CC BY
32
УДК 656.254.16
Саенко А.С., инженер (Дон.ж.д.)
АВТОМАТИЗАЦИЯ ПРОГНОЗИРОВАНИЯ ПАРАМЕТРИЧЕСКИХ ОТКАЗОВ СЕТЕЙ ПОЕЗДНОЙ
РАДИОСВЯЗИ
Системы оперативно-технологической связи (ОТС) являются важным звеном перевозочного процесса и как составная часть системы управления железнодорожным транспортом должны обладать высокими качественными показателями, обеспечивающими надёжную и достоверную передачу информации.
Особое место в системе ОТС занимает поездная радиосвязь (ПРС), как необходимый для обеспечения безопасности движения поездов и управления процессом перевозок вид связи.
В настоящее время аппаратура, линейные устройства и направляющие линии физически изношены, что снижает надежность радиосредств и увеличивает эксплутационные затраты.
Одним из показателей надежности сети ПРС, как системы с восстановлением, является коэффициент готовности Кг :
Т
кг = у-гг-, (1)
1 Р ^ 1 В
где ТР - суммарное время нахождения канала ПРС в работоспособном состоянии;
ТВ - суммарное время восстановления канала ПРС из неработоспособного состояния.
Для поддержания значения Кг близким к 1 необходимо оценивать и прогнозировать техническое состояние сети ПРС, что сочетании с обоснованной технологией обслуживания должно обеспечить минимальные эксплуатационные затраты.
Периодический контроль радиосредств на основе действующих нормативно-технических документов [1,2,3] стационарных радиостанций, помимо прочего, включает проверку вагоном-лабораторией радиосвязи. При этом производится измерение уровней сигналов от стационарных радиостанций вдоль перегона и помех. По результатам измерений выявляют участки с низким уровнем сигналов и высоким уровнем радиопомех, разрабатывают технические мероприятия по обеспечению требуемых уровней полезных сигналов.
Ввиду сравнительно большого периода между проведением записи уровней сигналов (раз в квартал), возможны появления зон неуверенной радиосвязи, необнаруженные довольно продолжительное время (несколько месяцев), что существенно снижает надежность работы поездной радиосвязи и может привести к ухудшению обеспечения безопасности движения поездов. Но увеличение периодичности проверок вагоном-лабораторией, неоправданно увеличивает затраты на проведение эксплуатационного контроля.
Периодичность контроля наличия зон неустойчивой радиосвязи напрямую влияет на время ТВ. В моменты времени (рисунок 1)
произведена запись напряженности поля, которая показала отсутствие зон неустойчивой радиосвязи.
радиосвязи
Запись напряженности поля, сделанная в момент времени 1;4 показала наличие зоны неустойчивой радиосвязи, после чего были проделаны мероприятия по её устранению, и в момент времени она была устранена. Следовательно на временном промежутке [1:3;1;4] в момент времени 1;2 возникла зона неустойчивой радиосвязи, которая , не была
обнаружена до момента времени 1;4 и существовала до момента её ликвидации 1^.
Одним из путей уменьшения параметра Тв является метод эксплуатационного контроля с применением прогнозирования. По результатам записи уровней сигналов от стационарных радиостанций ведется база данных, и с помощью специально разработанного метода делается прогноз на весь период времени до следующей записи. Если прогноз показывает высокую вероятность появления зоны неустойчивой радиосвязи, разрабатываются профилактические мероприятия, чтобы не допустить её появление.
В настоящее время такое прогнозирование технического состояния системы поездной радиосвязи осуществляется эвристически. Несмотря на то, что эксперт, как правило, не осознает технологии эвристического прогнозирования, он дает в среднем неплохой прогноз. Однако эвристические методы субъективны и пригодны только тогда, когда существуют эксперты, знакомые с прогнозируемой ситуацией.
Автоматизация процесса прогнозирования технического состояния системы поездной радиосвязи, потребовала разработки математических методов прогнозирования. Основные достоинства таких методов состоят в объективности получаемой информации и в возможности обработки информации с использованием ЭВМ.
Согласно нормативной документации должно выполнятся условие:
Г1 + Г2 - 3 > I,
где Г1 и г2 - дальности уверенной радиосвязи между возимой и стационарными радиостанциями, находящимися с противоположных сторон локомотива, км. I - длина перегона, км.
