64 с.: илл.

4.29. KIVA—Hydrodynamics Model for Chemically Reacting Flow with Spray [Электронный ресурс]// Режим доступа: https://www.lanl.gov/projects /feynman-center/deploying-innovation/intellectual-property/software-tools/kiva /_assets/docs/kiva.pdf.

4.30. Zellat, M. Advanced modeling of DI Diesel Engines: Investigations on Combustion, High EGR level and multiple-injection Application to DI Diesel Combustion Optimization [Электронный ресурс] / M.Zellat, D.Abouri, T.ConteZ/Режим доступа: https://www.energy.gov/sites/prod/files/2014/03/ fW2005_deer_zellat.pdf

4.31. Engine Simulation Environment Diesel Combustion chamber design -easy, fast and reliable [Электронный ресурс]// Режим доступа: http://www.aps-c.ru/publications/fireesediesel .pdf.

4.32. Jung, D. Reduced Quasi-Dimensional Combustion Model of the Direct Injection Diesel Engine for Performance and Emissions Predictions [Электронный ресур^/D.Jung, D.N.Assanis// Режим доступа: https://www.researchgate.net/ publication/226607948_Reduced_Quasi-Dimensional_Combustion_Model_of_the_ Direct_Injection_Diesel_Engine_for_Performance_and_Emissions_Predictions.

4.33. Hamarashid, L. GT-Power Modeling of a 6-Cylinder Natural Gas Engine and Investigation of the Possible Improvements by Studying the Miller Cycle [Электронный ресурс]//Режим доступа: https://lup.lub.lu.se/luur/download?func= downloadFile&recordOId=1429536&fileOId=1429537.

4.34. Tayfun, O. Analysis of Engine Performance Parameters of Electrically Assisted Turbocharged Diesel Engine [Электронный ресурсу/O.Tayfun, A.Kadir// Режим доступа: https://www.researchgate.net/publication/281292774_Analysis_ of_Engine_Performance_Parameters_of_Electrically_Assisted_Turbocharged_Diesel _Engine.

4.35. Correa, C. Combustion Simulations in Diesel Engines using Reduced Reaction Mechanisms [Электронный pecypc]/C.Correa// Режим доступа: https://www.itcp.kit.edu/deutschmann/img/content/docs_CCorreaDiss.pdf

4.36. Кулешов А.С. Программа расчета и оптимизации двигателей внутреннего сгорания ДИЗЕЛЬ-РК. Описание математических моделей, решение оптимизационных задач. М., МГТУ им. Баумана, 2004. - 123 с., ил.

4.37. Пользователи программного комплекса ДИЗЕЛЬ-РК [Электронный ресурс]//Режим доступа: http://www.diesel-rk.bmstu.ru/Rus/index.php?page= Partners.

4.38. Томак, В.И. Оценка достоверности измерения температуры высокоскоростных газовых потоков термопарными датчиками [Текст]/В.И.Томак, В.А.Чернов, Т.В.Боровкова, В.Н.Елисеев//Вестник МГТУ им. Н.Э. Баумана. Сер. "Машиностроение", 2007. - №4 - с. 47-57.

4.39. Никитин, Е.А. Тепловозные дизели типа Д49/Е.А.Никитин, В.М.Ширяев, В.Г.Быков и др.; под оед. Е.А.Никитина//М.: Транспорт. - 1982. -255 с.: илл.

4.40. Валиев, М.Ш. Повышение эффективности работы тепловозов средствами бортовых систем диагностирования [Текст]: дисс.... канд. техн. наук : 05.22.07 /Санкт-Петербург, 2011.- 161 с.: ил.

4.41. Руководство по техническому обслуживанию и текущему ремонту тепловозов ТЭП70//М., ОАО «РЖД» - 2006. - 318 с.

4.42. ГОСТ 27.606_2013. Надежность в технике. Управление надежностью. Техническое обслуживание, ориентированное на безотказность. -Введен 19.09.2013 - М.: Стандартинформ, 2014 - 39 с.

4.43. IEC 62278(2002). Railway applications. Specification and demonstration of reliability, availability, maintainability and safety (RAMS) [Текст]. - International Electrotechnical Commission, 09.19.2002.

Глава 5

5.1. Заде, Л. Понятие лингвистической переменной и его применение к принятию приближенных решений [Текст]/Л.Заде//М.: Мир. - 1976 - 167 с.: ил.

5.2. Ракитянская, А.Б. Диагностика на основе нечетких отношений [Текст]/А.Б.Ракитянская, А.П.Ротштейн//Автоматика и телемеханика. - 2007. -вып. 12. - с 113-130.

