Содержание к диссертации
Введение
Глава 1. Состояние проблемы автоматизации и информатизации процессов управления перевозками 18
1.1. Уровни автоматизации перевозочного процесса и постановка задачи создания интегрированной информационно-управляющей системы СС ... 18
1.2. Роль и место подсистем информатизации в структуре управления СС 26
1.3. Особенности технологического процесса расформирования-формирования поездов и концепция построения ИУС СС 33
1.4. Единая информационная среда- основа построения интеллектуальной ИУССС 39
1.5. Эксплуатационно-технические требования к интегрированной ИУС СС 47
1.6. Постановка задач интеллектуальной поддержки процессов принятия решений и методология создания ИУС СС 54
1.7. Выводы по главе 71
Глава 2. Развитие идеологии управления сложными динамическими процессами на СС 74
2.1. Общая методика управления 74
2.2. Алгоритм эталонного управления нестационарными, динамическими объектами железнодорожного транспорта 83
2.3. Математическое обеспечение разрабатываемых методов 88
2.3.1. Отбор информативных признаков 88
2.3.2. Формализация и развитие понятия расстояния между объектами, алгоритмами и решениями 97
2.4. Совершенствование деятельности отрасли на основе внедрения информационных технологий 109
2.5. Выводы по главе 124
Глава 3. Моделирование сложных транспортных процессов 126
3.1. Развитие понятийного аппарата моделирования сложных технологических процессов на железнодорожном транспорте 126
3.2. Некорректные математические задачи на железнодорожном транспорте 145
3.2.1. Проблемы использования математических моделей в задачах автоматизации технологических процессов 146
3.2.2. Методы решения некорректных задач 165
3.3. Выводы по главе 174
Глава 4. Теория нечетких множеств - теоретическая основа использования экспертной информации 177
4.1. Роль и место теории нечетких множеств в системах управления железнодорожным транспортом 178
4.2. Сравнительный анализ операций над нечеткими множествами и их применение 185
4.3. Принятие решений в условиях неопределенности 194
4.3.1. Решение многокритериальных задач 195
4.3.2. Выбор решения по минимуму риска 197
4.4. Идентификация функций принадлежности нечетких множеств 201
4.5. Выводы по главе 215
Глава 5. Автоматизация экспертной поддержки принятия решений в ИУС на основе гибридных интеллектуальных моделей динамического типа 217
5.1. Пространственно-временная модель представления динамической информации 219
5.2. Нейро-нечеткие классификационные модели и их интеграция в исполнительные уровни ИУС . 234
5.3. Нечеткие композиционно-динамические модели поддержки принятия решений при управлении вагонными замедлителями 253
5.4. Разработка механизма моделирования и управления выводом в базе знаний ИУС на основе дискретно-непрерывной динамической системы
266
5.5. Выводы по главе 280
Список использованной литературы 282
Заключение 303
Приложения 306
- Уровни автоматизации перевозочного процесса и постановка задачи создания интегрированной информационно-управляющей системы СС
- Алгоритм эталонного управления нестационарными, динамическими объектами железнодорожного транспорта
- Развитие понятийного аппарата моделирования сложных технологических процессов на железнодорожном транспорте
- Роль и место теории нечетких множеств в системах управления железнодорожным транспортом
Введение к работе
Актуальность темы. Переход российской экономики на новые схемы хозяйствования выдвинул ряд важных взаимоувязанных проблем, требующих пересмотра управленческой парадигмы во всех звеньях существующих автоматизированных системах управления технологическими процессами (АСУ ТП).
В феврале 1996 года Коллегия МПС России одобрила разработанную отраслевой наукой «Концепцию информатизации железнодорожного транспорта России на 1996-2005 гг.» и утвердила «Программу информатизации железнодорожного транспорта России на 1996-2005 гг.» (Программа 1996)1.
Концепция установила, что «существующий уровень информатизации не в состоянии обеспечить решение задач, стоящих перед отраслью в новых условиях функционирования» («проведение рыночных экономических реформ в России и разделение железнодорожной сети между странами СНГ»).
Был сделан правильный принципиальный вывод о необходимости ориентации «на создание новых информационных технологий».
При этом, 83% из 10 млрд. руб, выделенных Программой 1996 средств (в деноминированных рублях при курсе доллара США около 5 руб.) было предусмотрено на сети связи и «обеспечивающий уровень информатизации».
Дальнейшее развитие событий показало ошибочность указанного подхода - выделенные около 1 млрд. долларов на сеть связи и 650 млн. долларов на инфраструктуру информатизации и системное программное обеспечение были успешно освоены в 1999-2003 гг.: создана мощная сеть связи и в сотни раз выросли мощности вычислительных центров.
Программа информатизации железнодорожного транспорта России на 1996-2005 гг. (Программа 1996)
Но ожидаемого эффекта от инвестиций получить не удалось, так как в части технологического и прикладного программного обеспечения была выполнена только часть задач, в основном в области управления перевозками.
Новая схема управления информатизацией в ОАО «РЖД», принятая 17.10.2004 г., учитывает указанную ошибку2.