Дальность действия радиосвязи между стационарной и возимой радиостанциями при применении направляющих линий определяется выражением [3,4]:
r =
A о - и - A -V a -'V a -'V a
про мин пер / ¡ ст / ¡ лин / ¡ лок
a Н
(2)
где Апр0 - выходной уровень сигнала передатчика радиостанции, дБ; имин - минимально допустимый уровень полезного сигнала на входе радиостанции, дБ;
Апер- переходное затухание между направляющей линией и антенной радиостанции, дБ;
Таст ТАлин - затухание сигнала в стационарных и линейных устройствах соответственно, дБ;
Талж -затухание сигнала в локомотивных устройствах; ан - километрическое затухание направляющей линии на перегоне,
дБ/км.
Возникновение зон неустойчивой радиосвязи, как правило, вызвано внезапными или постепенными отказами в тракте распространения сигнала и воздействующими на него электромагнитными помехами.
Внезапные отказы возникают в результате скачкообразного изменения заданных параметров устройства. Как правило, это вызвано стихийными или умышленными повреждениями, например, обрывами, нарушением контактов, коротким замыканием, пробоем изоляции, механическими разрушениями. Но этот тип отказов достаточно легко обнаружить и выявить место повреждения внешним осмотром устройств направляющих линий и антенно-фидерных устройств.
Постепенные отказы характеризуются постепенным ухудшением параметров Таст, Талин, Талок, ан, следовательно они ведут к уменьшению дальности действия радиосвязи и появлению зон неустойчивой радиосвязи на перегоне.
Причинами подобных отказов могут быть параметрическое ухудшение направляющих линий (в результате коррозии, ухудшения качества контактов, загрязнения изоляторов и т.п.), расстройка согласующих устройств и кабельных переходов, уменьшение добротности согласующих и запирающих контуров, изменение диаграммы направленности антенн, ухудшение параметров фидеров (вследствие старения, затекания воды).
Постепенные отказы выявить достаточно сложно , но они имеют явно выраженный от времени характер, что дает возможность прогнозировать их возникновение.
Исходными данными для автоматизированного процесса прогнозирования являются запись уровней сигналов от стационарных радиостанций, результат которой может быть записан в виде двумерного вектора:
иа1 иа2
иЪ1 иЪ 2
и%2
и
... и
Ът
... и
гт
(3)
где и§т - среднее значения напряжения на входе локомотивной
радиостанции точке участка т (км), при включенном на передачу приемопередатчике ПРС на станции g (далее - активной ).
Представленные в таком виде данные необходимо подвергнуть предварительным преобразованиям, при котором с помощью интерполяции восстанавливаются все незаполненные элементы и выравниваются точки (привязанные к километражу участка) в которых проводилось измерение уровней сигналов.
В простейшем случае в качестве основного аргумента прогноза выступает один параметр — время, задачу возможно решить применением математических методов временной экстраполяции результатов предыдущих измерений. Однако в рассматриваемом случае они имеют ряд недостатков:
а) необходимость длительного исследования предыстории функционирования системы для построения точной прогнозной модели, без использования другого рода информации;
б) невозможность обойтись без математического описания процессов изменения параметров;
в) все математические методы прогнозирования можно представить некоторой разомкнутой системой. На вход этой системы поступают данные о контролируемом в настоящий момент процессе изменения параметров, а на выходе выявляются их прогнозируемые значения. Из-за разомкнутости данной системы все ошибки на ее входе непосредственно сказываются и на ее выходе, т.е. сказываются на точности прогноза.;
г) для получения верного прогноза требуется учитывать все мероприятия по улучшению технического состояния средств ПРС, что является слабо формализованной задачей , невыполнимой в рамках этих методов;
д) в начале применения полностью модернизированной сети ПРС (например, при электрификации) отсутствуют предпосылки для прогнозирования с помощью математических методов.
Данная проблема частично решается прогнозированием на основе теории статистической классификации (распознавания образов), при которой процесс установления экстраполяционных связей осуществляется на основе априорной информации. Невозможность решения слабо формализованных задач процедуры прогнозирования и относительно низкая точность результатов не позволяют эффективно его использовать . Компенсация перечисленных недостатков возможна путем использования нейросетевых (НС) алгоритмов экстраполяции в пространстве признаков состояний технической системы [8,9] .
В общем виде процедура автоматизированного прогнозирования отказов сети поездной радиосвязи с использованием НС показана на рисунке 2.
