«ЛЯЩЕНКО АЛЕКСЕЙ МИХАЙЛОВИЧ ИНТЕЛЛЕКТУАЛЬНЫЕ МОДЕЛИ СЛАБОФОРМАЛИЗОВАННЫХ ДИНАМИЧЕСКИХ ПРОЦЕССОВ В СИСТЕМАХ ГОРОЧНОЙ АВТОМАТИЗАЦИИ Специальность 05.13.06 Автоматизация и управление технологическими процессами и ...»

Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования

«Ростовский государственный университет путей сообщения»

(ФГБОУ ВПО РГУПС)

_

На правах рукописи

ЛЯЩЕНКО АЛЕКСЕЙ МИХАЙЛОВИЧ

ИНТЕЛЛЕКТУАЛЬНЫЕ МОДЕЛИ СЛАБОФОРМАЛИЗОВАННЫХ

ДИНАМИЧЕСКИХ ПРОЦЕССОВ В СИСТЕМАХ ГОРОЧНОЙ

АВТОМАТИЗАЦИИ

Специальность 05.13.06 Автоматизация и управление технологическими процессами и производствами (на транспорте) Диссертация на соискание ученой степени кандидата технических наук

Научный руководитель:

доктор технических наук, профессор Иванченко В.Н.

Ростов-на-Дону –

СОДЕРЖАНИЕ

ВВЕДЕНИЕ………………………………………………………..…………………

ГЛАВА 1. СОСТОЯНИЕ ПРОБЛЕМЫ ИНТЕЛЛЕКТУАЛИЗАЦИИ

ПРОЦЕССОВ УПРАВЛЕНИЯ СКАТЫВАНИЕМ ОТЦЕПОВ И

ЗАДАНИЯ ПЕРЕМЕННЫХ СКОРОСТЕЙ РОСПУСКА СОСТАВОВ

НА СОРТИРОВОЧНЫХ ГОРКАХ…..……………………………………....…… Современное состояние интеллектуализации процессов 1. управления роспуском составов на зарубежных и отечественных сортировочных горках……………………………………...……………………… Постановка задач диссертационного исследования……….……..… 1. Методология решения задач интеллектуализации процесса 1. роспуска составов при интеграции КГМ ПК с подсистемой ЗПС.............…….. Выводы по главе 1………………………………….………………………..

ГЛАВА 2. ИНТЕЛЛЕКТУАЛЬНЫЕ МОДЕЛИ СЛАБОФОРМАЛИЗОВАННЫХ ДИНАМИЧЕСКИХ ПРОЦЕССОВ В

СИСТЕМАХ ГОРОЧНОЙ АВТОМАТИЗАЦИИ………………………………… 2.1 Параметры объекта свободного скатывания, временные зависимости и особенности моделируемых ситуаций…….…………………………………… 2.2 Нечетко-продукционная модель оценки ходовых свойств отцепов на основе перцептивного анализа временных рядов………………………..… 2.3 Гибридная модель слабоформализованного динамического процесса на основе нечеткой продукционной системы…………..…………….. 2.4 Стохастическая модель процесса торможения отцепов с учетом инерционных свойств вагонных замедлителей..................…...…………………. 2.5 Логико-алгебраическая модель скатывания отцепов в задачах интервального регулирования скоростей скатывания отцепов и роспуска составов………………………………………………………………….. Выводы по главе 2…………………………………….……………………..

ГЛАВА 3. АЛГОРИТМЫ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ

ПРОЦЕССОВ ИНТЕРВАЛЬНОГО РЕГУЛИРОВАНИЯ СКОРОСТЕЙ

СКАТЫВАНИЯ ОТЦЕПОВ И ЗАДАНИЯ ПЕРЕМЕННЫХ

СКОРОСТЕЙ РОСПУСКА СОСТАВОВ..…………………………….……….… 3.1 Алгоритмы интеллектуальной поддержки режимов торможения с учетом компенсации инерционности замедлителей, сбоев датчиков счета осей и скоростемеров на ТП………………………...…………..………..… 3.2 Интеллектуальная поддержка процессов идентификации опасных ситуаций скатывания отцепов.………………………………………….. 3.3 Алгоритмы определения стрелки разделения отцепов и прогнозирования опасных ситуаций на ТП………………………………............ 3.4 Алгоритмы формирования переменных интервальных скоростей выхода отцепов с ТП…………………………………………………. Выводы по главе 3…………………….……………………..……………………

ГЛАВА 4. РЕАЛИЗАЦИЯ ТЕХНИЧЕСКИХ РЕШЕНИЙ

ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРОЦЕССА РОСПУСКА

СОСТАВОВ………………………………………………………………………. 4.1 Синтез подсистем интервального регулирования и задания переменных скоростей роспуска………………………………………………… 4.2 Структурно-логические схемы блоков интервального регулирования скоростей скатывания отцепов и переменных скоростей роспуска составов……………………………..……………………… 4.3 Программно-аппаратные средства обеспечения совместимости и интеграции подсистем ЗПС с ГАЦ и АРС……..……………………………… Выводы по главе 4……………...………………………………………………… ЗАКЛЮЧЕНИЕ……………….…..………………….…………………………… ЛИТЕРАТУРА………..…………………………………………………………….

ВВЕДЕНИЕ

Актуальность темы исследования. Принятая ОАО «РЖД» стратегия развития транспорта на период до 2015 года предусматривает модернизацию и создание новых систем управления технологическими процессами на сортировочных станциях, и в частности на сортировочных горках.

Приоритетным направлением работ является повышение эффективности технологии расформирования поездов за счет развития средств автоматизации и интеллектуализации процессов управления роспуском составов.

обязательным [1, 16, 18, 90, 91].

Анализ состояния проблемы автоматизации сортировочных процессов на зарубежных сортировочных горках, обзор методов и моделей интеллектуальной поддержки процессов роспуска отцепов выполнен на примере двух зарубежных систем автоматизации горок МSR-32 (Германия) и DDC III (США).

В своей последней версии отечественный комплекс автоматизации горок на базе промышленных компьютеров КГМ ПК претерпел усилиями ученых и специалистов Ростовского филиала ОАО НИИАС существенное расширение функциональных и алгоритмических возможностей за счет использования современных информационно-вычислительных средств, а также методов и моделей информационных и компьютерных технологий [65, 109, 115].

Факторы, характеризующие условия функционирования КГМ ПК, такие, как нестационарность процесса, большой разброс параметров отцепов, сложность принятия решений при сбоях, требования безопасности, изменения внешней среды, человеко-машинные аспекты и др., в той или иной степени интеллектуализации процессов расформирования составов.

Внедряемая версия КГМ ПК настоящего времени уже использует методы, модели и алгоритмы интеллектуальной поддержки в части идентификации вагонов на измерительном участке, защиты стрелок от перевода под длиннобазными вагонами, от взреза стрелок и ударов «в бок», резервирования аппаратных средств и страхующих алгоритмов. Заслуживает особого внимания интеллектуализация АРМ-ов эксплуатационного и технического персонала, а также процессов контроля и диагностики устройств. Однако в контексте диссертационного исследования остаётся целый комплекс задач, требующих дальнейшего развития функциональных возможностей и повышения уровня интеллектуализации процессов управления.

В процессе развития функциональных возможностей КГМ ПК его «слабым местом» является отсутствие подсистемы задания переменных скоростей (ЗПС) роспуска составов. На зарубежных сортировочных горках использованию режимов переменных скоростей роспуска составов придается эквивалентным ликвидации одной тормозной позиции (ТП)…».

подсистемы ЗПС и интеллектуальной поддержки выбора переменных скоростей является одной из основных актуальных задач диссертационного исследования.

Вторая задача, обусловленная необходимостью создания подсистемы ЗПС, относится к разработке математических моделей оценки режимов торможения отцепов на первой и второй ТП, а также модели расчета переменных скоростей роспуска составов [49; 22, 33].

Интеллектуализация процессов интервального регулирования скоростей скатывания отцепов и задания переменных скоростей роспуска составов требует адаптации логико-алгебраической модели перемещения отцепов [36].

слабоформализуемым, функционирующим в нечеткой среде, возникает необходимость разработки нового класса интеллектуальных нечеткопродукционных моделей, гибридных нечетко-динамических моделей перцептивного анализа динамики скатывания отцепов. Специфика торможения отцепов разной длины и с различными ходовыми свойствами требует привлечения новых математических (стохастических) моделей оценки инерционности процессов управления замедлителями.

Отдельными задачами диссертационного исследования являются:

обнаружение сбоев и отклонений от программ по результатам моделирования процесса прохождения отцепами измерительного участка; идентификация сбоев процесса скатывания, требующая изменения скоростей роспуска; ведение моделей «разложения» отцепов и накопления вагонов по путям подгорочного парка и др.

Необходимость решения перечисленных задач дает основание считать тему диссертации актуальной в теоретическом плане и в аспекте практического использования результатов исследования.

Основные направления диссертационной работы.

Для достижения поставленной выше цели в диссертации были решены следующие задачи:

1. Предложен способ расширения функциональных возможностей существующего комплекса КГМ ПК за счет интеграции с вновь создаваемой подсистемой задания переменных скоростей роспуска составов.

2. Сформулирована новая постановка задачи интеллектуализации процессов интервального и интервально-прицельного регулирования скоростей скатывания отцепов, поддерживающей задачи выбора переменных скоростей роспуска составов и оптимальных режимов торможения отцепов.

3. Разработан новый класс интеллектуальных нечетко-продукционных моделей качественного анализа слабоформализованных динамических процессов, представленных в виде временных рядов.

4. Предложена гибридная нечетко-динамическая модель перцептивного анализа динамики скатывания отцепов, основанная на нечеткой системе продукционных правил, позволяющих учитывать слабоформализуемые факторы, характеризующие ходовые свойства отцепов.

5. Разработана стохастическая модель оценки влияния инерционности торможения на точность выхода отцепов из тормозных позиций, учитывающая скорость скатывания, инерционность оттормаживания, ускорение отцепа и продолжительность воздействия на замедлитель.

идентификации интервалов между смежными скатывающимися отцепами и прогнозирования опасных ситуаций на тормозных позициях.

7. Разработаны алгоритмы интеллектуальной поддержки режимов плавного торможения с учетом компенсации инерционности замедлителей, алгоритмы идентификации остановок отцепов, прогнозирование ситуаций нагонов и боя вагонов, а также алгоритмы выбора переменных интервальных скоростей.

8. Предложены алгоритмы принятия решений о снижении скоростей роспуска составов на первой и второй ТП при малых интервалах между отцепами, расхождении на последней стрелке при отсутствии проходов и др.

9. Сформулирована логика выявления различных оперативнотехнологических ситуаций в зоне первой и второй ТП, дана компоновка логических схем и построены блок-схемы интервального регулирования ИР1 и ИР2, реализующие переменные скорости выхода отцепов из ТП.

Степень разработанности проблемы.

разработки ученых и специалистов в России и за рубежом.

