Система поддержки принятия решений по управлению локомотивом

Аннотация

Кириллов П. Ю., Секирин А. И. Система поддержки принятия решений по управлению локомотивом. В данной статье рассматривается проблема повышения безопасности ведения поездного состава и минимизация затрат на топливно-энергетические ресурсы. Определены основные понятия и разработана математическая модель. Проведен анализ моделей для формализации и представления знаний.

Ключевые слова

Локомотив, система поддержки принятия решений, нечеткий логический вывод, нечеткое продукционное правило.

Общая постановка проблемы

Локомотив — самоходный рельсовый экипаж, предназначенный для тяги несамоходных вагонов. Локомотивная бригада — группа рабочих на железнодорожном транспорте, на которую возлагается обязанность обслуживания локомотива, безопасное ведение поезда, выполнение графика движения, экономичное использование топливно-энергетических ресурсов.

Проблема автоматизации рабочего места локомотивной бригады является актуальной, поскольку ее решение позволит повысить безопасность ведения поездного состава, минимизировать затраты на топливно-энергетические ресурсы, минимизировать отклонение от графика движения.

Процесс управления локомотивом упрощенно состоит из трех этапов:

1. Оценка ситуации
2. Принятие решения
3. Реализация решения (управляющая операция).

Целью разрабатываемой системы поддержки принятия решений является автоматизация первых двух этапов процесса управления локомотивом. Устройство поддержки принятия решений будет оценивать поездную ситуацию, и выдавать рекомендации относительно действий по управлению локомотивом. Окончательное решение будет принимать локомотивная бригада.

Для достижения поставленной цели необходимо выполнить следующие задачи:

1. Анализ предметной области, существующих методов и моделей принятия решений и пакетов прикладных задач
2. Получение, с помощью метода экспертных оценок, алгоритма действий машиниста в различных ситуациях
3. Разработка нечеткой базы знаний
4. Разработка алгоритма нечеткого логического вывода
5. Проверка точности модели и определение её эффективности.

Объект исследования

Объектом исследования является рабочее место локомотивной бригады.

Кабина машиниста — специальное отдельное помещение на локомотиве, которое служит рабочим местом локомотивной бригады.

В кабине машиниста обычно располагается следующее оборудование:

• пульт управления машиниста, контроллер машиниста;
• пульт управления помощника машиниста;
• приборы управления тормозами: кран машиниста, кран вспомогательного тормоза, блокировочное устройство, кран двойной тяги;
• привод ручного тормоза;
• регулятор давления;
• приборы безопасности: автоматическая локомотивная сигнализация, электропневматический клапан автостопа, дополнительные устройства безопасности.

На панели пульта машиниста находятся кнопочные выключатели, сигнальные лампы и измерительные приборы:

• вольтметр напряжения в контактной сети, вольтметр напряжения на тяговых электродвигателях, амперметры тока тяговых электродвигателей, амперметр тока возбуждения тяговых электродвигателей;
• манометры: главного резервуара, уравнительного резервуара, тормозной магистрали, тормозных цилиндров.

На пульте помощника машиниста находятся кнопочные выключатели, вольтметр напряжения на аккумуляторной батарее и в цепях управления, манометр давления сжатого воздуха в цепях электрических аппаратов.

Кран машиниста — прибор, предназначенный для управления всеми тормозами поезда. Кран машиниста расположен на пути движения воздуха из главного резервуара в тормозную магистраль. Кран машиниста выполняет следующие функции: зарядку тормозной магистрали поезда и полный отпуск тормозов, ступенчатое и полное служебное торможение, экстренное торможение, ступенчатый и полный отпуск тормоза.

Клапан управления подачей песка – входит в состав системы, которая в свою очередь предназначена для подачи песка под движущие колёсные пары, тем самым повышая коэффициент сцепления колёс с рельсами, что в свою очередь позволяет увеличить касательную силу тяги и исключить боксование [1].

Автоматическая локомотивная сигнализация — система сигнализации на рельсовом транспорте, передающая сигнальные показания на пост управления подвижного состава. Различают локомотивную сигнализацию непрерывного действия, при которой информация о сигнале светофора поступает непрерывно, и точечную, когда информация на локомотив передаётся в момент прохода мимо сигнальной точки [2].

Электропневматический клапан автостопа - прибор, служащий для приведения в действие автоматических тормозов поезда при утрате машинистом бдительности.

Разработка математической модели

Рассматривается задача поддержки принятия решения для локомотивной бригады

где – полученный сигнал от некоторой i-той ситуации;

– множество дополнительных сигналов, измеряемых при i-той ситуации и необходимых для принятия решения;

f – функция, принимающая решение;

– множество выходных сигналов (решение предлагаемое системой).

Одной из типичных ситуаций является получения красного сигнала светофора (). Событиями и т.д. будут текущая скорость поезда, состояние тормозной магистрали поезда, расстояние до светофора, состояние реек, характеристика состава поезда и т.д. – решения о переводе управляющих рычагов в некоторое другое, более оптимальное, для данной ситуации положение.

