Библиографическое описание:

Рогов С. А. Совершенствование автомата-советчика по прогнозу и реализации заданной скорости роспуска // Молодой ученый. — 2015. — №21. — С. 210-214.

 

Важнейшим элементом сортировочной горки (СГ) является тормозная позиция (ТП). От ее эффективной и точной работы зависит качество и перерабатывающие возможности СГ. Это определило повышенный интерес к автоматизации процедуры торможения отцепами на ТП.

Подсистема прицельного торможения отцепов на сортировочных горках, разработанная в [1], использует эталонное эвристическое мышление (копирование, формализация и использование интеллекта человека) и результаты анализа статистической информации (включается машинный интеллект).

Для парковой ТП 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: x1 — вес отцепа, 1/20 тонн; x2 — длина отцепа, вагонов; x3 — ходовые свойства, идентифицируемые по пятибалльной оценке: 1 — очень плохой бегун, 2 — плохой бегун, 3 — средний бегун, 4 — хороший бегун, 5 — отличный бегун; x4 — расстояние до точки прицеливания, м.

Функция зависимости начальной расчётной скорости (Vр) отцепа весом x1, длиной x2, ходовыми свойствами x3, на участке длиной x4 принята в следующем виде:

,(1)

где:  — весовые коэффициенты, неизвестные нам на начальном этапе исследований.

Как правило, при нахождении Vр обращаются к помощи эксперта, который, опираясь на свой многолетний опыт работы, исходя из полученных значений 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.

В процессе роспуска для различных отцепов параметры соответственно будет меняться и начальная скорость Vр. Тогда для совокупности отцепов можно составить таблицу обучающих данных 1 (первые пять столбцов таблицы).

Задача вычисления Vр в каждом конкретном случае осуществляется по формуле:

, (2)

где: k — номер текущего отцепа;  — начальная расчётная скорость этого отцепа, определенная экспертом,  — вес k -го отцепа,  — длина k -го отцепа в вагонах,  — ходовые свойства k -го отцепа,  — длина участка свободного пробега k-го отцепа до соударения с накапливаемым составом, — весовые коэффициенты, отражающие вес (значимость) каждого фактора модели.

Таблица 1

Таблица данных экспериментального моделирования

k

х1

x2

х3

х4

Vр эксп

Vр

1

1

1

5,0

810

3,42

3,53

2

1

2

4,0

30

1,50

1,68

3

1

3

5,0

217

2,81

2,51

4

2

1

5,0

362

2,50

2,51

5

2

1

5,0

462

2,81

2,70

6

2

2

4,5

199

1,97

2,05

7

2

3

4,0

420

2,25

2,33

8

3

1

4,5

646

2,63

2,69

9

3

2

4,0

780

2,84

2,80

10

3

3

4,0

300

1,97

1,94

11

4

1

4,0

300

1,69

1,65

12

4

1

5,0

512

2,47

2,47

13

4

2

4,5

190

1,72

1,71

14

4

3

4,5

75

1,50

1,55

15

5

1

4,5

270

1,66

1,64

16

5

2

5,0

106

1,50

1,59

17

5

3

5,0

420

2,31

2,26

18

6

1

4,5

300

1,69

1,54

19

6

2

5,0

255

1,66

1,72

20

6

3

4,5

346

1,70

1,75

 

При полном доверии к мнению эксперта, для определения весовых коэффициентов необходимо минимизировать сумму квадратов отклонений результатов вычислений от значений, выданных экспертом. Коэффициенты , обеспечивающие этот минимум, определяют искомую модель. Это классическая задача регрессионного анализа. В нашем случае в результате ее решения имеем:

Теперь формула (4.2.2) для вычисления Vр принимает вид:

. (3)

Для оценки правильности выбора типа функции автор цитируемой методики [1] подставляет в формулу (3) параметры из 2–4 столбцов таблицы 1 для определения и получает столбец 6 значений Vр.

Далее определяется погрешность вычисления Vр по формуле:

(4)

После подстановки значений и получим , что составляет 5 % от среднего значения .

Проведя сравнительный анализ столбцов 5 и 6, увидим, что при значения и 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 метров, чем эксперт — 2,51 м/с против 2,81 м/с. Принимая во внимание вес тары отцепа из трех порожних вагонов — , фиксируем возможную ошибку эксперта в данном конкретном случае. При повторном опросе эксперта вносим исправления в таблицу 1, изменив для на 2,4 м/с. Проведя повторно вычисления, получим формулу:

.(5)

Теперь , что составляет 3 % от среднего значения , определенного по таблице 1. Это вполне приемлемо для практического использования.

