с 01.01.2024 по настоящее время
Россия
Россия
УДК 004.9 Прикладные информационные (компьютерные) технологии
в процессе разработки и эксплуатации транспортных средств, таких как автомобильный транспорт, летающие объекты, корабли и т.д. часто используется метод имитационного моделирования для оценки пригодности тех или иных технических решений. Особенно актуален этот подход при необходимости анализа поведения сложной системы в условиях неопределенности, когда натурные испытания нецелесообразны. В данной статье моделируется маршрут транспортного средства по карте с учетом различных внешних воздействий. Имитируется динамика изменения состояния транспортного средства на основе заданных закономерностей отказов отдельных узлов и подсистем, а также с учетом воздействия различных внешних факторов на эти узлы и подсистемы. Данная имитационная модель может быть использована для интегральной оценки возможности преодоления маршрута, надежности транспортного средства при взаимодействии с неблагоприятными внешними факторами, выявлять критические участки маршрута, где вероятность отказа максимальна, сравнивать различные конфигурации установленного оборудования. Модель предназначена для специалистов в области проектирования и эксплуатации различных технических систем, требующих высокой надежности. Результаты моделирования могут быть использованы для оптимизации технического обслуживания, повышения безопасности эксплуатации.
имитационное моделирование, надежность, отказы подсистем, моделирование маршрута, модель внешних воздействующих факторов, оценка пригодности
1. Козарь, В. Б. Использование имитационно-логико-вероятностных моделей для оценки эффективности сложных систем [Текст] / В. Б. Козарь // Вестник концерна «Алмаз-Антей». – 2015. – № 2. – С. 16-20. УДК: 623.7.011
2. Тойменцева, И. А. Разработка рациональных решений в логистике на основе применения методов имитационного моделирования [Текст] / И. А. Тойменцева // Проблемы совершенствования организации производства и управления промышленными предприятиями : межвузовский сборник научных трудов. – 2022. – № 1. – С. 159-164. УДК: 339.18:338.26.015
3. Системная инженерия. Принципы и практика [Текст] = Systems Engineering Principles and Practice : учебник / А. Косяков [и др.] ; пер. В. К. Батоврин. – 2-е изд. – М. : ДМК Пресс, 2017. – 625 с. ISBN: 978-5-4488-0042-9
4. Патент на полезную модель 2024663126 РФ [Текст] / С. М. Семченков, В. В. Абраменков, С. А. Климов, А. И. Пономарев ; заявитель и патентообладатель (название организации). – № 2024661561 ; заявл. 22.05.2024 ; опубл. 04.06.2024.
5. Бондарева, И. О. Конфигурирование систем на основе сетей Петри, логико-вероятностных и имитационных моделей [Текст] / И. О. Бондарева, А. А. Ханова, Ю. А. Ханова // Математические методы в технике и технологиях. – 2020. – Т. 12-2. – С. 121-126. УДК: 519.6
6. Галажинская, О. Н. Вероятность и статистика в примерах и задачах [Текст] : в 2 т. Т. 2 / О. Н. Галажинская, С. П. Моисеева. – Томск, 2016. – 125 с.
7. Рурич, М. А. Сравнение эффективности различных подходов к формированию популяции при решении задач многокритериальной оптимизации [Текст] / М. А. Рурич, А. В. Вахнин, Е. А. Сопов // Сибирский аэрокосмический журнал. – 2022. – Т. 23, № 2. – С. 227-240. – DOI:https://doi.org/10.31772/2712-8970-2022-23-2-227-240.
8. Ачкасов, Д. А. Изучение и моделирование эвристических алгоритмов оптимизации [Текст] / Д. А. Ачкасов, К. В. Зольников, Н. Н. Литвинов // Моделирование систем и процессов. – 2025. – № 1. – С. ?. – DOI:https://doi.org/10.12737/2219-0767-2025-17-28. (Примечание: в исходной записи не указаны страницы — поставьте вместо ? конкретные, напр. С. 17-28).
