Вход на сайт

Научные направления

Поделиться:

Статьи из раздела: ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ В МОБИЛЬНОМ ПРИЛОЖЕНИИ ДЛЯ ДИАГНОСТИКИ АРТРИТА КИСТЕЙ РУК

Эпидемическое моделирование с использованием клеточных автоматов

Статья опубликована в №15 (ноябрь) 2014
Разделы: Информационные технологии, Техника
Размещена 21.11.2014. Последняя правка: 24.11.2014.
Просмотров - 6244

Технология работы сортировочных станций в современных условиях

Обухов Андрей Дмитриевич

Московский государственный университет путей сообщения

Аспирант

Шапкин Игорь Николаевич, д.т.н, профессор, Московский государственный университет путей сообщения, кафедра «Управление эксплуатационной работой и безопасностью на транспорте»

Аннотация:

В данной статье рассматривается проблема функционирования сортировочной станции в современных условиях. Особое внимание уделено вопросам реализации "Схемы размещения и развития сортировочных станций ОАО "РЖД" на период 2016-2025 гг." В статье раскрываются проблемы применения нейросетевых технологий в управлении технико-технологическими процессами на сортировочной станции.

Abstract:

This article discusses the problem of the functioning of the sorting station in modern conditions. Special attention is paid to the implementation of the layout and development of the sorting stations of JSC "RZD" for the period 2016-2025," the article reveals the problems of application of neural network technology in the management of technological processes at the sorting station.

Ключевые слова:

железнодорожный транспорт; перевозочный процесс; сортировочная станция; нейросетевые технологии; инновации

Keywords:

railway transport; transportation yard; neural network technology; and innovation

УДК 656.212.5

Эффективное функционирование железнодорожного транспорта Российской Федерации играет исключительную роль в создании условий для модернизации, перехода на инновационный путь развития и устойчивого роста национальной экономики, способствует созданию условий для обеспечения лидерства России в мировой экономической системе. От состояния и качества работы железнодорожного транспорта зависят не только перспективы дальнейшего социально-экономического развития, но также возможности государства эффективно выполнять такие важнейшие функции, как защита национального суверенитета и безопасности страны, обеспечение потребности граждан в перевозках, создание условий для выравнивания социально-экономического развития регионов [1]. Конкурентоспособность железнодорожных дорог сегодня неразрывно связана с разработкой и внедрением многофункциональной системы управления сортировочными комплексами, комплексных систем контроля движения поездов, основанных на применении микропроцессорных программно-технических комплексах, отвечающих особым требованиям по безопасности, в том числе по международным стандартам.

В России железнодорожный транспорт остается ведущим звеном транспортной системы, при этом его основными преимуществами являются достаточно высокий уровень безопасности, низкое энергопотребление и низкая стоимость перевозок. Упрочнение позиций железных дорог на рынке транспортных услуг во многом зависит от развития этих конкурентных преимуществ. На решение указанных задач направлена «Схема размещения и развития сортировочных станций ОАО «РЖД» на период 2016-2025 гг.», разработанная в соответствии с поручением первого вице-президента ОАО «РЖД» Морозова В.Н. и с распоряжением ОАО «РЖД» от 27 марта 2012 г. № 595р «О плане научно-технического развития ОАО «РЖД» на 2012 год».

Схема предусматривает комплекс мероприятий по развитию и восстановлению сортировочных мощностей, обеспечивающих освоение перспективных вагонопотоков с оптимизацией плана формирования поездов, инвестиций в строительство и расходов на содержание станционных устройств, при этом учитывается потребность в развитии железнодорожных участков на подходах к сортировочным станциям в соответствии с актуализированной Генеральной Схемой развития сети железных дорог ОАО «РЖД» до 2020 года.

В последние годы ведуться разработки интеллектуализированных систем управления перевозочным процессом. Учеными и специалистами ОАО "НИИАС" достигнуты значительные успехи в области совершенствоания диспетчерского управления движением поездов на основе интеллектуальных мультиагентных систем (пример - направления Санкт-Петербург - Москва, Санкт-Петербург - Бусловская). На данных направлениях курсируют высокоскоростные пассажирские поезда при движении по той же железнодорожной инфраструктуре грузовых поездов, что обуславливает приоритетность модернизации данных участков сети новыми управляющими системами [2].

Также в настоящее время ведущими учеными отрасли решаются задачи адаптивного планирования перевозочного процесса в реальном масштабе времени в условиях ограничения ресурсов. Разрабатываемые методы ситуационно-логистического управления станционными процессами в интеллектуальных транспортных системах позволят повысить качество составления оперативных планов за счет повышения точности прогнозов основных показателей поездной и грузовой работы. В частности, точный прогноз показателей оперативных планов позволяет: повысить эффективность использования тягового подвижного состава, рабочего парка вагонов, сократить простои вагонов, обеспечить упреждающее применение регулировочных мер для уменьшения последствий или недопущения затруднений в организации эксплуатационной работы [3].