Решению важных теоретических и практических вопросов создания современной технологии управления, исследования и моделирования сложных объектов и процессов, анализа и синтеза устройств автоматики и телемеханики, программного обеспечения и диагностики, формирования технической политики и стратегии дальнейшего развития СЖАТ посвящены работы М.А. Бутаковой, А.Н. Гуды, И.Д. Долгого, Ю.И. Жаркова, В.Н. Иванченко, Вл. В. Сапожникова, А.Н. Шабельникова, Д.В. Шалягина и др.

Весомый вклад в создание технологии процессов расформирования – формирования поездов и совершенствование горочных устройств и систем автоматизации внесли известные ученые и специалисты П.В. Бартенев, С.А. Бессоненко, Ю.Г. Боровков, А.М. Долаберидзе, А.М. Дудниченко, В.Н. Иванченко, В.А. Кобзев, Ю.А. Кравцов, Ю.А. Муха, В.Д. Никитин, В.С. Скабалланович, В.Н. Соколов, Л.Б. Тишков, Н.М. Фонарев, В.И. Шелухин, А.Н. Шабельников, Е.М. Шафит и др.

разработка методов планирования и управления объектом исследования осуществлялись на основе трудов Л.С. Берштейна, В.Н. Вагина, А.Н. Гуды, В.А. Ивницкого, С.М. Ковалева, Н.Н. Лябаха, А.Н. Мелихова, И.Б. Фоминых и др.

интеллектуализации сложных процессов идентификации и управления, изложенные в работах М.А. Бутаковой, И.Д. Долгого, С.М. Ковалева, Н.Н. Лябаха, И.Н. Розенберга, А.Н. Шабельникова и др. [24, 26 31, 82, 83, 86].

Вместе с тем реализация предлагаемых в анализируемых источниках методов описания технологических процессов, методов, моделей и алгоритмов их интеллектуализации требует для специфического объекта автоматизации методологических подходов, разработки нового класса продукционных алгоритмического обеспечения, развития специальных формализованных процедур моделирования и принятия решений [49, 50].

функциональных возможностей существующего комплекса автоматизации горок за счет создания нового поколения подсистемы задания переменных скоростей роспуска составов, подсистемы мониторинга задач формирования описателей отцепов, накопления вагонов, прогнозирования опасных ситуаций и др.

Цель диссертационного исследования предусматривает разработку автоматизации.

Для достижения этого в диссертации были поставлены и решены задачи, сформулированные в разделе «Основные направления диссертационной работы».

Предметом исследования являются универсальные математические модели и методы построения нового класса функционально развитых интегрированных комплексов автоматизации на основе использования компьютерных и интеллектуальных технологий.

фундаментальных исследований в области искусственного интеллекта, системного анализа, математического моделирования и идентификации сложных динамических систем.

Объект, предмет и методы исследований находятся в рамках паспорта специальности 05.13.06 «Автоматизация и управление технологическими процессами и производствами (на транспорте)», а именно пунктов:

4 «Теоретические основы и методы математического моделирования организационно-технологических систем и комплексов, функциональных задач и объектов управления и их алгоритмизация»; 15 «Теоретические основы, методы и алгоритмы интеллектуализации решения прикладных задач при обеспечения совместимости и интеграции АСУ и других систем и средств управления».

имитационным моделированием, корректностью математических моделей, обоснованностью принятых допущений.

Научная новизна диссертации состоит в следующем:

Разработана архитектура гибридной интеллектуальной системы управления слабоформализованным процессом, основанная на использовании детерминированной, стохастической и нечетко-логической моделей.

слабоформализуемых динамических процессов, опирающаяся на графическое представление и методы перцептивного оценивания временных рядов.

Разработан новый класс интеллектуальных гибридных моделей описания динамических процессов, основанный на нечетких продукционных правилах, позволяющих учитывать слабоформализуемые факторы исследуемых процессов.

Разработана стохастическая модель оценки инерционных свойств динамических процессов, ориентированная на использование в гибридной интеллектуальной модели для учета стохастических свойств процесса.

Разработан на основе продукционной, гибридной и стохастической моделей новый класс алгоритмов интеллектуальной поддержки процессов скатывания, выбора переменных скоростей интервального регулирования и роспуска, а также алгоритмов обеспечения живучести системы автоматизации и безопасности технологического процесса.

Расширена функциональная и интеллектуальная возможность комплекса автоматизации сортировочных горок за счет интеграции с вновь создаваемой подсистемой задания переменных скоростей скатывания отцепов и роспуска составов, методов, моделей и алгоритмов поддержки принятия решений динамического процесса расформирования поездов.

Теоретическая ценность диссертационного исследования определяется направленностью теоретических результатов на принципиальное развитие систем автоматизации в части расширения их функциональных и интеллектуальных возможностей на основе методов, моделей и алгоритмов, которые могут быть использованы в системах на железнодорожном транспорте и в промышленности.

Практическая ценность диссертации заключается в конкретных результатах, используемых в системах автоматизации горок последнего поколения и подтвержденных соответствующими актами.

докладывались и получили одобрение на международных научно-практических конференциях: «Транспорт-2013» (Ростов-на-Дону); «С&Т 2013, Кибернетика и высокие технологии ХХI века» (Воронеж); «Технологии разработки информационных систем» (Геленджик – ЮФУ, 2013), а также на кафедрах «Системный анализ и телекоммуникации» ТТИ ЮФУ, 2013, «Автоматика и телемеханика на железнодорожном транспорте» ФГБОУ ВПО РГУПС, 2013.

Содержание работы.

Во введении дано обоснование актуальности темы, показана цель диссертационного исследования, обозначена предметная область, сформулированы задачи, раскрыты теоретическая и практическая значимость результатов исследования и структура изложения диссертации.

В первой главе дано теоретическое обобщение состояния проблемы интеллектуализации процессов управления роспуском составов на зарубежных интеллектуализации процессов расформирования поездов на примере зарубежных систем MSR-32 (Германия) и DDC (США).

Методы, модели и алгоритмы интеллектуализации процесса роспуска составов нашли свое применение и в отечественном комплексе КГМ ПК. Здесь уже используются идентификация вагонов на измерительном участке, защита стрелок от перевода под длиннобазными вагонами, защита от взреза стрелок и др.

В главе сформулирована постановка задач диссертационного исследования и предложена методология их реализации. Сформулированы следующие основные задачи: исследование параметров скатывания и зависимостей времени и скоростей, используемых в моделях свободного скатывания; разработка нового класса интеллектуальной нечеткопродукционной модели качественного анализа слабоформализованных динамических процессов; разработка гибридной модели, основанной на нечеткой системе продукционных правил; создание стохастической модели оценки инерционности торможения объектов скатывания; адаптация логикоалгоритмической модели идентификации интервалов; разработка нового класса технологических алгоритмов контроля и управления и др.

Во второй главе определены параметры скатывания движущихся объектов и впервые установлен перечень нештатных ситуаций, которые необходимо учитывать при моделировании и расчетах режимов торможения, а также в алгоритмах интеллектуальной поддержки задач интервального регулирования скоростей скатывания и роспуска. При этом установлены основные зависимости времени и скоростей, используемые в моделях свободного скатывания объектов и прогнозирования режимов управления.

Разработан новый класс интеллектуальных нечетко-продукционных моделей качественного анализа слабоформализованных динамических процессов, представленных в виде временных рядов. Предложенные модели опираются на графическое представление динамики изменения скоростей скатывания объекта в виде отсчетов дискретного временного ряда.

Предложена нечетко-динамическая модель перцептивного качественного анализа динамики скатывания отцепов. Такая гибридная модель основана на нечеткой системе продукционных правил, позволяющих учитывать при выводе параметров времени и скорости как объективные факторы, представленные слабоформализуемые факторы, характеризующие ходовые свойства объектов скатывания.

В главе разработана стохастическая модель оценки влияния инерционности торможения на точность выхода отцепов из ТП, учитывающая скорость скатывания, инерционность торможения и оттормаживания, ускорение отцепа и продолжительность воздействия на замедлитель.

Дана адаптация логико-алгебраической модели в задачах идентификации интервалов между смежными свободно скатывающимися отцепами и прогнозирования неблагоприятных, а также опасных ситуаций на ТП. Логикоалгебраическая модель является универсальной и позволяет формальными математическими средствами описывать динамику любого технологического процесса.

В третьей главе разработаны алгоритмы интеллектуальной поддержки режимов торможения с учетом компенсации инерционности замедлителей и отказов измерительных технических средств на ТП. В схеме сравнения скоростей каждой ТП предусмотрены два органа сравнения, выдающие две последовательные команды на снижение интенсивности торможения и оттормаживания, когда фактическая скорость приближается к заданной.

движущегося объекта свободного скатывания в зоне ТП. Новизна такого алгоритма состоит в ежесекундном вычислении расстояний между последней осью объекта и началом ТП, а также концом ТП и первой осью объекта.

Разработаны алгоритмы прогнозирования опасных ситуаций боя движущихся объектов и нагонов на ТП. Недопустимо малые интервалы между смежными скатывающимися объектами обнаруживаются датчиками счета осей, решающими задачу точного местонахождения «хвоста» впередиидущего объекта и «головы» последующего объекта относительно замедлителей.

В главе разработаны алгоритмы формирования переменных интервальных скоростей выхода объектов из ТП. Для построения алгоритмов выбора интервальных скоростей на 1ТП в подсистеме ИР1 ЗПС (задания переменных скоростей) и блоке управления замедлителями У1 предусмотрено использование продукционных правил БЗ, сформулированных на внесистемном уровне экспертным путем. Интервальные скорости для 2ТП задаются в блоке ИР2 в зависимости от ситуаций «впереди» и «позади», сочетания хороших и плохих бегунов, стрелок разделения и других факторов.

В четвертой главе представлена реализация технических решений подсистем интеллектуальной поддержки переменных скоростей роспуска и интервального регулирования с использованием универсальных методов и моделей, определяющих специфику динамики свободно скатывающегося объекта. Указанная выше реализация осуществляется в системе автоматизации сортировочной горки, где в качестве свободно скатывающегося объекта, подлежащего торможению в процессе движения, представлен отцеп. Дана декомпозиция измерительного участка ИУ на скоростном уклоне. С учетом технологических зон отрыва и скатывания отцепов, а также напольных устройств разработана структурная схема взаимосвязей существующих подсистем КГМ ПК с вновь создаваемыми подсистемами ЗПС и интервального регулирования по 1ТП (ИР1) и 2ТП (ИР2).

Предложены структурно-логические схемы блоков интервального регулирования в зоне 1ТП ИР1 и 2ТП ИР2. Интеллектуальным ядром ИР1 и ИР2 является БЗ, взаимодействующая с БД, блоками управления 1ТП, 2ТП и подсистемой ЗПС. БД содержит: фактические интервалы между отцепами;

неблагоприятные и опасные ситуации «впереди»; стрелки разделения отцепов;

тип бегуна; большие и малые скорости выхода из ТП и др.

В главе предложены программно-аппаратные средства обеспечения совместимости и интеграции существующих и вновь создаваемых подсистем и блоков. Подсистема ЗПС представлена отдельным промышленным компьютером, функционирующим в единой ЛВС «Ethernet». Сетевой коммутатор в составе КГМ ПК обеспечивает связь по ЛВС всех источников и получателей информации [11]. Через сетевой коммутатор взаимодействует ПК ЗПС и Server БЗ. Подключение внешних устройств обеспечивается модулями класса РС 104. Диалоговая подсистема является составной частью АРМа ДСПГ.

