WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


 

На правах рукописи

Уманский Владимир Ильич

АВТОМАТИЗАЦИЯ УПРАВЛЕНИЯ
ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ
ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА
НА БАЗЕ ИНТЕГРАЦИИ МЕТОДОВ
ВЫСОКОТОЧНОГО СПУТНИКОВОГО ПОЗИЦИОНИРОВАНИЯ
И ИНЕРЦИАЛЬНОЙ НАВИГАЦИИ

05.13.06. – Автоматизация и управление технологическими процессами
и производствами (транспорт)

05.22.08. – Управление процессами перевозок

Автореферат диссертации

на соискание ученой степени

доктора технических наук

Москва 2012


Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Московский государственный университет путей сообщения (МИИТ)» на кафедре «Управление и информатика в технических системах».

Научный консультант        Доктор технических наук

       Розенберг Игорь Наумович

Официальные оппоненты:        Доктор технических наук, профессор

       Доенин Виктор Михайлович

       Доктор технических наук, профессор

       Шмулевич Михаил Израильевич

       Доктор технических наук, профессор

       Абрамов Валерий Михайлович

Ведущее предприятие: ОАО «Всероссийский Научно-исследовательский институт железнодорожного транспорта» (ОАО «ВНИИЖТ»)

Защита состоится 15 февраля 2012 г. в 14.00 на заседании диссертационного совета Д.218.005.04 при Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Московский Государственный университет путей сообщения» (МИИТ) по адресу:127994, г. Москва, ул. Образцова, д.9, стр.9, аудитория 2505.

С диссертацией можно ознакомиться в библиотеке университета.

Отзывы на автореферат, заверенные печатью организации (в двух экземплярах) просим направлять по адресу Университета.

Автореферат разослан ____________2012 г.

Ученый секретарь диссертационного совета,
д.т.н.  В.Г. Сидоренко

Общая характеристика работы

Актуальность темы. Предоставление услуг спутниковых навигационных систем (СНС) GPS и ГЛОНАСС позволяет модернизировать многие технологические процессы. Внедрение спутниковых навигационных технологий (далее СНТ) в автоматизированных системах управления технологическими процессами (АСУ ТП) на железнодорожном транспорте целесообразно в связи с большим числом подвижных объектов, навигационный контроль за местоположением которых приносит качественно новые результаты в управлении перевозками, и необходимостью совершенствовать методы текущего содержания инфраструктуры и обеспечения безопасности движения.

Для эффективного применения СНТ необходимо теоретически обосновать и практически реализовать высокоточное координатное пространство и цифровые модели пути как метрико-методологическую основу координатных методов управления, разработать интегрированные с инерциальной навигацией системы высокоточного спутникового позиционирования, развить возможности систем АСУ ТП железнодорожного транспорта с учетом СНТ. Указанные вопросы разработаны в диссертации, в том числе нашли внедрение новые решения по автоматизированному управлению маневровой работой на станциях, движением поездов в период предоставления «окон» для ремонта пути и некоторые другие.

Все это определяет актуальность исследования, его направленность на решение важных теоретических вопросов и практических задач по одному из стратегических, инновационных путей технологического и технического развития железнодорожного транспорта.

Объектом исследования являются автоматизированные системы управления перевозочным процессом железнодорожного транспорта, в которых эффективно применение спутниковых навигационных технологий.

Целью работы является создание и теоретическое обоснование новой структуры автоматизированных систем управления технологическими процессами на основе высокоточного спутникового позиционирования подвижных объектов, обеспечивающих эффективное управление перевозочным процессом и маневровой работой, повышение безопасности движения с использованием новых методов технического мониторинга железнодорожного пути.

Для достижения поставленной цели необходимо решить следующие задачи:

  • разработать экономически целесообразные бортовые навигационные устройства на основе комплексирования спутниковых и инерциальных измерений, обеспечивающие высокоточное позиционирование и определение угловых положений локомотива;
  • развить функциональные возможности автоматизированных систем управления перевозочным процессом и маневровой работой, используя точные навигационные определения положения подвижных объектов и характеристики их движения;
  • разработать автоматизированные системы оперативного мониторинга состояния пути на основе бортовых спутниково-инерциальных измерений и данных лазерного сканирования.

Методы исследования основаны на положениях теории автоматического управления, математической статистики и теории вероятностей, теории надежности, теории фильтрации, теории статистических решений.

Новизна научных положений, выносимых на защиту:

  1. Системно определены области и масштабы внедрения СНТ в управлении перевозочным процессом на основе разработанной классификации мно­жества функций перевозочного процесса с учетом изменений в их техно­логическом обеспечении и реализации АСУ ТП при использовании СНТ;
  2. Обоснован выбор бесплатформенной инерциальной навигационной системы (БИНС) с минимальным приборным составом измерительного комплекса для решения задачи устойчивого высокоточного позиционирования подвижных объектов ж/д транспорта на основе интеграции спутниковых и инерциальных методов навигации и выполнен синтез математической модели БИНС, инвариантной к виду физической модели объекта, характеру движения и помех измерений. Разработанная модель позволяет построить на основе автономной информации замкнутые алгоритмы фильтрации навигационных параметров локо­мотива, обеспечивающие последующую устойчивую интеграцию БИНС и CНС;
  3. Решена задача тесной интеграции БИНС и CНC, обеспечивающая наблюдение параметров не только линейного, но и углового движения объекта и устойчивое субоптимальное оценивание его вектора состояния в том числе и на временных интервалах между спутниковыми навига­ционными сообщениями. С этой целью выполнен синтез информационных стохастических моделей сигналов спутниковых измерений в соответствующих системах координат и их представление в различных параметрах вращения с учетом дискретизации спутниковых навигационных сообщений во времени;
  4. Впервые получено теоретическое решение задачи глубокой интеграции автономной БИНС и CНС, позволяющее повысить точность навигационного решения за счет замены детерминированных алгоритмов расчета параметров спутника комплексированными алгоритмами непрерывно - дискретной стохастической оценки, а также получить стохастическую динамическую нелинейную модель эволюции ошибок навигационных параметров в СНС ГЛОНАСС. На основе полученных оценок навигационных параметров разработаны алгоритмы построения высокоточной цифровой модели пути и его текущей технической экспресс-диагностики;
  5. Разработаны: архитектура АСУ движением поездов в период предоставления «окон» с использованием данных спутникового позиционирования (АС ОГДПО), технология построения оперативного графика на «полигоне окна» на основе организации имитационного моделирования работы направления, условия толерантности системы к изменению входных данных при выполнении оперативного графика и соблюдении заданных ограничений;
  6. Разработаны принципы построения АСУ маневровыми маршрутами (АСУММ) с использованием высокоточного спутникового позиционирования, включающие: декомпозицию станций на отдельные маневровые районы с определением локальных целевых функций, систему кодирования «элементарных» маршрутов, из которых состоят маневровые рейсы и полурейсы, определения моментов времени принятия решений и ограничений при определении очередности выполнения маршрутов;
  7. Разработаны методы и алгоритмы оперативного выявления аномалий форм рельсовых нитей (АФРН) по данным бортовой инерциально-спутниковой системы, основанные на критерии совместного обнаружения и оценивания параметров альтернативных сложных гипотез и методе субоптимальной идентификации параметров АФРН в реальном времени, обеспечивающие повышение точности идентификации за счет использования вероятностных критериев, нелинейно зависящих от апостериорной плотности вероятности вектора состояния;
  8. Разработаны алгоритмы автоматического построения цифровой модели пути (ЦМП) в части профиля земляного полотна по результатам лазерного сканирования, впервые обеспечивающие адаптивный поиск точек стационарности случайного профиля и устойчивые к помехам сканирования.

Достоверность и обоснованность полученных научных выводов подтверждается их реальным использованием в автоматизированных системах управления перевозочным процессом, результаты работы которых соответствуют теоретическим положениям диссертационной работы.

Практическая значимость выполненных исследований:

–        разработанная системная классификация ТП основной деятельности ОАО «РЖД» с применением СНТ позволяет повысить качество текущего и пер­спективного планирования и ускорить получение технико-экономического эффекта при реализации проектов в управлении перевозочным процессом; – разработанный метод тесной и глубокой интеграции БИНС и СНС обеспечивает высокоточное позиционирование подвижных единиц и актуализацию цифровых моделей пути при минимизации стоимости аппаратуры, что позволяет широко развернуть внедрение СНТ в АСУ перевозочного процесса;

–        разработанная с использованием спутниковых технологий АСУ движением поездов в период предоставления «окон» на основе точной оперативной информации о транзитных и образующихся поездах на «полигоне окна» обеспечивает: сокращение на величину до 40% межпоездных интервалов между попутно следующими поездами в пакетах по временно однопутному перегону двухпутных участков, рациональное формирование числа поездов в пакетах и эффективную смену направления движения пакетов, повышение в целом пропускной способности участков в период предоставления «окон» и сокращение до 33% передержек «окна» по организационным причинам;

–        разработанная с использованием высокоточного позиционирования АСУ маневровыми маршрутами (АСУММ) обеспечивает выбор рациональной очередности выполнения маршрутов при сокращении на 5–7% времени ожидания их выполнения;

–        разработанные системы оперативного мониторинга АФРН и автоматического построения профиля земляного полотна позволяют повысить безопасность движения и снизить затраты на содержание инфраструктуры.

