CC BY
22
УДК 621.3
СОВЕРШЕНСТВОВАНИЕ СИСТЕМЫ ПРИЦЕЛЬНОГО ТОРМОЖЕНИЯ ОТЦЕПОВ НА СОРТИРОВОЧНЫХ ГОРКАХ
© 2008 г. А.Н. Шабельников, В.Р. Одикадзе
Президент ОАО «РЖД» В.И. Якунин, комментируя перечень задач «Федеральной целевой программы модернизации транспортной системы России», отметил в качестве одной из важнейших задач ряда первоочередных инвестиционных проектов «создание системы сбора и обработки статистической информации по транспортному комплексу», что обеспечивается успешной информатизацией отрасли и развитием новых технологий, базирующихся на интеллектуализации механизмов и процедур моделирования, принятия решений и управления [1, 2].
Ростовским филиалом ВНИИАС в конкретной сфере - автоматизации сортировочных процессов -реализована указанная выше актуальная задача посредством создания системы мониторинга и контроля функционирования автоматизированных сортировочных горок [3]. Внедрение этой системы на ряде железнодорожных станций сетевого и регионального значения позволяет:
- реализовать статистический и интеллектуальный анализ показателей выполнения технологического процесса роспуска составов и отдельных его стадий;
- обеспечить интеллектуализацию принятия решений по управлению процессом роспуска составов [1];
- обеспечить развитие механизма отбора и систематизации экспертной информации о взаимодействии объекта и субъекта управления на основе инструментального анализа параметров последействия.
Одним из путей интеллектуализации управления технологическими процессами является разработка автоматов-советчиков для оперативно-диспетчерского персонала автоматизированных сортировочных станций. Ниже, на примере системы прицельного торможения отцепов на сортировочных горках, подробно исследуется процедура синтеза объекта управления в информативном признаковом пространстве, использующая эталонное эвристическое мышление и результаты анализа статистической информации. Исходя из принципов построения систем интеллектуального анализа и принятия решений реализованы моделирование развития технологического процесса, ситуационное прогнозирование, оценка состояния объектов мониторинга на основе синтеза их параметров, использован механизм отбора информативных признаков объекта управления, а также эталонное эвристическое мышление экспертов.
Для парковой тормозной позиции с известными характеристиками мощности и быстродействия замедлителей, а также стандартным профилем пути, при
управлении скоростью отцепов для реализации заданной скорости соударения в сортировочном парке необходимо учитывать следующие параметры: х1 - вес отцепа, 1/20 тонн; х2 - длина отцепа, вагонов; х3 -ходовые свойства, идентифицируемые по пятибальной оценке: 1 - очень плохой бегун, 2 - плохой бегун, 3 -средний бегун, 4 - хороший бегун, 5 - отличный бегун; х4 - расстояние до точки прицеливания, м.
Функция зависимости начальной расчётной скорости (Ур) отцепа весом х1, длиной х2, ходовыми свойствами х3, на участке длиной х4 принята в следующем виде:
Ур = а 1 х1 + а 2 х 2 + а 3 х 3 + а 4 х4 , (1)
где а 1, а 2, а 3, а 4 - весовые коэффициенты, не известные нам на начальном этапе исследований.
Как правило, при нахождении Ур обращаются к помощи эксперта, который, опираясь на свой многолетний опыт работы, исходя из полученных значений х1, х 2, х 3, х 4 может определить начальную скорость, с которой необходимо выпустить отцеп, чтобы обеспечить безопасное соударение вагонов в парке. Различные эксперты имеют разный опыт и этим обеспечивается настройка модели под конкретного специалиста, который в свою очередь также субъективен в своих оценках.
Принципы построения и функционирования микропроцессорных комплексов автоматизации технологических процессов, обеспечивающих их «интеллектуальное» функционирование, подробно описаны в [1, 2]. Здесь же дано описание методики адаптации моделей функционирования к конкретным условиям внешней среды по мере обучения человеко-машинного советчика и накопления систематической ошибки отклонения фактических параметров процесса от планируемых по модели, обусловленных нестационарностью и неоднордностью условий функционирования. Созданная в Ростовском филиале ВНИИАС и описанная в [3, 4] система мониторинга функционирования систем автоматизации железнодорожного транспорта позволяет усовершенствовать (объективизировать, обеспечить выбор оптимальных вариантов) процесс сбора необходимой для обучения советчика информации.
В процессе роспуска для различных отцепов параметры х1, х 2, х 3, х4 будут меняться, соответственно будет меняться и начальная скорость Ур. Тогда для К разных отцепов можно составить табл. 1.