В соответствии с внедряемым проектным подходом становится невозможным вложение средств в развитие инфраструктуры информатизации без внедрения новых технологий управления, так как все проекты планируются от цели - новой технологии. Все обеспечивающие работы и модернизация технических средств выполняются по мере необходимости только как подпроекты указанных проектов.
В свое время идея всеобщей автоматизации народного хозяйства страны оказалась преждевременной и не обеспеченной. Возникли разрозненные, отличающиеся идеологией, технической базой, недостаточно согласованные между собой АСУ отраслей и отдельных производств. Вместе с тем общим недостатком всех существующих АСУ также является их узкая информационная направленность. Управляющая составляющая потребовала своего развития. Последние десять лет характеризуются революционным развитием технических средств, и техническая основа многих АСУ ТП значительно устарела. Новые технические средства открывают дополнительные возможности для развития методов теории управления сложными объектами. Лицо, принимающее решение (ЛПР), в современных АСУ ТП сохраняет свое доминирующее положение, и это связано с его способностью использовать нечеткие схемы принятия решений, более адекватно отражающие суть современных объектов управления.
Программа информатизации железнодорожного транспорта России на 2005-2007 гг., утв. 17 ноября 2004 г.
Не единственным, но наиболее характерным в этом смысле и потому подробно исследуемым в работе является сложный процесс расформирования - формирования поездов на сортировочных горках (СГ) железнодорожных сортировочных станций.
Распад централизованной системы управления перевозками не был обеспечен отработанным механизмом взаимодействия отдельных, получивших большую самостоятельность ее элементов. Существующие устройства и технологические структуры управления за период кризиса технически и морально устарели. Изменились не только условия хозяйствования, но и свойства самих объектов управления. В данной работе - это структура и параметры вагонопотоков, состав грузов, требования потребителей услуг железнодорожного транспорта и др. Важнейшими задачами совершенствования систем автоматического управления являются их интенсификация, повышение точности функционирования и безопасности. Их решение позволит снять ряд новых технологических и технических проблем. Это, в свою очередь, вызывает необходимость развития методов теории управления сложными объектами.
Успешность разработки этих методов зависит от адекватности выявленных закономерностей транспортных процессов и транспортных логистических систем, что повышает актуальность исследования общетеоретических методов идентификации состояния и динамики сложных динамических объектов, планирования, организации и управления ими.
Оператор на СГ является основным источником управляющих решений. Это связано со слабой формализуемостью процессов скатывания отцепов с горки, что вызывает необходимость использования нечетких алгоритмов и схем принятия решений. Последнее, указанное замечание в полной мере относится и к другим транспортным человеко-машинным комплексам (например, системы диспетчерской централизации).
Таким образом, в рамках данной работы актуальными являются следующие задачи:
развитие методов теории управления сложными динамическими процессами, функционирующими в условиях неопределенности исходных данных и дефицита времени на принятие и реализацию оптимальных решений, ограниченного объема информации, характеризуемого неопределенностью и зашумленностью (на примере системы горочной автоматизации);
разработка методов и алгоритмов формализации противоречивых критериев функционирования систем управления; . разработка методов идентификации нечетких состояний объектов управления в ситуационных моделях принятия решений; развитие адаптивных методов управления сложными объектами в условиях нечеткости исходной информации. Они соответствуют перечню подпрограмм, принятых Программой информатизации на 2005-2007 гг.: управление сбытом грузовых перевозок; управление сбытом и организацией пассажирских перевозок; управление перевозочным процессом; оптимизация управления содержанием инфраструктуры и подвижного состава; организация эффективного бюджетирования, бухгалтерский и налоговый учет, оптимизация управления финансовыми, трудовыми и материальными ресурсами; стратегическое развитие и системное управление инвестициями и инновациями; унификация и интеграция автоматизированных систем.
Наиболее существенные результаты в области методологии и технологии управления транспортными системами получены Барановым Л.А., Буяновым В.А., Грунтовым П.С., Иванченко В.Н., Мухой Ю.А., Павловым В.Е., Ратиным Г.С., Сотниковым Е.А., Фонаревым Н.М., Шелухиным В.И., Шилейко А.В. и др.
Значительный вклад в создание и развитие теории и практики средств железнодорожной автоматики внесли известные ученые: Бочков К.А., Брылеев A.M., Ефимов В.Е., Дмитриенко И.Е., Кравцов Ю.А., Лисенков В.М., Кокурин И.М., Косилов Р.А., Переборов А.С., Дудниченко A.M., Шафит Е.М. и др.
Значительный вклад в теорию и практику управления сложными динамическими объектами с использованием методологии искусственного интеллекта внесли ученые: Аверкин А.Н., Берштейн Л.С, Вагин В.Н., Емельянов В.В., Еремеев А.Г., Карелин В.П., Ковалев СМ., Курейчик В.М., Мелихов А.Н., Поспелов Д.А., Попов Э.В., Осипов Г.С, Фоминых И.Б., Хорошевский В.Ф. и др.