5.3. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И.Д.Рудинского [Текст]/ Д.Рутковская, М.Пилиньский, Л.Рутковский//М.: Горячая линия - Телеком, 2007. - 452 с.: ил.

5.4. Rotshtein, A. Modification of Saati method for the construction of fuzzy set membership functions [Текст]/А. Rotshtein//Proc. FUZZY'97 Int. Conf. on Fuzzy Logic and Its Appl. Zychron Yaakov. - Israel, 1997. - p.125-130.

5.5. Саати, Т. Математические модели конфликтных ситуаций [Текст]/Томас Л. Саати//М.: Сов. радио, 1977. - 302 с. : ил.

5.6. Саати, Т. Принятие решений. Метод анализа иерархий. Пер. Р.Г.Вачнадзе [Текст]/Томас Л. Саати//М.: Радио и связь, 1993. - 278 с.: илл.

5.7. Выбор размера популяции для генетического алгоритма [Электронный ресоурс]//Режим доступа - https://habr.com/ru/post/114910.

5.8. Ротштейн, А.П. Адаптивная система диагностики на основе нечетких отношений [Текст]/А.П.Ротштейн, А.Б.Ракитянская//Кибернетика и системный анализ, 2009. - №4. - с.135-150.

5.9. Ротштейн, А.П. Интеллектуальные технологии идентификации: нечеткие множества, нейронные сети, генетические алгоритмы. Монография [Текст]/ А.П.Ротштейн//Винница, Универсум- Винница. - 1999. - 295 с.

5.10. Лукьянов, Н.Д. Критерий остановки генетического алгоритма при решении задач оптимизации [Электронный ресурс]/Н.Д.Лукьянов//Режим доступа -http://conf.nsc.ru/files/conferences/ym2012/fulltext/137477/139423/Критерий% 20остановки_Лукьянов^£

5.11. Вороновский, Г.К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности/Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А. Сергеев//Харьков: ОСНОВА, 1997 - 112с.

Глава 6

6.1. Pat. 6634303 United States, Int. Cl.7 B 61 C 11/00; Locomotive wheel slip control and method[Text] / John Ernst Madsen (Lemont, IL) (US), John Franclin Kral (Naperville, IL) (US) ; General Motors Corporation (Detroit, MI). - Appl. № 10/167,032; Filed Jun 11, 2002 ; Pub. Oct 21, 2003. - 4 p.: pic.

6.2. Грачев В.В. Схемы электрических цепей тепловозов ТЭП70, 2ТЭ116 [Текст]/ Грачев В.В., Курилкин Д.Н., Сергеев С.В. и др.//Учебное иллюстр. пособие - УМЦ ОАО РЖД - 2013 - 137 с.

6.3. ТЭП70А.00РЭ. Руководство по эксплуатации тепловоза ТЭП70БС [Текст] - Коломна, 2010. - ч.1.

6.4. Грачев, В.В. Электрическая схема тепловоза ТЭМ18ДМ [Текст]/ В.В.Грачев, С.Б.Богатырев, Л.Н.Мамочкина, Г.Ф.Кашников и др.// Локомотив. -2009, № 8. - с.22-25.

6.5. Пляскин А. К. Энергоэффективность тепловозов БАМ: проблемы и решения [Текст]/ Пляскин А. К., Новачук Я. А.//Вестник транспорта Поволжья -2016 г. - №4(58) - стр.63-66.

6.6. Сергеев С.В. Электрическая схема тепловоза 2ТЭ116У [Текст]/Сергеев С.В, Пархонин А.В. и др. // Локомотив. - 2009. - № 6, 7. - с. 22 -25, 9 - 12.

6.7. Способ регулирования электропередчи тепловозов [Текст]: пат. 2476332 РФ: МПК7 B60L 11/00/Ким С.И., Харитонов В.И.; заявитель и патентообладатель ОАО «Научно - исследовательский и конструкторско технологический институт подвижного состава» (ОАО «ВНИКТИ»). -№2011145882; заявл 14.11.2011; опубл. 27.02.2013, Бюл.№6.

6.8. Космодамианский, А.С. Новые методы предотвращения боксования локомотивов и возможность их реализации [Текст]/А.С.Космодамианский, О.В.Измеров, С.О.Копылов, В.О.Корчагин//Эксплуатационная надежность локомотивного парка и повышение эффективности тяги поездов: Материалы третьей всероссийской научно-технической конференции с международным участием. - Омск, 2016. - с.182-189.