Таблица 1
i Х1 х2 Х3 х4 эксп
1 1 1 5,0 810 3,42
2 1 2 4,0 30 1,50
3 1 3 5,0 217 2,81
4 2 1 5,0 362 2,50
5 2 1 5,0 462 2,81
6 2 2 4,5 199 1,97
7 2 3 4,0 420 2,25
8 3 1 4,5 646 2,63
9 3 2 4,0 780 2,84
10 3 3 4,0 300 1,97
11 4 1 4,0 300 1,69
12 4 1 5,0 512 2,47
13 4 2 4,5 190 1,72
14 4 3 4,5 75 1,50
15 5 1 4,5 270 1,66
16 5 2 5,0 106 1,50
17 5 3 5,0 420 2,31
18 6 1 4,5 300 1,69
19 6 2 5,0 255 1,66
20 6 3 4,5 346 1,70
dai
= 0.
«1 к Х)2 + «2 к ХХ +« к АА +а4 к х;х; = к КркХ!к;
к=20 к=20 к=20 к=20 к=20
«1 к Х3** +Я2 к Х)2 + «3 к Х^Хзк +«4 к ХкХк = £ ^;
к=20 к=20 к=20 к=20 к=20
«1 к Х1 х +«2 к Х2 Х3 + «3 к (хЗ ) +«4 к ^З Х4 = к у ^З ;
к=20 к=20 к=20 к=20 к=20
«1 к — +я2 к ХкХк4 +« к Х^ + «4 к (Х4 )2 = к Ур*4 ■
к=20 к=20 к=20 к=20 к=20
Решая данную систему линейных алгебраических уравнений, найдем точку, в которой производная принимает минимальное значение. При этом нет необходимости проверять полученную критическую точку на наличие экстремума, так как функция имеет параболический вид с ветвями, обращенными в область положительных значений.
и v:
В нашем случае К = 1. Задача вычисления Vp в каждом конкретном случае осуществляется по формуле
Vpk = a1x1k + a 2 х 2 + a 3 x 3 + a 4 x 4 ,
где Vpk - начальная расчётная скорость отцепа, определенная экспертом; х[ - вес K-го отцепа; хК - длина К-го отцепа в вагонах; х3 - ходовые свойства К-го отцепа; х 4 - длина участка свободного пробега К-го отцепа до соударения с накапливаемым составом; a 1, a 2, a 3, a 4 - весовые коэффициенты, отражающие
неучтенные дополнительные параметры.
При полном доверии к мнению эксперта для определения весовых коэффициентов необходимо минимизировать сумму квадратов отклонений результатов вычислений от значений, выданных экспертом, т.е. минимизировать следующий критерий:
minё2 = min £ (Vpk -(a^f + a2хk2 + a3хf + a4х4))2.(2)
k=20
Данный критерий есть квадратичная функция неизвестных параметров a. Найдем их из условия:
После подстановки значений х; , х2 , х3 , х4
из табл. 1, получим:
293« +132«2 + 317«3 + 22815«4 = 136; 132« + 86«2 + 172,5«3 + 12116я4 = 79; 317«! + 172,5«2 + 421,5«3 + 32157«4 =196; 22815« +12116«2 + 32157« + 3309440«4 =16772.
Решение данной системы линейных алгебраических уравнений дает значения весовых коэффициентов: а1 = -0,161; а2 = 0,0063; а3 = 0,413; а4 = 0,0019. Теперь формула вычисления Ур принимает вид:
Ур; =-0,161хЗ +0,0063хЗ + 0,413х3; +0,0019хк4 .
Для оценки правильности выбора типа функции подставляем в формулу параметры х;, х2, хк;, х\ из табл. 1 для определения Урк и получаем табл. 2.
Таблица 2
Сделав подстановку, получим Э'ё2 20
—=2 к (урЗ -«1х1к -«2 х; - « 3 х 3; - « 4 х;)(-хк)=0. д« ;=1
Взяв производные по каждому «, будем иметь систему линейных алгебраических уравнений:
K Х1 х2 Х3 Х4 V>
1 1 1 5,0 810 3,53
2 1 2 4,0 30 1,68
3 1 3 5,0 217 2,51
4 2 1 5,0 362 2,51
5 2 1 5,0 462 2,70
6 2 2 4,5 199 2,05
7 2 3 4,0 420 2,33
8 3 1 4,5 646 2,69
9 3 2 4,0 780 2,80
10 3 3 4,0 300 1,94
11 4 1 4,0 300 1,65
12 4 1 5,0 512 2,47
13 4 2 4,5 190 1,71
14 4 3 4,5 75 1,55
15 5 1 4,5 270 1,64
16 5 2 5,0 106 1,59
17 5 3 5,0 420 2,26
18 6 1 4,5 300 1,54
19 6 2 5,0 255 1,72
20 6 3 4,5 346 1,75
Определим погрешность вычисления Ур по формуле:
1 эксп)2 . (3)
\кк =20
После подстановки значений Урк эксп и Урк получим Е= 0,102, что составляет 5 % от среднего значения Урк эксп, взятого из табл. 1.