В заключении представлены основные результаты диссертационного исследования в теоретическом аспекте и в плане практической реализации.

ГЛАВА 1. СОСТОЯНИЕ ПРОБЛЕМЫ ИНТЕЛЛЕКТУАЛИЗАЦИИ

ПРОЦЕССОВ УПРАВЛЕНИЯ СКАТЫВАНИЕМ ОТЦЕПОВ И ЗАДАНИЯ

ПЕРЕМЕННЫХ СКОРОСТЕЙ РОСПУСКА СОСТАВОВ НА

СОРТИРОВОЧНЫХ ГОРКАХ

сортировочных горках интеллектуализации технологических процессов на железнодорожном транспорте становится обязательным.

Особенно проблема интеллектуализации касается процессов управления роспуском составов на сортировочных горках. Ниже сделана попытка оценки состояния этой проблемы на зарубежных и отечественных сортировочных горках [85].

Лидер в области автоматизации сортировочных горок в Германии и Европе фирма «Siemens» создала мультимикропроцессорную систему автоматизации MSR-32 на базе 32-разрядных микро-ЭВМ, объединенных в локальную сеть.

Система предусматривает автоматическое управление первой и второй тормозными позициями и обеспечивает расчет переменных скоростей роспуска с телеуправлением горочным локомотивом.

Заслуживают внимания используемые в MSR-32 методы и модели, которые можно отнести к решению задач интеллектуализации процесса роспуска составов [31].

Для скорейшего проследования отцепами распределительной стрелочной зоны вытормаживание отцепов производится по последним тележкам отцепов с минимальным числом воздействий на отцеп. Задачу выбора места начала торможения отцепа, определив в нем «центр тяжести», можно отнести к задаче интеллектуализации процесса скатывания.

В системе используются интеллектуальные пульты на базе персональных ЭВМ. Можно предположить, что такие пульты решают диалоговые задачи, связанные с корректировкой программы роспуска и изменением команд управления локомотивом.

Подсистема задания переменных скоростей роспуска интегрирована в единую локальную вычислительную сеть системы автоматизации процессом роспуска составов. В MSR-32 переменные скорости определяются для каждого отцепа, исходя из условий разделения на стрелках.

В число перспективных задач интеллектуализации входят обеспечение автоматической идентификации вагонов и развитие системы для исключения машиниста из контура управления локомотивом.

Вторая зарубежная система автоматизации горок, которую можно отнести к числу прогрессивных, создана в США. Она получила название DDC III.

Система успешно конкурирует с MSR-32 и получила внедрение более чем на половине сортировочных станций в США, Канаде, Китае, Нидерландах и др.

В системе используются методы и модели интеллектуализации процесса роспуска составов. В публикациях отмечаются, что «…вся логика и интеллектуальные узлы управления размещены централизованно в составе аппаратуры, находящейся в аппаратной ЭВМ…».

Идентификация перемещения каждого отцепа обеспечивается от отрыва до его остановки на пути парка формирования.

Система компенсирует влияние случайных событий, как ветер, температура, недоход вагонов и др.

В динамике скатывания определяются расстояния между отцепами, что является основным параметром при расчете скоростей роспуска для телеуправления горочным локомотивом в диапазоне 1,5–1,8 м/с. Система предусматривает расчет переменных скоростей роспуска.

Выполненный анализ зарубежных систем автоматизации горок позволил выявить наметившуюся тенденцию к их интеллектуализации.

интеллектуализации процессов управления роспуском составов на отечественных сортировочных горках.

В число анализируемых отечественных систем автоматизации горок входит система ГАЦ-АРС ГТСС. Система решает набор традиционных функций управления маршрутами скатывания и автоматического регулирования скоростей выхода отцепов из ТП. Судя по описанию системы [69], интеллектуализация перечисленных подсистем отсутствует.

Разработанный учеными и специалистами Ростовской школы горочников (ранее РИИЖТа, а с 1990 г. – филиала ОАО НИИАС) комплекс автоматизации горок на базе микропроцессорных технических средств был принят к внедрению на решающих сортировочных горках страны. Последняя версия комплекса, доработанная РФ ОАО НИИАС на основе промышленных компьютеров, получила название КГМ ПК [108].

Каждая очередная версия КГМ содержала совершенствование и развитие функциональных возможностей за счет использования самых последних информационно-вычислительных средств XXI века [115].

Опыт внедрения комплекса на сортировочных горках бывших стран СНГ и в настоящее время на объектах ОАО «РЖД», а также сложные условия интеллектуализации процессов расформирования поездов и принятия решений дежурным персоналом.

Факторами, характеризующими условия функционирования КГМ ПК, являются: нестационарность процесса; большой разброс параметров отцепов;

неопределенность возникающих ситуаций; сложность принятия решений при сбоях технологического процесса; требования безопасности; изменения внешней среды; человеко-машинные аспекты и др.

Каждый из перечисленных факторов в той или иной степени требует привлечения интеллектуальных методов и моделей.

Внедряемая в настоящее время версия КГМ ПК уже использует методы, модели и алгоритмы интеллектуальной поддержки в части идентификации вагонов на измерительном участке, защиты стрелок от перевода под длиннобазными вагонами, от взреза стрелок и ударов «в бок», использования резервирования аппаратных средств и страхующих алгоритмов.

Однако остается целый комплекс задач, требующих дальнейшего развития интеллектуализации процессов управления.

В части развития функциональных возможностей КГМ ПК его «слабым местом», как было отмечено во введении, является отсутствие подсистемы сортировочных горках использованию режимов переменных скоростей роспуска составов придается особое значение. В зарубежной печати фирмой «Siemens» отмечается, что «…использование переменных скоростей, рассчитываемых автоматом, может быть эквивалентным ликвидации верхней тормозной позиции…».

Разработка подсистемы задания переменных скоростей роспуска ЗПС – это первая задача, поставленная в диссертации, реально обеспечивающая расширение функциональных возможностей КГМ ПК.

Вторая задача, обусловленная направленностью диссертационной работы, относится к разработке фундаментальных математических моделей интеллектуальной поддержки процессов регулирования переменных интервальных скоростей и скоростей роспуска с учетом нечеткой среды скатывания отцепов при разбросе их ходовых свойств.

Третье направление исследований касается разработки нового класса моделей оценки вредного влияния инерционности замедлителей на точность скоростей выхода отцепов. Приемлемой для решения этой задачи является стохастическая модель [58].

Интеллектуализация процессов интервального регулирования скоростей скатывания отцепов и задания переменных скоростей роспуска составов обеспечивающих слежение за перемещением отцепов от момента отрыва до выхода из парковой ТП.

Разработка нового класса алгоритмов контроля скатывания отцепов, идентификации нештатных ситуаций, расчет интервалов между отцепами на базе датчиков счета осей – это четвертое направление работ диссертационного исследования.

использование в реализации программно-аппаратных средств соответственно для управления 1ТП и 2ТП.

Ниже в последующем разделе с учетом сформулированных направлений исследований и опыта создания зарубежных и отечественных систем дано описание постановок задач по каждому из теоретических направлений.

1.2 Постановка задач диссертационного исследования политике в области механизации и автоматизации технологических процессов на сортировочных станциях от 04 февраля 2011 года, утвержденным Старшим вице-президентом ОАО «РЖД» В.А. Гапановичем, предусмотрено расширение функций комплекса горочного микропроцессорного КГМ ПК за счет разработки подсистемы задания переменных скоростей роспуска составов современного поколения (ранее обозначенной подсистемы ЗПС) на базе промышленного компьютера, обеспечивающей телеуправление горочным локомотивом ТГЛ.

сформулировать предмет диссертационной работы. Это расширение функциональных возможностей существующего комплекса КГМ ПК за счет разработки подсистемы ЗПС нового поколения на базе промышленных интеллектуальной поддержки процессов интервального регулирования скоростей скатывания и выбора переменных скоростей роспуска составов.

Кроме этого расширение функциональных возможностей КГМ ПК предполагает разработку алгоритмов, решающих технологические задачи повышения живучести комплекса, прогнозирования нештатных и опасных ситуаций. Особое внимание уделено подсистеме непрерывного ведения логикоалгебраических моделей скатывания отцепов по измерительному участку, спускной части горки и в зоне парковой ТП с использованием датчиков счета осей.

Изложенное выше позволяет сформулировать перечень задач, требующих решения в диссертационной работе.

Задача 1. Разработка математических моделей, регламентирующих переменные скорости роспуска, а также режимы торможения на первой и второй ТП – это основные теоретические разделы, результаты которых направлены на решение задач интервального и интервально-прицельного регулирования скоростей скатывания отцепов, а также расчета переменных скоростей роспуска составов.

Условно участок от первой до второй тормозной позиции изобразим на рисунке 1.1.

Рисунок 1.1 – Ситуация скатывания отцепов в сочетании (П–Х–П) Для решения задач построения математических моделей скатывания отцепов в самом неблагоприятном сочетании ходовых свойств, изображенных на рисунке 1.1, важным становится сформулировать перечень контролируемых параметров скатывания и установить зависимости времени и скоростей, используемых в моделях свободного скатывания отцепов и их торможения.

Задача 2. Сортировочная горка как объект автоматизации (ОА) относится к категории сложных, слабоформализуемых объектов математического моделирования, характеризуемых наличием известного множества НЕФАКТОРОВ [70] и высокой степенью динамичности протекающих на ОА процессов. В этих условиях построить адекватную и одновременно математических средств не представляется возможным, что требует привлечения новых интеллектуальных технологий, основанных на объединении классических методов математического программирования с методами искусственного интеллекта (ИИ).

Учитывая особенности функционирования ОА в динамической и нечеткой среде, ставится задача разработки нового класса интеллектуальной нечетко-продукционной модели качественного анализа слабоформализованных динамических процессов.

Такие модели должны опираться на графическое представление динамики изменения скоростей скатывания в виде отсчетов дискретного временного ряда.

Задача 3. Ставится задача разработки гибридной модели, основанной на нечеткой системе продукционных правил, позволяющих учитывать при выводе временных параметров моделируемого процесса как объективные факторы, представленные числовыми параметрами ОА, так и слобоформализуемые факторы, характеризующие ходовые свойства движущегося объекта, принимаемые на основе перцептивного оценивания динамики скатывания.

В основу построения гибридной модели должна быть положена корректировка временных параметров процесса скатывания объекта, выведенных на основе аналитических зависимостей с учетом оценок ходовых свойств объекта, выведенных на основе нечеткой динамической модели НДМ.

Базу знаний гибридной модели должны составлять нечеткие продукции, осуществляющие корректировку значений временных параметров. В основу построения нечетких продукций должны быть положены эвристические правила.

