Содержание к диссертации
Введение
1. Математический аппарат исследования характеристик СЭЖД 12
1.1. Построение моделей для задач исследования 12
1.2. Определение математической основы КЭС 29
1.3. Методические основы моделирования СЭЖД 40
1.4. Модель СЭЖД 45
1.5. Выводы к главе 1 57
2. Анализ параметров СЭЖД 58
2.1. Анализ СЭЖД 58
2.2. Исследование основных возмущающих факторов СЭЖД 66
2.3. Исследование параметров контактной сети 77
2.4. Анализ отклонения параметров контактного провода от номинальных значений, относительно железнодорожного полотна 83
2.5. Выводы по главе 2 89
3. Исследование параметров комплекса сооружений и устройств СЭЖД 90
3.1 Алгоритм формирования накопления остаточных деформаций 90
3.2. Результаты экспериментальных исследований 97
3.3. Алгоритм расчета отклонения параметров контактной сети от номинальных значений 102
3.4. Исследование СЭЖД в штатном и форсированном режиме 109
3.5. Выводы по главе 3 113
4. Применение алгоритмов к решению задач определения отклонений СЭЖД 115
4.1. Структура комплекса программ определения отклонений СЭЖД 115
4.2. Моделирование тематического содержания карт местности 133
4.3. Практическая реализация разработанных алгоритмов 137
4.4. Организация интерфейса программы 143
4.5. Выводы по главе 4 149
Выводы и заключение 150
Список литературы 152
Приложения 160
- Построение моделей для задач исследования
- Анализ СЭЖД
- Алгоритм формирования накопления остаточных деформаций
- Структура комплекса программ определения отклонений СЭЖД
Введение к работе
Актуальность работы. В системах управления сложными техническими системами приходится обрабатывать большое количество разнообразной информации для принятия необходимых управленческих решений. Эффективность принятия решений зависит от своевременной и качественной обработки исходной информации. Анализ и обработка информации в сложных технических системах обусловлены необходимостью повысить их эффективность и надежность. В таких системах большое значение имеют алгоритмы прогнозирования, оценки эффективности, качества и надежности функционирования и эксплуатации.
В развитых странах мира (Германии, Франции, Англии, США, Канады) сейчас интенсивно ведутся исследования по пересмотру существующей нормативной базы, по обеспечению прогнозирования и оценки эффективности, качества и надежности сложных систем при действии максимальной (заданного уровня вероятности) нагрузки. Обеспечение безопасности объектов при эксплуатации осуществляется посредством повышения эффективности системы управления, разработки алгоритмического обеспечения, включающего в частности алгоритмы прогнозирования, корреляционно-экстремальные системы (КЭС) и алгоритмы обработки информации.
В практических приложениях использование алгоритмического обеспечения системы управления сопряжено с рядом особенностей, связанных со спецификой объекта приложения управляющих воздействий, в частности неявно выраженной связью элементов. Обработка информации, прогнозирование и контроль основных параметров технического объекта является важной и дорогостоящей задачей.
Разработка новых и совершенствование существующих алгоритмов и средств анализа обработки информации и управления, повышение эффективности надежности и качества сложной системы является актуальной задачей. Для ее эффективного решения предлагается применить алгоритмы и средства исследований КЭС, самоорганизации, интенсивно совершенствующиеся в настоящее время, а также генетические алгоритмы построения прогнозирующих моделей.
Одной из множества таких систем является система управления электрифицированной железной дорогой (СЭЖД), которая состоит из информационной системы, контактной сети (КС) и железнодорожного полотна. Поэтому исследование изложенных проблемных вопросов применительно к железнодорожной системе в части разработки методик, алгоритмов и программ, позволяющих прогнозировать появление отказов, а так же накопление остаточных деформаций полотна и контактной сети (КС) представляется достаточно актуальным.
Целью диссертационной работы является создание новых моделей, алгоритмов и программ, позволяющих определять отклонение параметров и накопление остаточных деформаций в однородных средах и двухслойных системах, типа полотна железной дороги на основе самоорганизации, генетических подходов и КЭС.
Задачи, решаемые в ходе исследования:
- Разработка алгоритмов построения прогнозирующих моделей на основе генетического подхода и метода самоорганизации.
