Инвариантные классификаторы состояний рельсовых линий

Автоматика, связь, информатика. 2026. № 2. С. 14–16

Automation, communications, informatics. 2026. № 2. Р. 14–16

НОВАЯ ТЕХНИКА И ТЕХНОЛОГИЯ

Научная статья

УДК 004.93

DOI: 10.62994/AT.2026.2.2.003

Инвариантные классификаторы состояний рельсовых линий

ТАРАСОВ Евгений Михайлович¹, ТАРАСОВА Анна Евгеньевна²

¹Приволжский государственный университет путей сообщения, заведующий кафедрой «Автоматика, телемеханика и связь на железнодорожном транспорте», профессор, д-р техн. наук, г. Самара, Россия, e.tarasov@samgups.ru

²Приволжский государственный университет путей сообщения, кафедра «Автоматика, телемеханика и связь на железнодорожном транспорте», доцент, канд. техн. наук, г. Самара, Россия, a.tarasova@samgups.ru

Аннотация. В статье рассматривается проблема классификации состояний рельсовых линий с использованием традиционных рельсовых цепей, которые разделяют состояния на два класса: свободное/исправное и занятое/поврежденное. Основные недостатки существующих систем включают невозможность отдельной классификации контрольного режима и высокую чувствительность к изменениям параметров рельсовых линий (сопротивления, проводимости изоляции). Для решения этих проблем предложен инвариантный параметрический классификатор, основанный на полиномиальных решающих функциях (включая полином Колмогорова-Габора) и методах машинного обучения. Разработанная модель позволяет разделять состояния на три класса: нормальный, шунтовой и контрольный режимы, обеспечивая инвариантность к изменениям проводимости изоляции (0,02–4 См/км) и сопротивления рельсовой линии (до +50 %). Результаты экспериментов демонстрируют эффективность самонастраивающихся алгоритмов (включая нейросетевые), улучшающих разделение классов при вариациях параметров. Предложенный подход повышает надежность систем железнодорожной автоматики за счет достоверной классификации и адаптации к возмущающим воздействиям.

Ключевые слова: рельсовые цепи, инвариантные классификаторы, полиномиальные решающие функции, машинное обучение, самонастройка, микропроцессорный классификатор, железнодорожная автоматика

Для цитирования: Тарасов Е.М., Тарасова А.Е. Инвариантные классификаторы состояний рельсовых линий // Автоматика, связь, информатика. 2026. № 2. С. 14–16. DOI: 10.62994/AT.2026.2.2.003

NEW TECHNIC AND TECHNOLOGY

Original article

Invariant classifiers of rail line states

Evgeny M. TARASOV¹, Anna E. TARASOVA²

¹Volga state transport university (SSTU), head of the department «Automation, telemechanics and communication on railway transport», DSc in Engineering, professor, Samara, Russia, e.tarasov@samgups.ru, SPIN-код: 9458-4793

²Volga state transport university (SSTU), associate professor of the department «Automation, telemechanics and communication on railway transport», PhD in Engineering, Samara, Russia, a.tarasova@samgups.ru, SPIN-код: 9018-6970

Abstract. The article deals with the problem of classifying rail line states using traditional track circuits, which divide the states into two classes: free/serviceable and occupied/damaged. The main disadvantages of existing systems include the inability to classify the control mode separately and the high sensitivity to changes in rail line parameters (resistance, insulation conductivity). To solve these problems, an invariant parametric classifier based on polynomial decisive functions (including the Kolmogorov-Gabor polynomial) and machine learning methods are proposed. The developed model allows to divide states into three classes: normal, shunt and control modes, ensuring invariance to changes in insulation conductivity (0.02–4 S/km) and rail line resistance (up to +50 %). The experimental results demonstrate the effectiveness of self-tuning algorithms (including neural network algorithms) that improve class separation with parameter variations. The proposed approach increases the reliability of railway automation systems due to reliable classification and adaptation to disturbing influences.

Keywords: track circuits, invariant classifiers, polynomial decisive functions, machine learning, self-tuning, microprocessor classifier, railway automation

For citation: Tarasov E.M., Tarasova A.E. Invariant classifiers of rail line states // Automation, communications, informatics. 2026. № 2. Р. 14–16. DOI: 10.62994/AT.2026.2.2.003

Список источников

1. Об утверждении Правил технической эксплуатации железных дорог Российской Федерации : приказ Министерства транспорта РФ от 23.06.2022 № 250.

2. Аркатов В.С., Кравцов Ю.А., Степенский Б.М. Рельсовые цепи. Анализ и техническое обслуживание. М.: Транспорт, 1990. 295 с.

3. Тарасова А.Е., Тарасов Е.М. Принцип инвариантных измерений первичных информационных признаков // Вестник современных исследований. 2019. № 1.13 (28). С. 159–162. EDN: YWUDUD.

4. Обеспечение инвариантности к возмущающим воздействиям в рельсовых линиях / Е.М. Тарасов, Д.В. Железнов, Н.Н. Васин, А.Е. Тарасова // Инженерные технологии и системы. 2019. Т. 29, № 2. С. 152–168. DOI: 10.15507/2658-4123.029.201902.152-168. EDN: AMVOYU.

5. Tarasov E.M., Tarasova A.E., Nadezhkin V.A. The principle of construction of an automated system for monitoring and diagnostics of wayside devices of railroad automation and telemechanics // Russian Electrical Engineering. 2023. Vol. 94, No. 10. P. 712–715. DOI: 10.3103/s1068371223100115. EDN: YPXFEO.

6. Брылеев А.М., Кравцов Ю.А., Шишляков А.В. Теория, устройство и работа рельсовых цепей. 2 изд., перераб. и доп.. М.: Транспорт, 1978. 344 с.

© Москва «Автоматика, связь, информатика» 2026