Значительный вклад в решение задач автоматизации управления перевозочным процессом, обеспечения безопасности движения поездов с помощью средств автоматики, телемеханики и связи внесли известные ученые: В.М. Алексеев, В.М. Абрамов, И.В. Беляков, П.Ф. Бестемьянов, М.Н. Василенко, Г.В. Горелов, Д.В. Гавзов, Е.В. Ерофеев, Н.Ф. Котляренко, Б.Д. Никифоров, Н.Ф. Пенкин, Е.Н. Розенберг, Д.В. Шалягин, В.И. Шаманов, И.Б. Шубинский, А.А. Явна.
Решению важных теоретических и практических вопросов создания современной технологии управления, исследования и моделирования сложных объектов и процессов анализа и синтеза устройств автоматики и телемеханики, разработки микропроцессорных систем, их программного обеспечения и диагностики, формирования технической политики и стратегии дальнейшего развития АСУЖТ, начиная с 1980 г. посвящены работы Апатцева В.И., Аркатова С.С, Бардинова Л.А., Буянова В.А., Гуды А.Н., Дмитриенко И.Е., Долгого М.Д., Иванченко В.Н., Карпухина В.Б., Ковалева СМ., Кравцова Ю.А., Лецкого Е.К., Лисенкова В.М., Лябаха Н.Н., Павлова В.Е., Сапожникова В.В., Сапожникова Вл.В., Сотникова Е.А.,
Тишкина Е.М., Тулупова Л.П., Шелухина В.И., Шилейко А.В. и других ученых.
Организация эксплуатационной работы на транспорте, нашедшая свое отражение в диссертационном исследовании, рассмотренной в трудах Алексеева В.М., Серебрякова А.С., Синицина С.А., Тишкина Е.М.
Приведённые выше рассуждения позволяют сформулировать цель диссертационного исследования: Разработка теории, методологии и инструментария синтеза систем интеллектуального управления сложными транспортными процессами.
В свою очередь, цель диссертационной работы определяет объект и предмет исследования.
Объект исследования: транспортные системы и комплексы, транспортные процессы (на примере сортировки составов на станции).
Исследуемые объекты определены четвертым пунктом специальности 05.13.06: теоретические основы и методы математического моделирования организационно-технологических систем и комплексов, функциональных задач и объектов управления и их алгоритмизация.
Предмет исследования: методы анализа и синтеза моделей и систем интеллектуального управления процессами перевозок.
В содержательном плане проведенные исследования соответствуют следующим пунктам паспорта специальности 05.13.06:
3. Методология, научные основы и формализованные методы
построения автоматизированных систем управления
технологическими процессами (АСУТП) и производствами (АСУП), а также технической подготовкой производства (АСТПП) и т.д. 8. Формализованные методы анализа, синтеза, исследования и оптимизация модульных структур систем сбора и обработки данных в АСУТП, АСУП, АСТПП и др.
9. Методы эффективной организации и ведения специализированного
информационного и программного обеспечения АСУТП, АСУП,
АСТПП и др., включая базы и банки данных и методы их
оптимизации.
Концепция диссертационного исследования состоит в обосновании
необходимости интеллектуализации функционирования автоматизированных
систем на транспорте, систематизации существующих разрозненных
исследований по данной тематике, адаптации теории интеллектуализации и
накопленного опыта в иных сферах к совершенствованию транспортных
комплексов.
Таким образом, задачами исследования являются:
Анализ состояния и динамики развития транспортных систем, процессов управления перевозками, (обоснование необходимости интеллектуализации).
Развитие теории синтеза (методов и механизмов планирования, организации и управления транспортными потоками, совершенствование технологии сортировочных процессов) интеллектуальных систем на транспорте.
Разработка комплекса моделей, позволяющих адекватно представить:
а) сложные (динамические, нелинейные, нестационарные,
стохастические) технологические процессы на транспорте;
б) процессы принятия решений в условиях шумов данных, высокой
степени неопределенности, размытости и нестационарности.
Разработка инструментария и программного обеспечения предложенных подходов и методов.
Внедрение результатов исследований в практику управления сортировочными процессами на станции, НИР и учебный процесс.
Научная новизна исследования.
На основе системного анализа процесса расформирования-формирования поездов установлена необходимость создания интегрированной ИУС СС с интелллектуальной поддержкой принятия решений. Такая система предусматривает интеграцию и взаимодействие вновь создаваемых подсистем информатизации (ПИ) всех парков, ПУ СГ (КГМ ПК), АСУ СС, АРМов дежурного и диспетчерского персонала.
Предложена организационно-технологическая структура ИУС СС, определены место и роль каждой в отдельности ПИ. Сформулированы эксплуатационно-технические требования к интегрированной ИУС СС.
Принципиально важным и новым в структуре ИУС СС является наличие БЗ и ее интеграция с БД. В основу создания БЗ положена разработка целого ряда моделей, использующих пространственные, временные, причинно-следственные и др. отношения между «понятиями» предметной (исследуемой) области.