Задача 4. На точность скоростей выхода отцепов из тормозных позиций влияет множество факторов. К ним относятся: перетормаживание и (или) недотормаживание; ходовые свойства объектов; внешние погодные условия (температура, ветер, влажность); лубрикатор на ободе колеса движущегося объекта. Также одним из важнейших физических процессов, негативно влияющих на расчетное значение скорости, является инерционность торможения. Инерционные характеристики торможения представляют собой временные интервалы, которые показывают, с какой задержкой начинается падение скорости движения отцепа при выдаче управляющего воздействия на начало торможения (время на затормаживание) и с какой задержкой заканчивается падение скорости отцепа при снятии управляющего воздействия (время на оттормаживание). Существуют разнообразные факторы, влияющие на инерционность, а именно: технические характеристики движущегося объекта, температура окружающей среды, общее состояние колодок замедлителя, несовершенство электрических и механических схем управления замедлителем и т.д. При наличии статистических данных инерционности торможения существует возможность управления замедлителями с упреждением, что в свою очередь увеличивает пропускную способность тормозной позиции, ускоряя сортировочный процесс [58].

Инерционность торможения объектов не является фиксированной величиной, так как на неё влияет очень много факторов и поэтому предсказать её не представляется возможным. В связи с этим ставится задача разработки стохастической модели оценки влияния инерционности торможения на точность выхода объектов из тормозных позиций.

Задача 5. В основу построения подсистемы ЗПС должна быть положена идентификация интервалов между смежными отцепами в сочетании хороших и плохих бегунов (П–Х–П). Использование по трассе скатывания отцепов только рельсовых цепей для фиксации расстояний между предыдущим и последующим отцепами неприемлемо из-за недопустимой погрешности измерений (до 0,5 расстояния РЦ).

Становится очевидным, что в логических схемах интервального регулирования ИР1 (в зоне 1ТП) и ИР2 (в зоне 2ТП), а также на скоростном измерительном участке ИУ необходимо повышение точности измерения расстояний между осями (i–1)-го, i-го и (i+1) отцепов за счет использования датчиков прохода осей, установленных по трассе скатывания.

Точечная фиксация моментов прохождения осей, тележек, половины вагона, целого вагона и отцепа открывает возможности ведения достоверных моделей скатывания, что очень важно для решения двух задач: расчет переменных скоростей роспуска и повышение качества интервального и интервально-прицельного регулирования скоростей выхода отцепов из ТП.

Сама топология сортировочной горки и размещение напольных устройств диктуют необходимость разработки модели спускной части горки. Такие модели скатывания должны быть построены на отношениях перемещаемых отцепов с датчиками счета осей ДСО, РЦ, стрелками и ТП.

Ставится задача адаптации логико-алгебраической модели для идентификации интервалов между смежными отцепами.

Задача 6. Особое место должно быть уделено разработке нового класса алгоритмов контроля хода технологического процесса, оценки ситуаций и принятия решений по управлению.

Поставлена задача построения алгоритма обнаружения остановок отцепов на спускной части горки и на ТП, алгоритма выявления стрелки разделения, прогнозирования опасных ситуаций боя вагонов на ТП, а также алгоритмов выбора переменных интервальных скоростей скатывания и скоростей роспуска.

Задача 7. Как следует из предыдущей постановки задачи, математическая модель расчета режимов торможения основана на непрерывном измерении времен прохождения отцепами участков РЦ, ТП и стрелок.

Для фиксации интервалов между скатывающимися смежными отцепами, регистрации местонахождения их первых и последних скатов, а также для определения стрелки разделения отцепов и (с учетом складывающихся ситуаций на первой и второй ТП) расчета переменных скоростей роспуска состава встает задача построения блок-схем интервального регулирования в зоне верхней (ИР1) и пучковой ТП (ИР2).

Такие блок-схемы должны предусматривать размещение датчиков прохода осей на участках РЦ, до и после ТП, на стрелках и измерительном участке, предусматривать увязку с существующей системой ГАЦ, блоками ИР и ИР2 интервальных скоростей выхода подсистемы АРС.

Определение стрелки, по которой расходятся два отцепа, скатывающиеся друг за другом, должно выполняться на основании сравнения информации о маршрутах следования этих отцепов, поступающей из блоков ГАЦ.

Логические схемы ИР1 и ИР2 для формирования эквивалентных ситуаций, предопределяющих снижение или повышение скоростей роспуска, должны предусматривать использование следующих функциональных модулей элементов ввода: расхождение по головной стрелке ГС; движение отцепов на один пучок ПН; расхождение отцепов по последней разделительной стрелке ПС; хороший бегун ХБ; плохой бегун ПБ; большая скорость выхода БС; малая скорость выхода МС; плохой маршрут ПМ и др.

Таким образом, например, в блоке ИР1 могут быть размещены элементы схемы интервального регулирования для определения стрелки разделения отцепов, приема и фиксации информации, определения фактического интервала между отцепами, связи между 1 и 2 ТП и индикации основной информации.

Задача разработки логических схем ИР1 и ИР2 в конечном итоге должна завершаться в подсистеме ЗПС расчетом допустимых скоростей роспуска составов.

Задача 8. Завершающей постановкой задачи в главе технической реализации является разработка методов и средств обеспечения совместимости и интеграции с КГМ ПК вновь создаваемых подсистемы интеллектуальной поддержки и подсистемы задания переменных скоростей роспуска ЗПС.

Поскольку КГМ ПК функционирует в среде ЛВС Ethernet, то проблема выбора топологии новой локальной сети отпадает полностью.

Для интеграции новых подсистем с КГМ ПК следует использовать в существующем сетевом коммутаторе Х 483 С 16476 А три порта из 48.

взаимодействующим с БД КГМ ПК, подсистемой ЗПС, а также контроллером ввода дискретных сигналов.

Совместимость перечисленных подсистем с КГМ ПК предусматривает использование ОС РВ, которая функционирует в действующем горочном комплексе КГМ ПК.

1.3 Методология решения задач интеллектуализации процесса роспуска составов при интеграции КГМ ПК с подсистемой ЗПС При выборе теоретических подходов следует учитывать следующее [11]:

- интеграция вновь создаваемых подсистем должна обеспечивать единое информационно-управляющее пространство, в котором непрерывно взаимодействуют КГМ ПК, АСУ СС, подсистема ЗПС, напольные устройства СЦБ (РЦ, ДСО, стрелки, светофоры и т.д.) и подвижные объекты (вагоны, отцепы, поезда, локомотивы);

- интеллектуальная поддержка принятия решений должна основываться на продукционных правилах, построенных экспертным путем и программно реализуемых автоматически;

- основой алгоритмов машинного принятия решений должна быть БЗ с набором правил вывода, сформулированных на основе многолетнего опыта и знаний экспертов;

- модели идентификации состояния процесса скатывания отцепов, местонахождения подвижных объектов должны объединить пространство и время в реальном масштабе;

- подсистема задания переменной скорости роспуска направлена на расширение функциональных и интеллектуальных возможностей КГМ ПК и за счет этого повышение эффективности процесса расформирования поездов.

В соответствии со структурой направлений исследований (рисунок 1.2) предметной областью является автоматизация сложного динамического процесса расформирования поездов на сортировочных станциях.

Рисунок 1.2 – Структура методологических этапов и направлений исследований Существующий комплекс автоматизации сортировочных горок, получивший название КГМ ПК, использует самые современные информационно-вычислительные средства и промышленные компьютеры и решает задачи управления маршрутами и регулирования скоростей скатывания.

Алгоритмически такой комплекс поддерживается мощным контрольнодиагностическим комплексом. Решены вопросы адаптации к изменяющимся внешним условиям за счет увязки с метеостанцией. В комплексе ведется непрерывное протоколирование хода технологического процесса и действий человека (в системе это ДСПГ).

Однако следует отметить, что еще имеется резерв информационно– вычислительных ресурсов и возможности расширения числа решаемых задач.

Для этого в диссертационной работе ставится задача дополнить существующий КГМ ПК подсистемой задания переменных скоростей роспуска ЗПС с передачей в дальнейшем команд на телеуправление горочным локомотивом.

Концепция разработки таких подсистем предполагает использование классических методов и интеллектуальных моделей, логико-алгебраических моделей и алгоритмов ситуационного управления (моделирования) [78].

Представленные на рисунке 1.2 методы и модели относятся к моделированию динамических процессов скатывания смежных отцепов в самом неблагоприятном сочетании следования «плохой», «хороший», «плохой» и построению логических схем интервального регулирования ИР1 и ИР2.

В ИР1 предусматриваются устройства, которые определяют интервал (расстояние) между предыдущим и последующим отцепами, воспринимают маршруты их следования, по которым определяют стрелки разделения отцепов, выделяют трудные маршруты, воспринимают и фиксируют ходовые свойства отцепов и скорости выхода их из ТП. На основе полученной информации логические схемы интервального регулирования определяют складывающиеся ситуации в процессе скатывания отцепов, относя их к соответствующей эквивалентной ситуации, для которой установлена определенная интервальная скорость выхода отцепа с верхней или пучковой ТП. Путем сравнения интервальной скорости с расчетной логическая схема должна выбирать оптимальную скорость выхода отцепа с соответствующей ТП.

Рассмотрим работу схемы интервального регулирования в зоне верхней ТП при скатывании двух смежных отцепов 1 и 2 (рисунок не приводится). Для отцепа 2, входящего на верхнюю ТП, проверяется ситуация по отношению к впередиидущему отцепу 1, то есть фиксируется интервал между колесными парами отцепов 1 и 2 (по нахождению этих отцепов на изолированных участках). Чтобы более точно определить интервал, по трассе скатывания отцепов установлены датчики счета осей.

На основании информации, поступающей из существующих устройств подсистемы ГАЦ о маршруте следования этой пары отцепов, определяется и фиксируется стрелка, по которой расходятся отцепы: головная стрелка расхождения; движение отцепов на один пучок; расхождение отцепов по последней стрелке. Фиксируются также ходовые свойства отцепов по информации измеренного ускорения (aх) и скорость выхода отцепа 1, поступающая из устройства управления верхней ТП (У1).

Аналогично функционирует логическая схема интервального регулирования ИР2. Отличием здесь является слежение за интервалами и скоростями скатывания уже трех отцепов.

Как следует из рисунка 1.3, БД взаимодействует с БЗ, подсистемами моделирования и математическими моделями расчета режимов торможения.

Такая интеграция лежит в основе интеллектуализации процессов выбора оптимальных интервальных скоростей, переменных скоростей роспуска за счет использования продукционных правил поддержки процессов принятия решений. На рисунке 1.3 показана информационная модель интегрированного комплекса КГМ ПК с интеллектуальной поддержкой. Здесь Х1, Х2, ….,Хn – заданные расчетные скорости выхода отцепов из ТП; Y1, Y2, …, Ym – фактические скорости выхода отцепов из ТП; W1, W2, …, Wk – возмущающие воздействия (встречный ветер, сбои устройств и др.).

Рисунок 1.3 – Информационная модель КГМ ПК с интеллектуальной Рассогласования заданных и фактических параметров выявляются в БД.

Это «провоцирует» вывод соответствующего продукционного правила из БЗ U1, U2, …, Un, исключающего рассогласование параметров управления и компенсирующего влияние возмущающих факторов.