Проведя сравнительный анализ табл. 1 и 2, увидим, что при К = 3 значения Ур3 эксп и Ур3 отличаются
более чем на 10 %. Расчёт по формуле дал более низкое значение скорости выхода порожнего отцепа длиной 3 вагона при отличных ходовых параметрах на длину пробега 217 м, чем эксперт - 2,51 м/с против 2,81 м/с. Принимая во внимание вес тары отцепа из трех порожних вагонов - 20-3 = 60 т, фиксируем возможную ошибку эксперта в данном конкретном случае. При повторном опросе эксперта вносим исправления в табл. 1, изменив для К3 Ур3 эксп на 2,4 м/с. Проведя повторно вычисления, получим формулу
Урк =-0,137хк +0,04хк +0,393хк +0,00202х4к.
Теперь е =0,063, что составляет 3 % от среднего значения Урк эксп, определенного по табл. 1. Это вполне приемлемо для практического использования.
Таким образом, мы обеспечили исходную настройку параметров модуля расчёта скоростей выхода отцепов из тормозных позиций. Для осуществления последующей адаптации к меняющимся условиям внешней среды роспуска - погода, профиль и т.п., необходим механизм оценки результатов накопления вагонов на путях сортировочного парка и мера необходимой степени подстройки математического аппарата для обеспечения соответствия весовых коэффициентов а1, а 2, а 3, а 4 реальным условиям роспуска.
Критерием оценки качества работы сортировочной горки является коэффициент заполнения путей сортировочного парка, рассчитанный по результатам роспуска состава. Этот коэффициент для каждого пути сортировочного парка рассчитывается по формуле: Кзап = £ваг/£зан , где £ваг - длина пути, занятая вагонами без учёта межвагонных промежутков; ¿зан - длина пути, занятая вагонами с учётом межвагонных промежутков.
Качество заполнения путей сортировочного парка определено в техническом задании на системы автоматизации управления прицельным торможением и равно 3 м на один условный вагон - 14,5 м:
При значительных отклонениях начальных скоростей отцепов от требуемых в изменившихся внешних условиях роспуска мы будем наблюдать отклонение коэффициента заполнения путей от заданного. При этом от роспуска к роспуску значения не должны изменяться более чем на 0,1.
Для обеспечения необходимого диапазона погрешности Кзап выберем среднюю точку в диапазоне от 0,8 до 1 - 0,9 и будем после каждого роспуска определять и контролировать коэффициент заполнения по каждому пути сортировочного парка.
При превышении данного значения необходимо уточнять исходные данные для построения системы линейных алгебраических уравнений, решая которую, получим новые весовые коэффициенты а1, а2, а3, а4, соответствующие изменившимся условиям роспуска.
Обучение советчика осуществляется отдельно по каждому пути сортировочного парка с учётом свободного пробега отцепа до соударения во всём диапазоне длины. Обучающая выборка параметров должна постоянно пополняться в процессе роспуска составов. При этом длина выборки не меняется, а необходимое число устаревших по времени параметров при пополнении удаляется. Таким образом, обеспечивается постоянная готовность выборки к обучению.
Разработанная методика построения дискрими-нантной функции позволила осуществить обратную связь процесса обучения оператора-эксперта при задании значений признака х3, т.е. при определении ходовых свойств отцепов. Оператор этот параметр определяет весьма приблизительно и зачастую эмоционально, что часто приводит к оценкам, далеким от истинных.
В результате проведенного исследования удалось установить фактическое различие понятия «весовая категория отцепа» для процесса моделирования движения отцепа - расчёта скорости выхода из тормозных позиций и процесса регулирования скорости отцепа - торможения в вагонных замедлителях. Действительно, при скатывании, например, 3-вагонного отцепа с порожними вагонами, имеющими общий вес тары около 60 т, его инерционные свойства тождественны одновагонному груженому отцепу. При торможении важно иное - каждый вагон тормозится как порожний.
Рассмотренная выше технология допускает дальнейшие усовершенствования за счёт выбора вида дискриминантной функции (1), вида критерия оценки параметров модели (2) и вида критерия оценки эффективности разработанного советчика (3).
Литература
1. Шабельников А.Н. Интеллектуальные системы управления на железнодорожном транспорте: Монография. Ростов н/Д., 2004.
2. Шабельников А.Н., Одикадзе В.Р. Разработка систем интеллектуального принятия решений на железнодорожном транспорте // Нечеткие системы и мягкие вычисления: Сб. тр. науч. конф. Тверь, 2006.
3. Одикадзе В.Р. Многоуровневый мониторинг и контроль функционирования системы автоматизации сортировочной горки // Вестн. РГУПСа. 2007. № 4. С. 21-26.
4. Одикадзе В.Р., Родионов Д.В. Средства мониторинга и контроля функционирования автоматизированной сортировочной горки // Автоматика, связь, информатика. 2007. № 11. С. 23-26.
23 января 2008 г.
Ростовский филиал Всероссийского НИИ автоматизации и связи (РостФВНИИАС)