Полученные результаты использованы при разработке и внедрении в ОАО «РЖД» следующих систем: Комплекс позиционирования подвижных объектов на цифровой модели путевого развития станции Ярославль с использованием дифференциального режима СНС и реализации графика исполненной работы станции; Построение вариантного графика на СКЖД, обеспечивающего увеличение до 7% пропускной способности участка; формирование Комплексной Системы Пространственных Данных Инфраструктуры Железнодорожного Транспорта (КСПД ИЖТ), Контроль работы ССПС в «Окно»; Контроль поездов «Сапсан» в системе «Автодиспетчер» на направлении Москва – С. Петербург; Интегральная система экспресс-диагностики пути на основе инерциальных датчиков и спутниковой навигации.

Апробация работы: полученные результаты докладывались на: международных научно-практических конференциях «ИНФОТРАНС», Санкт-Петербург, 2004 г., 2005 г., международной конференции «Современные тенденции развития средств управления на железнодорожном транспорте», Москва, 2006 г, II международной научно-практической конференции «Информатизация и глобализация социально – экономических процессов», Москва, 2007 г., научных сессиях МИФИ, Москва, 2008–2010 гг., международных конференциях «Геопространственные технологии и сферы их применения», Москва, 2008–2011 г.г., международных конференциях «Спутниковые технологии на службе железнодорожного транспорта», Москва, 2008 г., Тверь, 2009 г., международных конференциях «Безопасность транспорта», Пшибрам, 2006–2007 гг., Прага, 2008, 2010, 2011 гг., национальных конференциях по искусственному интеллекту «КИИ 2008, 2010», Дубна, 2008, 2010 гг., научно-практической конференции «Комплексная система содержания инфраструктуры ОАО «РЖД», Москва, 2009 г., международной конференции «ТелекомТранс», Сочи, 2008 г., международной конференции 14-th Conference on Applied Stochastic Models and Data Analysis (ASMDA 2011), Rome, Italy, 6–10 June, 2011.

Публикации и личный вклад автора: По теме диссертации опубликовано 46 работ, в том числе 1 монография и 21 в изданиях, рекомендованных ВАК для докторских диссертаций.

Все результаты, представленные в диссертации, получены лично автором или при его непосредственном участии. В совместных публикациях вклад автора состоит в постановке и проведении теоретических и прикладных исследований, которые определяют основу диссертации и новизну полученных результатов.

Объем и структура диссертации. Диссертация состоит из введения, 7-ми глав, заключения, списка использованных источников. Общий текст включает
332 стр., 85 рис., 19 табл.

Во введении показана актуальность проблемы. Одним из перспективных и эффективных направлений внедрения СНТ является их использование в АСУ ТП. Во многих случаях это обеспечивает интеллектуализацию систем с достижением качественно новых результатов в работе железнодорожного транспорта.

В первой главе определен потенциал использования СНТ в управлении перевозочным процессом и обеспечении безопасности, дана постановка проблемы.

Большой вклад в создание, развитие и внедрение отечественных АСУ железнодорожного транспорта внесли ученые и специалисты ОАО «РЖД», ОАО «НИИАС», ОАО «ВНИИЖТ», вузов – МИИТ, РГУПС, ПГУПС и других организаций – Абрамов В.М., Алексеев В.М., Баранов Л.А., Батурин А.П., Бестемьянов П.Ф., Василенко М.Н., Горелов Г.В., Доенин В.В., Железнов М.М., Ерофеев Е.В., Лёвин Б.А., Лецкий Э.К., Лисенков В.М., Матвеев С.И., Никитин А.Б., Козлов П.А., Коугия В.А., Розенберг Е.Н., Розенберг И.Н., Сазонов Н.В., Сапожников В.В., Сапожников Вл.В., Сотников Е.А., Сидоренко В.Г., Шаров В.А., Шелухин В.М., и другие ученые и специалисты.

В диссертации область исследования применения СНТ затрагивает организацию перевозочного процесса и маневровой работы, а также текущее содержание инфраструктуры и обеспечение безопасности. Выделены общие задачи при построении АСУ ТП с использованием СНТ. Первая –высокоточное позиционирование подвижных единиц в координатном пространстве, использующем цифровые модели пути, вторая – учет координатной информации в контуре управления. Решение этих задач требует проведения самостоятельных исследований, которые представлены в диссертации.

В ходе анализа потенциала применения СНТ разработана классификация функций перевозочного процесса с учетом изменений в их технологическом обеспечении при использовании СНТ. Множество таких функций представим в виде: . В свою очередь,

, , , , , .

Здесь – подмножества функций и индексами обозначены:
1 и 2 – управление движением поездов и маневровой работой, 3 и 4 – мониторинг инфраструктуры и подвижного состава, 5 – обеспечения безопасности,
6 – специального контроля перевозок. Детализация подмножеcтв:

– информационное обеспечение диспетчеров, - разработка оперативных графиков для участков, и – интервальное регулирование и управление потоками поездов, – реализация энергосберегающих расписаний, - разработка оперативных графиков в период «окон»; , – управление маршрутами на станциях и подъездных путях; – мониторинг инфраструктуры, – выполнение технологии лубрикации в системе «колесо – рельс», – оптимизация использования специального самоходного подвижного состава; , – контроль состояния локомотивов и вагонов в различных случаях; – контроль проезда запрещающих сигналов, превышения скорости и др., – контроль мест возможных опасных природно-техногенных процессов, – контроль вагонов с опасными грузами, – контроль восстановительных работ, – обеспечение безопасности в пассажирском комплексе, – обеспечение безопасности на переездах; – контроль: пригородного сообщения, перевозок скоропортящихся грузов, перевозок контейнерных грузов и др.

Масштабность проблемы характеризуется тем, что системы автоматизации с использованием СНТ требуют охвата высокоточным координатным обеспечением инфраструктуры на всей развернутой длине главных и станционных путей (>170 000 км) и оснащения бортовыми системами как минимум 22400 единиц тягового подвижного состава и более 1400 подвижных единиц, используемых для содержания инфраструктуры. Реализация СНТ нацелена на достижение важных для ОАО «РЖД» результатов: повышение эффективности поездной и маневровой работы и безопасности, повышение пропускной способности наиболее загруженных линий, экономию энергетических и других видов ресурсов.

Принципиальная схема выполненных исследований представлена на рис. 1.

Рис. 1. Схема выполнения исследований, практические приложения

Основой аппаратной реализации высокоточного бортового навигационного устройства является интеграция инерциально-спутниковых навигационных систем (НС) с использованием новых принципов решения задачи. В настоящее время непосредственное использование информации только от СНС на борту локомотива не в состоянии обеспечить полного решения проблемы высокоточного пози­ционирования в силу неработоспособности СНС под мостами, в туннелях, при возрастании уровня атмосферных помех и особенно – многократных отражений, зависимости точности СНС от скорости объекта и т.п. В связи с этим целесообразно использовать различные режимы интеграции позиционной информации от СНС с показаниями инерциальной НС (ИНС), наиболее перспективными из которых на железнодорожном транспорте являются режимы тесной и глубокой интеграции. Над этими вопросами работали известные ученые: Демидов О.В., Дмитриев С.П., Кошаев Д.А., Саличев О.С., Степанов О.А., Перов А.И., Харисов В.Н., Тихонов А.Н., Ярлыков М.С.

Существующие алгоритмы режима тесной интеграции построены на использовании только линеаризованных первичных измерений СНС и линейных уравнений ошибок ИНС, устойчивых лишь на небольших интервалах времени, что накладывает серьезные ограничения на время автономного движения объекта и точность оценки параметров его движения. Режим глубокой интеграции на сегодняшний день практически не рассматривался, что связано, в первую очередь, с трудностями решения данной проблемы на основе существующих математических подходов, используемых при анализе и синтезе интегрированных НС.

В связи с этим, возникает научная проблема разработки принципиально нового подхода, позволяющего не только решить задачу тесной интеграции СНС и БИНС в самом общем случае – без упрощающих допущений о характере движения объекта, о величине ошибок измерения, но и легко обобщаемого на решение проблемы глубокой интеграции исследуемых НС. Схема решения приведена на рис. 2.