- Апробирование разработанных алгоритмов, моделей и методик посредством вычислительных и натурных экспериментов.
- Разработка корреляционно-экстремальных алгоритмов для расчета отклонения параметров элементов двухслойных систем.
- Модифицирование разработанных моделей, используемых для анализа накопления нагружений и остаточных деформаций в однородных средах и двухслойных системах.
- Разработка методики, алгоритмов и программ для анализа, принятия решений и управления в системе электрифицированной железной дороги (СЭЖД).
Положения, выносимые на защиту:
- Алгоритм построения прогнозирующих моделей с редуцированным набором базисных функций.
- Редуцированный генетический алгоритм с резервированием моделей на каждом ряду селекции.
- Методика решения задач накопления остаточных деформаций, основанная на применении корреляционно-экстремальной системы (КЭС).
- Алгоритмы, реализующие расчет накопления остаточных деформаций, основанные на применении КЭС.
-Модифицированные модели накопления нагружений на электрифицированных участках железных дорог, позволяющие учитывать интенсивность движения и объемы перевозок.
- Методика построения КЭС, позволяющая учитывать фактическое расположение объекта (КС в пространстве) и структуру двухслойной системы.
Научная новизна работы заключается в следующем:
- Разработаны алгоритмы построения самоорганизующихся прогнозирующих моделей с априорным выбором редуцированного ансамбля базисных функций.
- Предложен редуцированный генетический алгоритм с резервированием моделей-претендентов, позволяющий осуществлять прогноз параметров двухслойной системы.
- Предложена методика обработки информации в КЭС двухслойной системы, учитывающая фактическое расположение объекта в пространстве.
- Разработаны алгоритмы и программы, реализующие расчет накопления остаточных деформаций, основанные на применении КЭС.
- Разработана методика решения задач расчета накопления остаточных деформаций и отклонения параметров СЭЖД, основанная на применении КЭС.
Методы исследований. Цели исследования достигаются при помощи системного подхода, теории оптимального управления, теории самоорганизации, генетических подходов, аналитических и численных методов, статистических методов обработки информации и математических методы обработки оцифрованных данных на ПЭВМ.
Достоверность научных выводов подтверждается:
- Корректностью исходных математических положений, обоснованностью принятых допущений, репрезентативностью статистических данных.
- Соответствием результатов теоретических и экспериментальных исследований.
- Результатами обсуждения материалов работы на научно-технических конференциях и семинарах.
- Результатами внедрения работы
Практическая значимость работы.
- Разработанные методики, алгоритмы и программы могут быть использованы при проектировании и анализе систем в различных технических приложениях, использующих прогнозирующие модели и корреляционно-экстремальные методы обработки информации.
- Разработанные методики, алгоритмы и программы позволяют рассчитывать остаточный усталостный ресурс элементов двухслойной системы, выполнять моделирование накопления усталостных повреждений при различных параметрах функционирования.
- Разработанный программный комплекс позволяет значительно сократить затраты за счет компьютерного определения отказов, сокращения организации «окон» на участках железных дорог для выполнения контроля выгоном-лабораторией.
- Предложенные современные информационные технологии позволяют совершенствовать процесс определения отказов СЭЖД.
Внедрение результатов работы:
- Акт внедрения в службе электрификации и электроснабжения Московской железной дороги при планировании проведения профилактических работ.
- Акт внедрения в Московско-Павелецкой дистанции электроснабжения Московской железной дороги для определения отклонений параметров контактной сети от номинальных значений и планирования ремонтно-профилактических работ.
- Акт внедрения в КНИИТМУ в ходе выполнения ОКР «ГИС- автодороги», методики построения моделей и алгоритмов.
- Акт внедрения в учебный процесс КФ МГТУ им. Н.Э Баумана.
Апробация работы:
Основные научные результаты, полученные в ходе работы, докладывались и обсуждались:
1) на семинарах и заседаниях кафедры «Компьютерные системы и сети» МГТУ им. Н.Э. Баумана;
2) на V и VII международных симпозиумах «Интеллектуальные системы (ИНТЕЛС 2002, ИНТЕЛС 2006)» МГТУ им. Н.Э. Баумана (Калуга 2002 г., Краснодар 2006 г.);
3) на семи всероссийских научно-технических конференциях «Наукоемкие технологии в приборо- и машиностроении и развитие инновационной деятельности в ВУЗе», (г. Калуга 2001, 2003-2006, 2008, 2009 г.г.);
4) на III-V, VII Российских научно-технических конференциях «Новые информационные технологии в системах связи и управления» 2004-2006, 2009 г.г. ФГУП КНИИТМУ (Калуга 2004 -2006, 2009 г.г.).
