Երկաթուղային տրանսպորտում անօդաչու տեխնոլոգիաների մշակում

Երկաթուղու վրա անօդաչու տեխնոլոգիաների զարգացումը սկսվել է բավականին վաղուց՝ արդեն 1957 թվականին, երբ ստեղծվեց արվարձանային գնացքների առաջին փորձնական ավտոպիլոտային համալիրը։ Երկաթուղային տրանսպորտի ավտոմատացման մակարդակների տարբերությունը հասկանալու համար ներդրվում է աստիճանավորում, որը սահմանված է IEC-62290-1 ստանդարտով: Ի տարբերություն ավտոմոբիլային տրանսպորտի, երկաթուղային տրանսպորտն ունի 4 աստիճանի ավտոմատացում, որը ներկայացված է Նկար 1-ում:

Նկար 1. Ավտոմատացման աստիճանները ըստ IEC-62290-ի

Ռուսական երկաթուղիների ցանցում գործող գրեթե բոլոր գնացքները հագեցած են ավտոմատացման 1-ին մակարդակին համապատասխանող անվտանգության սարքով: 2-րդ մակարդակի ավտոմատացման գնացքները հաջողությամբ շահագործվում են Ռուսաստանի երկաթուղային ցանցում ավելի քան 20 տարի, հագեցած են մի քանի հազար լոկոմոտիվներ: Այս մակարդակը իրականացվում է քարշի կառավարման և արգելակման ալգորիթմներով՝ տվյալ երթուղու երկայնքով գնացքների էներգիայի օպտիմալ ուղղորդման համար՝ հաշվի առնելով երթուղու սխեմաներից ինդուկտիվ կապուղու միջոցով ստացված ավտոմատ լոկոմոտիվային ազդանշանային համակարգերի ժամանակացույցը և ցուցումները: 2-րդ մակարդակի օգտագործումը նվազեցնում է վարորդի հոգնածությունը և ավելացնում էներգիայի սպառումը և երթևեկության գրաֆիկի կատարման ճշգրտությունը:

3-րդ մակարդակը ենթադրում է վարորդի հնարավոր բացակայությունը խցիկում, ինչը պահանջում է տեսողության համակարգի ներդրում:

4-րդ մակարդակը ենթադրում է վարորդի լիակատար բացակայություն ինքնաթիռում, ինչը պահանջում է լոկոմոտիվի (էլեկտրագնացքի) նախագծման էական փոփոխություն: Օրինակ, օդանավում տեղադրվում են ավտոմատ անջատիչներ, որոնք հնարավոր չի լինի նորից միացնել, եթե դրանք գործարկվեն առանց նավի վրա գտնվող անձի ներկայության:

Ներկայումս 3-րդ և 4-րդ մակարդակներին հասնելու ծրագրերն իրականացվում են աշխարհի առաջատար ընկերությունների կողմից, ինչպիսիք են Siemens-ը, Alstom-ը, Thales-ը, SNCF-ը, SBB-ն և այլն:

Siemens-ը անօդաչու տրամվայների ոլորտում իր նախագիծը ներկայացրել է 2018 թվականի սեպտեմբերին Innotrans ցուցահանդեսում։ Այս տրամվայը Պոտսդամում գործում է GoA3 ավտոմատացման մակարդակով 2018 թվականից։

Նկար 2 Siemens տրամվայ
2019 թվականին Siemens-ն ավելի քան կրկնապատկել է իր անօդաչու երթուղու երկարությունը։
Ռուսական երկաթուղիներն աշխարհում առաջին ընկերություններից մեկն է, որը սկսել է անօդաչու երկաթուղային մեքենաների մշակումը։ Այսպիսով, 2015 թվականին Լուժսկայա կայարանում մեկնարկել է 3 շունտավոր լոկոմոտիվների շարժման ավտոմատացման նախագիծ, որտեղ NIIAS ԲԲԸ-ն հանդես է եկել որպես նախագծի ինտեգրատոր և հիմնական տեխնոլոգիաների մշակող:

Անօդաչու լոկոմոտիվի ստեղծումը բարդ բարդ գործընթաց է, որն անհնար է առանց այլ ընկերությունների հետ համագործակցության։ Հետևաբար, Լուժսկայա կայարանում, NIIAS ԲԲԸ-ի հետ միասին, մասնակցում են այնպիսի ընկերություններ, ինչպիսիք են.