результат измерения уровней сигналов
Модель, описывающая техничнские средства и их качаственные изменения (факторы прогнозного фронта)
вектор спрогнозированного технического состояния
Прогнозирующая нейронная сеть, обученная базой данных
факторы
прог. фронта
Вектор описывающий качественные изменения технического состояния
база данных результатов пердыдущих измерений
Выполнение мероприятий по улучшению технического состояния
Т-Гч^-г-ГГ-Г
¿тШШШШн-
Рисунок 2 - Процесс автоматизированного прогнозирования отказов сети
поездной радиосвязи
Центральной частью этой структуры является нейронная сеть, обученная с помощью имеющейся базы данных результатов предыдущих измерений. После проведения очередной записи уровней сигналов стационарных радиостанций они вместе с данными, отражающими качественные изменения аппаратуры, линейных устройств и
направляющих линий подаются на вход НС. На выходе появляется вектор содержащий в себе информацию относительно будущего технического состояния сети ПРС. Исходя из которой разрабатываются и проводятся профилактические технические мероприятия.
При каждом проведении записи уровней сигналов с помощью вагона-лаборатории, результаты заносятся в базу данных и проводится обучение сети НС.
В общем виде прогнозирование с использованием НС содержит несколько основных этапов:
- сбор исходных данных и их представление в единой форме;
- синтез прогнозирующей архитектуры НС;
- синтез прогнозной модели путем обучения НС по обучающим выборкам ( эмпирическим данным);
- получение прогноза на требуемый период упреждения;
- верификация прогнозной модели в соответствии с критерием.
Модель, описывающая техничнские средства и их качаственные изменения (факторы прогнозного фронта) Резул с 18!5»1!! ? 5 8 № 1:!! §!!:! ¡15 ть т т 5Ц аты записи у (ионарных ра ш ровней сигна ¡диостанций уо'! | а | | \ лов /7 > Ьт
(ря1,...р§2,... рД+1 (и§1, ...и,2, ... иД+1
Вектор технического Прогнозируемые значения состояния уровней сигналов
Рисунок 3 - Архитектура прогнозирующей нейронной сети
Синтез архитектуры прогнозирующей нейронной сети и ее параметров это определение таких параметров НС как:
1) число слоев прямого распространения;
2) число нейронов в каждом слое, 1, ..., V;
3) вид функции активизации нейронов.
Модель НС можно представить системой уравнений:
V г=1
С = / Ё Яг^+Х
к=/
У
Г г1 Л
Ё +п
V1=1 у
С г 2 Л
^ = / Ё+и
V *=1
(4)
где ( р%ъ ..., рт) — вектор факторов прогнозного фона; (иЯ1, ..., ит) — вектор уровней сигналов станции g (активной) ; (у1 , . . . , уп) — вектор прогнозируемого следствия; С — значение выхода 1-го нейрона первого скрытого слоя НС, 1 = 1,
... , Г^
к8 — значение выхода Б-го нейрона второго скрытого слоя НС, б=1,
..., Г2;
дН — значение выхода Н-го нейрона выходного слоя НС, к =1, ..., п; / — функция активизации нейронов;
а, в, У — коэффициенты синаптических связей между нейронами соседних слоев;
X, П, и — величины смещения нейронов, соответственно, первого, второго скрытых и выходного слоев;
г — размерность входного вектора (размерность задачи прогнозирования); г = т+ф;
п — количество измеренных уровней сигнала; ф — количество факторов прогнозного фона.
Именно такая НС способна осуществлять правильную классификацию путем чистого обобщения по подобию [8], что было главной причиной ее выбора в качестве прототипа прогнозной модели.
Прогнозирующие возможности данного типа НС ограничены только числом нейронов в сети.
Увеличение числа скрытых слоев более двух не дает существенного улучшения точности распознавания входных образов, но увеличивается трудоемкость обучения. Количество нейронов в скрытых слоях зависит от объема обучающей выборки N требуемой точности А.
Единственным и жестким требованием к виду функций активизации нейронов, выдвигаемым алгоритмами обучения, остается требование дифференцируемости функции активизации:
/ '( х) = / (х)(1 - / (х)). (5)
В прогнозирующей НС может использоваться сигмоидная функция активизации нейронов:
'(х) = (^У . (6)
Для определения параметров прогнозной модели можно использовать как стандартный алгоритм обратного распространения ошибки, так и его модификации. Целью обучения полносвязной прогнозирующей НС прямого распространения является такая подстройка ее весовых коэффициентов а, в, у и величин смещения нейронов х, ц, и которая при подаче на ее вход векторов причин минимизирует, например следующий показатель:
ф■ = }( - (г+1)I2, ' =1,т. (6)
Критерий формирования параметров прогнозной модели:
тах(Ф ■) <Д , (7)
где А — ограничение сверху на относительную погрешность прогнозного значения щ.