6.9. Caglar, U. Extended Kalman Filter Design for Railway Traction Motor/ Caglar Uyulan, Metin Gokasan [электронный ресурс]// Режим доступа: https://www.researchgate.net/publication/321583263_Extended_Kalman_Filter_Desi gn_for_Railway_Traction_Motor.

6.10. Коропец В.А. Прогнозирование боксования колесных пар локомотива по характеристикам динамических процессов в системе «экипаж -тяговый привод - путь». [Текст]: дисс. канд. техн. наук: 05.22.07. - Ростов -на -Дону, 2007. - 163 с.

6.11. Тибилов, Т.А. Автоколебания в тяговом приводе локомотива при боксовании [Текст]/ Т.А.Тибилов, Г.С.Фроянц//Тр. РИИЖТ. - Ростов н/Д. -1973. - Вып.94. - с.38-53.

6.12. Клепиков, В.Б. О явлении усиления колебаний в электроприводах машин и механизмов с проскальзыванием [Текст]/В.Б.Клепиков, Ф.Палис, А.В.Клепиков//Электротехника. - М., 2004. - №6. - с.7-11.

6.13. Тимощенко, А.В. Система реализации максимума тяги рудничного электровоза [Текст]/ А.В.Тимощенко//Электромеханические и энергосберегающие системы. - Харьков, 2012. - вып. 3(19) - с.366-369.

6.14. Клепиков, В.Б. Кобинированое определение буксования и юза колес рудничного электровоза с использованием программируемой логической интегральной схемы [Текст]/В.Б. Клепиков, А.В. Тимощенко//Вестник НТУ «ХПИ». - Харьков, 2015. - №12(1121). - с.64-67.

6.15. Способ обнаружения боксования и юза колес транспортного

7

средства с электрической передачей [Текст]: пат. 2657157 РФ: МПК7 B60L 3/10, B60L 15/10, B61C 15/08, G01R 23/16/ Грачев В.В., Грищенко А.В., Базилевский Ф.Ю., Ким С.И., Федотов М.В., Титов М.В.; заявители и патентообладатели Петербургский государственный университет путей сообщения, Научно -исследовательский и конструкторско технологический институт подвижного состава. - №2016149490; заявл 15.12.2016; опубл. 08.06.2018, Бюл.№16.

6.16. Способ обнаружения боксования и юза колес транспортного средства с электрической передачей [Текст]: Положительное решение по заявке № 2018144759 от 17.12.2018: МПК B60L 3/10, 15/10, B61C 15/08, G01R 23/16/ Грачев В.В., Грищенко А.В., Базилевский Ф.Ю., Федотов М.В., Ким С.И.; заявитель и патентообладатель Федеральрое Государственное Бюджетное Образовательное Учреждение Высшего Образования «Петербургский государственный университет путей сообщения Императора Александра I» (ФГБОУ ВО ПГУПС) (RU).

6.17. Сергиенко, А.Б. Цифровая обработка сигналов [Текст]/А.Б.Сергиенко//Питер. - СПб, 2002 - 606 стр., илл.

6.18. Радионов, И.А. Способ оценки текущего момента сцепления в контакте «колесо-рельс» [Текст]/И.А.Радионов// Известия ЮФУ. Технические науки. - Таганрог, 2014. - N8(157). - с. 243-251.

6.19. Грачев, В.В. Использование гибридных моделей для исследования работы систем противобоксовочной защиты локомотивов [Текст]/ В.В.Грачев//Журнал «Наука и образование транспорту». - Самара, 2017. - №1. -с.17-22.

6.20. Грачев, В.В. Повышение эффективности противобоксовочной защиты тепловоза ТЭМ18ДМ с использованием методов машинного обучения [Текст]/Грачев В.В., Ким С.И., Федотов М.В., Грищенко А.В., Базилевский Ф.Ю.// «Локомотивы. Электрический транспорт. XXI век.». Сборник материалов VI Международной научно-технической конференции. - СПб, 2018. - с. 180-189.

6.21. Грачев, В.В. Интеллектуальная система обнаружения боксования колесных пар в тяговом приводе постоянного тока [Текст]/В.В.Грачев, А.В.Грищенко, В.А.Кручек, В.Е.Андреев, С.И.Ким, М.В.Федотов//Электротехника. - М., 2019. - №10 - С.17-23.

6.22. Способ регулирования приводного и/или тормозного усилия колес единицы подвижного состава до оптимальной силы сцепления [Текст]: пат. 2124445 РФ: МПК7 B60L 3/00/Карл Хан (ОБ); заявитель и патентообладатель Аег Шиненфарцойге Гмбх (ОБ). - заявл. 03.09.1994; опубл. 10.01.1999.