Публикации по теме диссертации. Основные результаты диссертационного исследования изложены в работах [1] - [10], из них две работы в журналах, рекомендованных ВАК для публикаций основных результатов диссертационных работ.
Структура и объем работы. Диссертация состоит из введения, четырех глав, выводов и заключения, библиографического списка из 83 наименований. Работа содержит 171 страницу машинописного текста содержательной части, 44 рисунка, 83 библиографических источника.
Построение моделей для задач исследования
В качестве алгоритмов построения модели объекта предлагается использовать модификации алгоритма самоорганизации и генетические алгоритмы.
Для работы с какой-либо системой или объектом необходима математическая модель, представляющая собой совокупность соотношений, устанавливающих связь между параметрами, характеризующими данный объект или точнее его расчетную схему. Существует два подхода к формированию математических моделей. Один из них состоит в т.н. «декомпозиции» исходного объекта, т.е. разбиения его на отдельные подсистемы, свойства которых известны. Формальное математическое объединение этих подсистем и становится моделью всей системы или объекта в целом. В рамках такого подхода проведение натурных экспериментов не является обязательным, по крайней мере, на начальных стадиях моделирования. Другой подход к формированию математических моделей предполагает непосредственное использование экс- периментальных данных. Например, входных и выходных сигналов системы. Модель формируется в результате их обработки. Такой способ построения моделей называется идентификацией.[2]
Для процедуры идентификации необходимы два основных компонента. Это множество моделей-претендентов и критерии оценки степени соответствия этих моделей данным наблюдения. Множество моделей может формироваться на основе физики и других априорных знаний об идентифицируемой системе. Другой подход заключается в том, чтобы использовать как можно более разнообразный набор стандартных базовых моделей.
Экстраполяция функций — это приближенное определение значений некоторой функции в точках, лежащих вне отрезка, на котором заданы ее значения, по значениям во внутренних точках этого отрезка. Иначе говоря, если известны значения функции У J v /на отрезке!- "J, то по ее значениям в точках х0, Хі,...,х„ (х0 ... хп) можно экстраполировать значения функции в точках, не принадлежащих этому отрезку.[3]
Экстраполяция функции имеет смысл, только если на искомую функцию наложены определенные ограничения, т.е. указан класс, к которому эта функция принадлежит. Обычно класс функций жестко определен, но иногда его задают не вполне точно, указав функционал предпочтительности определенный на множестве функций.
Методы экстраполяции также вполне согласуются с данной постановкой задачи. В качестве множества L в алгоритмах метода группового учета аргументов (МГУА) применяются линейные модели, объединяющие некоторые комбинации переменных состояния системы. В качестве К берется так называемый ансамбль критериев селекции. При синтезе алгоритмов прогноза наибольшей популярностью пользуются детерминистический, стохастический подходы и подход самоорганизации.
Детерминистический подход предполагает, что вся информация априори имеется или достаточно точно может быть получена.
Стохастический подход отличается тем, что позволяет учитывать вредные факторы и шумы, определяющие характеристики которых получают посредством выборочных реализаций.
И детерминистический, и стохастический подходы предполагают наличие в таблице исходных данных полного информационного базиса, т.е. всех определяющих факторов, которые необходимо учитывать. Эти факторы должны быть измерены с достаточно высокой точностью.
Подход самоорганизации принципиально отличается от двух предыдущих подходов. Этот подход характеризуется минимальным объемом априорной информации, а также возможностью построения моделей без учета ряда существенных факторов. Посредством подхода самоорганизации строятся модели в условиях, когда помеха превышает полезный сигнал в несколько раз. [4]
Методологической основой применения самоорганизации является допущение о том, что вся информация о структуре и функциях системы содержится в таблице наблюдений моделируемой системы (эта таблица называется выборкой данных, в нашем случае таблица накопления повреждений), а также в задаваемых критериях выбора модели.
