СЕНІМДІ ДЕРЕКТЕРДЕН — ҚАУІПСІЗ ТЕМІРЖОЛҒА: АЗАМАТТЫҚ АВИАЦИЯ АКАДЕМИЯСЫНЫҢ ҒАЛЫМЫ РЕЛЬСТЕРДІ ДИАГНОСТИКАЛАУДА ЖАСАНДЫ ИНТЕЛЛЕКТІНІ ҚОЛДАНУҒА НЕГІЗ ҚАЛАДЫ
Азаматтық авиация академиясының қауымдастырылған профессоры Мейрбек Мұсатаев теміржол рельстерін жанаспай бақылауға арналған құйынды ток датчигіне метрологиялық бағалау жүргізді. Зерттеу алынған өлшемдердің қаншалықты сенімді екенін анықтауға мүмкіндік береді және теміржол инфрақұрылымын диагностикалаудың интеллектуалды жүйелерін әзірлеуге негіз қалайды. Зерттеу нәтижелері Nature Portfolio баспасының халықаралық Scientific Reports ғылыми журналында жарияланды.
Жасанды интеллектіге сенімді деректер не үшін қажет?
Жасанды интеллект үлкен көлемдегі ақпаратты талдап, деректерді әдеттегі өңдеу барысында байқалмайтын заңдылықтарды анықтай алады. Алайда оның қабылдайтын шешімдерінің дәлдігі бастапқы өлшемдердің сапасына тікелей байланысты. Бұл теміржол саласында ерекше маңызды, өйткені рельстердегі ақауларды уақтылы анықтау қозғалыс қауіпсіздігіне тікелей әсер етеді.
Автоматтандырылған диагностиканың негізгі міндеттерінің бірі — металдың қауіпті зақымдарын дәнекерленген жіктерден, рельс түйіспелерінен және теміржолдың басқа да ерекшеліктерінен туындайтын сигналдардан ажыратуды үйрену. Ол үшін сигналды анықтау ғана жеткіліксіз: өлшеу нәтижелеріне қаншалықты сенуге болатынын түсіну қажет.
Азаматтық авиация академиясының Сертификаттау орталығының басшысы Мейрбек Мұсатаев дәл осы мәселені зерттеді. Оның жұмысының өзегінде рельстердің беткі зақымдарын жоғары жылдамдықпен және жанаспай анықтауға арналған бағытталған құйынды ток датчигі тұр.
Ақауды анықтаудан өлшемдердің сенімділігін бағалауға дейін
Зерттеу аясында ғалым датчиктің зақымдарды анықтау қабілетін ғана емес, алынған өлшемдердің белгісіздігін де бағалады. Мұндай тәсіл диагностикалық сигналдың сенімділігін сандық тұрғыдан анықтауға және оны машиналық оқыту алгоритмдерінде одан әрі қолдануды негіздеуге мүмкіндік береді.
Сынақтар пайдаланудан шығарылған, металдың түйіспелік шаршауынан пайда болған зақымы бар нақты рельс бөлігінде жүргізілді. Өлшемдер он түрлі жылдамдықта орындалып, әрбір жылдамдық бойынша он рет қайталанды. Ақаудың бар екені ультрадыбыстық визуализация және рентгендік микротомография әдістері арқылы тәуелсіз түрде расталды.
Талдау барысында өнеркәсіпте өлшеу процестерінің жарамдылығын бағалау үшін қолданылатын VDA 5.1 стандарты пайдаланылды. Авторлардың мәліметінше, бұл тәсіл рельстерді жоғары жылдамдықты құйынды ток әдісімен бақылауды бағалау үшін алғаш рет қолданылған.
Жасанды интеллект үшін қай сигнал сенімдірек?
Нәтижелер датчиктің зерттелген жылдамдықтардың бүкіл диапазонында ақауды анықтағанын көрсетті. Сонымен қатар зерттеу диагностикалық көрсеткіштерді салыстырып, олардың қайсысы кейінгі талдау үшін неғұрлым сенімді негіз бола алатынын анықтауға мүмкіндік берді.