• «ՎՆԻԿՏԻ» ԲԲԸ-ն ինքնաթիռի կառավարման համակարգի մշակման առումով.
• Siemens - մարշալինգային բակի շահագործման ավտոմատացման (MSR-32 համակարգ) և հրում մեքենաների շահագործման ավտոմատացման առումով.
• «Ռադիոավիոնիկա» ԲԲԸ միկրոպրոցեսորային փոխկապակցման համակարգերի առումով, որոնք կառավարում են սլաքները, լուսացույցները;
• PKB TsT - սիմուլյատորի ստեղծում;
• «Ռուսական երկաթուղիներ»՝ որպես ծրագրի համակարգող.

Առաջին փուլում խնդիր էր դրվել հասնել երթևեկության ավտոմատացման 2-րդ մակարդակին, երբ վարորդը, շունտավորման աշխատանքների կազմակերպման նորմալ պայմաններում, չի օգտվում լոկոմոտիվային կառավարումներից:

Սովորական շունտավոր լոկոմոտիվների շահագործման ժամանակ երթևեկության կառավարումն իրականացվում է դիսպետչերից վարորդին ձայնային հրամաններ փոխանցելով՝ համապատասխան երթուղիներ սահմանելով (սլաքների շրջում, լուսացույցների միացում):

Ավտոմատացման մակարդակ 2-ին անցնելիս ամբողջ ձայնային հաղորդակցությունը փոխարինվեց թվային անվտանգ ռադիոալիքով փոխանցվող հրամանների համակարգով: Տեխնիկապես, Լուժսկայա կայարանում շունտային լոկոմոտիվների կառավարումը կառուցվել է հետևյալի հիման վրա.

• միասնական թվային կայանի մոդել;
• շունտային լոկոմոտիվների շարժը վերահսկելու արձանագրություն (հրամաններ ուղարկելու և դրանց կատարումը վերահսկելու համար).
• փոխազդեցություն էլեկտրական միացման համակարգի հետ՝ նշված երթուղիների, սլաքների դիրքի և ազդանշանների մասին տեղեկություններ ստանալու համար.
• Շանթային լոկոմոտիվների դիրքավորման համակարգեր;
• հուսալի թվային ռադիո:

Մինչև 2017 թվականը 3 TEM-7A շունտային լոկոմոտիվներ Լուժսկայա կայարանում ժամանակի 95%-ում աշխատում էին լրիվ ավտոմատ ռեժիմով՝ կատարելով հետևյալ գործողությունները.

• Ավտոմատ շարժում տվյալ երթուղու երկայնքով;
• Ավտոմատ մուտք դեպի վագոններ;
• Ավտոմատ միացում վագոնների հետ;
• Վագոններ հրելով դեպի մարշալային բակ:

2017թ.-ին մեկնարկեց նախագիծ՝ ստեղծելու շունտային լոկոմոտիվների տեսլականի համակարգ և արտակարգ իրավիճակների դեպքում հեռակառավարման համակարգ ներդնելու համար:

2017 թվականի նոյեմբերին NIIAS ԲԲԸ-ի մասնագետները տեղադրեցին ռադարներից, լիդարներից և տեսախցիկներից բաղկացած շունտավոր լոկոմոտիվների տեսողական համակարգի առաջին նախատիպը (Նկար 3):

Նկար 3 Տեսողության համակարգերի առաջին տարբերակները

2017-2018 թվականներին Լուգա տեսողական համակարգի կայանում փորձարկումների ընթացքում արվել են հետևյալ եզրակացությունները.