При самоорганизации моделей применяется некоторый генератор моделей-претендентов. Генератор задает структуры решений различной сложности. С помощью ансамбля критериев проводится отбор математических моделей. Происходит постепенное усложнение моделей с оценкой их посредством критериев, минимум которых определяет модель оптимальной сложности.
Алгоритмы самоорганизации отличаются по способу генерации моделей различной сложности. В частности в комбинированных алгоритмах с за-нулением коэффициентов задается некоторое «полное описание» системы, содержащее все переменные состояния. Частные описания получаются из полного при помощи приравнивания нулю коэффициентов полной модели. В многорядном (пороговом) алгоритме МГУА первый ряд моделей состоит из переменных состояния. В следующий ряд проходят модели, являющиеся комбинациями моделей из предыдущего. [4]
Генерация множества моделей-претендентов может быть основана на принципах полной и неполной математической индукции. Полная индукция предполагает перебор всех возможных элементарных моделей. Неполная индукция характеризуется тем, что число моделей остается выбранной комбинацией опорных функций.
Алгоритмы самоорганизации отличаются также и по используемым ансамблям критериев отбора (иначе критериев селекции). Многокритериальный выбор модели необходим для того, чтобы повысить помехоустойчивость алгоритмов самоорганизации. Подход самоорганизации основывается на таких понятиях, как теория множественности моделей, геделевские системы, внешнее дополнение и гипотеза селекции.[4]
Анализ СЭЖД
Система электрифицированной железной дороги (СЭЖД), включающая контактную сеть (КС) и путевое хозяйство, представляет собой сложную организационно-информационную систему управления, функционирующую в условиях вероятностного характера планирования, организации и управления производством.
Детерминированной основой функционирования СЭЖД служит нормативно-техническая база. Но взаимодействие подсистем СЭЖД комплекса между собой и с внешней средой носит вероятностный характер, который не учитывается организационно-технической документацией по техническому обслуживанию объектов СЭЖД. Отсюда и проблемы повышения эффективности СЭЖД, проявляющиеся в существенных отклонениях основных фактических показателей КС и железнодорожного полотна от нормативных.
Так как задачи принятия оптимальных управленческих решений очень сложны, то необходимо совершенствовать общетеоретические подходы к повышению надежности и эффективности работы железнодорожного пути и контактной сети как сложной технической системы.
Надежность железнодорожного транспорта для потребителя важна с точки зрения способности работать по графику, т.е. гарантировать доставку пассажиров и грузов в указанные сроки. Отсюда вытекает, что необходима оценка качества состояния пути и контактной сети, т.е. определение накопления повреждений и предотвращения отказов в СЭЖД и с какой скоростью может быть пропущен транспортный поток по участку пути с учетом фактической надежности пути.
Повышение эффективности управления техническим состоянием КС и пути на скоростных и грузонапряженных участках связано с разработкой и внедрением принципиально новой технологии технического обслуживания на основе оценки и определения надежности элементов СЭЖД по состоянию
и увязки нормативных документов с реальной надежностью пути, наличием ресурсов для выполнения путевых работ.
В основе данной технологии лежит системный (комплексный) метод, при котором СЭЖД рассматривается как сложная организованная совокупность подсистем, основные элементы которых, должны рассчитываться не изолировано, а одновременно и взаимосвязано.
Цель системы технического обслуживания в этом случае - создать рав-нонадежный путь по направлению. Решение задач технического обслуживания при этом основывается на оценке качества километров по показателю «готовность-скорость».
Такой подход позволяет с единых позиций оценить надежность всех устройств направления (КС, воздушная линия, стрелочные переводы, путь и др.) и осуществлять постоянный контроль за качественным состоянием СЭЖД участка пути.
Это необходимо, например, для оценки скоростного режима и решения вопросов при планировании комплексных мероприятий по ликвидации «узких» мест.
В этом случае, в качестве системотехнической модели рассматривается такое строение транспортной системы, согласно которому одной из взаимодействующих подсистем (А) является транспортный поток, другой подсистемой (В) — железнодорожный путь (рис.2.1). При этом подсистема (В) является многоэлементной, нелинейной по своим свойствам и динамичной, т.е. может меняться во времени.