6.23. Шварц, Х.Е. Регулирование проскальзываний в контакте колесо-рельс моторных вагонов трамвая [Текст]/Х.Е.Шварц и др.//Железные дороги мира. - 2001. - № 6. - С.50-56.

6.24. Бабков, Ю.В. Модернизация электропривода тепловозов и электровозов с тяговыми электродвигателями постоянного тока [Текст]/Ю.В.Бабков, К.С.Перфильев, В.Ю.Евсеев, В.В.Грачев, Д.Н.Курилкин//Перспективы развития сервисного обслуживания локомотивов. Труды третьей международной научно-практической конференции. - М., ООО «Локотех». - 2018 -с.114-121.

6.25. Грачев, В.В. Интеллектуальная система управления тяговым приводом постоянного тока [Текст]/В.В.Грачев, Д.Н.Курилкин, А.В.Грищенко, В.А.Кручек, Ю.В.Бабков, К.С.Перфильев, В.Ю.Евсеев//Электроника и электрооборудование транспорта. - 2019.-№5. - С.34-38.

6.26. Грачев, В.В. Автоматизация настройки селективной характеристики тягового генератора тепловоза с электрической передачей/В.В.Грачев, А.В.Грищенко, В.А.Кручек//Электротехника, 2018. -№ 10 - с. 26-33.

6.27. Грачев, В.В. Программные тренажеры - изучающим тепловоз [Текст]/В.В.Грачев, А.В.Грищенко, А.Н.Смирнов//Локомотив. - 2002, №12. -с.10-13.

6.28. Грачев, В.В. Использование программных тренажеров для подготовки специалистов локомотивного хозяйства [Текст]/В.В.Грачев, А.В.Грищенко, Ф.Ю.Базилевский//Журнал «Промышленный транспорт. XXI век». - 2004, №2 - с.8-13.

6.29. Грачев, В.В. Математические модели локомотивов. Методические указания к лабораторным работам по дисциплине «Математические модели локомотивов» [Текст]/В.В.Грачев, А.В.Грищенко, В.А.Кручек//Издательство ПГУПС. - СПб, 2000. - 48 с.

6.30. Свид. 2018613898 Российская Федерация. Свидетельство об официальной регистрации программы для ЭВМ. Автоматическое управление электрической передачей тепловоза М62/В.В.Грачев, Ф.Ю.Базилевский, А.В.Грищенко, Д.Н.Курилкин; заявитель и правообладатель Федеральрое Государственное Бюджетное Образовательное Учреждение Высшего Образования «Петербургский государственный университет путей сообщения

Императора Александра I» (ФГБОУ ВО ПГУПС) (ВД). - №2018610821; заявл. 31.01.2018.

6.31. Свид. 2018613897 Российская Федерация. Свидетельство об официальной регистрации программы для ЭВМ. Автоматическое управление электрической передачей тепловоза 2ТЭ116/В.В.Грачев, Ф.Ю.Базилевский, А.В.Грищенко, Д.Н.Курилкин; заявитель и правообладатель Федеральрое Государственное Бюджетное Образовательное Учреждение Высшего Образования «Петербургский государственный университет путей сообщения Императора Александра I» (ФГБОУ ВО ПГУПС) (ВД). - №2018610822; заявл. 31.01.2018.

6.32. Грачев, В.В. Сравнительный анализ эксплуатационной эффективности тепловозов с дизелями отечественного и зарубежного производства [Текст]/В.В.Грачев, А.В.Грищенко, Ф.Ю.Базилевский, С.А.Сафонов//Транспорт Российской Федерации. - 2017. - №3. -С.48-50.

6.33. Распоряжение ОАО «РЖД» от 30.12.2016 №2810р «Об утверждении Методики определения показателей оперативной оценки энергоэффективности магистральных тепловозов». - М., 2016. - 46 с.

6.34. Грачев, В.В. Влияние параметрических отказов оборудования тепловоза на его энергоэффективность в эксплуатации [Текст]/ В.В.Грачев, Ю.И.Клименко, В.А.Перминов, Д.Н.Курилкин, А.В.Фролов//Локомотив. - М., 2017. - № 4. - С. 40-45.

6.35. Грачев, В.В. Прескриптивный контроль энергоэффективности тепловоза с использованием интеллектуальных методов обработки измерительной информации. Монография [Текст]/В.В.Грачев//СПб, издательство Петербургский государственный университет путей сообщения Императора Александра I. - 2019. - 134 с.: Илл.