Атап айтқанда, кернеу бойынша сигнал/шу арақатынасы фазалық көрсеткішпен салыстырғанда белгісіздіктің төмен деңгейін көрсетті. Сондықтан автор оны машиналық оқытудың болашақ модельдері үшін негізгі диагностикалық белгі ретінде таңдады.
Бұл — датчиктерден келетін сигналдарды автоматты түрде талдайтын, ықтимал қауіпті зақымдарды анықтайтын және мамандарға неғұрлым негізделген шешімдер қабылдауға көмектесетін интеллектуалды жүйелерді құру жолындағы маңызды қадам.
Сонымен қатар зерттеу алдағы жұмыстардың бағыттарын да айқындайды. Атап айтқанда, ақаудың нақты орналасқан жерін анықтау үшін қосымша әзірлемелер қажет.
Қазақстанның теміржол саласы үшін перспективалар
Зерттеудің практикалық маңызы рельстердің жай-күйін дәстүрлі бақылаудан сенімді өлшеу деректеріне негізделген интеллектуалды диагностикаға көшу үшін ғылыми негіз қалыптастыруында жатыр.
Болашақта бұл технология кіріктірілген электроникасы және нақты уақыт режимінде деректерді сымсыз жеткізу мүмкіндігі бар интеллектуалды жол өлшеу арбасының бір бөлігіне айналуы мүмкін. Бұл диагностикалық ақпаратты жедел алуға мүмкіндік беріп, теміржол инфрақұрылымын бақылауды одан әрі автоматтандыруға алғышарт жасайды.
Машиналық оқыту әдістерін метрологиялық тұрғыдан негізделген деректермен ұштастыру ақауларды анықтау сапасын жетілдіруге, жалған дабылдар санын азайтуға және теміржол жолдарының жай-күйіне жауапты қызметтердің тиімділігін арттыруға мүмкіндік береді.
Зерттеу сондай-ақ жасанды интеллектіні дамытуға және оны экономиканың түрлі салаларына енгізуге бағытталған AI-Sana ұлттық бағдарламасының басымдықтарына сәйкес келеді. Бұл жұмыс деректерге бағдарланған инженерияны дамытуға және интеллектуалды көлік диагностикасы саласындағы отандық құзыреттерді нығайтуға ықпал етеді.
Жоба Бристоль университеті (Ұлыбритания) және Мұхамеджан Тынышпаев атындағы ALT University мамандарының қатысуымен халықаралық ғылыми ынтымақтастық аясында жүзеге асырылды.
Қауіпсіз әрі интеллектуалды теміржолдың ғылыми негізі
Жұмыстың басты нәтижесі — диагностикалық сигналдың сенімділігіне сандық негіздеме берілуі. Бұл жасанды интеллектіні теміржол инфрақұрылымын бақылау жүйелеріне одан әрі енгізу үшін аса маңызды.
Мейрбек Мұсатаев атап өткендей:
«Жасанды интеллект сапасыз деректерді кешірмейді. Алгоритмге оның алдында тұрған нысанның қауіпті жарықшақ па, әлде кәдімгі рельс түйіспесі ме екенін анықтауды тапсырмас бұрын, біз бұл сигналға қаншалықты сенуге болатынын нақты білуіміз керек. Белгісіздікті сандық тұрғыдан бағалау ғана датчик көрсеткішін дәлелге айналдырады. Бұл — Қазақстанның қауіпсіз әрі интеллектуалды теміржолының іргетасы».
Осылайша, Азаматтық авиация академиясының зерттеуі метрологияны, бұзбай бақылаудың заманауи әдістерін және жасанды интеллектінің мүмкіндіктерін біріктіріп, Қазақстанның теміржол инфрақұрылымын диагностикалауға арналған неғұрлым дәл әрі сенімді технологияларды дамытудың ғылыми негізін қалыптастырады.