• Ռադարների օգտագործումը խոչընդոտներ հայտնաբերելու համար անիրագործելի է, քանի որ երկաթուղին ունի զգալի թվով մետաղական առարկաներ՝ լավ արտացոլողությամբ: Նրանց ֆոնի վրա մարդկանց հայտնաբերման շրջանակը չի գերազանցում 60-70 մետրը, բացի այդ, ռադարներն ունեն անբավարար անկյունային լուծում և կազմում է մոտ 1 °: Մեր բացահայտումները հետագայում հաստատվեցին SNCF-ի (Ֆրանսիայի երկաթուղային օպերատոր) գործընկերների փորձարկման արդյունքներով:
• Լիդարները շատ լավ արդյունքներ են տալիս նվազագույն աղմուկով: Ձյան տեղումների, անձրևի, մառախուղի դեպքում նկատվում է օբյեկտների հայտնաբերման տիրույթի ոչ կրիտիկական նվազում։ Սակայն 2017 թվականին լիդարները բավականին թանկ էին, ինչը զգալիորեն ազդեց նախագծի տնտեսական կատարողականի վրա։
• Տեսախցիկները տեխնիկական տեսողության համակարգի անփոխարինելի տարրն են և անհրաժեշտ են հայտնաբերման, օբյեկտների դասակարգման և հեռակառավարման խնդիրների համար: Գիշերային և դժվար եղանակային պայմաններում աշխատելու համար անհրաժեշտ է ունենալ ինֆրակարմիր տեսախցիկներ կամ ալիքի երկարության երկարությամբ տեսախցիկներ, որոնք կարող են աշխատել մոտ ինֆրակարմիր տիրույթում:

Տեխնիկական տեսողության հիմնական խնդիրը ճանապարհորդության ուղղությամբ խոչընդոտներ և այլ առարկաներ հայտնաբերելն է, և քանի որ շարժումն իրականացվում է ուղու երկայնքով, անհրաժեշտ է հայտնաբերել այն:

Նկար 4. Բազմադասային սեգմենտավորման օրինակ (ուղի, վագոններ) և ուղու առանցքի որոշման երկուական դիմակի միջոցով

Նկար 4-ը ցույց է տալիս ուղու հայտնաբերման օրինակ: Սլաքների երկայնքով շարժման երթուղին միանշանակ որոշելու համար օգտագործվում է a priori տեղեկատվություն սլաքի դիրքի, լուսացույցների ընթերցումների մասին, որոնք փոխանցվում են թվային ռադիոալիքով էլեկտրական միախառնման համակարգից: Այս պահին համաշխարհային երկաթուղիներում նկատվում է լուսացույցներից հրաժարվելու և թվային ռադիոալիքի միջոցով կառավարման համակարգերի անցնելու միտում։ Սա հատկապես ճիշտ է արագընթաց երթևեկության դեպքում, քանի որ 200 կմ/ժ-ից ավելի արագության դեպքում դժվարանում է նկատել և ճանաչել լուսացույցների ցուցումները: Ռուսաստանում կան երկու հատվածներ, որոնք գործում են առանց լուսացույցների օգտագործման՝ սա Մոսկվայի կենտրոնական օղակն է և Ալպիկա-Սերվիս-Ադլեր գիծը:

Ձմռանը կարող են առաջանալ իրավիճակներ, երբ ուղին ամբողջությամբ ծածկված է ձյունով, և ուղու ճանաչումը դառնում է գրեթե անհնար, ինչպես ցույց է տրված Նկար 5-ում:

Նկար 5 Ձյունով ծածկված ուղու օրինակ

Այս դեպքում անհասկանալի է դառնում, թե արդյոք հայտնաբերված առարկաները խանգարում են լոկոմոտիվի շարժին, այսինքն՝ ճանապարհին են, թե ոչ։ Լուժսկայա կայարանում, այս դեպքում, օգտագործվում է կայանի բարձր ճշգրտության թվային մոդելը և բարձր ճշգրտության նավարկության համակարգ:

Ավելին, կայանի թվային մոդելը ստեղծվել է բազային կետերի գեոդեզիական չափումների հիման վրա։ Այնուհետև, հիմնվելով բարձր ճշգրտության տեղորոշման համակարգով լոկոմոտիվների բազմաթիվ անցումների մշակման վրա, բոլոր գծերի երկայնքով ավարտվել է քարտեզը։

Նկար 6 Լուժսկոյ կայանի ուղու զարգացման թվային մոդելը

Բորտային դիրքորոշման համակարգի կարևորագույն պարամետրերից մեկը լոկոմոտիվի կողմնորոշման (ազիմուտ) հաշվարկի սխալն է: Շոգեքարշի կողմնորոշումը անհրաժեշտ է նրանց կողմից հայտնաբերված սենսորների և առարկաների ճիշտ կողմնորոշման համար։ 1° կողմնորոշման անկյան սխալի դեպքում 100 մետր հեռավորության վրա ուղու առանցքի նկատմամբ օբյեկտի կոորդինատային սխալը կկազմի 1,7 մետր:

Նկար 7 Կողմնորոշման սխալի ազդեցությունը լայնակի կոորդինատների սխալի վրա

Հետեւաբար, շոգեքարշի կողմնորոշումը անկյան առումով չափելու առավելագույն թույլատրելի սխալը չպետք է գերազանցի 0,1°-ը: Ներքին դիրքորոշման համակարգն ինքնին բաղկացած է երկու հաճախականության նավիգացիոն ընդունիչներից RTK ռեժիմում, որոնց ալեհավաքները տեղակայված են լոկոմոտիվի ողջ երկարությամբ՝ ստեղծելու երկար բազա, իներցիալ նավիգացիոն համակարգ և միացում անիվի սենսորներին (odometers): Շունտային լոկոմոտիվի կոորդինատների որոշման ստանդարտ շեղումը 5 սմ-ից ոչ ավելի է։

Բացի այդ, Լուժսկայա կայարանում ուսումնասիրություններ են իրականացվել SLAM տեխնոլոգիաների (լիդար և վիզուալ) օգտագործման վերաբերյալ՝ լրացուցիչ դիրքային տվյալներ ստանալու համար:
Արդյունքում, «Լուժսկայա» կայարանում շունտային լոկոմոտիվների համար երկաթուղու չափիչի որոշումը կատարվում է երթուղու ճանաչման արդյունքների և դիրքավորման վրա հիմնված թվային ուղու մոդելի տվյալների համադրմամբ:

Խոչընդոտների հայտնաբերումն իրականացվում է նաև մի քանի եղանակով՝ հիմնվելով.

• lidar տվյալները;
• ստերեո տեսողության տվյալներ;
• նեյրոնային ցանցերի աշխատանքը.

Տվյալների հիմնական աղբյուրներից մեկը լիդարներն են, որոնք լազերային սկանավորման արդյունքում առաջանում են կետերի ամպ: Գործող ալգորիթմներում հիմնականում օգտագործվում են դասական տվյալների կլաստերավորման ալգորիթմներ։ Հետազոտության շրջանակներում ստուգվում է նեյրոնային ցանցերի օգտագործման արդյունավետությունը լիդար կետերի կլաստերավորման, ինչպես նաև լիդարի տվյալների և տեսախցիկների տվյալների համատեղ մշակման համար: Նկար 8-ը ցույց է տալիս լիդարի տվյալների օրինակը (տարբեր անդրադարձողությամբ կետերի ամպ), որը ցույց է տալիս մարդու կեղծարարությունը Լուժսկայա կայարանի կառքի ֆոնի վրա:

Նկար 8. Լուժսկայա կայարանի լիդարից ստացված տվյալների օրինակ

Նկար 9-ը ցույց է տալիս բարդ ձևով մեքենայից կլաստերի դուրսբերման օրինակ՝ ըստ երկու տարբեր լիդարների տվյալների:

Նկար 9. Lidar-ի տվյալների մեկնաբանման օրինակ՝ որպես կլաստեր՝ հոփերի վագոնից

Առանձին-առանձին, հարկ է նշել, որ վերջերս լիդարների արժեքը նվազել է գրեթե մեծության կարգով, և դրանց տեխնիկական բնութագրերը աճել են: Կասկած չկա, որ այս միտումը կշարունակվի։ Լուժսկայա կայարանում օգտագործվող լիդարների միջոցով օբյեկտների հայտնաբերման շառավիղը մոտ 150 մետր է։

Խոչընդոտները հայտնաբերելու համար օգտագործվում է նաև ստերեո տեսախցիկ, որն օգտագործում է այլ ֆիզիկական սկզբունք:

Նկար 10. Անհամաչափության քարտեզ ստերեոզույգից և հայտնաբերված կլաստերներից

Նկար 10-ը ցույց է տալիս ստերեո տեսախցիկի տվյալների օրինակ՝ բևեռների, ճանապարհային արկղերի և վագոնի հայտնաբերմամբ:

Արգելակման համար բավարար հեռավորության վրա կետային ամպի բավարար ճշգրտություն ստանալու համար անհրաժեշտ է օգտագործել բարձր լուծաչափով տեսախցիկներ։ Պատկերի չափի մեծացումը մեծացնում է անհամամասնության քարտեզ ստանալու հաշվարկային արժեքը: Զբաղված ռեսուրսների և համակարգի արձագանքման ժամանակի համար անհրաժեշտ պայմանների պատճառով անհրաժեշտ է մշտապես մշակել և փորձարկել ալգորիթմներ և մոտեցումներ՝ տեսախցիկներից օգտակար տվյալներ հանելու համար:

Ալգորիթմների փորձարկման և ստուգման մի մասն իրականացվում է երկաթուղային սիմուլյատորի միջոցով, որը մշակում է Design Bureau TsT-ն NIIAS ԲԲԸ-ի հետ համատեղ: Օրինակ, Նկար 11-ը ցույց է տալիս սիմուլյատորի օգտագործումը ստերեո տեսախցիկի ալգորիթմների աշխատանքը ստուգելու համար:

Նկար 11. A, B - ձախ և աջ շրջանակներ սիմուլյատորից; B – ստերեո տեսախցիկից տվյալների վերակառուցման վերին տեսք. D - սիմուլյատորից ստերեո տեսախցիկի պատկերների վերակառուցում:

Նեյրոնային ցանցերի հիմնական խնդիրը մարդկանց, վագոնների հայտնաբերումն ու դրանց դասակարգումն է։
Եղանակային ծանր պայմաններում աշխատելու համար NIIAS ԲԲԸ-ի մասնագետները փորձարկումներ են իրականացրել նաև ինֆրակարմիր տեսախցիկների միջոցով:

Նկար 12. Տվյալներ IR տեսախցիկից

Բոլոր սենսորների տվյալները ինտեգրվում են ասոցիացիայի ալգորիթմների հիման վրա, որտեղ գնահատվում է խոչընդոտների (օբյեկտների) առկայության հավանականությունը:

Ավելին, ճանապարհին ոչ բոլոր առարկաներն են խոչընդոտ, շունտային գործողություններ կատարելիս լոկոմոտիվը պետք է ավտոմատ կերպով միացվի մեքենաներին:

Նկար 13. Մեքենայի մուտքի վիզուալիզացիայի օրինակ՝ տարբեր սենսորների կողմից խոչընդոտների հայտնաբերմամբ