Схематически система представлена на рисунке 1.

Методы и модели решения задачи

Для реализации процесса интеллектуального управления подвижным составом основную роль играет база знаний. Представление знаний - это формализация и структурирование знаний, с помощью которых отображаются основные характерные признаки [4]: внутренняя интерпретируемость, структурированность, связность, семантическая метрика, активность.

Для формализации и представления знаний в памяти информационных систем существует ряд моделей, которые можно структурировать следующим образом:

• логические модели;
• продукционные модели;
• сетевые модели;
• фреймовые модели;
• математические модели;
• модели с нечеткими правилами логического вывода.

В основе логических моделей представления знаний лежит понятие формальной системы в виде четверки:

где T – множество базовых символов теории M (например, буквы алфавита);

P – множество синтаксических правил, посредством которых из базовых символов строятся формулы;

A – множество построенных формул, состоящих из аксиом;

F – правила вывода, определяющие множество отношений между правильно построенными формулами.

Продукционная модель – модель, позволяющая представить знания в виде предложений, называемых продукциями, типа Если (условие), то (действие). Под условием (антецедентом) понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под «действием» (консеквентом) – операции, выполняемые при успешном исходе поиска (они могут быть промежуточными, выступающими далее в качестве условий и терминальными или целевыми, завершающими работу системы). Чаще всего вывод на такой базе знаний бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения – к данным).

Семантическая сеть – это ориентированный граф, вершины которого отображают некоторые понятия, а дуги – отношения между ними. Таким образом, семантическая сеть отражает семантику предметной области в виде понятий и отношений [6].

Фреймовая модель представляет собой систематизированную психологическую модель памяти человека и его сознания. Фрейм является структурой данных для представления стереотипной ситуации. С каждым фреймом ассоциирована информация разных видов. Одна ее часть указывает, каким образом следует использовать данный фрейм, другая - что предположительно может повлечь за собой его выполнение, третья - что следует предпринять, если эти ожидания не подтвердятся. Фрейм можно представлять себе в виде сети, состоящей из узлов и связей между ними [4].

Подход с использованием нечеткого логического вывода предполагает использование знаний экспертов об объекте управления, представляемых в виде правил, выраженных на естественном языке. При описании объекта используются лингвистические переменные, определяющие состояние объекта.

Лингвистическая переменная определяется кортежем

где – наименование лингвистической переменной, отражающей некоторый объект или параметр изучаемой предметной области; Т – множество ее значений или термов, представляющих собой наименования нечетких переменных, областью определения каждой из которых является множество U; G – синтаксическая процедура, описывающая процесс образования из множества Т новых, осмысленных для данной задачи принятия решений значений лингвистической переменной; М – семантическая процедура, позволяющая приписать каждому новому значению, образуемому процедурой G, некоторую семантику путем формирования соответствующего нечеткого множества, т. е. отобразить новое значение в нечеткую переменную [5].

Дальнейшие процедуры формализации направлены на получение нечетких множеств, определяющих параметры объекта управления. Дальнейший расчет управления производится с помощью применения операций над нечеткими множествами (И, ИЛИ, НЕ), а также операций взятия минимума, максимума. Последним этапом является обратное преобразование управления, полученного в виде нечеткого множества, в реальное значение выхода. Базовыми алгоритмами нечеткого логического вывода являются алгоритмы Мамдани и Сугено.

Выводы

В результате проведенных исследований были определены основные задачи, которые необходимо решить для достижения поставленной цели. Кратко был описан объект исследования и разработана математическая модель. Проведен анализ моделей представления данных, выявлены их достоинства и недостатки. Для решения задачи был выбран алгоритм нечеткого логического вывода, т.к. модель нечеткой логики делает возможным реализацию в системе интеллектуальных функций, основанных на анализе неполной информации о предметной области, кроме того, благодаря непрерывности функции принадлежности появляются преимущества в скорости обработки данных.

Список использованной литературы

1. Дробинский В.А. П.М. Егунов Как устроен и работает тепловоз – М.: Транспорт, 1980. – 370 с.
2. Автоматическая локомотивная сигнализация частотного типа усиленной помехоустойчивости АЛС-ЕН/В. М. Лесяков, Д. В. Шалягин і ін. - М.: Транспорт, 1990. - 176с.
3. Фреймовая модель представления знаний // Дьяконов В. П., Борисов А. В. Основы искусственного интеллекта. Смоленск, 2007.
4. Олкконен Е. А. Модели представления знаний в языковых интеллектуальных обучающих системах // Прикладная математика и информатика : труды Петрозаводского государственного университета . 1997 . № 6 . С. 168-182.
5. Обработка нечеткой информации в системах принятия решений / А.Н. Борисов, А.В. Алексеев, Г.В. Меркурьев и др. – М.: Радио и связь, 1989. – 394 с.
6. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. Учебник. СПб.: Питер, 2001.