Предложена модельная конструкция синтеза управления, опирающаяся на представлении объекта автоматизации в информативном признаковом пространстве и использующая эталонное эвристическое управление. Разработан механизм построения модельного признакового пространства за счет отбора информативных признаков и расчета адекватной цели исследования меры близости.
Обоснован переход от базового математического аппарата устройств СЦБ - теории логики к теории нечетких множеств -основы интеллектуализации систем управления на транспорте, которая развита в следующих направлениях:
а) операции над нечеткими множествами адаптированы к процедурам
принятия решений на транспорте;
б) разработаны механизмы идентификации многомерных функций
принадлежности нечетких множеств, учитывающих полный
перечень факторов, влияющих на исследуемые транспортные
процессы.
Усовершенствован алгоритм идентификации сложных транспортных процессов за счет учета гипотетически возможных сигналов и введения имитации сценариев развития. Развит механизм выявления экспертной информации о функционировании транспортных систем и принятии ответственных решений опытным оператором.
Введено понятие меры близости между алгоритмами, моделями, решениями, используемыми при автоматизации транспортных процессов. Развит инструментарий расчета меры по статистическим и гипотетическим данным.
Дан анализ применимости методов регуляризации вычислительных задач, автоматизации технологических процессов на транспорте. Обоснован выбор методов решения конкретных некорректных вычислительных задач, обеспечивающих адекватный анализ и планирование транспортных потоков. Разработана универсальная технология моделирования сложных динамических транспортных процессов, использующая опыт и логику мышления эксперта-оператора, и опирающаяся на инструментальные средства теории искусственного интеллекта.
Обоснован выбор и адаптированы методы решения многокритериальных задач автоматизации управления транспортными процессами.
Для исследуемого в диссертации класса гибридных интеллектуальных систем динамического типа разработана формальная модель представления динамической информации, основанная на системе пространственно- временных отношений.
Разработан новый класс гибридных нейро-нечетких моделей в качестве средств интеграции технологических экспертных знаний в нижние исполнительные уровни ИУС.
Разработаны алгоритм и программно-математическое обеспечение задачи управления скатыванием отцепов с горки, учитывающие все разнообразие пространственно-временных и причинно-следственных отношений объектов соответствующего процесса управления. На примере задачи управления вагонными замедлителями предложен новый класс нечетких композиционно-динамических моделей, предназначенных для автоматизации экспертной поддержки принятия решений в ИС динамического типа. Решение данной задачи иллюстрирует применение интеллектуальных технологий на железнодорожном транспорте.
Методологической и теоретической основой диссертационного исследования явились труды отечественных и зарубежных учёных по проблеме, информационные материалы научно-исследовательских отчетов учебных и научных подразделений МПС России, нормативные и законодательные акты, регламентирующие деятельность транспортных систем страны (в частности Материалы к заседанию правления ОАО «РЖД», утвержденные 17 ноября 2004 года по программе информатизации на 2005-2007 годы).
Информационно-эмпирической базой исследования послужили статистические и экспертные данные о функционировании различных исследуемых подсистем: СС в целом, ПП, ПФ, ПО и другие.
Теоретическая и практическая значимость диссертационного исследования состоит в том, что его основные методологические и методические выводы, инструментарий можно использовать как для теоретического анализа и оценки качества функционирования автоматизированных систем управления на транспорте, так и эффективного управления ими.
Результаты исследования используются при чтении различных курсов на кафедрах «Информатика», «Автоматика и телемеханика на ж.д. транспорте», ВТ АСУ Ростовского государственного университета путей сообщения.
Апробация работы и публикация материалов.
Результаты работы докладывались на заседаниях кафедр «Информатика», ВТ АСУ, Автоматика и телемеханика на ж.д. транспорте» РГУ ПС, объединенном заседании кафедр соответствующего профиля (интеллектуального) ТРТУ, «Исследование систем управления» Майкопского государственного технологического университета, на международной научно-практической конференции «Компьютерные технологии: геометрическое моделирование и виртуальная реальность», г. Таганрог, 1999 г., на конференциях «САПР-1999», «САПР-2000», «САПР-2001», «САПР-2002», «САПР-2003», «САПР-2004», «САПР-2005» г. Дивноморск, на IV Всероссийском симпозиуме «Математическое моделирование и компьютерные технологии», г. Кисловодск, 2000 г., на III Международной научно-технической конференции «Новые технологии управления движением технических объектов» г. Новочеркасск, 2000 г., на научно-теоретической конференции профессорско-преподавательского состава «Транспорт-2001» г. Ростов н/Д, 2001 г., на IV Международной научно-технической конференции «Новые технологии управления движением технических объектов» г. Новочеркасск, 2001 г., на конференции «Инфотранс-2001», г. Сочи, 2001г., на 4-й Международной конференции «Научно-технические проблемы прогнозирования надежности и
16 долговечности конструкций и методы их решения», г. С-Петербург, 2001г., на первой ведомственной конференции «Проблемы обеспечения информационной безопасности на федеральном железнодорожном транспорте», г. С-Петербург, 2001г., на X Международной конференции «Математика. Экономика. Образование» г. Ростов н/Д, 2002 г., на третьем Всероссийском симпозиуме по прикладной и промышленной математике, г. Москва, 2002 г., на научно-практической конференции «Безопасность движения на железнодорожном транспорте», г. Ростов н/Д, 2002 г., на 2-й межведомственной научно-практической конференции «ТелеКомТранс-2004», г. Сочи, 2004 г., на П-м и Ш-м Международном научно-практическом семинаре «Интегрированные модели и мягкие вычисления в искусственном интеллекте», г. Москва, 2003 г., г. Коломна, 2005 г.