Таким образом, отказы элементов пути и контактной сети вносят неравнозначный вклад в снижение надежности транспортной системы.
Следует различать два основных состояния железнодорожного пути: работоспособное и неработоспособное. Состояние, при котором возникают задержки поездов, считается неработоспособным.
При работоспособном состоянии путь должен обеспечивать безопасность движения поездов с установленными скоростями и его параметры не должны превышать требуемых норм и допусков, а дефектные элементы отсутствовать [23]. Однако из-за нестандартного состояния пути скорости приходится снижать, чем наносится ущерб перевозочному процессу и вызывает отклонение параметров КС от номинальных. Данный ущерб возрастает нелинейно с увеличением установленных скоростей движения поездов, т.к. от 61 каз пути может воздействовать не на один поезд, а на движение всех следующих за ним.
Наибольшее падение скорости наблюдается на участках с минимальным межпоездным интервалом [24, 25, 26]. Поэтому важнейшее требование, предъявляемое к эксплуатации рельсовой колеи на грузонапряженных, скоростных и на участках с интенсивным пригородным сообщением, — минимум ущерба перевозочному процессу при техническом обслуживании пути.
Отсюда, только количественная оценка отказов пути недостаточна. Необходима оценка качества состояния пути, т.е. с какой скоростью может быть пропущен транспортный поток по участку с учетом фактических отказов пути и КС и выдаваемых ограничений скорости движения на время их ликвидации.
Процесс эволюции технического состояния пути на каждом километре является случайным, и его можно представить как цепочку событий, например: Н0- работоспособное состояние; Hi— неработоспособное состояние.
Стратегия технического обслуживания в этом случае строится с учетом характеристик надежности, особенностей конструкции пути и условий эксплуатации. В качестве показателя, по которому можно судить об оптимальности выбранной стратегии, принимается функционал, зависящий от функции распределения времени безотказной работы, времени восстановления и других характеристик, определяющих сроки обнаружения неисправностей и проведения восстановительных работ.
Алгоритм формирования накопления остаточных деформаций
Основой создания методики, для определения процесса накопления деформаций пути, является алгоритм формирования накопления остаточных деформаций земляного полотна в процессе эксплуатации. Алгоритм предназначен для определения:
1) локальной устойчивости земляного полотна для заданных условий эксплуатации;
2) допустимых условий эксплуатации (грузонапряженности, напряжения на основную площадку) для заданной конструкции пути (род шпал);
3) вариантов конструкции пути и условий его эксплуатации, удовлетворяющих условиям допустимых напряжений и деформаций основной площадки земляного полотна.
Применимость разработанного автором алгоритма ограничивается только первой фазой деформирования грунтов при их загружении (рис. 3.1), т. е. областью деформаций уплотнения грунтов с интегральным учетом годичных изменений их физико-механических свойств и сезонного разуплотнения (уплотнения) при пучении и оттаивании, а также микросдвигов вследствие неравномерной подбивки шпал. Эксплуатируемое земляное полотно, как правило, работает в условиях изменения физико-механических свойств грунтов и сезонного разуплотнения (уплотнения) при пучении и оттаивании, а также микросдвигов вследствие неравномерной подбивки шпал. В тех случаях, когда вероятность нагрузок на основную площадку, превышающих ег,,, не равна нулю, т. е. когда линии Р(о) и Р(а 0 пересекаются, необходимо проверять общую устойчивость земляного полотна, то есть рассчитывать его подбалластную часть на сдвиг и местное выпирание фунта. Для указанных целей используются специальные методики, приведенные в своде правил по проектированию и строительству земляного полотна железных дорог (СП 32-104-98), суть которых состоит в сравнении максимально возможного сопротивления грунта сдвигу (fcr+c) с действующим сдвигающим усилием г. Отношением указанных величин определяют безразмерный коэффициент стабильности х и сравнивают его с допускаемой величиной [х]. [44]
При расчетах по формуле (3.1) земляное полотно соответствует телу, в котором разрушение (потеря устойчивости) наступает при разовом воздействии нагрузки, немного превышающей предельную по условию равновесия, но в которой не накапливается никаких повреждений (деформаций), если нагрузка немного меньше предельной даже при бесконечно большом количестве ее воздействий. Это не соответствует действительности.