Однако, существует большой потенциал в развитии информационно-управляющих, интеллектуально-интегрированных систем на сортировочных станциях (СС). Ярким примером служит внедрение на сетевых СС инновационных технико-технологических комплексов по расформированию-формированию составов поездов - система КСАУ СП, в которой реализованы нейросетевые технологии.

В принципе нейросеть или искусственная нейронная сеть (ИНС) - это большой параллельно распределенный процессор. Среди многих выдающихся качеств нейросети самое главное – это способность к индуктивному обучению абсолютным понятиям на основе числовых данных. За счет поочередного расчета линейных комбинаций и нелинейных преобразований достигается аппроксимация произвольной многомерной функции при соответствующем выборе параметров сети.

ИНС представляют собой вычислительные структуры, которые моделируют биологические процессы, обычно ассоциируемые с процессами человеческого мозга. Они способны решать широкий круг задач прогнозирования, оптимизации, управления сложными организационно-техническими системами. ИНС позволяют решать не формализуемые или трудно формализуемые задачи. Очень важно, что ИНС способны к адаптивному обучению по экспериментальным данным (опыту специалистов) без построения моделей, поэтому их использование особенно эффективно для сложных систем, когда математическая модель или отсутствует, или неоправданно сложна. Разработка ИНС является одним из подходов к созданию искусственного интеллекта [4-6].

Комплексная система автоматизации управления сортировочным процессом (КСАУ СП) относится к системам автоматики и телемеханики, обеспечивающим автоматизацию технологического процесса расформирования-формирования железнодорожных составов на сортировочных горках. В состав системы входит взаимоувязанный с путевыми устройствами и исполнительным оборудованием комплекс программно-аппаратных средств, объединенных в нескольких промышленных компьютерах, метеостанция, интерактивный микропроцессорный пульт, сервер баз данных, модуль управления компрессорной станцией, модуль поддержки принятия решений для эксплуатационного и обслуживающего персонала сортировочной горки. Система решает задачу повышения безопасности роспуска и повышения надежности работы сортировочной горки за счет выявления предотказных состояний напольного оборудования и уменьшения боя вагонов, а также позволяет экономить энергоносители за счет оптимизации работы компрессорной станции. Отличительной особенностью системы является возможность применения системы на сортировочных горках любой перерабатывающей способности, с любым путевым развитием и в любой климатической зоне.

Задачей предлагаемой Комплексной системы автоматизации управления сортировочным процессом является создание универсальной системы автоматизации сортировочного процесса с высокими показателями надежности и безопасности работы, а также повышающей перерабатывающую способность сортировочной горки.

Локальная задача определения ходовых свойств отцепов при помощи нейросети решается следующим образом:

по данным, поступающим от напольных устройств определяются основные параметры отцепа – маршрут, количество вагонов, вес, тип вагонов и так далее. По данным модели движения определяются скорости прохождения отцепом контрольных участков сортировочной горки. Далее строится нейронная сеть, блок-схема которой приведена на рисунке.

На данной схеме:

X₁ ... X_i – вектор входных данных;

F – функция активации;

W₁ ... W_i – весовые коэффициенты, настраиваемые сетью в процессе обучения;

Q – пороговый уровень сети, определяемый в зависимости от функции активации;

NET – выход сети;

OUT – выход сети после обработки функцией активации.

При этом выход нейронной сети можно определить по формуле:

(1)

Вектором входных данных для нейросети являются:

- вес отцепа, поступающий от весомера;

- количество вагонов, тип вагонов – поступает от измерительного участка;

- скорости прохождения отцепом контрольных участков горки (рассчитываются моделью движения);

- погодные условия (дождь, ветер, температура воздуха) – поступают от метеостанции;

Выходом работы сети является заключение о ходовых свойствах данного отцепа.

Для установления взаимосвязей между нейронами в сети выбрана логическая функция активации (сигмоида), для которой:

(2)

Сигмоида применяется для сетей с непрерывными сигналами. Положительные качества этой функции – гладкость и непрерывность.

После выбора функции активации, сеть проходит “обучение” на полученной последовательности данных с учетом анализа всего множества имеющихся факторов. По окончании обучения сеть готова решать задачу оценки ходовых свойств отцепов. В процессе функционирования на вход сети поступает вектор новых данных, и сеть делает свое заключение относительно ходовых свойств конкретного отцепа.

Выводы.

На основе приведенных данных необходимо сформулировать вывод о том, что повсеместное внедрение инновационных методов организации перевозочного процесса на основе нейросетевых технологий позволит увеличить производительность сортировочных систем, повысить уровень безопасности и безаварийности станционных процессов, а в конечном итоге повысить конкурентоспособность железнодорожного транспорта.