Важным аспектом апробации материалов исследования является включение их в разрабатываемые системы КСАУ СП и КСАУ СС (см. Акт приемочной комиссии № Р/9449 от 01 октября 2003 года, рассмотревшей опытный образец комплексной системы автоматизированного управления сортировочным процессом КСАУ СП).
Разработка темы осуществлялась на основании Постановления коллегии № 23 от 25-26 декабря 2001 года.
Результаты научных исследований составляют содержательную основу гранта РФФИ, проект № 04-01-00277: «Развитие теории представления и обработки нечеткой информации и знаний, отражающих динамику процессов в слабо формализованных задачах принятия решений».
Внедрение результатов исследования осуществлено на станциях Бекасово Московской железной дороги, Тайшет Восточно-Сибирской железной дороги, Инская Западно-Сибирской железной дороги, Красноярск Красноярской железной дороги.
По результатам исследований опубликовано 59 работ, из них 3 монографии, 34 работы в центральной печати, без соавторов - 17 публикаций. Общий объем авторских публикаций 38,2 п.л.
Структура работы. Диссертация имеет традиционную структуру. Она содержит введение, пять глав, состоящих из 23 параграфов, заключения, списка использованной литературы, содержащего 188 наименований и приложения. Общий объем работы 336 стр.
Уровни автоматизации перевозочного процесса и постановка задачи создания интегрированной информационно-управляющей системы СС
Международные конференции последних лет «Информационные технологии на железнодорожном транспорте» определили новую стратегию информатизации перевозочного процесса на железнодорожном транспорте3. Такая концепция предусматривает три уровня управления отраслью: центр управления перевозками (ЦУП); центры управления перевозками региональные (ЦУПР) и опорные центры (ОЦ) линейного уровня.
Решающую роль в такой трехуровневой структуре выполняют ОЦ, где непосредственно обеспечивается вся поездная и маневровая работа на основе существующих систем автоматики и телемеханики. Особое место на этом уровне занимают крупные СС, обеспечивающие расформирование-формирование поездов и определяющие в конечном итоге эффективность всех грузовых перевозок. Принципиальное отличие ОЦ от ЦУП и ЦУПР состоит в том, что на нем реализуются не только функции организации перевозочного процесса и управления им, но и технологические операции (прием груза к перевозке, погрузка, расформирование-формирование поездов, маневровые передвижения и др.). Это требует решения двух классов задач. Первый - информационно-управляющий и аналитический. В него входят оптимизация местной работы линейного района, планирование поездообразования, формирование графиков исполненной работы, расчет и оперативный анализ показателей работы смен и комплексных бригад и др. Второй класс - информационно-технологический. Это оформление прибытия и отправления поездов, а также документальная подготовка расформирования и формирования поездов. Выполнение этой группы задач дает возможность внедрять безбумажную технологию перевозочного процесса и обеспечивает первичное формирование единой модели перевозочного процесса (ЕМ1І1І). На уровне этих задач должен реализовываться важнейший стык (интерфейс) ЕМПП с устройствами железнодорожной автоматики. В организационно-технологической структуре ОЦ Центр информационных технологий ВНИИАС МПС правомерно считает, что в основе функционирования низового уровня автоматизации и информатизации должна быть модель перевозочного процесса (Ml И1) линейного района, подпитываемая информацией о реальном состоянии объектов и операциях с ними (рис. 1.1). Центр системной координации и интеграции ВНИИАС МПС из первоочередных задач информатизации процессов управления перевозками в ОЦ считает наиболее важной создание автоматизированной информационно-управляющей системы на СС. Блок-схема организации ОЦ на базе СС приведена на рис. 1.2. Такая структура предполагает модернизацию действующих АСУ СС и создание новой информационно-планирующей системы (ИПС), увязанной со средствами автоматики. Особая роль здесь отводится управлению поездообразованием, решающему многовариантную задачу. Это очередность подвода поездов, их обработка в парках прибытия (1111) и отправления (ПО), очередность роспуска, окончания формирования, обеспечение сформированных поездов локомотивами, бригадами и др. Для функционирования ИПС в реальном времени необходимо наличие на СС информационного хранилища, то есть базы данных (БД). Общая структура перспективной информационно-управляющей системы отрасли предложена в 4. Такая трехуровневая модель предполагает взаимодействие в реальном режиме времени МПП на линейном уровне, региональном и ЦУП. С динамическими моделями как базой взаимодействуют аналитические приложения и системы автоматизированного управления (САУ). Первичная информация должна сниматься автоматически с устройств автоматики и систем автоматического считывания, либо вводится с АРМов. Такая структура ИУС отрасли предъявляет главное (глобальное) требование к инфраструктуре транспортного комплекса. Это - единая информационная среда, условно изображенная на рис. 1.3 5. Однако, если принять, что в основе функционирования ОЦ лежат СС, то представленная на рис. 1.3 структура взаимодействия различных АСУ, центров управления и автоматизированных систем планирования, управления, дислокации и др. не может пока претендовать на «Единую информационную среду транспортного комплекса». Такое утверждение имеет под собой основание. Представленные на структуре АСУ линейного уровня, в частности АСУ СС, на сегодняшний день не имеют программно-аппаратного интерфейса с низовыми средствами автоматики, в частности, с устройствами электрической централизации.