Таким образом, обеспечена исходная настройка 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 реальным условиям роспуска.

Функционирование описанного выше советчика опирается на предположение о наличии у оператора устойчивого опыта управления ТП. Изложенная методика этот опыт формализует и уточняет на основе итерационной процедуры работы с оператором. С целью развития методики акцентируем внимание на следующих особенностях процесса управления торможением:

        Скорость выхода отцепа с ТП — управляющее воздействие, а не целевая функция, как это представлено выше. Поэтому логичнее рассматривать Vр как аргумент, а x4 — расстояние до точки прицеливания принять в качестве функции. Так как цель управления отцепом — достичь заданной точки подгорочного парка. Необходимая скорость выхода из парковой ТП это промежуточный результат.

        Существует некоторая объективная статистическая закономерность связи рассматриваемых переменных, определяемая природой системы (состоянием пути, ТП, параметрами вагонопотока через ТП, уклоном пути и т. д.), а не субъективным мнением о ней человека-оператора. В рассмотренном выше алгоритме идентифицировалась не эта зависимость, а модель, неявно присутствующая в опыте оператора.

Итак, в нашем случае идентифицируется не зависимость (1), зависимость вида:

х4 = b1 х1 + b2 х2 + b3 х3 + b4 Vр. (6)

Здесь предполагается: x4 — расстояние до точки прицеливания — функция, а x1 — вес отцепа, x2 — длина отцепа, x3 — его ходовые свойства, Vр — скорость выхода с ТП — аргументы.

Обучающая последовательность для идентификации неизвестных коэффициентов b1, b2, b3, b4 формируется следующим образом. Выбираются данные отцепов для которых известны характеристики x1, x2, x3,реальная скорость выхода с ТП Vр, а также дальность реального пробега отцепа х4 по путям подгорочного парка (не ограниченная после соударения со стоящим на пути отцепом). Если ставить задачу сцепления движущегося отцепа с уже стоящими на путях, последнюю величину можно несколько завысить.

Обучение советчика осуществляется отдельно по каждому пути сортировочного парка, так они имеют свои индивидуальные характеристики, влияющие на режим скатывания отцепа (кривизна, уклон, отношение к розе ветров и т. д.).

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 функции (6), как и ранее для (1), также позволяет осуществить обратную связь процесса обучения оператора-эксперта. Действительно, предъявляя оператору данные об отцепе и результаты его скатывания, мы формируем у него опыт работы (пусть и пассивный) с сортировочной системой.

Для реализации управления нужно получить необходимую скорость выхода из ТП по (5), подставив в это соотношение известные x1 — x4. Рассмотренная выше технология допускает дальнейшие усовершенствования за счёт включения процедур:

  1. Отбора информативных признаков.
  2. Выбора вида дискриминантных функций (1 и 5).
  3. Вида критерия оценки параметров этих моделей и вида критерия оценки эффективности разработанного советчика.

Критерием оценки качества работы автомата-советчика по прогнозу и реализации заданной скорости выхода из парковой ТП является коэффициент заполнения путей сортировочного парка, рассчитанный по результатам роспуска состава.

При входе отцепа в ТП в блок расчета модели поступают данные, характеризующие конкретный (управляемый) отцеп. По этим данным и модели, уже находящейся в блоке расчета моделей, рассчитывается управляющее воздействие, соответствующее реальной ситуации. Затем происходит реализация управляющего воздействия непосредственно на ТП. После выхода отцепа из ТП в блок расчета модели снова поступают обучающие данные, и если реальная скорость выхода не соответствует модельной — модель корректируется. Алгоритм повторяется в процессе роспуска, обучая тем самым машину.

В этом случае советчик теряет функцию обучения эксперта по логике работы [1], так как получает данные не от него, а непосредственно из работающей системы. Но сохраняет эту функцию по варианту, предложенному в данном исследовании.

Наше усовершенствование механизма реализации скорости выхода их ТП состоит в том, что обучающая информация поступает в блок расчета модели не сразу после выхода отцепа из ТП, а после достижения им точки прицеливания. Это позволяет корректировать не модель вида (1), а модель вида (6).

 

Литература:

 

  1.                Сарьян А. С. Разработка систем функционирования на железнодорожном транспорте: проблемы, пути развития // Сборник трудов конференции «Транспорт — 2009» — Ростов-на-Дону, 2009.

Обсуждение

Социальные комментарии Cackle