Библиографический список:

1. Стратегия развития железнодорожного транспорта в Российской Федерации до 2030 года [Утверждена распоряжением Правительства Российской Федерации от 17 июня 2008 г. № 877-р]. 2. Шабунин А.Б., Ефремов Г.А., Калуцкая А.П. Использование мультиагентных систем в диспетчерском регулировании / Железнодорожный транспорт, 2013. №3. - С.23-27. 3. Куренков П.В., Нехаев М.А. Мойсиевич Н.В. Применение форсайт-технологий в управлении транспортным комплексом // Вестник транспорта. - 2012.- № 3.- С.36-44. 4. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. – М.: Горячая линия – Телеком, 2001, 382 с. 5. Каллан Р. Основные концепции нейронных сетей. М.: Издательский дом «Вильямс», 2003, 288 с. 6. Ежов А.А., Шумский С.А. Нейрокомпьютинг и его применение в экономике и бизнесе. – М., 1998.

Рецензии:

21.11.2014, 9:25 Каменев Александр Юрьевич
Рецензия: Статья актуальна, обладает элементами научной новизны и практической ценностью, грамотно и лаконично оформлена, правильно структурирована. Рекомендуется к печати.

21.11.2014 15:15 Ответ на рецензию автора Обухов Андрей Дмитриевич:
Александр Юрьевич, спасибо за Вашу рецензию!

22.11.2014, 6:54 Галкин Александр Федорович
Рецензия: Статья содержит много лишней "вводной" информации, не имеющей отношения к делу. Не ясно, что хотел сказать автор - о достоинствах и недостатках нейросетей всем известно. Вывод не соответствует содержанию. Статья и не обзорная и не постановочная. Ни о чем! В чем вклад автора в науку сделан или будет сделан? Нуждается в серьезной переработке. А, лучше написать новую и по-делу. Не рекомендую к печати.

23.11.2014 20:20 Ответ на рецензию автора Обухов Андрей Дмитриевич:
Спасибо Александр Федорович за Вашу рецензию! В статье предполагалось описание метода оперативного управления сортировочным процессом на основе нейросетевых технологий. При этом я постарался раскрыть суть данного метода, описать основные математические принципы функционирования. Статья - вводная в данную тематику и дает концептуальный базис для более детального рассмотрения вопроса нейросетевого управления сортировочным комплексом.

22.11.2014, 7:21 Дегтярь Андрей Олегович
Рецензия: Статья написана на актуальную тему, оформлена хорошо. Необходимо указать ученых и специалистов, которые исследовали инновационные методы организации перевозок и дать общую характеристику их публикаций, выделив не решенные части проблемы, исследованию которых и посвящается рецензируемая статья. После доработки статья может быть рекомендована к опубликованию.

23.11.2014 22:22 Ответ на рецензию автора Обухов Андрей Дмитриевич:
Спасибо Андрей Олегович за Вашу рецензию! Изложенные замечания я полностью принимаю, согласен с ними и в кротчайший срок в статью будут внесены поправки.

22.11.2014, 22:52 Любенкова Елена Петровна
Рецензия: С точки зрения менеджмента в статье автор только ссылается на основные положения "Стратегии развития железнодорожного транспорта в Российской Федерации до 2030 года", "Схемы размещения и развития сортировочных станций ОАО «РЖД» на период 2016-2025 гг." и "Плана научно-технического развития ОАО «РЖД» на 2012 год", но ничего не предлагает в сфере управления данными объектами. Рассматриваемый материал является лишь "Примером одного из шагов на пути к реализации разработанного (в данных документах) комплекса мероприятий". На основании вышесказанного рекомендую статью изъять из научного направления "Менеджмент". Возможно, с технической и информационно-технологической точки зрения статья представляет научную ценность, но тогда следует немного изменить начало статьи, актуализировав рассматриваемые в статье вопросы. Рекомендую доработать статью.

23.11.2014 22:22 Ответ на рецензию автора Обухов Андрей Дмитриевич:
Уважаемая Елена Петровна! Выражаю Вам огромную благодарность за рецензию. С т.з. менеджмента правда нет конкретных предложений, т.к. рассматриваемая тема косвенно относиться к данному направлению. Ваши замечания по изменению начала статьи абсолютно правильны и будут внесены изменения в кротчайшие сроки.

Комментарии пользователей:

25.11.2014, 11:06 Обухов Андрей Дмитриевич
Отзыв: Уважаемые рецензенты! Все Ваши замечания учтены и исправлены. Спасибо большое за ваши замечания, пожелания - это очень важно для молодого начинающего исследователя!

Оставить комментарий

E-mail: sci@sci-article.ru
©2013-2023 Электронный периодический научный журнал SCI-ARTICLE.RU
Любое использование размещённых на сайте журнала статей и материалов возможно только с обязательной активной ссылкой на сайт журнала «SCI-ARTICLE.RU».

▲
Вверх

E-mail:
Пароль:
Запомнить
	Регистрация/ Забыли пароль?