Алгоритм эталонного управления нестационарными, динамическими объектами железнодорожного транспорта
Как следует из приведенного в главе 1 анализа, объекты железнодорожного транспорта, обеспечивающие управление перевозочным процессом, характеризуются следующими свойствами: 1. Нестационарностью процессов, проявляемой как в пространстве, так и во времени. 2. Неоднородностью природных условий функционирования, что требует работы управляющих систем в широком диапазоне свойств. 3. Наличием неизвестных и трудно учитываемых факторов, влияющих на процессы принятия решений, наличием экспертной и интуитивной информации об объекте и системе управления им, слабо формализуемой и потому не эффективно используемой. 4. Низкой достоверностью получаемой статистической информации, вследствие высокой зашумленности данных и сочетанного воздействия трех выше перечисленных свойств. 5. Дефицитом времени на принятие решений в условиях высокой интенсивности технологических процессов. Указанные особенности обусловили необходимость постоянной модернизации (совершенствования) уже действующих систем и комплексов автоматизации транспортных процессов, а также создания новых средств и программно-аппаратных узлов, обеспечивающих высокие показатели качества при минимальном количестве операторских звеньев и технического персонала. «Программа обновления и развития средств железнодорожной автоматики и телемеханики» принятая МПС на период до 2005 года, учитывает также следующие факторы: физическое и моральное старение уже имеющихся систем автоматизации; обособленность и разнотипность разработок научных коллективов; - разнородность технической и элементной базы; несовместимость программных средств; отсутствие единой технической политики и координации всех разработок в течение десятилетий; реальные возможности перехода на новую элементную и техническую базу, обладающую мощным информационно-вычислительным и диагностическим потенциалом (микроконтроллеры, ПЭВМ, промышленные компьютеры и др.). В соответствии с указанной Программой предусматривается модернизация около 20 сортировочных горок в год. Выше изложенное позволяет сделать вывод об актуальности исследования технологических процессов, характеризующихся динамичностью, недостаточностью исходной информации, высоким разбросом характеристик измерительной и исполнительной аппаратуры, ограниченными вычислительными возможностями системы, отсутствием адекватного математического аппарата для идентификации и управления объектом. Ниже в данном разделе дан краткий анализ принципов, положенных в основу построения и функционирования микропроцессорных комплексов автоматизации технологических процессов на железнодорожном транспорте, обеспечивающих их «интеллектуальное» функционирование: 1. Представление системы управления как симбиоз человека и технических средств (вычислительных и управляющих), обладающей новым (по сравнению с автоматизированными системами управления) качеством. Человек не просто часть системы, определяющая цель ее функционирования и/или оператор, реализующих программу функций, а ее биологическая составляющая, обучающая и обучаемая в процессе функционирования комплекса. 2. Обучение системы, состоящее: а). В построении моделей исследуемых процессов на основе статистических, интуитивно-эвристических данных с использованием методов самоорганизации, позволяющих оптимизировать структуру и параметры моделей в рабочей области значений входных и выходных переменных, б). В синтезе механизмов автоматического принятия решений, использующих преимущества вычислительной техники (высокое быстродействие, практически неограниченная память, «психо-эмоциональная устойчивость») и способность человека мыслить нетрадиционно и нечеткими категориями. 3. Классификация. объектов автоматизации, воздействий внешней среды, управляющих сигналов, методов принятия решений и моделей позволяющая: а) структурировать исследования и использовать модульные принципы синтеза систем управления; б) линеаризовать процедуры, выделив в виде эталонных ситуаций основные тренды соответствующих процессов. Управление, моделирование, принятие решений сводятся при этом к решению задач линейного типа. Классификация осуществляется на основе использования теорий распознавания образов, игр и нечетких множеств. 4. Многоуровневый расчет оптимального хода технологического процесса, включающий в себя этапы: внесистемный, фиксирующий длительный опыт работы системы; предварительный, использующий вычислительные средства ПЭВМ и языки высокого уровня; реального времени, корректирующий процесс с учетом непредсказуемых возмущений среды и изменений объекта управления. 5. Адаптация моделей функционирования к конкретным условиям внешней среды по мере обучения системы (если модели процессов и алгоритмов принятия решений были построены по ограниченным исходным данным) и накопления систематической ошибки отклонений фактических параметров процесса от планируемых по модели, обусловленных нестационарностью и неоднородностью условий функционирования. Изложенные принципы определяют структуру системы, изображенную на рис. 2.1. Она предполагает обработку информации и управление осуществлять на трех уровнях.