Если для минимизации данной функции использовать градиентный алгоритм поиска, то производные по модифицируемым параметрам прогнозирующей двухслойной НС (рисунок 3) следующие:
ЭФ,
дУsh
ЭФ,
ЭФ,
= -ksЧh(1 -Чh)(у^ -Чh) = -kseh, где ч =(1 -^)(yh-Чh);
-С]к3(1 -к3)^rsheh = , где cгs = к,(1 -ks)TУsheh; (8)
h=1 Г2
h=1 г2
да,
-а1С! (1 - С, ) =-а1, где = С, (1 - С, ) ;
5 =1
5=1
ЭФ,
Эvh ЭФ,
ЭП ЭФ
= -ч;
(9)
Эх, -
Полученные ошибки восстановления прецедентов в}1 , а,, 8нейронов, используются для вычисления градиентов, которые применяются для коррекции множества весовых коэффициентов = {а,, ¡5,,, и
множества {Ь} = {%,-, ц, \у} величин смещения нейронов.
Выводы. В работе предложен метод автоматизации прогнозирования технического состояния сети поездной радиосвязи как один из путей повышения надежности радиосредств и уменьшения эксплутационных затрат. Рассмотрены виды отказов сети ПРС и возможности по их предупреждению. Предложена нейросетевая модель прогнозирования уровней сигналов стационарных радиостанций и возможных причин их заниженого значения.
Однако для практического применения описанного метода необходима разработка модели для описания структуры и качественных изменений технических средств сети ПРС.
В дальнейшем исследования следует продолжить в направлении поиска оптимальной структуры прогнозирующей НС.
Кроме того, вероятность правильного прогноза во многом зависит от корректности исходных данных, используемых для прогноза, что требует
разработки современного измерительного технического комплекса для вагона-лаборатории связи.
Список литературы
1. Правила эксплуатации поездной радиосвязи ЦШ 4784 -М.: Транспорт, 1990.
2. Устройства поездной радиосвязи. Технологический процесс обслуживания и ремонта. РМ 32ЦШ 09.09-82. -М.: Транспорт 1984.
3. Правила организации и расчета сетей поездной радиосвязи ЦШ 4818-М.: Транспорт, 1991.
4. Зражевский Г.Н., Вованов Ю.В.,Елизаренко А.В., Танцюра А.А., Тропкин С.И. Поездная и станционная радиосвязь, М.: «Транспорт» 1978 - 344с
5. Левин Б.Р. Теория надежности радиотехнических систем. М.: Сов. Радио, 1978, 264 с.
6. Макаров М.И., А.В. Жадан А.В., А.А.Зори А.А. Надежность электронных устройств автоматики, информационных и компьютерных систем: Учебное пособие. -Донецк:ДГТУ,1996. - 248с.
6. Гаскаров О.Б., ГолинкевичТ.А., Мозгалевский А.В. Прогнозирование технического состояния и надежности радиоэлектронной аппаратуры. - М.: Сов. Радио, 1974. - 224 с.
8. Осовский С. Нейронные сети для обработки информации / пер. с польского И. Д. Рудинского. - М.: Финансы и статистика, 2004. - 344с
9. Минаев Ю.Н., Филимонова О.Ю., Бенамеур Л. Методы и алгоритмы идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе. М.: Горячая линия - Телеком, 2003
УДК. 656.259.12
Разгонов А.П., д. т. м., проф., (ДИИТ) Разгонов С.А., аспирант, (ДИИТ) Дунаев Д.В., ассистент, (ДИИТ)
ИСТОЧНИК СТАБИЛИЗИРОВАННОГО НАПРЯЖЕНИЯ ДЛЯ ПИТАНИЯ РЕЛЬСОВЫХ ЦЕПЕЙ
На сети дорог стран СНГ всё более широкое применение находят тональные рельсовые цепи (ТРЦ). Опыт эксплуатации подтверждает их преимущества перед низкочастотными цепями. Наряду с этим, некоторые