Выводы по главе интеллектуализации процессов управления роспуска составов на зарубежных и отечественных сортировочных горках.

Установлена (на примере зарубежных систем MSR-32 – Германия и DDC III – США) тенденция интеллектуализации сортировочных горок. Это касается интеллектуализации алгоритмов управления маршрутами и АРМ-ов.

Отечественный комплекс автоматизации горок КГМ ПК уже использует методы, модели и алгоритмы интеллектуализации процессов управления маршрутами и автоматизации торможения отцепов.

измерительном участке, защита стрелок от перевода под вагонами, защита от эксплуатационного и технического персонала и др. Однако установлена необходимость расширения функциональных возможностей и развития методов, моделей и алгоритмов интеллектуализации слабоформализуемого динамического процесса.

исследования и предложена методология их реализации. Сформулированы следующие основные задачи: исследование параметров скатывания и зависимостей времени и скоростей, используемых в моделях свободного скатывания; разработка нового класса интеллектуальной нечеткопродукционной модели анализа слабоформализованных динамических процессов; разработка гибридной модели, основанной на нечеткой системе инерционности торможения отцепов; адаптация логико-алгебраической модели идентификации интервалов; разработка нового класса технологических алгоритмов контроля и управления и др.

ГЛАВА 2. ИНТЕЛЛЕКТУАЛЬНЫЕ МОДЕЛИ

СЛАБОФОРМАЛИЗОВАННЫХ ДИНАМИЧЕСКИХ ПРОЦЕССОВ В

СИСТЕМАХ ГОРОЧНОЙ АВТОМАТИЗАЦИИ

В контексте рассматриваемой в диссертации проблемы, связанной с оптимизацией процессов расформирования составов на сортировочной горке, ключевой является задача моделирования процессов скатывания отцепов с учетом профиля путей, ходовых свойств отцепов и свойств воздействующих на них замедлителей при торможении. Моделирование данных процессов главным образом сводится к определению зависимостей между основным параметром – временем развития технологических ситуаций, складывающихся на СГ, и факторами, влияющими на значение этого параметра. В частности, требуется определить зависимость времени свободного скатывания отцепа по участку от уклона пути и ходовых свойств отцепа, зависимость времени включения ступени торможения замедлителя от параметров дифа и ходовых свойств, зависимость времени нахождения отцепа в активной зоне замедлителя от начальной скорости, выбранной ступени торможения и свойств самого замедлителя. Поскольку перечисленные задачи относятся к категории слабоформализуемых задач, то для их решения в настоящей главе используются интеллектуальные технологии, основанные на моделях знаний и методах стохастического моделирования.

В подразделе 2.1 выводятся основные временные зависимости процесса скатывания отцепов на основе объективных параметров ОА и усредненных параметров отцепов.

В подразделе 2.2 разрабатывается интеллектуальная модель оценки ходовых свойств отцепа, основанная на нечеткой системе продукционных правил, отражающих экспертные знания технологов о связи объективных параметров, характеризующих поведение отцепа на участке скатывания, с качественными параметрами, характеризующими ходовые свойства отцепа.

В подразделе 2.3 разрабатывается гибридная иерархическая модель прогнозирования процесса скатывания отцепов на основе объективных параметров ОА и слабоформализуемых параметров, характеризующих ходовые свойства отцепов.

В подразделе 2.4 разрабатывается стохастическая модель оценки параметров вагонного замедлителя с целью использования ее при моделировании процессов торможения.

В подразделе 2.5 изложены результаты адаптации известного логикоалгоритмического подхода, используемого при построении моделей скатывания отцепов для идентификации интервалов между смежными отцепами.

Все представленные в данной главе модели, учитывая специфические особенности процессов, протекающих на сортировочной горке, тем не менее являются универсальными и достаточно независимыми от предметной области и могут быть использованы в широком круге приложений.

зависимости и особенности моделируемых ситуаций Движение отцепа по путям сортировочной горки можно рассматривать как движение свободно скатывающегося объекта по наклонной плоскости, подверженного периодическому торможению в процессе скатывания для регулирования его скорости в необходимых пределах.

Разработка методов и моделей расчета режимов торможения объектов обусловлена необходимостью обеспечения следующих пяти обязательных условий [3, 4, 5]:

- вход объектов на тормозные позиции со скоростью, не превышающей допустимую скорость входа на замедлитель;

- необходимость остановки объекта в конце пучковой ТП при полном использовании мощности второй ТП и расчетной мощности первой ТП;

- успешное разделение объектов на разделительных стрелках;

- обязательное докатывание объектов до расчетной точки;

- необходимость трогания объектов с места и освобождения ТП в случае остановки на замедлителях после оттормаживания.

динамического процесса является переменная скорость роспуска объектов, обеспечивающая ускоренное прохождение ТП с соблюдением условий безопасности и гарантированного разделения объектов.

В процессе скатывания объектов могут создаваться различные ситуации, зависящие от их ходовых свойств, плана и профиля пути скатывания и других определяемый скоростью роспуска, может значительно меняться, образуя так называемый «диф» [69].

В процессе свободного скатывания и торможения объекты проявляют различные ходовые свойства, зависящие от множества факторов. Так, если объект при замедлении резко уменьшает скорость своего движения, его принято называть «плохим бегуном» (ПБ), а при плавном снижении скорости – «хорошим бегуном» (ХБ). Сочетание следующих друг за другом плохого – хорошего – плохого бегунов обозначим П – Х – П.

В зависимости от режима торможения и длины межпозиционного участка скорость ХБ на входе на 2ТП может быть больше или меньше скорости плохого.

От этого зависят tрез на второй (пучковой) разделительной стрелке и на 2ТП.

При моделировании режимов торможения определяющее значение обретает зависимость где l – расстояние до стрелки разделения или ТП.

При расчете режимов торможения встает задача расчета скоростей в различных точках скатывания объектов. Если изобразить участок между 1ТП и прохождения второго ХБ точек 1 – 2 и 2 – 3.

Рисунок 2.1 – Участки свободного скатывания объектов и тормозные позиции Соответственно параметрами времени в расчетах используются п1, п2, п3 – скорости первого объекта в точках 1, 2 и 3, а также x1, x2, x3 – скорости второго объекта в точках 1, 2 и 3.

Представляют особый интерес при моделировании режимов управления зависимости Допустимые погрешности торможения, максимальные скорости выхода второго объекта из 1ТП, минимально допустимые скорости выхода второго объекта из 1ТП учитываются в режимах недостаточного или излишнего торможения.

регламентируются условием tрез 2 тп = 1.

Максимальное значение tрез достигается при равенстве скоростей первого и второго объектов. Выполнение данного условия обеспечивает максимальное значение tрез на второй разделительной стрелке.

Для второй пары объектов Х – П значение tрез принимается равным минимально допустимому значению – 1 секунда. Это есть интервал между объектами в начале 2ТП.

Перечисленные параметры скатывания объектов непрерывно изменяют свои численные значения в зависимости от различных ситуаций, возникающих в процессе роспуска [22, 23].

Ниже дано краткое описание шести ситуаций, которые следует учитывать при моделировании и расчетах режимов торможения, а также при формализации продукционных правил БЗ интеллектуальной поддержки процессов интервального регулирования скатывания объектов и задания переменных скоростей роспуска.

1. Достаточно эффективным режимом торможения объектов на 1ТП является режим, когда время прохода объектами участка 1ТП и межпозиционного участка для разных объектов одинаково. В этом случае (в этой ситуации) положительный диф между объектами сохранится на входе на 2ТП. Это создает благоприятную ситуацию для работы 2ТП [38, 40].

Граничным условием в данной ситуации будет то, что скорость объектов на входе на 2ТП не должна превышать допустимую скорость входа объектов на замедлители.

2. Торможение объектов на 1ТП производится по условию сохранения дифа, накопившегося при движении их от вершины горки до 1ТП.

Для расчета параметров торможения принимается неблагоприятное сочетание объектов, при котором первый объект (ПБ) движется без торможения, а второй объект (ХБ) тормозится.

3. Особое внимание при моделировании процесса скатывания объектов следует уделять режимам недостаточного и излишнего торможения. Это касается корректировки значения tрез.

4. На скоростном участке второй объект сначала движется медленнее, чем первый, но затем его скорость становится больше и он начинает нагонять первый объект. Значение tрез сначала увеличивается, а затем уменьшается.

Задача состоит в том, чтобы значение tрез не уменьшилось до величины, меньшей минимально допустимого до того, как будет пройдена последняя разделительная стрелка, то есть до конца стрелочной зоны.

Это наглядно иллюстрируется на рисунке 2.2, где показаны зависимости vx = f(l) и vп = f(l). Точками А и В соответственно обозначены скорости выхода ХБ из 1ТП и входа на 2ТП.

Рисунок 2.2 – Скатывание объектов с различными ходовыми свойствами На выходе из 1ТП скорость второго объекта (ХБ) явно меньше, чем скорость первого. Таким образом, линейный интервал времени происходит до момента, когда скорость хорошего бегуна не окажется равной скорости плохого.

Для традиционного режима торможения такой момент наступает только в самом конце межпозиционного участка (точка В).

5. Скорость хорошего бегуна на выходе 2ТП меньше скорости плохого.

После этого начинают сказываться различия в ходовых свойствах плохого и хорошего бегуна. Поскольку стрелочная зона расположена на небольшом уклоне, то скорость плохого бегуна в процессе движения по стрелочной зоне падает. Скорость хорошего бегуна уменьшается значительно медленнее или не уменьшается вообще.

6. Поскольку движение объектов в стрелочной зоне неуправляемо, то необходимо обеспечить такие скорости объектов на выходе из 2ТП и такие значения tрез на выходе из 2ТП, которые бы обеспечили максимальную длину участка, на котором tрез первого и второго объектов будет больше допустимой.

Чем позже скорость второго объекта (ХБ) сравняется со скоростью первого объекта (ПБ), тем позже наступит максимум tрез и тем дальше будет вторая граница допустимого участка, на котором tрез имеет значение больше допустимого.

При торможении объектов на 1ТП по условию сохранения дифа, имеющего место на входе на 1ТП и 2ТП, резервное время на 2ТП рассчитывается по следующей формуле Если резервное время на 1ТП имеет величину, больше допустимой, то и на 2ТП резервное время имеет величину больше допустимой.

При скатывании объекта по наклонной плоскости на него действуют движущие силы и силы сопротивления движению (рисунок 2.3).

Рисунок 2.3 – Силы, действующие на скатывающийся объект На любом этапе торможения объектов необходимо решать задачу прогнозирования их дальнейшего движения. Описывая динамику скатывания объектов, положенную в основу реализуемых алгоритмов управления тормозными позициями, рассматривается динамически установившееся движение без учета сил инерции где w – сопротивление движению вагона, Н/кН; Q – сила тяжести, Н; i – уклон участка движения вагона, 0/00; m – масса вагона, кг.

При действии на движущийся объект механического замедлителя с тормозным усилием Вт уравнение (2.4) примет вид Решая эти уравнения для участков свободного скатывания и тормозных позиций в соответствии с начальными условиями t = 0, v = vн; t = tд, v = vк получаем Из полученных уравнений видно, что соотношение значений w и i устанавливает различный вид движения объекта – ускоренное, равномерное или замедленное.

