Стабильно-пластичные нейронные сети на основе перцептрона в задачах прогнозирования буксования

Abstract

Разработаны стабильно-пластичные нейронные сети на основе перцептрона, способные дообучаться без потерь запомненной ранее информации. Разработанные нейронные сети позволяют на основе сигналов частот вращения роторов двигателей прогнозировать возможность возникновения процесса буксования колесных пар в процессе движения тягового подвижного состава.

Designed stable-plastic neural networks based on Perceptron capable to learn without losing information stored previously. The developed neural networks allow to predict the possibility of a process of slipping wheel sets in motion a traction rolling stock based on engine rotor speed signals.