Использование нетрадиционных методов обработки данных в целях управления перевозками на железнодорожном транспорте

Размещено на http://www.allbest.ru/

68

Использование нетрадиционных методов обработки данных в целях управления перевозками на железнодорожном транспорте

Эффективность национальной экономики, устойчивый экономический рост традиционно определяются качеством функционирования транспортной системы.

Железнодорожный транспорт является основой транспортной системы и оказывает формирующее воздействие на инфраструктуру экономики в целом. Рост производства промышленной продукции предприятий, развитие регионов, развитие малого и среднего предпринимательства оказывают существенное влияние на увеличение объемов перевозок пассажиров и грузов.

Другая, не менее важная особенность работы железных дорог связана с активным ростом внешнеэкономических связей.

Большие расстояния транспортировки, сравнительно дешевые тарифы на перевозку грузов делают железнодорожный транспорт наиболее востребованным со стороны потребителей.

В этих условиях народнохозяйственные интересы требуют от железнодорожного транспорта повышения уровня надежности и безопасности перевозок, повышения доходности и качества обслуживания, ускорения срока доставки грузов и пассажиров. Все эти требования предполагают решение задач оптимизации организационно-технических характеристик системы управления перевозками. Наиболее эффективной организацией управления перевозками является создание успешно функционирующих в настоящее время автоматизированных центров управления перевозками (АЦУП).

Целью создания и функционирования АЦУП является эффективное управление перевозочным процессом на основе достижений информационных технологий и использования современных спутниковых систем связи. АЦУП обеспечивает организационное, методологическое, технологическое и техническое единство системы управления перевозочным процессом и предназначено для реализации автоматизированной технологии оперативно-диспетчерского руководства (планирование, контроль, анализ поездной и грузовой работы дороги и т.д.).

Информационная система АЦУП представляет собой информационную систему с распределением задач и информационных баз между всеми уровнями схемы.

Обмен информационными потоками между нижним и средним уровнями осуществляется с помощью цифровой системы передачи данных на базе протоколов семейства TCP/IP, а между средним уровнем и верхним (головной ИВЦ) - с помощью спутниковых каналов связи.

Задачи, решаемые АЦУП, выполняются с помощью разработанных и внедряемых во все отделения железной дороги автоматизированных систем, таких как:

1. Автоматизированная система управления работой станции (АСУ Станции).

2. Микропроцессорная автоматизированная система диспетчерского контроля (МП АСДК).

АСУ Станции представляет собой совокупность взаимосвязанных рабочих мест (АРМ), построенных на единой нормативно-справочной и переменной информации, взаимосвязанных как в техническом, так и в информационном отношении между собой и с АСУ - взаимодействующих уровней.

Система реализована на основе идеологии «клиент-сервер», которая предполагает размещение функциональной части АРМа на сервере, в то время как клиентская часть занимается формированием изображений текущего состояния базы данных.

МП АСДК предназначена для контроля и управления ходом перевозочного процесса с автоматизированных рабочих мест диспетчерского аппарата.

Использование данных автоматизированных систем позволяет создать единую информационную базу по участку и обеспечить автоматизацию выполнения ряда производственных операций, предусмотренных технологическим процессом работы станции, на основе оснащения станций и всех причастных к перевозочному процессу рабочих мест современными техническими средствами АСУ на базе ПЭВМ и сетей связи.

Однако, необходимая для передачи в верхний уровень АЦУП (ГИВЦ) информация, связанная с движением поездов и составов (полное поездное положение, график движения, информационные справки о поездах и т.д.) формируется только на станциях по прибытии составов, в то время, как движение поездов на участках железных дорог между станциями оказывается в не действия АЦУП. Информация о движении поездов на этих участках в реальном темпе времени не доступна не только ГИВЦ, но и станциям.

Вместе с тем, знание графика движения поездов между станциями позволяет контролировать весь перевозочный процесс от пункта отправки до пункта назначения. Измерение параметров движения транспортных средств (скорость, координаты, расстояние до светофора, расстояние до впереди идущего состава и др.) и передача их в реальном темпе времени по каналам спутниковой связи в ГИВЦ или ИВЦ станции позволит точно определять местонахождение поездов в любой момент времени и при необходимости передавать поездам управляющие сигналы. Таким образом, появляется возможность оперативного влияния на график движения поездов на всем пути следования.

Необходимо учитывать еще один немаловажный аспект. Тепловозы представляют собой огромный энергетический агрегат, внутри которого при движении происходят очень сложные процессы - горения, тепло- и массообмена, охлаждения и т.д., которые существенно влияют на движение поездов по трассе. Вопрос контроля параметров двигательных установок транспортных средств таких, как температура внутри камеры сгорания и в тормозных цилиндрах, давление воздуха в главном и уравнительном резервуарах, давление масла в секциях, расход топлива, масла и воды и многих других параметров является чрезвычайно актуальным. Знание этих параметров в реальном темпе времени обеспечивает не только соблюдение и коррекцию графика движения поездов, но и обеспечивает как экономичность, так и безопасность движения. В настоящее время такой контроль осуществляется только машинистом путем визуального осмотра приборной панели. Однако такой контроль не обеспечивает не только оперативности измерения, но, и оперативности реагирования на процессы, проходящие внутри энергетических установок. Последнее чрезвычайно важно в случае возникновения нештатных или аварийных ситуаций, особенно, если они повлекли за собой выход из строя приборной панели. В этом случае реальная картина внутри энергетических установок, обусловленная авариями или вызвавшая их, оказывается неизвестной. Это не дает возможности определить коррелированность процессов внутри энергетических установок с произошедшей нештатной ситуацией. Кроме того, не знание такой коррелированности не дает возможности не только анализа причин возникновения нештатных ситуаций, но, что более существенно, оперативного вмешательства с целью не допущения их. Получение оперативных данных дает возможность быстрого реагирования путем формирования и передачи соответствующих сигналов управления. Например, увеличение по неизвестной причине температуры внутри камеры сгорания двигателя может привести к возгоранию двигательной установки с непредсказуемыми последствиями для всего поездного состава. Измерение температуры с помощью специального микропроцессорного модуля в реальном темпе времени позволяет вовремя сформировать управляющие воздействия на двигательную установку и предотвратить воспламенение. А оперативная передача этой информации по спутниковым каналам связи в ГИВЦ (или региональный ИВЦ) позволит, во-первых, по «горячим следам» проанализировать нештатную ситуацию, а во-вторых, пополнить банк данных нештатных ситуаций, а в-третьих, что немаловажно, сформировать резервный управляющий сигнал на случай отказа основного. Таким образом, измерение физических параметров энергетических установок и передача их в реальном темпе времени в ГИВЦ позволит не только оперативно контролировать весь перевозочный процесс, но и даст возможность анализа и предотвращения нештатных ситуаций.