Рис. 2. Схема решения задачи тесной и глубокой интеграции СНС и ИНС

Во второй главе синтезирована математическая модель вектора состояния первого компонента интегрированной НС, а именно: бесплатформенной ИНС (БИНС) на основе трех ортогональных акселерометров и трех датчиков угловой скорости (ДУСов). Получены различные варианты модели на основе использования углов Эйлера-Крылова или параметров Родрига-Гамильтона, а также различных сопровождающих систем координат (СК). Так, в параметрах Родрига-Гамильтона модель вектора состояния БИНС, полученная без применения линеаризации, без упрощающих допущений о характере движения объекта или его физической модели, о величине ошибок измерения и внешних возмущений и т.п., имеет вид:

,

       ,        (1)

,

,


где , – векторы параметров РодригаГамильтона, – вектор показаний трёх ДУСов, – вектор помех измерения ДУСов (белый гауссовский шум (БГШ) с нулевым средним и матрицей интенсивностей ), – вектор математического ожидания смещения нуля ДУСов, – радиус Земли,

, – вектор скорости объекта относительно Земли, h высота объекта над уровнем моря, – вектор выходных сигналов акселерометров, – вектор помех акселерометров (БГШ с нулевым средним и матрицей интенсивностей ), – матрица направляющих косинусов 2-го рода, определяющая ориентацию приборной СК (ПСК) относительно сопровождающей СК (ССК), – i строка матрицы СT(μ,λ), - гравитационное ускорение, рассматриваемое как функция высоты h и широты , – скорость вращения Земли.

Или в векторной форме Ланжевена, соответственно:

       ,        (2)

где , .

Принципиальными особенностями полученных уравнений (2) являются, во-первых, их общий характер (т.к. при их выводе не было сделано никаких упрощающих допущений), а во-вторых, возможность использования на их основе при интеграции БИНС и СНС методов нелинейной стохастической фильтрации, обеспечивающих оптимальность оценок навигационных переменных. С целью использования данной возможности для формирования апостериорного наблюдателя за вектором было предложено комплексирование БИНС с доплеровскими датчиками скорости (ДДС). Наличие информации с ДДС позволило обеспечить не только устойчивость текущего оценивания навигационных параметров при пропадании сигналов спутниковой навигации (т.е. автономность НС), но и при комплексной обработке сигналов БИНС, ДДС и СНС решить задачу глубокой интеграции БИНС и СНС. Уравнение наблюдателя за вектором состояния БИНС (вектора ZD выходных сигналов ДДС) было получено в следующем виде:

       ,        (3)

где UD – БГШ с нулевым средним и известной матрицей интенсивностей DU,
 – вектор помех, обусловленных возмущенным движением рельсового полотна, описываемый в общем случае стохастическим дифференциальным уравнением: , где известные векторная и матричная функции, – БГШ с нулевым средним и известной матрицей интенсивностей .

Найденные уравнения (2) и (3) позволяют построить для вектора апостериорную плотность вероятности (АПВ), знание которой принципиально решает проблему синтеза его оптимальных оценок. Но т.к. в общем случае не существует аналитического решения уравнения АПВ, то в теории нелинейной фильтрации для получения оценок используют различные приближенные (субоптимальные) методы, наиболее известным из которых является нелинейный фильтр Калмана-Бьюси, имеющий в рассматриваемом случае вид:

, (4)

,

,

где - вектор текущей оценки вектора состояния НС Y(t).

Приведенный подход к синтезу алгоритмов нелинейной фильтрации навигационных параметров БНС позволяет, во-первых, отказаться от каких-либо упрощающих допущений относительно характера движения объекта и помех измерения, во-вторых, обеспечить инвариантность алгоритмов оценивания к виду физической модели, в-третьих, построить устойчивые алгоритмы фильтрации навигационных параметров на основе только автономной информации, в-четвертых, обеспечить информационное расширение алгоритмов фильтрации без изменения структуры и размерности фильтра за счет комплексирования автономных измерителей с другими средствами измерения, в частности, СНС.

В третьей главе качестве исследуемой СНС была выбрана ГЛОНАСС, как наиболее перспективная с точки зрения устойчивой эксплуатации отечественными потребителями (при рассмотрении системы GPS существо предлагаемого подхода принципиально не изменяется), и рассмотрены два режима ее использования – стандартный (автономный) и дифференциальный. Известно, что после применения алгоритмов компенсации ошибок часов, искажений прохождения сигнала через атмосферу и т.п., автономном режиме информационный сигнал кодовых измерений (псевдодальность) может быть записан как: ZR = +W,

c,c,c – текущие координаты спутника в гринвичской СК, вычисляемые на борту спутника и передаваемые в навигационном сообщении, ,, – текущие координаты объекта в гринвичской СК, W – БГШ с нулевым средним и известной дисперсией DZ. Аналогично в автономном режиме информационный сигнал доплеровских измерений ZV может быть представлен следующим образом:

ZV = []

()-1 + ,

где – проекции вектора скорости спутника на оси гринвичской СК, - проекции вектора скорости объекта на оси гринвичской СК,
- БГШ с нулевым средним и дисперсией (t).

Очевидно, что сигналы кодовых и доплеровских измерений, несущие информацию о координатах и скорости объекта, могут быть использованы при синтезе алгоритмов фильтрации навигационных параметров как сигналы наблюдения вектора состояния объекта, для чего их необходимо представить в соответствующей ССК. В исследуемом случае имеем для координат объекта:

=2 , =2 , = .

При определении связи вектора скорости в гринвичской СК VG с вектором скорости VS в ССК было учтено, что данная связь определяется не только матрицей В() ориентации сопровождающей СК относительно инерциальной СК (ИСК), но и требует дополнительного использования матрицы поворота G(t) гринвичской СК относительно ИСК: VG=G(t)ВТ()VS=GВТ()VS, что позволяет получить инфор­ма­цион­ные модели сигналов кодовых и доплеровских измерений в следующем виде:

ZR =W+ =HR(h)+W,

       += HV(h,VS) +,        (5)

где - i-я строка матрицы .

Важнейшей особенностью спутниковых наблюдений, существенно затрудняющей высокоточное оценивание непрерывных навигационных параметров объекта – особенно для высокоскоростных ПО, является их дискретный характер (так, в ГЛОНАСС интервал времени между строками – навигационными сообщениями составляет 2 с). Подобная задача относится уже к случаю непрерывно-дискретной фильтрации и была решена в работе на основе совместного использования двух видов оценок: непрерывной – на интервале между спутниковыми наблюдениями, и дискретной – в момент приема навигационного сообщения. При использовании векторного представления уравнений дискретных спутниковых измерений (5) в виде:

       Z == + = HC(Y,к) +,        (6)

где – БГШ с нулевым средним и матрицей интенсивностей =,
к=1, 2, … – номер временного такта приема навигационного сообщения, рас­ширенный (показания ДДС+спутниковые измерения) вектор наблюдения в момент приема навигационного сообщения может быть представлен как:

       Z== + = ,        (7)

где – БГШ с нулевым средним и матрицей интенсивности DИНТ =.

Для оценивания расширенного вектора наблюдения используется алгоритм дискретного гауссовского оценивания. При этом начальные условия , R уравнений непрерывной фильтрации (4) на интервале [tK-1, tK] формируются как результат дискретного оценивания вектора состояния НС в момент времени tK–1, а результат интегрирования , R уравнений (4) в конце временного интервала [tK-1, tK] является начальным условием =,= для выполнения алгоритма дискретного оценивания в момент времени tK.

Предложенный подход обобщен на случай использования сети базовых дифференциальных станций, когда учет дифференциальных поправок позволяет достичь субметровых точностей абсолютного определения координат в режиме Real-Time Kinematic и субсантиметровых в режиме постобработки. Это, в свою очередь, позволяет существенно повысить точность определения параметров углового движения локомотива, необходимых для решения задачи диагностики железнодорожного пути.

Показано, что при использовании комплексированного наблюдателя (с добавлением одноканального ДДС) вектор оцениваемых навигационных параметров углового движения БИНС относительно ИСК (, , – углы разворота) описывается системой стохастических дифференциальных уравнений:

       , ,        (8)

а наблюдатель этого вектора, соответственно:

где () – матрица поворота 2-го рода приборной СК относительно ИСК,

– 1-я строка соответствующей матрицы, Ф(,) – матрица кинетических уравнений Эйлера-Крылова.

Полученная система позволила на основе изложенной выше методологии построить нелинейные гауссовские алгоритмы оценки параметров углового движения локомотива сразу в двух случаях: когда частота позиционирования сравнительно невысока (как в ГЛОНАСС) и координаты и скорость локомотива необходимо определять на временных интервалах между спутниковыми измерениями, и когда сеть базовых станций обеспечивает регулярное поступление дифференциальных поправок, необходимых для расчета параметров линейного движения объекта. Предложенное решение задачи тесной интеграции БИНС и СНС позволило с помощью спутниковых измерений, используя теоретический аппарат непрерывно-дискретной нелинейной фильтрации, решить задачу устойчивого субоптимального оценивания вектора состояния объекта, включающего параметры не  только линейного, но и углового движения,  как на временных интервалах между спутниковыми навигационными сообщениями, так и в моменты их приема.

Методологическая общность предложенного подхода и универсальность полученных моделей спутниковых наблюдателей позволили также решить за­дачу глубокой интеграции БИНС и СНС, уйдя от традиционного для алгоритмов обработки спутниковой информации допущения о точном формировании значе­ний координат и скорости спутника, содержащихся в принятом навигационном сообщении. Опираясь на возможность описания движения спутника известной сис­темой дифференциальных уравнений 6-го порядка и учитывая явную зави­си­мость сигналов спутниковых измерений от текущих координат с, с , с конк­рет­ного спутника и его скоростей , задача глубокой интеграции была ре­шена как задача совместного нелинейного оценивания вектора параметров ли­ней­ного движения спутника и вектора состояния БИНС. При этом вектор пара­метров движения спутника Y=задается уравнением Лан­жевена с учетом различных случайных возмущений , неучтенных при детер­ми­нированном описании его движения: , где – вектор-функция, определяющая детерминированное движение спутника, а единый вектор состояния (БИНС+спутник) наблюдается или расширенным наблюдателем (7), или только спутниковым (6).