Первый, внесистемный (по отношению к процедуре непосредственного управления) уровень обработки информации отражен на рисунке блоками расчета моделей (БРМ) адаптации моделей (БАМ). Реализуется он на этапе привязки системы к конкретному объекту и ее адаптации в процессе функционирования комплекса. Этот уровень включает в себя решение следующих задач: анализ грузонапряженности и структуры вагонопотока конкретного объекта (например, сортировочной станции); расчет зависимостей показателей качества процесса о входных параметрах; построение на основе статистических данных решающих" правил для классификации объектов и определения типов воздействий; нахождение уравнений, описывающих исследуемые процессы в различные изменяющиеся периоды времени.
Развитие понятийного аппарата моделирования сложных технологических процессов на железнодорожном транспорте
Последняя рассмотренная и развитая классификация моделей -методологическая. Кроме того, следует различать модели: 1. Статические (вход и выход объекта не зависят от времени) и динамические (в противном случае). Например: зависимости (3.2) и (3.3) характеризуют динамические процессы, а зависимость между длиной состава и временем его роспуска при определенных предположениях о стационарности может считаться статической (хотя и вероятностной). Учитывая высокий динамизм объектов железнодорожного транспорта можно сделать вывод: статические модели не являются для них типичными и адекватными. Следует использовать модели, учитывающие фактор времени. Оно проявляется в цикличности загрузки объектов (суточной, недельной, сезонной), в зависимости ряда экономических, технологических параметров объекта от времязависимых переменных (скорости надвига, ступени и времени торможения отцепов на горке, скорости движения состава по участку и т.д.). 2. Стационарные (с постоянными параметрами) и нестационарные (параметры модели являются функциями времени). Нестационарность, в отличие от динамичности, означает не изменение входа и выхода объекта с течением времени, а изменение его параметров. Например, свойств замедлителя вследствие его износа, профиля горки в процессе ее эксплуатации и т.д. Модели (3.2) и (3.3) стационарны. Пример нестационарной модели может быть задан набором уравнений вида (3.3), отличающихся коэффициентами для различных периодов суток.
Следует различать прогнозируемую и не прогнозируемую нестационарности. В первом случае составляется таблица вида 3.1, но для различных временных срезов. Чтобы различать временные переменные будем обозначать «основную» переменную, фигурирующую в табл. 3.1 через tj, а моменты времени, характеризующие срезы наблюдения через i2-Получаем таблично заданную функцию двух переменных fr(ti, t2), которая может быть аналитически аппроксимирована непрерывной функцией f (ti, t2) любым из известных методов. Например, МНК, если выполняются соответствующие условия.
Следующие плоскости классификации различают линейные и нелинейные модели, инерционные (с памятью) и безынерционные. Подробнее нелинейные инерционные модели рассмотрены ниже. Различают так же детерминированные и вероятностные модели. При построении моделей должны быть учтены в самом общем виде все указанные характеристики процессов. Принимаемые предложения о линейности, стационарности и др. должны обосновываться, а степень приближения оцениваться.
Процесс построения математической модели называется идентификацией. Задача идентификации формулируется следующим образом: по результатам наблюдений над входными и выходными процессами системы построить оптимальную в определенном смысле модель. В зависимости от характера априорной информации и целей исследования различают идентификацию в узком и широком смысле слова. В первом случае задача состоит в оценивании только параметров системы. Структура системы и класс моделей считаются при этом известными. При идентификации в широком смысле необходимо предварительно выбрать структуру системы и задать класс моделей, оценить степени стационарности, линейности и решить ряд других задач.
К вопросу идентификации систем с точки зрения методов сбора исходной информации наметилось несколько подходов. Первый предполагает использование специальных тестовых сигналов - методы активной идентификации. Второй связан с наблюдением за системой в рабочем состоянии - пассивная идентификация. Третий - объединяет первые два, компенсируя некоторые их недостатки и сохраняя ряд преимуществ. Четвертый подход основан на эвристиках (предположениях) и имитации.
В первом случае режим нормального функционирования прерывается, и на объект подаются сигналы (воздействия) специального вида (заранее рассчитанные). Этот подход в области автоматизации работы сортировочных горок впервые предложен Ю.А. Мухой при создании АСУ РСГ5?. В рамках этого проекта была разработана методика, согласно которой по горке спускался лабораторный отцеп с регулируемыми ходовыми свойствами и по результатам его скатывания методами активного эксперимента моделировались зависимости пути, скорости и длительности движения отцепа по различным участкам горки. Эти зависимости далее использовались для прогноза развития технологического процесса и его управления. К сожалению, возник ряд трудностей, как технического, так и математического характера, которые не позволили довести этот проект до широкого внедрения на сети железных дорог.
Во втором случае, при исследовании сортировочного процесса, исследователь наблюдает (фиксирует) интересующие его параметры, не вмешиваясь в процесс роспуска составов. Исследуется нормальный режим функционирования горки - рабочий.