Учет сил, действующих на скатывающийся объект, можно вести по величине энергетической высоты где правая часть уравнения представляет собой работу силы тяжести и средней силы сопротивления на участке l, уклон которого i. Выразив величину m через и сократив на Q обе части уравнения, получим уравнение кинетической энергии, отнесенной к единице веса объекта. Величина приведенного ускорения, соответствующего силе тяжести g, зависит от отношения веса вращающихся частей объекта к его полному весу, тогда Следовательно, Принимаем, что скорость объекта в любой точке можно определить по формуле (2.10), а время прохода участка можно определить как При определении режимов торможения объектов на 1ТП установлено, что при наличии минимально допустимого значения tрез на входе на 1ТП необходимо сохранить это положение и на входе на 2ТП. Тогда время движения объектов по участку первой ТП и межпозиционному участку можно вычислить по формуле где tп и tx – время движения первого объекта по первой тормозной позиции и межпозиционному участку; время движения второго объекта по 1ТП и по межпозиционному участку.

Если первый объект ПБ движется без торможения, то, зная его скорость на входе на 1ТП, можно рассчитать его скорость на выходе из 1ТП и на входе на 2ТП. К моменту начала торможения второго объекта скорость выхода первого объекта из ТП известна.

Зная скорости движения первого объекта на всех точках второго участка спускной части горки, можно рассчитать время его движения.

Торможение объектов на 1ТП производится по условию сохранения дифа, накопившегося при движении объектов от вершины горки до 1ТП.

Обозначим и приведем расчет времени t прохода первым объектом участка 1ТП и межпозиционного участка. Время движения объекта по участкам равно Здесь скорость входа первого объекта п1 на 1ТП известна. На основании значения скорости объекта в точке 1 рассчитываются значения скорости первого объекта в точках 2 и 3.

Для второго объекта времена движения рассчитываются по следующим формулам где х1, х2, х3 – скорость второго объекта соответственно в точках 1, 2 и (см. рисунок 2.1).

Так как время движения первого и второго объектов по участкам 1ТП и межпозиционному участку равны, то имеем выражение Располагая этой формулой, рассчитывается скорость выхода объекта (ХБ) из 1ТП.

Обозначим скорость выхода этого объекта из 1ТП в точке 2 х2. Тогда скорость второго объекта в точке 3 (начало 2ТП) будет равна Не менее важную роль по сравнению с 1ТП играет интервальноприцельная 2ТП. В модели оценки режимов работы 2ТП участвуют три объекта в сочетании П–Х–П. Интервальное регулирование в зоне пучковой ТП осуществляется следующим образом. Для объекта 2, входящего на 2ТП, каждый раз оценивается ситуация по отношению как к впередиидущему объекту 1, так и по отношению к позадиидущему объекту 3.

В основе управления 2ТП используется следующая информация:

- расхождение по двум первым стрелкам за пучковой позицией;

- расхождение по последней стрелке;

- ходовые свойства входящего объекта;

- плохой маршрут;

- расстояния (интервал) между колесными парами как объектов 1 и 2, так и объектов 2 и 3 по мере прохождения рельсовых цепей и датчиков счета осей.

Важная роль 2ТП в контексте моделирования режимов управления – это обеспечение успешного разделения объектов на разделительных стрелках в стрелочной зоне. Здесь при оценке режимов торможения необходимо учитывать следующие основополагающие моменты:

- условием, при котором обеспечивается максимальное значение tрез, является равенство скоростей первого объекта в момент выхода из ТП (vп) и второго объекта (vх) в момент входа в ТП vп1 = vх2;

- следует считать, что п1 – скорость ПБ в точке 1, а x2 – скорость ХБ в точке 2.

На выходе из 2ТП скорость ХБ меньше, чем скорость ПБ, но положительный диф имеется. При движении по стрелочной зоне интервал между первым и вторым объектами сначала увеличивается, а затем, когда скорость первого объекта станет меньше, чем скорость второго, интервал начинает уменьшаться. Следовательно, tрез сначала увеличивается, а затем уменьшается. Задавшись минимально допустимым значением резервного времени tрез, можно получить диапазон допустимых значений расстояния от конца 2ТП до разделительной стрелки.

Торможение на 2ТП должно обеспечить достаточное значение tрез для первой и второй пары объектов от первой до последней разделительной стрелки.

На выходе из 2ТП скорость ХБ меньше скорости плохого. Поскольку стрелочная зона расположена на небольшом уклоне, начинают сказываться различия в ходовых свойствах ПБ и ХБ, следовательно, скорость ПБ в процессе движения по стрелочной зоне падает. Скорость ХБ уменьшается значительно медленнее или не уменьшается вообще.

Моделирование режимов управления 2ТП предполагает использование аналогичных аналитических выражений, приведенных выше для расчета временных и скоростных параметров.

В соответствии с постановкой задач диссертационного исследования применение переменной скорости роспуска является мощным резервом повышения перерабатывающей способности горок.

Для большинства сортировочных горок принята скорость роспуска порядка 5 км/ч, которая определялась для самых неблагоприятных сочетаний отцепов. Вместе с тем практика показывает, что кроме неблагоприятных ситуаций имеют место ситуации, соответствующие повышению скоростей роспуска. При разделении отцепов на головных стрелках или при скатывании длинных отцепов скорость роспуска состава может быть задана выше, чем во всех остальных случаях. Это позволяет повысить среднюю скорость роспуска составов, а следовательно, и перерабатывающую способность сортировочной горки.

Достаточно полное использование преимуществ переменной скорости роспуска возможно только при автоматизации всего процесса роспуска состава, в основе которого лежат вычисление оптимальной скорости для каждого очередного отцепа и передача ее значений для реализации телеуправляемым горочным локомотивом. Автоматизация процесса роспуска состава с переменой скоростью направлена в первую очередь на обеспечение расчетного начального интервала между смежными отцепами на вершине горки и с учетом различия ходовых свойств – на разделительных стрелках и замедлителях.

В основу расчета переменных скоростей роспуска положено решение известного уравнения, определяющего предельно допустимую по условиям нагона скорость роспуска состава где v0 – скорость роспуска; ln и ln-1 – длина n-го и n–1 отцепов; bn и bn-1 – колесные базы соответственно этих отцепов; vmin – минимальная скорость проследования первым отцепом изолированного участка разделительной стрелки; t – разница времени следования двух смежных отцепов от вершины горки до разделительной стрелки («диф»).

Процедура решения такого уравнения выполняется каждый раз, когда происходит отрыв от состава очередного отцепа, скатывающегося с горки.

Изложенное выше описание технологии расформирования поездов позволяет сделать следующие выводы.

1. Процесс роспуска составов характеризуется высокой динамичностью скатывания по спускной части одновременно до 10 отцепов с разными ходовыми свойствами, что дает основание считать необходимым обеспечение интеллектуальной поддержки сложных задач интервального регулирования скоростей скатывания по 1ТП и 2ТП.

2. Моделируемыми параметрами процесса роспуска составов являются время следования друг за другом смежных объектов (диф), скорости входа и выхода объектов с различными ходовыми свойствами по 1ТП и 2ТП, зависимости времени свободного скатывания от профиля межпозиционных участков и ходовых свойств объектов, режимы торможения с учетом негативного влияния инерционности замедлителей и др.

3. Поскольку перечисленные задачи моделирования относятся к категории используются интеллектуальные технологии, основанные на моделях знаний, в частности нечетко-продукционная модель оценки ходовых свойств объектов на основе перцептивного анализа временных рядов.

2.2 Нечетко-продукционная модель оценки ходовых свойств отцепов на основе перцептивного анализа временных рядов Эффективное управление роспуском состава при переменных скоростях надвига невозможно без построения адекватных моделей процессов скатывания слабоформализуемых динамических процессов [27], зависящих как от объективных формализуемых факторов, представленных в виде набора числовых параметров, таких как длина и уклон участка скатывания, масса отцепа, начальная скорость отцепа, так и трудноформализуемых факторов, основным из которых являются ходовые свойства отцепов [100].

большинстве своем основаны на построении аналитических зависимостей между статистическими параметрами отцепов, параметрами внешней среды и СГ и обладают двумя существенными недостатками. Во-первых, аналитические зависимости в виде математических формул, описывающие количественные соотношения между числовыми признаками, не могут адекватно представить качественную картину корреляций между признаками и ее влияние на процессы ускорения-замедления отцепов, которая является определяющей при оценке ходовых свойств отцепа, и которую могут, в принципе, представить эксперты в количественных соотношений между числовыми признаками, определенные в предыдущем разделе для объектов свободного скатывания, не учитывают динамику процесса и динамические свойства ОА, которые являются решающими для оценивания ходовых свойств отцепа.

В настоящем подразделе разрабатывается новый класс интеллектуальных нечетко-продукционных моделей анализа слабоформализованных динамических процессов, в значительной мере свободный от названных недостатков. Предлагаемый подход опирается на графическое представление динамики изменения скорости скатывания отцепа в виде отсчетов дискретного перцептивного анализа ВР.

Динамика свободного скатывания отцепа на участке пути СГ может быть адекватно представлена графиком изменения скорости в виде отсчетов ВР, характеризующих значения мгновенной скорости отцепа V (t i ) в дискретные моменты времени ti. При этом можно наблюдать три характерных, качественно отличающихся друг от друга графика, приведенных на рисунке 2.4.

Рисунок 2.4 – Характерные графики изменения скорости скатывания отцепа График 1, описывающий равнозамедленное движение отцепа на участке скатывания, соответствует типу отцепов, условно названных экспертами «нормальными бегунами». Его характерной особенностью является примерно одинаковый отрицательный угол наклона прямой на заданном временном интервале, то есть График 2, описывающий замедленное движение отцепа с постоянно возрастающим замедлением, соответствует типу отцепов, условно названных экспертами «плохими бегунами». Особенностью «плохих бегунов» является быстрое падение скорости, приводящее практически к мгновенному останову отцепа при малых скоростях скатывания. Характерной особенностью графика «плохого бегуна» является его выпуклый характер, или иначе – увеличение отрицательного угла наклона кривой с уменьшением скорости, то есть График 3 также описывает замедленное движение отцепа, но с убывающим замедлением, когда отцеп по мере уменьшения скорости как бы «стремится» продолжить свое движение. Такой тип отцепов экспертами условно назван «хорошими бегунами». Характерной особенностью графика «хорошего бегуна» является его вогнутый характер, или иначе – уменьшение отрицательного угла наклона кривой с уменьшением скорости, то есть Следует отметить, что в ряде случаев «хороший бегун», достигая в процессе скатывания нулевого замедления, не останавливается, а начинает разгоняться.

Таким образом, характер поведения графика, описывающего динамику скорости отцепа на участке скатывания, может быть положен в основу оценки ходовых свойств отцепа. Учитывая, что особенности графика представляются экспертами в виде словесных описаний, для формализации такого рода перцептивного анализа данных, разрабатываемой в рамках ИИ (Data mining), адаптированной к анализу ВР [3].