Անօդաչու շունտային լոկոմոտիվներ շահագործելիս չափազանց կարևոր է արագ հասկանալ, թե ինչ է կատարվում սարքավորումների հետ, ինչ վիճակում է այն։ Կան նաև իրավիճակներ, երբ շոգեքարշի դիմաց հայտնվում է կենդանի, օրինակ՝ շուն։ Ինքնաթիռի ալգորիթմները ավտոմատ կերպով կկանգնեցնեն լոկոմոտիվը, բայց ի՞նչ անել հետո, եթե շունը ճանապարհից դուրս չգա:

Ինքնաթիռում իրավիճակը վերահսկելու և արտակարգ իրավիճակների դեպքում որոշումներ կայացնելու համար մշակվել է անշարժ հեռակառավարման և կառավարման վահանակ, որը նախատեսված է կայանի բոլոր անօդաչու լոկոմոտիվների հետ աշխատելու համար: Լուժսկայա կայարանում այն ​​գտնվում է ԵՀ փոստում։

Նկար 14 Հեռակառավարում և կառավարում

Լուժսկոյ կայարանում Նկար 14-ում ցուցադրված կառավարման վահանակը վերահսկում է երեք շունտավոր լոկոմոտիվների աշխատանքը: Անհրաժեշտության դեպքում, օգտագործելով այս հեռակառավարման վահանակը, կարող եք կառավարել միացված լոկոմոտիվներից մեկը՝ տեղեկատվություն փոխանցելով իրական ժամանակում (ուշացումը 300 մվ-ից ոչ ավելի է՝ հաշվի առնելով տվյալների փոխանցումը ռադիոալիքով):

Ֆունկցիոնալ անվտանգության խնդիրներ

Անօդաչու լոկոմոտիվների ներդրման ամենակարևոր խնդիրը ֆունկցիոնալ անվտանգության խնդիրն է՝ սահմանված IEC 61508 «Անվտանգության հետ կապված էլեկտրական, էլեկտրոնային, ծրագրավորվող էլեկտրոնային համակարգերի ֆունկցիոնալ անվտանգություն» (EN50126, EN50128, EN50129), ԳՕՍՏ 33435-2015 ստանդարտներով։ «Երկաթուղային շարժակազմի կառավարման, մոնիտորինգի և անվտանգության սարքեր».

Անվտանգության ամբողջականության մակարդակ 4 (SIL4) պահանջվում է ինքնաթիռի անվտանգության սարքերի պահանջներին համապատասխանելու համար:

SIL-4 մակարդակին համապատասխանելու համար բոլոր գոյություն ունեցող լոկոմոտիվային անվտանգության սարքերը կառուցված են մեծամասնության տրամաբանությամբ, որտեղ հաշվարկները կատարվում են զուգահեռաբար երկու ալիքներով (կամ ավելի)՝ որոշում կայացնելու համար արդյունքների համեմատությամբ:

Անօդաչու շունտավոր լոկոմոտիվների վրա սենսորներից տվյալների մշակման հաշվողական միավորը նույնպես կառուցված է երկու ալիքային սխեմայի համաձայն՝ վերջնական արդյունքի համեմատությամբ:

Տեսողության տվիչների օգտագործումը, տարբեր եղանակային պայմաններում և տարբեր միջավայրերում աշխատանքը պահանջում է նոր մոտեցում անօդաչու մեքենաների անվտանգության ապացուցման հարցում։

2019 թվականին ISO/PAS 21448 ստանդարտը «Ճանապարհային տրանսպորտային միջոցներ. Նշված գործառույթների անվտանգություն (SOTIF): Այս ստանդարտի հիմնական սկզբունքներից մեկը սցենարային մոտեցումն է, որը հաշվի է առնում համակարգի վարքագիծը տարբեր հանգամանքներում: Սցենարների ընդհանուր թիվը անսահման է: Նախագծման առաջնային նպատակն է նվազագույնի հասցնել 2-րդ և 3-րդ տարածքները, որոնք ներկայացնում են հայտնի ոչ անվտանգ սցենարներ և անհայտ վտանգավոր սցենարներ:

Նկար 15 Սցենարի փոխակերպումը մշակման արդյունքում

Որպես այս մոտեցման կիրառման մաս, NIIAS ԲԲԸ-ի մասնագետները վերլուծել են բոլոր ձևավորվող իրավիճակները (սցենարները)՝ սկսած 2017 թվականի շահագործման մեկնարկից: Որոշ իրավիճակներ, որոնք դժվար է հանդիպել իրական շահագործման մեջ, մշակվում են PKB TsT սիմուլյատորի միջոցով:

Կարգավորման հարցեր

Կարգավորող հարցերը նույնպես պետք է լուծվեն, որպեսզի իսկապես անցնենք լիովին ավտոմատ կառավարման՝ առանց վարորդի ներկայության լոկոմոտիվի խցիկում:

Այս պահին «Ռուսական երկաթուղիները» հաստատել են երկաթուղային շարժակազմի ավտոմատ կառավարման համակարգերի ներդրման միջոցառումների իրականացման կարգավորիչ աջակցության աշխատանքների իրականացման ժամանակացույցը։ Կարևորագույն խնդիրներից մեկը երկաթուղային տրանսպորտում արտադրության հետ կապված քաղաքացիների կյանքին կամ առողջությանը վնաս պատճառած տրանսպորտային պատահարների ներքին հետաքննության և հաշվառման կարգի կանոնակարգի թարմացումն է: Այս պլանի համաձայն՝ 2021 թվականին պետք է մշակվի և հաստատվի անօդաչու երկաթուղային մեքենաների շահագործումը կարգավորող փաստաթղթերի փաթեթ։

Հետո

Այս պահին աշխարհում չկան անօդաչու շունտային լոկոմոտիվների անալոգներ, որոնք շահագործվում են Լուժսկայա կայարանում։ Ֆրանսիայից (SNCF ընկերություն), Գերմանիայից, Հոլանդիայից (Prorail ընկերություն), Բելգիայից (Lineas ընկերություն) մասնագետները 2018-2019 թվականներին ծանոթացել են մշակված կառավարման համակարգին և հետաքրքրված են նման համակարգերի ներդրմամբ։ NIIAS ԲԲԸ-ի հիմնական խնդիրներից է ֆունկցիոնալության ընդլայնումը և ստեղծված կառավարման համակարգի կրկնօրինակումը ինչպես ռուսական երկաթուղիներում, այնպես էլ արտասահմանյան ընկերությունների համար:

Այս պահին «Ռուսական երկաթուղիները» նույնպես ղեկավարում է «Լաստոչկա» անօդաչու էլեկտրագնացքների մշակման նախագիծը։ Նկար 16-ը ցույց է տալիս ES2G Lastochka էլեկտրագնացքի ավտոմատ կառավարման համակարգի նախատիպի ցուցադրությունը 2019 թվականի օգոստոսի շրջանակներում: International Railway Salon of Space 1520 «PRO//Dvizhenie.Expo».

Նկար 16. ՀՄԿ-ում անօդաչու էլեկտրագնացքի աշխատանքի ցուցադրում

Անօդաչու էլեկտրագնացքի ստեղծումը շատ ավելի բարդ խնդիր է բարձր արագությունների, արգելակման զգալի հեռավորությունների և կանգառներում ուղևորների անվտանգ նստեցման/իջնման ապահովման պատճառով: Այս պահին ՀՄԿ-ում ակտիվորեն թեստեր են անցկացվում։ Առաջիկայում նախատեսվում է հրապարակել այս նախագծի մասին պատմվածք։

Source: www.habr.com