Данная схема принципиально отличается от рассмотренной выше схемы тесной интеграции наличием оценки вектора состояния спутника, причем, по навигационным спутниковым сообщениям, принятым на борту локомотива. На основе модификации данного метода был разработан алгоритм решения задачи глубокой интеграции, независящий от способа решения навигационной задачи для конкретной СНС – ГЛОНАСС, GPS или Galileo (в частности, не требующий априорного задания уравнений движения спутника). В отличие от предыдущего метода здесь осуществляется оценка не самих навигационных параметров спутника, а погрешностей их определения , описываемых стохастическими нелинейными дифференциальными уравнениями

       ,        (9)

где  = (с, c, c,), – известные функции, определяемые по результатам испытаний или на основании априорной информации о характере движения спутника; – БГШ с нулевыми средними и известными матрицами интенсивностей .

В работе показано, что решение навигационной задачи локомотива в предложенной выше постановке позволяет получить необходимый и достаточный объем данных для решения задач диагностики железнодорожного пути и построения его цифровых моделей. Исходя из состава измерительной информации, поступающей от интегрированной НС, разработаны алгоритмы оценки собственного углового движения локомотива – углов его наклона относительно плоскости горизонта и вращения относительно оси местной вертикали . Это, в свою очередь, позволяет определять АФРН, методика обнаружения которых изложена в шестой главе. Показано, что использование высокоточных оценок параметров линейного движения локомотива, полученных от интегрированной НС, позволяет построить цифровую модель рельсового пути в виде функциональной зависимости долготы заданного множества точек, принадлежащих этому пути, от их широты : (как правило, в виде полинома не выше третьего порядка).

Т.к. для ряда практических приложений цифровая модель должна быть построена в конформных плоских (картографических) координатах , то для пересчета оценок широты и долготы , полученных на выходе интегрированной НС, было предложено использовать аналитические зависимости Гаусса-Крюгера.

Для количественной оценки эффективности предложенного подхода к интегрированию БИНС и СНС в среде MathCad было проведено численное моделирование движения локомотива с оценкой параметров его движения по показаниям интегрированной инерциально-спутниковой системы (ИС).

Расчетное движение локомотива моделировалось на временном интервале с в ССК при следующем изменении во времени:

а)        параметров линейного движения: , , ;

б)        параметров углового движения в ПСК относительно его центра масс: , , .

Моделирование проводилось для двух случаев: для режима автономной работы БИНС - без привлечения CНС, и при использовании в качестве наблюдателя вектора состояния локомотива СНС (рис 3).

Основные отличия динамики изменения этих ошибок от автономного режима состоят в следующем:

    • введение спутниковых измерений в вектор наблюдений БИНС приводит к транспонированию частотного диапазона спектральной плотности ошибок в область более высоких частот;
    • существенно меньших - более чем в 3 раза, значениях ошибок оценки параметров углового движения при отсутствии тенденции к их нарастанию;
    • существенно меньших ошибках оценки параметров линейного движения: математические ожидания ошибок по проекциям линейной скорости до 3·10-3 м/с, широте 1,1·10-7 рад, или примерно 0,7 м (по широте 1 рад примерно 6,4·106 м) и по долготе: 2,3·10-7 рад, или примерно 1,03 м (по долготе для средних широт 1 рад примерно равен 4,5·106 м);
    • устойчивой оценке всех навигационных параметров.

По результатам реальной работы 13 маневровых локомотивов на станции Ярославль-Гл. получены следующие результаты, представленные в виде оценок функций плотности распределений ошибок определения широты и долготы (рис. 4).

Рис. 3. Оценка ошибок определения широты ( sj) и долготы ( sj )

               

       а)        б)

Рис. 4.Функций плотности распределений ошибок определения:
а) широты (sj) и б) долготы (sj)

В четвертой главе разработаны принципы и реализованы механизмы построения АСУ движением поездов в период предоставления «окон» при использовании СНТ (АС ОГДПО), что позволяет автоматизировать разработку оперативных графиков. Уточненная типизация графиков в период предоставления «окон» представлена в таблице 1. Разработка ГД типов 1 и 2 ведется исходя из нормативных поездопотоков в четном и нечетном направлениях движения. Показано, что вероятность соответствия фактических поездопотоков нормативным значениям, исходя из нормального закона распределения посуточных колебаний поездопотоков, составит < 10-4, т.е., в реальной работе соответствие графиковых и фактических размеров движения поездов не имеет места. Учет фактического подхода поездов в период «окна» при автоматизированной разработке ГД непосредственно перед «окном» на основе информации, полученной с использованием СНТ и данных о поездообразовании системы оперативного управления перевозками АСОУП-2, определяет принципиально новую технологию управления поездной работой.

Таблица 1. Типы графиков движения (ГД) в период предоставления «окон»

Номер типа ГД

Тип ГД

Разработчик

Заблаговременность разработки

Источники информации

1

Технологический

Инженер – технолог

За несколько мес.

Нормативы ГД

2

Вариантный

Инженер – технолог

За несколько дней

Нормативы ГД

3

Аварийный

ДНЦ

(поездной диспетчер)

В момент закрытия перегона

Нормативы ГД и операт. данные

1A

Оперативный
с учетом данных
ГД 1,2 или 3

АСУ и ДНЦ

Перед предоставлением «окна»

Оперативные данные и нормативы ГД

Для реализации преимуществ знания точного навигационного положения поездов в системе АС ОГДПО принципиально по-новому определяются интервалы попутного следования In, которые рассчитываются для каждой пары следующих друг за другом поездов с учетом фактических значений их массы. Тяговые расчеты показали, что величина In снижается на 20–40% для различных сочетаний масс поездов, также уменьшаются для конкретных условий и станционные интер­валы, что позволяет увеличивать число пропускаемых в период «окна» поездов.

На рис. 5 представлена организация системы АС ОГДПО по управлению технологией работы участка в период предоставления «окна». Целевая функция системы имеет вид: nок(nфак)max, где – число поездов в оперативном графике и фактически поступающее, при следующих ограничениях (п.п. 1–3).

Рис. 5. Архитектура системы АС ОГДПО, обозначения в тексте

1. Преобразование графиков        11А и 22А осуществляется с учетом: ограничений инфраструктуры , технологии работы () и скоростей ; расписаний пассажирских поездов c критерием min, где – время нахождения на участке i-го поезда (всего k поездов); расчетных нормативов отправления , где – масса поездов, – время прохождения поездом расчетной длины ; числа и расписаний грузовых поездов.

2. В период «окна» для временно однопутного перегона организуются максимальные пакеты с числом поездов max. Преимущество предоставляется пакетам «направления преимущественного движения». При этом: обеспечивается первоочередной пропуск пассажирских поездов и других срочных поездов; , где – число путей на станциях прибытия пакета поездов; , где – максимальное сгущение числа поездов по условиям оборота локомотивов – коэффициент непарности (принимается эмпирически).

3. Расчет оперативного ГД следует максимально приближать ко времени начала «окна» , и если - момент начала разработки графика, то . Это условие требует минимизации времени реакции системы АС ОГДПО – , которое равно:

,

где – сбор информации о подходе поездов, – расчет оперативного графика, – согласование с верхним уровнем управления, – доведение результатов расчета до исполнителей, – подготовка исполнителей к выполнению графика. Ось на графике «полигона окна» для текущего времени определяет зону прогноза . Как правило, > 1000 км, что говорит о сложности получения исходных данных.

В АС ОГДПО используются данные: спутникового позиционирования, «ГИД – Урал ВНИИЖТ», АСОУП-2, АСУ ВОП-2 (предупреждения), АСУ-П (инфраструктура), АС ТРА (технико-распорядительные акты), и др.

Непосредственно для решения задачи построения оперативного ГД разработана система имитационного моделирования работы участка с дискретно-событийным механизмом продвижения времени. В каждый цикл расчета в дискретный момент времени в порядке убывания приоритета поездов анализируется возможность выполнения очередной операции. При этом вычисляется подход поездов «с полигона окна» к «участку и перегону окна» и выполняется построение оперативного пакетно­го графика на временно однопутном «перегоне окна». Для корректного функциони­рования системы АС ОГДПО требуется обеспечить контроль выполнения оператив­ного графика. Под «полигоном окна» при этом понимают прилегающие к «участку окна» линии, поступающие поезда с которых учитываются при разработке графика.

Управляющие решения по прокладке поездов на пространстве с n подходящими линиями в период времени принимаются на основе функционала, в котором величина обозначена как :

где – оператор, определяющий порядок расчета расписаний для поездов на пространстве в период времени и включающее цифровую модель , технологии , используемые данные ГД типов 1 или 2 и влияние возмущающих воздействий .