Грунты, образующие эксплуатируемое земляное полотно, работают в первой фазе напряженно-деформированного состояния (рис. 3.1), т. е. в фазе, когда отсутствует выпирание грунтов, но имеет место накопление деформаций вследствие уплотнения грунтов поездной нагрузкой и сезонные разуплотнения их вследствие пучения, а также микросдвигов из-за неравномерной подбивки шпал. Суммарное давление на основную площадку от веса верхнего строения пути и воздействия колес подвижного состава не должно достигать давления, соответствующего границе первой и второй фазы напряженно-деформированного состояния грунтов.
Эксплуатируемое земляное полотно не теряет прочности, но в нем идет непрерывное накопление деформаций от вдавливания балласта в под-рельсовых зонах. При этом величина деформаций, накапливаемых за какой-либо срок, зависит не только от величины, но и от количества воздействий нафузки, т.е. от грузонапряженности линии. Мерой несущей способности основной площадки является допускаемое давление на нее балласта от воз 94 действия поездной нагрузки. Критерием допускаемых давлений балласта на основную площадку от воздействия поездной нагрузки принимается допускаемая деформация основной площадки [42]. Фактические накапливаемые деформации не должны превышать допускаемую величину. Критерием допускаемой деформации основной площадки принимается минимально допустимый ее поперечный уклон, при котором еще не задерживается влага на поверхности земляного полотна. [42J
Действующие на основную площадку нагрузки и прочностные характеристики фунтов, слагающих основную площадку, являются случайными величинами. Кроме того, действующие нагрузки, как правило, являются квазистационарными с полимодальным распределением вероятностей Р(а) и Р(од). Величина накопленных остаточных деформаций не определяется в достаточной степени какой-либо одной нагрузкой, а характеризуется всей их совокупностью с учетом полимодальности распределения вероятностей, так как зависит от величины и количества воздействий нагрузки. Поэтому необходимо учитывать воздействие на основную площадку всех разновидностей подвижного состава по долям их участия в формировании общего грузооборота и основным распределениям вероятностей нагрузки в каждой разновидности. Расчет накопления остаточных деформаций основной площадки эксплуатируемого земляного полотна разработан B.C. Лысюком [27J по результатам экспериментального исследования влияния прошедшего тоннажа на уровень остаточных деформаций основной площадки при различном напряжении её состоянии на пути с деревянными и железобетонными шпалами.
Структура комплекса программ определения отклонений СЭЖД
В настоящее время оцифрованные карты находят самое разнообразное применение. Поэтому существует много различных определений. Одним из наиболее ёмких является следующее определение: "Цифровая карта в информационной системе - совокупность аппаратных, программных средств и процедур, предназначенных для обеспечения ввода, управления, обработки, анализа, моделирования и отображения пространственно-координированных данных для решения сложных проблем планирования и управления" [66, 67].
Эта технология объединяет традиционные операции при работе с базами данных, такими, как запрос и статистический анализ, с преимуществами полноценной визуализации и географического (пространственного) анализа, которые предоставляет карта. Эти возможности отличаются от других информационных систем и обеспечивают уникальность ее применения в широком спектре задач, связанных с анализом и прогнозом явлений и событий окружающего мира, с осмыслением и выделением главных факторов и причин, а также их возможных последствий, с планированием стратегических решений и текущих последствий предпринимаемых действий [68].
Данные о пространственном положении и связанные с ними табличные данные собираются и подготавливаются пользователем. В процессе управления пространственными данными информационная система интегрирует пространственные данные с другими типами и источниками данных, а также использует СУБД.
Система цифровых карт по ГОСТу - «это совокупность цифровых карт, объединенная общим замыслом, упорядоченная и согласованная по масштабам, системам координат, проекциям и содержанию, создаваемая по единым требованиям». [69]
Цифровые карты имеют гибкую математическую основу, т.е. могут легко менять проекцию представления. На параметрах представления карты основаны процедура пересчета цифровых карт в реальные географические координаты и из одной проекции в другую.
Цифровые карты имеют намного больше информации, чем представлено одномоментно, благодаря возможности хранения большого объема данных в свернутом виде (в связанных с картами базами данных) и оперативного доступа к ним.