Перцептивный дата майнинг (data mining) временных рядов – это комплекс моделей и методов, поддерживающих процедуры принятия решений на основе перцепций (perceptions) в проблемах, связанных с анализом графиков функций или ВР [3]. Подобные проблемы возникают во многих областях, когда принятие решений основано на знаниях, содержащих перцепции, определенные на различных доменах.

Основным тезисом перцептивного анализа является то, что знания перцептивны и смысл перцепций может быть уточнен с помощью нечетких множеств [25]. Примерами перцепций являются: «Резкая смена направления ветра с юга на северо-запад обычно приводит к быстрому падению температуры», «Маловероятно резкое уменьшение скорости движения в ближайшем будущем». Перцепции, как правило, правдоподобны, и человек легко оперирует ими. Представление перцепций с помощью нечетких множеств и оперирование ими с использованием средств нечеткой логики операций является базовой технологией перцептивного анализа ВР.

В базах данных перцепции могут быть определены на различных доменах: временном, пространственном, количественном, качественном и др.

Применительно к рассматриваемому случаю качественного анализа темпоральных данных, представленных графиками функций или ВР, перцепции имеет смысл определять на областях значения функций или ее интервалов («низкая скорость», «быстро растет», «слегка выпукло») и т.п. В качестве специфических объектов перцептивного анализа графиков выделим паттерны кривых, задаваемых ВР. Во многих практических задачах форма этих паттернов и их последовательность или взаимосвязь являются решающими для диагностики, прогнозирования или принятия решений.

В области перцептивного анализа разработаны некоторые методы моделирования паттернов кривых [3]. Данные методы в принципе могут быть положены в основу описания нечетких зависимостей между переменными, опираясь на перцепциях о выпуклости или вогнутости графиков этих зависимостей. В этом случае представление перцептивных функций задается правилами типа: «Если X МАЛО, то Y БЫСТРО УБЫВАЕТ И СЛАБО ВЫПУКЛО».

В общем случае перцептивная функция задается набором правил вида где Тк – терм-значение лингвистической переменной X, a Sk – лингвистический терм-описание функции Y при значении X, равном Тк.. Терму Тк обычно соответствует некоторый нечеткий интервал Ак значений перемнной х, а терму Sk – перцептивный образ (паттерн) функции Y на интервале Ак. В известных работах были рассмотрены методы формализации линейных паттернов функций, задаваемых лингвистическими оценками типа ОЧЕНЬ БЫСТРО ВОЗРАСТАЕТ, МЕДЛЕННО УБЫВАЕТ и т.д. Например, описание линейного паттерна функции может задаваться правилом вида:

Если температура ВЫСОКАЯ, то плотность ОЧЕНЬ БЫСТРО Перцептивные функции, задаваемые лингвистическими термами класса ВОЗРАСТАНИЕ–УБЫВАНИЕ, представляются в виде кусочно-линейных нечетких функций.

В общем случае формализация перцептивных образов функций основана на определении словаря термов для заданного класса паттернов, задания шкалы значений термов и выбора процедур сопоставления термов с числовыми значениями функций.

перцептивных образов прямолинейных, выпуклых и вогнутых функций, представленных ВР. Если класс паттернов ВОЗРАСТАНИЕ–УБЫВАНИЕ может формироваться на основе серии незафиксированных результатов наблюдений, например, в результате сравнений наблюдаемых значений функций, то возникновение паттернов выпуклых и вогнутых функций предполагает наличие зрительных перцептивных образов функций. Источником подобных перцептивных образов обычно являются графики функций У(Х), построенные на основе результатов статистических измерений или расчетов по математическим моделям. Вначале рассмотрим случай трех измерений, распространив его в дальнейшем на более общий случай.

Пусть V (t1 ), V (t 2 ), V (t 3 ) – суть трёх дискретных значений графика изменения скорости G(t ), соответствующая мгновенным значениям скорости отцепа в моменты времени t1, t 2, t 3. Введем в рассмотрение вспомогательную переменную характеризующую отношение углов наклона прямых, определенных на двух смежных временных интервалах [t1, t 2 ] и [t2, t3 ]. Очевидно, что значение Z достаточно точно отражает характер графика G(t ) на интервале изменения его значений от t1 до t 3. Именно значение Z 1 соответствует прямолинейному характеру графика. Значения Z 1 соответствуют вогнутому графику, причем степень вогнутости графика увеличивается с увеличением Z. Значение Z соответствует выпуклому графику, причем степень выпуклости увеличивается с уменьшением Z.

Таким образом, шкалу перцепций для представления прямолинейных, [V (t1 ),V (t 2 ),V (t 3 )] можно представить значениями переменной Z. На данной ПРЯМОЛИНЕЙНЫЙ (ПР), ВЫПУКЛЫЙ (ВП), ВОГНУТЫЙ (ВГ). Нечеткие термы ПР, ВГ, ВП определим на данной шкале в виде функций принадлежности ПР (z ), ВП (z ), ВГ (z ) следующим образом:

Графики ФП нечетких термов представлены на рисунке 2.5.

Рисунок 2.5 – Графики ФП нечетких термов ЛП ХАРАКТЕР построения нечеткой продукционной модели оценки ходовых свойств отцепа.

Входами нечеткой модели являются три значения скорости отцепа, измеренные предшествующее, текущее). Выходами нечеткой модели являются качественные оценки ходовых свойств отцепа, определенные на шкале признаков ходовых свойств Q = {ПЛОХОЙ БЕГУН(ПБ), НОРМАЛЬНЫЙ БЕГУН(НБ)}. Нечеткие вспомогательной переменной Z, характеризующей соотношение скоростей отцепа на интервале [t1, t 3 ], и значениями признака ходовых свойств отцепа Q, имеют вид Алгоритм нечеткого вывода на основе системы нечетких правил S приведен ниже.

На основе трех последовательных значений скорости отцепа V (t1 ), V (t 2 ), V (t 3 ) вычисляется значение вспомогательной переменной Для найденного значения Z на основе функций принадлежности трех классов кривых ПР (Z ), BП (Z ), BГ (Z ).

осуществляется трансляция степеней принадлежности ПР (Z ), BП (Z ), BГ (Z ), вычисленных в п. 2 алгоритма, в оценки ходовых свойств по формулам Рассмотрим простой пример. Пусть для свободно скатывающегося отцепа в равноудаленные моменты времени t1, t 2, t 3 зафиксированы следующие три скорости V (t1 ) 2, 2м/с, V (t2 ) 2,0м/с, V (t3 ) 1, 4,м/с.

П.1. На основе данных значений вычислим значение вспомогательной переменной П. 2. На основе ФП нечетких термов вычисляются принадлежности ВР (2,2, 2.0, 1.4) к трем типовым классам перцепций РВ, ВП, ВГ. После подстановки получаем следующие значения П. 3. На основе системы продукций S осуществляется трансляция значений PB (Z ), BП (Z ), BГ (Z ) в оценки ходовых свойств, что приводит к следующим результатам Таким образом, полученный на основе приведенного алгоритма результат говорит о том, что данный отцеп с достаточно высокой степенью истинности, равной 0,67, может принадлежать к категории «плохих бегунов». Возможность его отнести к категории «нормальных бегунов» оценивается как 0,33. Отнести данный отцеп к категории хороших бегунов нельзя.

В принципе оценка ходовых свойств отцепа может осуществляться более чем по трем отсчетам мгновенной скорости. Если доступным является ряд измерений из n значений скорости V (t1 ), V (t 2 ),..., V (t т ), то имеющийся ряд значений разбивается на n/3 троек. Далее для каждой тройки значений скорости по приведенному выше алгоритму вычисляются оценки ходовых свойств, которые затем усредняются по множеству всех троек.

Следует отметить, что в принципе для оценки ходовых свойств отцепов можно использовать k нечетких термов, в зависимости от пожеланий экспертов.

В этом случае в рассмотрение вводится k лингвистических значений переменной ХАРАКТЕР (графика функций), представленных термами

ВЫПУКЛЫЙ, ОЧЕНЬ ВЫПУКЛЫЙ, … ВОГНУТЫЙ, ОЧЕНЬ ВОГНУТЫЙ…,

используемых для перцепции графика изменения скорости отцепа. Каждому из лингвистических значений переменной ХАРАКТЕР сопоставляются соответствующие оценки ходовых свойств, например, СИЛЬНО ВЫПУКЛАЯ –

ОЧЕНЬ ПЛОХОЙ БЕГУН, СИЛЬНО ВОГНУТАЯ – ОЧЕНЬ ХОРОШИЙ БЕГУН

и т.п. В этом случае нечеткая продукционная система оценки ходовых свойств отцепа будет включать k правил, транслирующих признаки характера графика изменения скорости отцепа в оценки ходовых свойств.

Заметим, что входами разработанной нечеткой продукционной модели являются зависимые от времени значения скорости, а нечеткие продукционные правила устанавливают связь между характером графика изменения скорости, представленного данными значениями, и оценками ходовых свойств. Поэтому полученную нечеткую модель естественно назвать нечетко-динамической моделью оценки ходовых свойств отцепов (НДМ).

В завершение подраздела дадим формальное определение НДМ для общего случая. НДМ представляет собой кортеж где V – вектор значений скоростей отцепа, измеренных на заданном временном интервале; Q – множество признаков ходовых свойств отцепа; L – множество нечетких термов лингвистической переменной K (ХАРАКТЕР графика); M – множество функций принадлежности нечеткой переменной K;

S – система нечетких продукционных правил, устанавливающих связь между характером графика, описывающего динамику отцепа, и его ходовыми свойствами.

Таким образом, в настоящем подразделе разработан новый метод качественного анализа слабоформализованных ДП, представленных в виде временных рядов, основанный на нечеткой продукционной модели перцептивного оценивания функций, и обоснована возможность его использования для оценки трудноформализуемых признаков ходовых свойств отцепов в системах горочной автоматизации. Предлагаемая модель, представленная в виде нечеткой продукционной системы, допускает возможность интеграции в нее экспертных знаний в виде вербальных описаний, является открытой для включения в нее дополнительных признаков ходовых свойств отцепа, а также при наличии соответствующих критериев допускает возможность параметрической адаптации путем изменения параметров функций принадлежности входящих в нее нечетких термов.

2.3 Гибридная модель слабоформализованного динамического процесса на основе нечеткой продукционной системы В предыдущем разделе были выведены основные временные зависимости для модели свободного скатывания отцепа, устанавливающие связь между временем движения отцепа по участку пути и параметрами пути. При выводе данных зависимостей не учитывалась группа слабоформализуемых параметров, характеризующих ходовые свойства отцепа. Для оценки слабоформализуемых параметров отцепа в п. 2.2 была предложена нечетко-динамическая модель, основанная на перцептивном анализе динамики скатывания отцепа. В настоящем подразделе разрабатывается гибридная модель, основанная на нечеткой системе продукционных правил, позволяющих учитывать при выводе временных параметров моделируемого процесса как объективные факторы, представленные числовыми параметрами ОА, так и слабоформализуемые факторы, характеризующие ходовые свойства отцепа, формализованные на основе перцептивного оценивания динамики скатывания отцепа.