Результатом расчетов является оперативный график подхода поездов к «перегону окна» по направлениям движения. Возмущающие воздействия могут вызвать опоздания поездов . Система толерантна к изменению входных данных, если обеспечивается образование предусмотренных пакетов поездов. Каждый поезд в пакете , имеет абсолютный резерв времени: , где – текущее время отправления поезда на «перегон окна», – время прибытия поезда к «перегону окна». Если , то система толерантна к изменению входных данных. Построение оперативных графиков и организация их выполнения минимизируют задержки поездов в период предоставления «окон».

При расчете экономической эффективности внедрения СТ в управление процессом проведения «окон» по ремонту пути учитываются и преимущества, получаемые за счет организации контроля за движением тяжелой путевой техники на «участке окна». Это обеспечивает:

–        повышение качества путевых работ в «окно», и как следствие, снижение количества случаев дополнительных назначаемых «окон»;

–        повышение оперативности и обоснованности в принятии решений по управлению движением поездов на «полигоне окна», эффективное использование пропускной способности «перегона окна»;

–        уменьшение нарушений режима проведения «окон» (перенос времени начала «окон» и передержек «окон»).

Расчеты показали, что суммарный эффект от внедрения спутниковых технологий в управление работами по ремонту пути (инфраструктуры) в «окно», преж­де всего за счет сокращения (до 33%) передержек «окна» по организационным причинам, в целом для ОАО «РЖД» может достигать 1,4 млрд. руб. в год.

В пятой главе рассмотрено построение системы управления маршрутами на станциях при использовании СНТ. Сложность станционной технологии, наличие многообразных зависимостей при неопределенности времени выполнения маршрутов, влияние возмущающих воздействий требуют выделения самостоятельный задачи «планирование очередности маршрутов» с созданием соответствующей «Автоматизированной системы управления маневровыми маршрутами» (АСУММ), которая реализуется аналогично системе АС ОГДПО (рис. 5) с учетом высокоточного позиционирования локомотивов.

Информационное обеспечение: нормативно-справочная информация – график движения, схема станции (ЭЦ) Сx и подходов, данные технологических процессов , ; переменная информация – план прибытия и отправления поездов (), данные систем АСОУП-2, АСУСС и др. о поездах, вагонах на путях и др. – определяется как множество параметров ; данные о временном закрытии путей, отказах и др. – возмущающие воздействия . Основной оперативной информацией являются данные навигационного позиционирования с точностью до занимаемой секции маневровых и поездных локомотивов – . Решения определяются на основе функционала

       ,        (10)

где оператор определяет выбор очередности маршрутов для различных комбинаций значений , и .

Разработка АСУММ осуществляется для станций с характерными маневровыми маршрутами (сортировочные, грузовые и т.п.). Станции рассматривается как сложные системы с декомпозицией на маневровые районы (как правило – два, рис. 6.), для которых в большинстве случаев принимаются самостоятельные решения по очередности маршрутов с учетом межрайонных связей. Для маневровых районов определяются локальные целевые функции.

В диссертации приведены алгоритмы расчета очередности маршрутов на примере односторонней сортировочной станции с последовательным расположением парков. Так, для 1-го района целевая функция минимизирует простой составов в парке прибытия П:

        , при ограничениях: ,        (11)

где – время ожидания маршрута в локомотивном хозяйстве (ЛХ) для поездного локомотива (ПЛ); – норма времени нахождения ПЛ в парке П. При этом маршруты прибытия поездов приоритетней, чем маневровые операции.

Решение целевой функции требует: описания маршрутов, определения моментов времени принятия решений по очередности маршрутов и разработки эвристических условий принятия решений.

Рис. 6. Детализированная схема 1-го и 2-го маневровых районов

Для описания маршрутов дополнительно к известным понятиям «рейс» и «полурейс» вводится понятие «элементарный маршрут» (d), из сочетания которых состоит маршрут (D). Предложена система кодирования маршрутов, в которой 1-я цифра кода означает номер района, 2-я – характеристику маршрута (заезд, надвиг и др.), 3-я и 4-я цифры – особенности маршрутов. Так (рис. 6) маршрут в первом районе (код 1) «заезд (5) после осаживания (2) с использованием (2) обходного пути» (1.5.2.2) включает четыре элементарных маршрута d:

               (12)

Моменты , например, для 1-го района:

– ПЛ готов следовать в ЛХ враждебности с надвигом и заездом;

(МП2(1,2..5)) – готовность к надвигу состава (пути 15 П), требуется определить: a) путь надвига Н1, Н2; б) возможные остановки состава у сигналов – Мн1, МГ1 и МГ или Мн2, МГ2, МГ; определяется время подхода к ним: , , , ,

– момент окончания роспуска, возможны четыре решения: а) маневровый локомотив (МЛ) следует в парк С; б) заезд без использования или в) с использованием обходного пути; г) переход МЛ в режим ожидания (РО);

–окончание работы МЛ в парке С, возможны 3 решения: а) заезд с использованием или б) без использования обходного пути; в) переход в РО.

Набор эвристических условий (эвристик) для построения алгоритмов определяется на основе изучения технологии станций и опыта дежурных по станции (ДСП). В диссертации это выполнено для сортировочных станций.

Так, для 1-го района определен следующий набор эвристик и условий:

1) обеспечивается максимальная параллельность маршрутов в каждый момент времени Tj (условие относится ко всем районам и станциям);

2) надвиг и роспуск имеют преимущество при соблюдении условия (11);

3) если при заезде по схемам 1.5.1.1 и 1.5.2.1 выполняется условие (11), то

заезд имеет преимущество; при невыполнении – схемы заезда 1.5.1.2 и 1.5.2.2;

4) если путь 5 (П) занят, то схемы заезда – 1.5.1.1 и 1.5.2.1.

5) при враждебности 1.5 (заезд), 1.2 (надвиг), 1.3 (роспуск) преимущество имеют 1.2 и 1.3, если МЛ не требуется в П для очередной операции1.2.

6) выбор маршрута МЛ в момент осуществляет ДСП;

7) очередность надвига составов определяется в АСУСС и полученные результаты передаются в систему АСУММ;

8) если маршрут D может выполняться различным набором маршрутов d, то выбор одного их них осуществляется по условию энергоэффективности.

Определен минимально необходимый период прогноза оперативной ситуации 25мин, учитывающий времена подготовки маршрута и выполнения трех враждебных маршрутов.

Инструментальной средой построения маршрутов с учетом приведенных эвристик и критериев служит имитационная модель работы станции. В диссертации представлен в виде сети Петри алгоритм маршрута «заезд».

Реализация системы управления маневровыми маршрутами АСУ ММ целесообразна в комплексе с системой маневровой автоматической локомотивной сигнализацией (МАЛС). При этом собственно система МАЛС решает задачи повышения безопасности движения и автоматизации управления маневровыми локомотивами по маршрутам, заданным ДСП. Базируясь на технической базе МАЛС, система АСУММ для автоматизированного выбора очередности маршрутов требует разработки только специального программного обеспечения. Расчеты показали, что экономический эффект от внедрения системы составляет 15–17 млн. руб. в год на одну станцию, при общем потенциале внедрения более чем на 1000 станций.

В шестой главе рассмотрена технология мониторинга инфраструктуры в части автоматизации выявления расстройств пути бортовыми инерциально-спутниковыми средствами с высокоточной координатной привязкой. Для обос­нования требований, предъявляемых к системе регистрации, разработан модели­рующий комплекс с алгоритмами обнаружения аномалий формы рельсовых нитей (АФРН) и фильтрации помеховых и шумовых воздействий при оценке пара­метров аномалий. Рассмотрены АФРН следующих видов: односторонняя про­садка (локальное вертикальное искривление) одной рельсовой нити отно­сительно другой; одновременная и одинаковая по форме просадка (локальное вертикальное искривление) обеих рельсовых нитей; горизонтальное (в плане) одновременное искривление обеих рельсовых нитей и их комбинации.

Задача идентификации АФРН может быть поставлена и разрешена только как динамическая статистическая задача одновременного обнаружения и оценивания параметров АФРН при исходных данных в виде систем стохастических дифференциальных уравнений вектора состояния локомотива и уравнений наблюдения, описывающих связь измерений с параметрами АФРН, и критерия оптимальности идентификации в виде апостериорного функционала (функционала, нелинейно зависящего от апостериорной плотности вероятности (АПВ) вектора состояния). Подобная задача обнаружения и оценки параметров АФРН на основе оптимизации апостериорного функционала ставится впервые. В работе показано, что реакции измерителей НС на АФРН достаточно адекватно аппроксимируются конечной суммой взвешенных гауссоид Z*(t)= (, – параметры АФРН), или гауссоидной огибающей, модулирующей знакопеременный сигнал, например, низкочастотное (0,06–0,1 1/с) гармоническое колебание:
Z*1(t) = .