Из выше сказанного можно сделать очевидный вывод о необходимости оснащения поездов и составов специальной микропроцессорной системой сбора, обработки и передачи по каналам спутниковой связи в ГИВЦ информации о движении и параметрах физических процессов, происходящих внутри энергетических установок, на всем пути следования поездов от пункта отправления до пункта назначения. Предполагается, что такая система (или модуль), интегрированная в АЦУП, будет функционировать в виде специализированного АРМа, на который возлагается решение следующих задач:

- ведение графика движения поездов на участках между станциями;

- измерение скорости движения поездов;

- определение расстояний до светофоров;

- определение расстояний до впереди и позади движущихся составов;

- точное определение местоположения состава в каждый момент времени;

- формирование сообщений для ГИВЦ о проследовании определенных участков пути;

- измерение физических параметров двигательной установки;

- измерение электрических параметров электроцепей (напряжение, токи, заряд аккумуляторных батарей и др.).

Измеряемые микропроцессорной системой параметры часто представляют собой нестационарный широкополосный случайный процесс вида Y(t)=F(t)+G(t)X(t), где Y(t) - измеряемый процесс, F(t) - его нестационарное среднее, G(t) - нестационарная дисперсия, X(t) - стационарный случайный процесс.

При обработке процессов такого вида необходимо учитывать, что широкополосные нестационарные случайные процессы, как правило, характеризуются априорной неизвестностью вероятностных характеристик и представлены единственной реализацией при большом объеме измеряемых данных. Эти обстоятельства исключают возможность применения методов оптимальной фильтрации и параметрических методов оценки вероятностных характеристик (например, методы максимального правдоподобия).

Устранение указанных проблем возможно при использовании методов необратимого сжатия данных (НСД), которое заключается в разделении исходного случайного процесса на нестационарную составляющую (тренд) и стационарный случайный процесс. При этом происходит аппроксимация тренда заранее определенным полиномом и оценка вероятностных характеристик стационарного случайного процесса (дисперсии, функции распределения, корреляционной функции).

Необратимое сжатие данных возможно с использованием непараметрических методов теории решений [1, 2], что в условиях априорной неизвестности о виде функции распределения случайного процесса является единственно возможным для целей НСД.

Рассмотрим алгоритм выделения нестационарной компоненты при помощи статистики Кендалла, являющейся более мощной среди других непараметрических статистик. Суть алгоритма заключается в разделении интервала наблюдения на интервалы стационарности, которые одновременно являются интервалами сжатия данных.

Метод основан на применении последовательной процедуры проверки статистической гипотезы о стационарности с вычислением текущих статистик Кендалла и допустимых границ К_min[i,1-б], K_max[i, б/2], с помощью которых временной ряд y(t) делится на конечное множество стационарных по среднему M [y(t)] интервалов времени, с некоторой наперед заданной вероятностью P=1-б. Алгоритм работает следующим образом.

автоматизированный двигательный тепловоз

По текущим отсчетам временного ряда формируется последовательность статистик Кендалла. Параллельно для заданного уровня значимости б формируются значения допустимых границ области стационарности. Границы интервалов стационарности определяются абсциссой n_iст, i=1,2,...I, соответствующей объему выборки данных измерений в точке пересечения К_i с допустимыми границами К_max , К_min с последующим сбросом как К_i , так и К_max и К_min для точки n _iст +1 в исходное состояние (К_i=К_max=К_min=0). Далее процесс переходит к вычислению статистики К_j , j=1,2,...J начиная с точки n_iст+1 и определяется длительность следующего интервала стационарности n_(i+1)ст в момент пересечения К_j с К_max или K_min и т.д. до определения последнего К-го интервала стационарности. Результатом применения указанной процедуры будет текущая последовательность n_kст интервалов стационарности разной длительности, на которых оценки средних значений с вероятностью P=1-б постоянны. Алгоритм позволяет одновременно решать задачу идентификации тренда на каждом участке квазистационарности (убывание или возрастание тренда на интервале, вогнутый, выпуклый или колебательный тренд и т.п.), что дает дополнительную информацию об измеряемом процессе не только на интервале квазистационарности, но и для всего ряда в целом.

Список использованной литературы

автоматизированный двигательный тепловоз

1.Тарасенко Ф. П. Непараметрическая статистика. - Томск: ТГУ, 1976.

2.Дейвид Г. Порядковые статистики. - М.: Наука, 1979.

Размещено на Allbest.ru