В третьем подходе наблюдение за объектом осуществляется пассивно, но для идентификации модели данные отбираются исходя из целей исследования, производственных критериев и используемого математического инструментария.
Четвертый подход основан на классификации широкого спектра входных сигналов (в том числе предполагается вид, и оцениваются параметры шума). Это позволяет, комбинируя сигналы имитировать функционирование объекта не только в рабочей, но и в гипотетической зоне.
Роль и место теории нечетких множеств в системах управления железнодорожным транспортом
Объекты железнодорожного транспорта и соответствующие технологические процессы характеризуются: - открытостью (наличием внешних возмущений, пренебречь которыми без потери адекватности модели и собственно управления, не представляется возможным); - отсутствием точной и четкой априорной информации о функционировании исследуемого объекта; - отсутствием статистически достаточной по объему и репрезентативной информации. Свойства объекта в среде управленцев, как правило, выражаются средствами естественного языка. В связи с этим актуальной задачей, предшествующей задаче управления, является проблема моделирования объекта с учетом указанных свойств. Наиболее адекватным аппаратом для этой цели является теория нечетких множеств. Отличительные особенности теории нечетких множеств (ТНМ) : 1. Использование наряду с обычными переменными (числовыми), переменных, значения которых выражаются смысловыми значениями естественного языка. Например, переменная «степень загрузки станции (горки)» может принимать значения: «критическая», «высокая», «нормальная», «низкая»; переменная «длина состава» может принимать значения: «очень длинный», «длинный», «средний», «короткий». Аналогично, переменная «вес отцепа» имеет лингвистические значения «очень тяжелый», «тяжелый», «средний», «легкий»; вид отцепа, классифицируемый по ходовым свойствам может быть определен как «хороший бегун», «средний», «плохой». Управление в организационно-технологических системах на железнодорожном транспорте также формируется на основе вербальных высказываний типа: «если расстояние до впереди идущего отцепа «мало», его длина «незначительна», а скорость скатывания «велика», то включать четвертую ступень торможения», или «если загрузка горки «критическая», то руководящим критерием роспуска составов является критерий обеспечения безопасности, если степень загрузки «нормальная» или «низкая», то следует ориентироваться на «мало затратные» технологии». Разрабатывая первые отечественные системы роспуска составов на горке, Н.М. Фонарев90, предвосхищая появление специальной теории, более пятидесяти лет назад ввел понятие весовой категории отцепа. Данная величина принимала указанные выше лингвистические значения. Размер шкалы варьировался в зависимости от разброса величины «вес отцепа» и необходимой точности управления. При разработке горочных систем лингвистическое описание весовых характеристик отцепа оправдано рядом причин: отсутствие надежных технических средств измерения, фиксации, хранения и передачи информации о массе отцепа; недостаточная адекватность формализованных постановок задач роспуска в рамках теории четких множеств; необходимость использования опыта и интуиции горочного оператора, опирающегося на нечеткую (естественную для человека) логику принятия решений. Эти причины универсальны. Они оправдывают использование ТНМ во всех прикладных задачах управления транспортом. 2. Следующая отличительная особенность ТНМ состоит в возможности учета понятий, «игнорируемых» классической математикой, таких как: зашумленность данных, нечеткость, размытость, неуверенность. В обычной (четкой) теории множеством называется совокупность объектов, обладающих некоторым общим свойством А. При этом относительно любого объекта исследуемой совокупности можно и должно вполне определенно сказать, принадлежит он или нет данному множеству. Нечеткое множество определяется как совокупность элементов, которые обладают указанным свойством А в некоторой степени, выражаемой числом из замкнутого промежутка [0, 1]. Согласно этому определению понятие нечеткого множества не противопоставляется, а обобщает известное нам понятие множества, определяемого характеристической функцией, принимающей только два значения 0 или 1.
Совокупность чисел из промежутка [0, 1], присвоенных каждому элементу х из общей совокупности X, образует функцию принадлежности fa (х) некоторого нечеткого множества А. Если fa (х) = 0, то соответствующие элементы х свойством А не обладают. Если fa (х) = 1, то элемент х достоверно принадлежит множеству А. При 0 fa(x) 1, соответствующие элементы имеют промежуточную степень принадлежности множеству. Нечеткие множества, очевидно, лучше отражают свойства реальных объектов, чем четкие. Действительно, множество длинных составов имеет размытые границы, т.е. существуют такие значения длин, по которым состав можно (в различных условиях) отнести и к длинным, и к не длинным. Ошибка скоростемера может достигать 20%, что свидетельствует о высокой зашумленности исходных данных. Весомер вообще имеет только шесть градаций, что естественно не обеспечивает систему необходимой для классических методов управления информацией.
Теория нечетких множеств - это первая теория, оперирующая с неясностью и нечеткостью. Кроме самостоятельного значения она важна как обобщающая надстройка практически ко всем существующим теориям: анализ данных , распознавание образов , принятие решении , теория массового обслуживания94 и др. Задачи моделирования и управления на железнодорожном транспорте не являются в этом ряду исключением95.