Применение существующего аппарата теории нелинейной фильтрации для оценки АФРН потребовало представления реакций измерителей на АФРН в виде решений обыкновенных дифференциальных уравнений - например, для гауссоидной аппроксимации как: Z*(t) = , , где , и – кусочно-постоянные во времени apriori неизвестные параметры (причем, – новый параметр, идентификация которого одновременно с идентификацией позволяет получить требуемый параметр =/). Предложенная аппрок­симация позволяет представить векторы трехмерных реакций измерителей интегрированной НС следующим образом: акселерометров как , ДУСов как , измерителей линейной скорости как , где a,, – векторы неизвестных параметров реакций акселерометров и ДУСов на АФРН, S(a*,d*,a)- известные матрицы.

Тогда, учитывая аддитивность реакций акселерометров и ДУСов на АФРН по отношению к основным измеряемым сигналам, модель вектора состояния НС с учетом эффектов от АФРН можно представить в векторной форме Ланжевена:

       ,        (13)

где  , , функции приведены выше в (2), =. Полученная модель позволяет решить поставленную задачу одновременного оценивания вектора параметров движения локомотива с учетом влияния АФРН и идентификации вектора параметров АФРН на основе использования измерений Z = Hс*(Y,t) +.

Для решения задачи идентификации в общем случае необходимо, чтобы искомый вектор α(t) доставлял оптимум некоторому заданному обобщенному вероятностному функционалу J, зависящему от апостериорной плотности вероятности ρ(Y,t) процесса Y, причем, в общем случае нелинейно. В качестве наиболее адекватной формы минимизируемого функционала J была использована аддитивная совокупность двух функционалов, оптимизация первого из которых , обеспечивает минимум неопределенности (максимальную информативность) идентифицированного вектора α, второго – регуляризацию процедуры идентификации на заданном интервале времени Т:

При этом, в соответствии с постановкой задачи, функцию Ф1 необходимо выбирать как ядро функционала энтропии Шеннона или Фишера , а Ф2 – в виде квадратичной регуляризующей формы, заданной на текущем интервале времени

Таким образом, окончательно исследуемую задачу можно сформулировать как задачу поиска вектора α, доставляющего минимум приведенному апостериорному функционалу, определенному на множестве функций АПВ ρ, удовлетворяющих решению уравнения Стратоновича, построенного в соответствии с видом уравнения объекта и его наблюдателя. При решении данной задачи в диссертации получено следующее уравнение относительно α: (G0,G - вектор-функции, определяемые структурами объекта и наблюдателя), из которого вытекает искомое представление идентифицируемого вектора α параметров АФРН:

,

где текущие значения аппроксимированной АПВ формируются на основе решения уравнений нелинейного оценивания после подстановки в них полученного выражения вектора α:

При использовании сети дифференциальных поправок, позволяющих практически точно решать задачу позиционирования локомотива и вычисления его скоростей, решение задачи идентификации АФРН можно существенно упростить при единственном условии – движении локомотива с заранее известной, контролируемой, например, той же СНС скоростью. В этом случае уравнения вектора состояния НС с учетом АФРН существенно упрощаются: , , , , а для наблюдения за вновь полученным вектором достаточно использовать только сигнал спутниковых доплеровских измерений. Для обоснования требований, предъявляемых к системе регистрации, был разработан имитационный моделирующий комплекс, оснащенный алгоритмами обнаружения АФРН и фильтрации помеховых и шумовых воздействий. В основу моделирования геометрии рельсовых нитей были взяты аналитические соотношения, реально используемые для описания железнодорожного полотна на местности. Исследуемая инерциальная НС – миниатюрный прибор ADIS 16364, включающий 3-х осевой датчик линейных ускорений (акселерометр), 3-х осевой датчик угловых скоростей и устройство навигации на основе GPS-приемника, позволяющее осуществлять координатную привязку обнаруженных АФРН. Были рассмотрены типовые формы сигналов от АФРН и определены наилучшие и наихудшие условия обнаружения аномалий для различных скоростей движения локомотива. Синтез структуры алгоритма обнаружения аномалий выполнен с использованием функции правдоподобия p(z/Y) исследуемых аномалий, при этом было показано, что факт наличия аномалии можно фиксировать на основе сравнения отношения правдоподобия, вычисляемого для получаемых фильтром Калмана оценок параметров аномалии, с пороговым уровнем, установленным по допустимой вероятности ложного обнаружения и условному распределению вероятностей статистики (при условии отсутствия аномалии). Структура обнаружителя аномалии в реальном времени ( – временные отсчеты) при нормальных функциях правдоподобия гипотезы =0 (нет АФРН) и альтернативы =1 (есть АФРН) в этом случае имеет классический вид:

,

zi – показания чувствительных элементов (ЧЭ) в i–е моменты времени, Z* – амплитуда реакции ЧЭ на АФРН, – пороговый уровень, однозначно соответствующий пороговому уровню правила обнаружения АФРН. С учетом всей выборки в целом эта структура сводится к виду , то есть к виду корреляционно-оценочного обнаружителя сигнала с априори не­из­вестными параметрами, где левая часть – результат раскрытия выражения для пред­ставляющий свертку выборки и реакции ЧЭ на АФРН, а правая – пороговый уровень, однозначно соответствующий пороговому уровню правила обнаружения АФРН.

В результате моделирования процесса обнаружения односторонней и двухсторонней просадок, а также горизонтального рыскания, было установлено, что наличие трехосного акселерометра и трехосного гироскопа позволяет надежно распознать типовую АФРН, которая обязательно проявится в виде сильного сигнала хотя бы в одном из шести каналов. Отдельные результаты фильтрации, иллюстрирующие эффективность предложенного подхода, приведены на рис. 7.

а)

б)

Рис. 7. Результаты фильтрации: а) центральный фрагмент всей совокупности измерений,
б) согласованная фильтрация и сравнение с порогом обнаружения

В седьмой главе приведено решение задачи автоматизации определения профиля железнодорожного полотна по результатам лазерного сканирования, что является необходимым условием применения этого метода при построении ЦМП. При этом наиболее простыми, но важными являются наблюдения за соответствием сложившихся профилей земляного полотна в сравнении с типовыми нормативными профилями для заданных грунтов, слагающих насыпи или выемки. По результатам наблюдений и их сравнительного анализа требуется фиксировать такие параметры как: ненормативная ширина плеча балластной призмы и обочины земляного полотна, места с завышенной крутизной откосов, нарушение структурных линий полотна, представляющих собой продольные линии излома поверхности земли в полосе отвода. В результате замеров формируется реализация некоторого слу­чайного процесса, который обладает существенной нестационарностью, т.е. меняет свои статистические характеристики на различных участках сканирования (рис. 8).

Рис. 8. Схема измерений земляного полотна и пример реализации точек-замеров

Выявление закона или функции, описывающей эти изменения, а также определение точек, в которых вид этой функции меняется, позволяют провести практический анализ реального профиля.

Для анализа удобна модель кусочно-стационарного случайного процесса, в котором изменение свойств происходит скачком. Последовательность измерений в точках можно описать с помощью последовательности одномерных независи­мых случайных величин , причем в этой последовательности можно выделить некоторое число n стационарных участков , ... , , , . Внутри каждого стационар­ного участка случайные величины и , , должны обладать свойством постоянства математических ожиданий и дисперсий, и если понимается стационарность в узком смысле, то случайные величины и должны иметь один и тот же вероятно­стный закон распределения.

Оценивание точек нарушения стационарности i, рассмотрено по методу максимального правдоподобия. На каждом стационарном участке функцию плотности распределения случайных величин можно задать параметрически с вектором параметров , т.е. . В этом случае логарифм функции правдоподобия Фишера имеет вид:

               (14)

Для оценивания точек необходимо найти максимум логариф­мической функции правдоподобия относительно аргументов , .

Как правило, построить рекуррентный алгоритм максимизации функционала не удается, поэтому остается един­ственная возможность – проводить полный перебор всех возможных положений точек переключения . Эта задача для случая многократных разладок является недопустимо трудоемкой – требуется оценивать функцию правдоподобия Фишера порядка раз.

Идея метода состоит в предварительном обнаружении и локализации участков, содержащих «не­стационарные» точки, т.е. точки, в которых происходит изменение статистических характеристик случайной последовательности. На множестве независимых наблюдений вводится дискриминантная функция, позволяющая судить о стационарности случайной последовательности в произвольной точке x. По априорным сведениям о возможной длине и отличительных свойствах параметризованного участка делаются правдоподобные предположения о поведении этой функции. После этого определение таких участков сводится к задаче кластеризации нестационарных точек и определению точек разладки. Дискриминантная функция для анализа таких случайных последовательностей строится в полярной системе координат.

Основное требование, которое предъявляется к дискриминантной функции, состоит в том, что она должна принимать максимальные значения в областях изменения свойств последователь­ности независимых случайных величин , и минимальные – там, где эти свойства относительно неизменны или подчинены регулярной зависимости, т.е. внутри параметризованных участков.

