×

Вы используете устаревший браузер Internet Explorer. Некоторые функции сайта им не поддерживаются.

Рекомендуем установить один из следующих браузеров: Firefox, Opera или Chrome.

Контактная информация

+7-863-218-40-00 доб.200-80
ivdon3@bk.ru

  • Модель оптической локализации железнодорожных подвижных единиц на основе искусственной иммунной системы отрицательного отбора

    Предложен новый подход к локализации подвижных единиц, основанный на распознавании автосцепки вагона на графических изображениях, получаемых с помощью видеокамер универсальной системы автоматического распознавания номеров вагонов (УС АРНВ), в качестве маркера межвагонного пространства. Разработана модель распознавания автосцепки на основе вещественного алгоритма отрицательного отбора с детекторами переменного размера (МВОП). Проведены вычислительные эксперименты, показавшие эффективность модели МВОП в сравнении с классическим методом опорных векторов на реальных данных, полученных на одном из объектов внедрения УС АРНВ. Показана эффективность предлагаемого подхода в дублированном режиме работы (с использованием двух видеокамер) и в совокупности с базовым методом локализации подвижных единиц на основе индуктивных датчиков прохождения колеса.

    Ключевые слова: искусственная иммунная система, метод опорных векторов, мягкие вычисления, локализация подвижных единиц. идентификация номеров вагонов

    05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)

  • Метод блочного оптического распознавания инвентарных номеров железнодорожных подвижных единиц на основе комитетной нейроиммунной модели классификации

    Предлагается новый метод блочного распознавания инвентарных номеров железнодорожных подвижных единиц, основанный на использовании комитетной нейроиммунной модели классификации. Преимуществом использования такого подхода является отсутствие необходимости формирования выборки отрицательных примеров. Разработанный метод объединяет в себе этапы сегментации и классификации, что позволяет достичь повышенной устойчивости к шуму, возможности сегментации размытых и слипшихся цифр номера, имеющих разные шрифты и начертания, а также инвариантности к существующим изменениям масштаба. Благодаря редукции данных, достигаемой за счет применения механизма иммунной кластеризации, появляется возможность постоянного пополнения обучающей выборки комитета классификаторов новыми статистическими данными для последующего повышения точности классификации. Метод реализован в программном обеспечении системы автоматического распознавания номеров вагонов (АРНВ), которая находится в эксплуатации на сети дорог ОАО «РЖД».

    Ключевые слова: Метод блочного распознавания символов, комитетная нейроимунная модель классификации, идентификация, автоматическое распознавание номеров вагонов, дублирующий номер

    05.13.18 - Математическое моделирование, численные методы и комплексы программ

  • Сведения об авторах (№1, 2014)

    Сведения об авторах выпуска №1 (2014)

    Ключевые слова: авторы

  • Метод оптической идентификации железнодорожных подвижных единиц на основе интегральных устойчивых признаков

    Решение задачи идентификации железнодорожных подвижных единиц является актуальным при переходе от автоматизированных систем управления (АСУ) с ручным вводом данных к среде автоматического моделирования поездной и вагонной ситуации. Наиболее приемлемым с экономической и организационной точек зрения методом идентификации является оптическое распознавание инвентарных номеров подвижных единиц. Однако при использовании такой технологии возникает вопрос о достоверности распознавания. В настоящей статье представлен качественно новый подход к оптической идентификации вагонов, основанный на использовании интегральных устойчивых конструктивных признаков вагонов и позволяющий значительно повысить уровень достоверности распознавания. Действие предлагаемого метода было исследовано на объекте внедрения системы автоматического распознавания номеров вагонов (АРНВ). Проведенные вычислительные эксперименты доказали актуальность применения описываемого метода при оптическом распознавании «слабочитаемых»  инвентарных номеров подвижных единиц.

    Ключевые слова: АСУ, идентификация номеров, подвижная единица, оптическое распознавание, АРНВ, устойчивые признаки

    05.13.18 - Математическое моделирование, численные методы и комплексы программ

  • Сведения об авторах (№4, 2013)

    Сведения об авторах выпуска №4 (2013)

    Ключевые слова: авторы