Картографические данные определяют объекты на карте - их расположение, форму, размер. Атрибутивные данные привязаны к объекту и содержат его различные характеристики. Объекты с одинаковыми атрибутами объединяются в слой. Каждому слою на электронной карте соответствует одна или несколько таблиц атрибутивных данных.[70] Например, со слоем «Земляное полотно» связаны таблицы «Эксплуатационные характеристики», «Климатические параметры», «Накопление повреждений», «Тип» и т.д. Классификация объектов слоя по некоторым атрибутам задается комплексом запросов к атрибутивным данным. Легенда ЭК это совокупность слоев и их классификаций. Для слоя " Земляное полотно " может быть задана классификация «Тип» с помощью определения классов «грунт» и т.д. Различные классификации слоя не могут использоваться одновременно.
По сравнению с обычной, цифровая карта (ЦК) дает более детальное и динамичное представление данных. Детальность ЦК определяется возможностью получить справку о значениях атрибутов для любого подмножества объектов.
Цифровые данные (цифровая карта участка цепи) и результат их визуализации (электронная карта местности) являются моделью участка электрифицированной железной дороги - основой картографического моделирования.
Картографические данные, используемые в разработанном автором программном комплексе должны находиться в формате информационной системы (ИС) Maplnfo, которая работает под управлением операционной системы Windows, выбор языка программирования первоначально был сделан в пользу среды разработки приложений MapBasic, имеющий следующие достоинства: MapBasic позволяет каждому пользователю построить свою ИС, ориентирован ную на решение конкретных прикладных задач; MapBasic поддерживает обмен данными между процессами (DDE,RPC,XCMD,XFCN), включение в приложения запросов SQL с географическим расширением; Вызов динамических библиотек (DLL) или исполняемых программ (EXE ) из MapBasic приложения; Лёгкий доступ к данным и, как следствие, отсутствие потребности переходного формата (прямое открытие файлов Excel, Access, Lotus 1-2-3,xBase и ASCII); Запуск программы непосредственно из ИС; MapBasic позволяет разработать собственные меню, панели инструментов и диалоги, упрощающие работу конечного пользователя с геоинформацией; MapBasic - язык мультиплатформенный, модульный, процедурный, позволяющий управлять событиями. Однако наряду с перечисленными достоинствами есть и недостатки препятствующие реализации проекта: Ограниченность языка MapBasic по сравнению с другими языками програм мирования (Visual Basic, Delphi, C++); Невозможность создания гибкого и оптимального кода; Отсутствие реализации технологии объектно-ориентированного программиро вания. Так как реализация проекта предполагает осуществление программного вычисления достаточно сложных математических выражений, то выбор языка MapBasic в качестве базового является нерациональным. Поэтому в качестве основного языка программирования был выбран Visual Basic по следующим причинам: Высокая скорость и простота разработки приложения; Возможность оптимизации кода по быстродействию либо по размеру; Поддержка технологии OLE; Высокая интеграция с приложениями Microsoft Office и другими программными продуктами; Возможность создания собственных элементов управления ActiveX; Поддержка технологии объектно-ориентированного программиро вания. Таким образом, вычислительная и интерфейсная части разрабатываемого проекта реализуются с помощью среды Visual Basic. Другая часть проекта, отвечающая за обработку картографических данных, реализуется при помощи языка MapBasic. Связь между приложениями, написанными на Visual Basic и MapBasic осуществляется на основе технологии OLE.
OLE - это связывание и внедрение объектов (Object Linking and Embedding), означает способ интеграции программных продуктов семейства Microsoft Office. Приложения, поддерживающие технологию OLE. позволяют пользователю вызывать одно приложение из другого, не выходя из контекста интерфейса исходной программы. Набор приложений Microsoft Office - пример группы индивидуальных программ, связанных между собой посредством OLE. Именно благодаря этой технологии набор программ представляется пользователю как единое целое, а не просто как разрозненные приложения, упакованные в общую коробку.
Например, благодаря OLE можно встроить таблицу Excel в документ Word. Работающий с документом Word пользователь может легко отредактировать электронную таблицу, дважды щелкнув на ней. При этом можно использовать функциональные возможности Excel, не покидая Word.