9. Лотов, А. В. Многокритериальные задачи принятия решений [Текст] / А. В. Лотов, И. И. Поспелова ; Моск. гос. ун-т им. М. В. Ломоносова. – М., 2008. – 197 с. ISBN: 978-5-89407-330-9, 978-5-17-02244-7
10. Кныш, Д. С. Генетический алгоритм трассировки коммутационных блоков [Текст] / Д. С. Кныш, В. М. Курейчик // Известия высших учебных заведений. Электроника. – 2009. – № 5 (79). – С. 28-34.
11. Земсков, А. В. Аналитический подход к выборочному поиску функций вероятностей состояний в марковских цепях [Текст] / А. В. Земсков // Известия высших учебных заведений. Приборостроение. – 2023. – Т. 66, № 12. – С. 1035-1049. УДК: 519.217.2
12. Вытовтов, К. А. Аналитический метод анализа неоднородных непрерывных марковских процессов с кусочно-постоянными интенсивностями перехода [Текст] / К. А. Вытовтов, Е. А. Барабанова // Автоматика и телемеханика. – 2021. – № 12. – С. 91-104.
13. Мальцева, Ю. С. Решение задачи рационализации с использованием марковской цепи в Python и Excel [Текст] / Ю. С. Мальцева, А. В. Мезенцев // Математическое моделирование и естественнонаучные исследования транспортных и технических систем : сборник научных трудов. – Екатеринбург : Уральский государственный университет путей сообщения, 2025. – С. 87-93.
14. Данилюк, Б. А. Модель оценивания готовности функционирующего космического аппарата к использованию по целевому назначению на основе марковских цепей [Текст] / Б. А. Данилюк, Е. П. Минаков, Е. В. Слатова // Авиакосмическое приборостроение. – 2024. – № 9. – С. 39-44.
15. Лицкевич, О. Н. Разработка и построение математических моделей наработки до отказа причального комплекса электропитания при воздействии внешних факторов [Текст] / О. Н. Лицкевич // Эксплуатация морского транспорта. – 2023. – № 3 (108). – С. 156-162.
16. Kumar, S., Ranjan, A., Saxena, S. et al. ANFIS-Based Multi-Sensor Data Fusion Model for Optimized Autonomous Vehicle Navigation Using Big Data and Filtering Techniques. Mobile Netw Appl 30, 341–355 (2025). https://doi.org/10.1007/s11036-026-02489-6
17. Lasota, M., Izdebski, M., Jacyna, Z., Łojek, F. (2026). Algorithm for Route Selection of Oversized Cargo Transport in the Event of Adverse Situations. In: Sierpiński, G., Naumann, S., Macioszek, E. (eds) Transport Systems Development – Methods and Solutions. TSTP 2025. Lecture Notes in Networks and Systems, vol 1789. Springer, Cham. https://doi.org/10.1007/978-3-032-14826-1_6
18. Lin, H., Zhang, L., Lei, L. et al. A potential field-based critical probabilistic roadmap path plan algorithm for narrow passages. Cluster Comput 28, 916 (2025). https://doi.org/10.1007/s10586-025-05645-x
19. Bok, Y., Suganuma, N. & Yoneda, K. Probabilistic model for high-level intention estimation and trajectory prediction in urban environments. Artif Life Robotics 29, 557–566 (2024). https://doi.org/10.1007/s10015-024-00973-4
20. Zohir, H.M., Ismael, I.M., El-Gendy, E.M. et al. Advancements in accident-aware traffic management: a comprehensive review of V2X-based route optimization. Sci Rep 15, 35041 (2025). https://doi.org/10.1038/s41598-025-20878-x
21. Ravichandran, N., Losanno, D., Pecce, M.R. et al. Site-specific traffic modelling and simulation for a major Italian highway based on weigh-in-motion systems accounting for gross vehicle weight limitations. J Civil Struct Health Monit 14, 1739–1763 (2024). https://doi.org/10.1007/s13349-024-00809-6
