Комплексный метод моделирования параметров качества автономного транспортного средства
Автор: С.В. Сусарев
Журнал: Известия Самарского научного центра Российской академии наук @izvestiya-ssc
Рубрика: Машиностроение и машиноведение
Статья в выпуске: 2 т.27, 2025 года.
Бесплатный доступ
Современные автономные транспортные системы, интегрирующие IoT и ИИ, требуют комплексной оценки качества для обеспечения надежности и эффективности. Основу оценки составляют три типа данных: объективные, косвенные и расчетные. Эти данные проходят многоэтапную обработку: нормализацию, фильтрацию шумов, выделение ключевых параметров и интеграцию в единую хронологическую модель. Ключевыми подходами к оценке надежности являются прогнозирование безотказности и расчет остаточного ресурса. Модель, основанная на нормальном распределении отказов, эффективна в стабильных условиях, но ограничена при динамических нагрузках. Альтернативная модель связывает ресурс с коэффициентами сложности эксплуатации, определяемыми экспертными методами, что обеспечивает гибкость в условиях неполноты данных. Интеграция данных, современных алгоритмов и гибких моделей позволяет повысить надежность автономного транспорта, сократив затраты на обслуживание. Дальнейшее развитие требует международной стандартизации и внедрения инновационных решений для работы в динамических условиях.
Конкурентоспособность, качество, автомобиль
Короткий адрес: https://sciup.org/148330761
IDR: 148330761 | УДК: 629.3.083 | DOI: 10.37313/1990-5378-2025-27-2-74-80
Comprehensive method for modeling the quality parameters of an autonomous vehicle
Modern autonomous transport systems integrating IoT and AI require a comprehensive quality assessment to ensure reliability and effi ciency. The assessment is based on three types of data: objective, indirect and calculated. These data undergo multi-stage processing: normalization, noise fi ltering, identifi cation of key parameters and integration into a single chronological model.The key approaches to reliability assessment are failure-free prediction and residual resource calculation. The model based on the normal distribution of failures is effective in stable conditions, but is limited under dynamic loads. An alternative model links the resource with operational complexity coeffi cients determined by expert methods, which provides fl exibility in conditions of incomplete data. Integration of data, modern algorithms and fl exible models allows increasing the reliability of autonomous transport, reducing maintenance costs. Further development requires international standardization and the introduction of innovative solutions for working in dynamic conditions.