Рассмотрим последовательность независимых случайных величин с функциями плотности и математическими ожиданиями, подчиняющимися закону при с неизвестными и подлежащими определению параметрами и . Пусть в точке происходит изменение статистических свойств этой последовательности, т.е Момент разладки по реализации случайной последовательности локализуется с помощью дискриминантной функции, строящейся по логарифмической функции правдоподобия:

. Откуда следуют выражения:

Из данных равенств находим . После подстановки найденных параметров в выражение для дискриминантной функции и несложных преобразований получаем окончательную формулу для вычисления . По определению и построению дискриминантной функции можно ожидать, что вблизи точек переключения значения функции будут большими, чем внутри параметризованного участка. Выберем величину порога так, чтобы можно было отслеживать поведение дискриминантной функции при изменении параметра k по истинности неравенства . При этом должно наблюдаться скопление точек вблизи точек , в которых происходит переход с одного параметризованного участка на другой, и, напротив, разреженность таких точек внутри параметризованного участка. Будем для простоты называть такие точки не-стационарными. Поэтому возникает проблема кластери­зации нестационарных точек на нестационарные участки ,, в которых по определению наблюдается лишь один переход с одного параметризованного участка на другой. Заметим, что нестационарные участки , , , задают разбиение множества. Пусть–произ­вольный отрезок. Дискретная функция характеризует плотность распределения нестационарных точек в окрестности точки , тогда

где максимум берется по всем отрезкам , содержащим точку . В основе конструктивного метода определения нестационарных участков лежит теорема, доказывающая, что если , , тогда в том и толь­ко том случае, если для любого имеет место неравенство .

Оценка моментов нарушения стационарности, т.е. оценка положения точек переключения случайной последовательности с одного параметризованного участка на другой существенно упрощается, так как эти моменты локализованы внутри нестационар­ных участков, и можно перейти к однопараметрическим задачам определения точек переключения внутри сегментов, каждый из которых включает лишь один нестационарный участок.

Заключение

1. В диссертационной работе решена имеющая большое народно­хозяйственное значение научная проблема автоматизации управления техноло­гическими процессами железнодорожного транспорта на базе развития совре­менных методов спутникового позиционирования. На основе разработанной классификации множества функций перевозочного процесса системно определены технологии, где эффективно применение СНТ. Ресурсная оценка показала масштабность внедрения новых спутниковых технологий с развитием существующих и созданием новых АСУ ТП (всего более 4000 автоматизированных рабочих мест), что требует оснащения бортовым оборудованием значительного числа подвижных единиц и создания высоко­точного координатного пространства инфраструктуры железнодорожного транспорта.

2. С целью существенного повышения точности оценок навигационных параметров обосновано применение на подвижном объекте бесплатформенных инерциальных навигационных систем в составе 3-х акселерометров и 3-х датчиков угловой скорости. Выполнен синтез математической модели БИНС с использованием 4-х правых систем координат – приборной, инерциальной, гринвичской и сопровождающей, инвариантной к виду физической модели подвижного объекта, характеру его движения, возможным возмущающим воздействиям и позволяющей построить замкнутые алгоритмы фильтрации навигационных параметров локомотива на основе только автономной информации, а также интеграцию БИНС и CНС;

3. Решение задачи тесной интеграции БИНС и CНC, т.е. комплексирования спутниковых и автономных измерений осуществлено на основе синтеза информационных стохастических моделей сигналов спутниковых измерений в соответствующих системах координат, представления их в различных параметрах вращения и учета дискретизации спутниковых навигационных сообщений во времени. Предложенное решение обеспечивает наблюдение с помощью спутниковых измерений параметров не только линейного, но и углового движения объекта и решение задачи устойчивого субоптимального оценивания вектора состояния объекта с точностью до 1,2 м по широте и 1,7 м по долготе при работе в кодовом дифференциальном режиме.

4. Впервые решена задача глубокой интеграции автономной БИНС и CНС, что позволяет повысить точность позиционирования за счет использования комплексированных алгоритмов непрерывно - дискретного стохастического оценивания параметров спутника и стохастической динамической нелинейной модели ошибок параметров СНС ГЛОНАСС. Разработаны алгоритмы использования полученных оценок навигационных параметров для построения высокоточной цифровой модели пути и его текущей экспресс-диагностики.

5. Разработаны: архитектура автоматизированной системы управления движением поездов в период предоставления «окон» с использованием спутниковой навигации, технология построения оперативного графика и реализующая его построение система имитационного моделирования, учитывающая информацию о подходе транзитных и образующихся на «полигоне окна» поездов к «участку окна» и «перегону окна» и контроль за его выполнением. Также разработана система контроля за движением и работой тяжелой путевой техники на «участке окна», что обеспечивает суммарный эффект от внедрения спутниковых технологий в управление работами по ремонту пути в «окно в целом для ОАО «РЖД» до 1,4 млрд. руб. в год

6. Определена функциональная необходимость и экономическая целе­сообразность разработки «Автоматизированной системы управления маневровыми маршрутами», использующей современные методы высокоточного спутникового позиционирования. Разработаны принципы создания и функ­ционирования АСУММ на основе декомпозиции станций и определения локальных целевых функций для отдельных маневровых районов, учитывающие сложность станционной технологии, наличие многообразных взаимозависимостей при выполнении маневровых маршрутов и неопределенность времени их выполнения. Предложена система кодирования «элементарных маршрутов», определены текущие моменты времени принятия решений, разработаны эвристические наборы условий решения задачи определения очередности «элементарных маршрутов».

7. Разработана система автоматического обнаружения и оценивания параметров АФРН инерциально-спутниковыми средствами в реальном времени на основе совместного обнаружения и оценивания параметров альтернативных сложных гипотез и метода субоптимальной идентификации параметров АФРН. Впервые разработаны аналитические модели измерений АФРН, описываемые нестационарными дифференциальными уравнениями, которые позволили построить вектор состояния интегрированной НС и вектор его наблюдения с учетом влияния АФРН и получить соответствующие уравнения оценки параметров АФРН.

8. Предложен новый эффективный метод восстановления геометрической формы поперечного сечения и структурных линий земляного полотна по данным лазерного сканирования, основанный на обнаружении с помощью дискриминантной функции разладок в случайной последовательности с кусочно-линейным трендом. Предложен выбор дискриминантной функции, основанный на отношении правдо­подобия, и принимающей большие значения вблизи точек нарушения стационар­ности и близкой к нулю внутри стационарных участков, а также алгоритм класс­теризации нестационарных точек, устраняющий проблему множественной детекции.

Основные положения диссертации опубликованы в следующих работах.