В основу построения гибридной модели положена корректировка временных параметров процесса скатывания отцепа, выведенных на основе аналитических зависимостей (a)–(b) в п. 2.1 с учетом оценок ходовых свойств отцепа, выведенных на основе НДМ, разработанной в п. 2.2. Базу знаний гибридной модели составляют нечеткие продукции, осуществляющие корректировку значений временных параметров. В основу построения нечетких продукций положены следующие эвристические правила.

1. Если отцеп не отличается какими-либо особыми ходовыми свойствами (плохими или хорошими), то есть является в терминах горочного оператора обычным нормальным «бегуном», то можно предположить, что время движения отцепа по заданному участку пути будет близко к величине, выведенной на основе аналитических зависимостей свободного скатывания (a)–(b), выведенных без учета фактора ходовых свойств.

2. Если отцеп является «плохим бегуном», то время скатывания отцепа, выведенное на основе зависимостей (a)–(b), несколько увеличивается, причем тем больше, чем худшими ходовыми свойствами обладает отцеп.

3. Если отцеп является «хорошим бегуном», то время скатывания отцепа, выведенное на основе зависимостей (a)–(b), несколько уменьшается, причем становится тем меньше, чем лучшими ходовыми свойствами обладает отцеп.

Заметим, что в приведенных выше правилах не уточняется, насколько уменьшается или увеличивается значение временного параметра, а лишь дается качественная оценка данной невязки. Это вполне согласуется с концепцией нечетко-логического моделирования, в соответствии с которой нечеткая модель слабоформализуемого процесса (ФП) основана на лингвистических, качественных оценках контролируемых параметров, а не на их количественных значениях. Количественные значения параметров получаются в результате реализации нечеткого вывода и зависят от параметров ФП нечетких термов, входящих в нечеткую модель процесса.

Обозначим через T величину, равную времени скатывания отцепа O по заданному участку пути, определенную на основе аналитических зависимостей свободного скатывания (a)–(b), выведенных в п. 2.1. Введем в рассмотрение лингвистическую переменную НЕВЯЗКА ( E ), определенную на шкале [0,1] при помощи нечетких термов МАЛАЯ ОТРИЦАТЕЛЬНАЯ, МАЛАЯ ПОЛОЖИТЕЛЬНАЯ, ОКОЛО НУЛЯ с функциями принадлежности:

Графики ФП нечетких термов ЛП НЕВЯЗКА приведены на рисунке 2.6.

Рисунок 2.6 – Функции принадлежности нечетких термов лингвистической Введем в рассмотрение ЛП КАЧЕСТВО Q, характеризующую ходовые свойства отцепа, со значениями НОРМАЛЬНЫЙ БЕГУН (НБ), ПЛОХОЙ БЕГУН (ПБ), ХОРОШИЙ БЕГУН (ХБ). Истинностные значения нечетких термов НБ, ПБ и ХБ определяются на основе описанной в п. 2.2 НДМ оценки ходовых свойств.

С учетом введенных обозначений вышеприведенные эвристические правила корректировки значений временных параметров (1)–(3) можно представить в виде следующей системы нечетких продукционных правил:

где Q – ЛП КАЧЕСТВО; НБ, ПБ, ХБ – нечеткие термы ЛП Q, E – ЛП НЕВЯЗКА; ОН, МП, МО – нечеткие термы ЛП E.

Нечеткое значение E определяется в виде нечеткого множества на шкале [0,1] на основе реализации схемы нечетко-логического вывода следующим образом:

где "", "" – нечетко-логические операции конъюнкции и дизъюнкции.

Конкретное числовое значение невязки Е определяется на основе дефаззификации нечеткого множества E, представленного ФП E ( x) с использованием центроидного метода следующим образом:

Из данного выражения вычисляется относительное значение невязки 0,5 E 0,5, показывающее, на какую часть должно быть увеличено или уменьшено значение временного параметра T, для которого установлена данная невязка.

слабоформализованного процесса скатывания (ГМСП) представим в виде нечетко-продукционной иерархической системы, укрупненная архитектура которой показана на рисунке 2.7.

Рисунок 2.7 – Укрупненная архитектура ГМСП Нижний уровень ГМСП включает нечетко-динамическую модель оценки ходовых свойств НДМ и модуль вычисления временного параметра T на основе уравнений скатывания (a)–(b). Верхний уровень ГМСП представлен нечеткопродукционной системой корректировки временного параметра T на основе нечетких правил (2.26). Выходной элемент модели осуществляет корректировку временного параметра T путем добавления к нему значения невязки E. Входами ГМСП являются параметры графика изменения скорости скатывания отцепа и параметры пути. Выходом ГМСП является прогнозируемое время скатывания отцепа.

Общее представление гибридной модели. Описанная модель выводит на более широкий класс гибридных интеллектуальных моделей динамических слабоформализованных процессов (ГИМДП). В общем случае ГИМДП представляет собой объединение аналитических зависимостей, аналогичных зависимостям (a)–(b), устанавливающих связь между временными параметрами моделируемого процесса и параметрами ОА, нечеткой продукционной моделью НДМ, определяющей значения слабоформализуемых параметров ОА и нечеткой продукционной системы (2.27), осуществляющей корректировку объективных значений временных параметров.

Центральным элементом любой интеллектуальной (детерминированной или нечеткой) системы является база правил, которая вместе с механизмом вывода образует базу знаний (БЗ) ИС. База знаний ИС содержит логические нечеткими значениями входных и выходных переменных моделируемой системы. Поэтому проверка на корректность базы правил, заключающаяся в проверке удовлетворения ее ряду условий, является обязательным этапом разработки любой ИС. Основными свойствами, которым должна удовлетворять продукционная БЗ нечеткой ИС, являются полнота и непротиворечивость базы правил. Рассмотрим выполнимость данных условий для разработанных ранее нечетко-продукционных моделей.

В общем виде нечеткую продукционную модель можно представить в виде набора элементарных ЕСЛИ-ТО правил вида В приведенной системе область входных значений X определяется как декартово произведение областей Xi (i = 1,2,…n) числовых значений входных параметров Через Y в системе (2.32) обозначена область значений выходного параметра. Через Aij и Bi обозначены лингвистические значения нечетких переменных.

Определение 1 [76]. Нечеткая модель является полной, если с каждым входным состоянием X *,..., X * ( x1*,..., xn ), принадлежащим области X, она может связать некоторое выходное состояние у*. Нечеткая модель является неполной, если с некоторыми входными состояниями X* нельзя связать ни одного выходного состояния у*.

Одной из причин неполноты нечеткой модели может являться неполнота нечеткого разбиения области входных значений X.

Определение 2 [76]. Нечеткое разбиение области значений Xi переменной Xi является полным, если выполнено следующее соотношение:

где m – число нечетких множеств Aji, которые могут быть значениями переменной Xi.

Неполное нечеткое разбиение области значений появляется в некорректно изменяются параметры функций принадлежности, что приводит к смещению, а покрываются ни одним нечетким множеством Aji.

Для ранее разработанной НДМ имеет место следующая теорема.

Теорема 1. НДМ, основанная на системе нечетких продукций S, устанавливающей связь между значениями вспомогательной переменной Z, характеризующей соотношение скоростей отцепа на интервале скатывания лингвистической переменной ХАРАКТЕР с нечеткими термами ПР, ВП, ВГ, является полной в смысле определений 1 и 2.

Доказательство. Для доказательства теоремы достаточно показать, что при любых входных значениях V (t1 ), V (t2 ), V (t3 ) и Z сумма значений функций принадлежности ПР (Z ) + BП (Z ), + BГ (Z ) > 0.

V (t1 ) v1 0,V (t 2 ) v2 0, V (t 3 ) v3 0. Поскольку все значения V (t i ) 0, можно находящееся в интервале (0,). Рассмотрим, какие значения в этом случае могут в принципе принимать ФП ПР (Z ), BП (Z ), BГ (Z ). Возможны два различных варианта расположения значения Z* на шкале определения ФП (0,), а именно:

интервале ПР (Z ) + BП (Z ), + BГ (Z ) = 1, то есть больше нуля. Пусть имеет место 1 z.

сумма ПР (Z ) + BП (Z ), + BГ (Z ) =1, то есть больше нуля. Таким образом, для любых входных значений НДМ сумма значений функций принадлежности больше, что и требовалось доказать.

Другим важным свойством БЗ ИС является ее непротиворечивость.

Определение 3 [76]. База правил называется непротиворечивой (согласованной), если она не содержит несовместные правила, т. е. правила, имеющие одинаковые условия, но разные заключения.

Утверждение. НДМ, основанная на системе нечетких продукций S, устанавливающей связь между значениями вспомогательной переменной Z, характеризующей соотношение скоростей отцепа на интервале скатывания [t1, t 3 ] лингвистической переменной ХАРАКТЕР с нечеткими термами ПР, ВП, ВГ, является непротиворечивой в смысле Определения 3.

Доказательство вытекает из элементарной проверки БЗ НДМ. Входная ЛП НДМ принимает три возможных значения, представленных нечеткими термами ПР, ВП, ВГ, каждому из которых в базе правил соответствует одно и только одно значение выходной ЛП Q (XОДОВЫЕ СВОЙСТВА), то есть отсутствует многозначность при сопоставлении входных и выходных нечетких термов. Следовательно, БЗ не содержит несовместимых правил, то есть является непротиворечивой.

динамического процесса, представленная системой нечетких продукционных правил S, уравнениями скатывания (a)–(b) и нечетко-продукционной системой корректировки временного параметра T на основе нечетких правил (*), является полной и непротиворечивой.

Доказательство. Для доказательства Теоремы 2 достаточно показать полноту и непротиворечивость входящей в гибридную иерархическую модель нечетко-продукционной системы верхнего уровня, определяющей НЕВЯЗКУ для временного параметра, поскольку полнота и непротиворечивость НДМ нижнего уровня была доказана, а непротиворечивость вывода уравнений скатывания (a)–(b) очевидна.

Входами нечетко-продукционной корректирующей системы являются оценки ходовых свойств отцепов, характеризуемые ЛП Q (ХОДОВЫЕ доказательстве Теоремы 1 было установлено, что сумма ПР (Z ) + BП (Z ), + BГ (Z ) больше нуля. На основе свойств схемы вывода имеем ПР (Z ) + BП (Z ), + BГ (Z ) >0. Полнота доказана.

Непротиворечивость БЗ модели устанавливается проверкой БЗ на совместимость правил. Поскольку имеется взаимно однозначное соответствие между нечеткими термами, характеризующими ходовые свойства отцепа, совместимыми.

иерархическая модель, предназначенная для прогнозирования временных параметров слабоформализуемых динамических процессов, основанная на детерминированные параметры ОА, и интеллектуальной нечетко-динамической модели НДМ, характеризующей слабоформализуемые параметры ОА.

Преимуществом и достоинством предлагаемой модели является возможность интеграции в нее экспертных знаний в виде эмпирических правил нечеткой продукционной системы верхнего уровня, а также возможность адаптации механизма взаимодействия между отдельными компонентами гибридной модели путем настройки параметров функций принадлежности нечетких термов на основе обучения модели.