СПИСОК НАУЧНЫХ ТРУДОВ

  1. Уманский В.И. Методы и алгоритмы автоматического обнаружения аномалий формы рельсовых нитей. Твер.гос.ун-т, Тверь: 2011-140 с.
  2. Уманский В.И. Мобильный измерительный комплекс для мониторинга объектов железнодорожной инфраструктуры // «Железнодорожный транспорт» – М.:2009. – №9. – C. 43– 44.
  3. Розенберг И.Н., Уманский В.И., Дулин С.К., Калинин С.В. Автома­тизированное построение оперативных графиков движения поездов с учетом данных спутникового позиционирования // «Железнодорожный транспорт» – М.:2009. – №11. – C. 68 – 70.
  4. Уманский В.И. Основные принципы построения автоматизированной сис­темы управления маневровой работой на основе данных о навигационном позиционировании локомотивов // Вестник РГУПС –Р.-н.-Д.: 2009.–№ 4–C.112–121.
  5. Уманский В.И. Об организации пропуска поездов в период технологических «окон» // Железнодорожный транспорт – М.: 2010.-№9.- С.21–24.
  6. Уманский В.И. Координатные методы контроля и управления подвижным составом по данным спутникового позиционирования // Мир транспорта – М.: 2010.- №1.- C.110–115.
  7. Розенберг И.Н., Духин С.В., Уманский В.И., Замышляев А.М., Шаповал А.В. Автоматизированная система ведения баз данных техническо–распорядительных актов железнодорожных станций // Транспорт: наука, техника, управление, вып.5– М.:2003.– C. 26–34.
  8. Шлигерский А.Б., Уманский В.И. Модельно – ориентированная технология разработки безопасного программного обеспечения железнодорожных систем безопасности с применением инструментального комплекса SCADE // Надежность – М.: 2010,-№3.- C. 13–21.
  9. Матвеев С.И., Матвеев А.С., Розенберг И.Н., Уманский В.И. Создание координатных моделей железнодорожного пути в виде взвешенных метрических графов // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки – Новочеркасск: 2010.- C.7–11.
  10. Уманский В.И. Принципы построения автоматизированной системы для разработки оперативного графика движения поездов при предоставлении им «окон» // Мир транспорта – М.: 2010.- № 3.-C.122–129.
  11. Долгий А.И., Уманский А.И., Явна В.А., Хатламаджиян А.Е. Программно – аппаратный комплекс определения качества укладки объемной георешетки в подбалластных слоях железнодорожного пути // Вестник РГУПС–Р.-н.-Д.: 2010.- № 4–C.88–93.
  12. Gapanovich V.A., Umanskiy V.I. Potential satellite technology contributions to railway operations management and safety problems // VNIIZHT Bulletin – М.: 2011-.№1 – С.26–29.
  13. Замышляев А.М., Уманский В.И. Системы МАЛС и повышение надежности движения // Мир транспорта – М.: 2010.- № 4.- C.128–135.
  14. Уманский В.И. Построение цифровых моделей железнодорожного профиля на основе лазерного сканирования // Железнодорожный транспорт–М.: 2011-№4- С.41–44.
  15. Уманский В.И. Метод идентификации аномалии рельсового пути.// Вестник Тверского университета, сер. Прикладная математика, 2011-№2(21), C.55–62.
  16. Соломаха Г.М., Уманский В.И. Программный комплекс обнаружения аномалий формы рельсовых путей.// Программные продукты и системы. 2011-№3,C.155–159.
  17. Уманский В.И. Система позиционирования локомотива на основе интеграции спутниковой и инерциальной навигационных систем. // Вестник РГУПС– Р.-н.-Д.: 2011.- № 2–C.73–86.
  18. Уманский В.И. Решение задачи интеграции спутниковых и инерциальных навигационных систем на основе нелинейной фильтрации.// Известия высших учебных заведений Северо-Кавказкий регион. Технические науки, 2011.-№4, C.32–37
  19. Уманский В.И. Модели синтеза высокоточных систем позиционирования локомотива для решения задач тесной и глубокой интеграции бесплатформенных инерциальных и спутниковых навигационных систем // Системы высокой доступности, № 3, т. 7, 2011 – С. 24-37
  20. Дулин С.К., Дулина Н.Г., Уманский В.И. Репозиторий ГИС – средство интеллектуализации систем управления инфраструктурой железнодорожного транспорта // Информационно-измерительные и управляющие системы . 2011-№6, т.9, C. 29–34.
  21. Уманский В.И. Создание автоматизированной системы управления маневровыми и поездными маршрутами на станциях // Железнодорожный транспорт – М.: 2011-№ 11 – C.22-26.
  22. A.G. Bronevich, A.N. Karkishchenko, V.I. Umansky. Recovering profiles of roadbed based on statistical scanning data. In Proc. of the 14-th Conference on Applied Stochastic Models and Data Analysis (ASMDA 2011), Rome, Italy, 6-10 June, 2011, pp. 194–201.
  23. Розенберг И.Н., Дулин С.К., Уманский В.И. Проектирование репозитория, поддерживающего ограничения целостности геоданных // Труды ОАО «НИИАС», 9 выпуск, 2011г., C.59–74.
  24. Уманский В.И., Калинин С.В. Детальный анализ эксплуатационных характеристик станций методом имитационного моделирования, реализованным на базе геоинформационного представления данных // Сборник докладов девятой международной научно–практической конференции «ИНФОТРАНС–2004»– СПб.: 2004.– C.86–92
  25. Уманский В.И., Калинин С.В. Организация имитационной модели системы «диспетчерский участок – станция» // Сборник докладов Десятой международной научно–практической конференции «Информационные технологии в железнодорожном транспорте». «ИНФОТРАНС–2005». 5–8 октября, ГУП «Типография «Наука» –Санкт–Петербург– 2005.– C. 35-37
  26. Дулин С.К., Калинин С.В., Уманский В.И. Интеллектуальная поддержка принятия решений в управлении движением поездов // Сборник научных трудов «Научная сессия МИФИ–2008», том 10–М.: 2008.–C. 55–56
  27. Дулина Н.Г., Уманский В.И. Функциональная модель системы «диспетчерский участок – станция»// ВЦ РАН –М.: 2008.– C. 3–22
  28. Дулин С.К., Калинин С.В., Уманский В.И. Анализ эксплуатационных характеристик станций на базе геоинформационного представления данных // ВЦ РАН. –М.: 2008.– 29 с.
  29. Уманский В.И., Клепач А.П., Бабанин А.В., Матвеев С.И. Проект интегрированной навигационной системы железнодорожного транспорта.//Информационное агентство «Гром», Материалы 4–й Международной научно–практической конференции «Геопространственные технологии и сферы их применения» (в рамках 5–го Международного промышленного форума GEOFORM+2008). – М.: 2008. – C. 25-26
  30. Уманский В.И., Цуцков Д.В., Калинин С.В. Комплексный анализ вариантов по реконструкции Сызрань–Октябрьского узла на основе имитационной модели // Сборник докладов шестой международной научно–практической конференции»Телекоммуникационные и информационные технологии на транспорте России «ТелекомТранс–2008»–Сочи :2008.– C. 82–86
  31. Розенберг Е.Н., Розенберг И.Н., Уманский В.И. Перспективы применения спутниковых технологий на железнодорожном транспорте // Сборник докладов второй международной научно-практической конференции «Спутниковые технологии на службе железнодорожного транспорта»- М.:2008. – C. 20–21
  32. Дулин С.К., Селецкий А.С., Уманский В.И. Система имитационного моделирования движения железнодорожного транспорта на основе интерактивно задаваемых правил организации движения // Труды 11-й национальной конференции по искусственному интеллекту «КИИ 2008», том I, Дубна, 2008. – C.77-85
  33. Левин Б.А., Матвеев С.И., Манойло Д.С., Розенберг И.Н., Железнов М.М., Уманский В.И. Геоинформатика транспортного комплекса//Сборник 5-ой международной научно-практической конференции «Геопространственные технологии и сферы их применения» –М.:2009. – C. 52.
  34. Дулина Н.Г., Уманский В.И. Структуризация проблемы улучшения про-странственной согласованности баз геоданных // ВЦ РАН –М.: 2009.– C. 3–22.
  35. Уманский В.И., Манойло Д.С., Духин С.В. Система высокоточного координатного обеспечения инфраструктуры железнодорожного транспорта // Евразия Вести.- М.: 2009.-№7. – C. 11
  36. Уманский В.И. Применение дифференциальных спутниковых навигационных систем, методов воздушного и наземного дистанционного зондирования в создании комплексных систем мониторинга состояния объектов инфраструктуры и подвижного состава // Cборник докладов третьей международной научно-практической конференции «Спутниковые технологии на службе железнодорожного транспорта»– М.:2009. – C. 69–72.
  37. Дулин С.К., Розенберг И.Н., Уманский В.И. Методы кластеризации в исследовании массивов геоданных // «Системы и средства информатики». Дополнительный выпуск. ИПИ РАН.– М.:2009. – C. 86–114.
  38. Уманский В.И. Развитие функционального бортового комплекса системы маневровой автоматической локомотивной сигнализации (МАЛС) с учетом возможностей высокоточного спутникового позиционирования и инерциально – навигационной системы (ИНС) // Сборник докладов 5-ой международной конференции «Системы безопасности на транспорте». – М.: 2009. – C. 37.
  39. Уманский В.И.Технология построения трехмерных моделей железно-дорожного полотна в высокоточном координатном пространстве // Сборник докладов 6-ой Международной научно-практической конференции «Гео-пространственные технологии и сферы их применения» – М.:2010.-C. 66–67.
  40. Матвеев С.И., Розенберг И.Н., Киншаков В.М., Уманский В.И. Интег­рированный измерительный комплекс // Сборник докладов 6-ой Международной научно-практической конференции «Геопространственные технологии и сферы их применения» - М.:2010.- C.62.
  41. Уманский В.И., Афиногенов Д.Ю. Использование аппарата сетей Петри при разработке программного обеспечения // Вопросы спецрадиоэлектроники, серия РЛТ, вып. 6, C. 36–40. 1987.
  42. Дулина Н.Г., Уманский В.И. Моделирование неопределенности геоданных // ВЦ РАН, 2010, 40 c.
  43. Дулин С.К., Розенберг И.Н., Уманский В.И. Аспекты пространственной согласованности геоинформационной системы // Системы и средства информатики. Выпуск 21, № 2, 2011 - М.: ТОРУС ПРЕСС,  – С. 72-95.
  44. Дулин С.К., Розенберг И.Н., Уманский В.И. Анализ неопределенности геоданных в моделях географического пространства // ИПИ РАН, «Системы и средства информатики», Выпуск 20, номер 2, Методы и технологии информатики, применяемые в научных исследованиях – М: 2010 – c.254–286.
  45. Уманский В.И. Восстановление профиля земного полотна по результатам лазерного сканирования методами оценивания кусочно–стационарного случайного процесса // Сборник докладов 7-ой Международной научно-практической конференции «Геопространственные технологии и сферы их применения» – М.:2011 – С. 81–82.
  46. Броневич А.Г., Каркищенко А.Н., Уманский В.И. Восстановление профиля по результатам лазерного сканирования // Труды ОАО «НИИАС», 9 выпуск, 2011г – C.85–110.

Уманский Владимир Ильич

Автоматизация управления технологическими процессами железнодорожного транспорта
на базе интеграции методов высокоточного спутникового позиционирования и интегральной навигации

05.13.06. – Автоматизация и управление технологическими процессами и производствами (транспорт)

05.22.08. – Управление процессами перевозок

Подписано в печать ____________ Объем: 3 усл. печ. л. Печать офсетная. Формат 60х84/16

Тираж 100 экз. Заказ № ___________ УПЦ ГИ МИИТ, 127994, Москва, ул. Образцова, д. 9, стр. 9







© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.