Методология исследования и разработки ПИ

Как следует из предыдущего раздела, СС, как ОИ, относится к числу сложных технологических процессов, обладающих целым рядом характерных особенностей [3]. К их числу следует отнести: неполноту описания ОИ и условий его функционирования, наличие неопределенных и трудно формализуемых факторов, многокритериальность задач управления и необходимость выработки решений в условиях жестких временных ограничений, определяемых реальным ходом технологического процесса. Перечисленные особенности позволяют отнести СС к классу так называемых слабоструктурированных (слабо формализуемых) объектов математи-ческого моделирования [4].

При выборе теоретических подходов следует учитывать следующее:

- интеграция вновь создаваемых ПИ должна обеспечивать единое информационное пространство, в котором непрерывно взаимодействуют системы управления (ЭЦ, ПУ СГ), ОЗ (ДСЦ, ДСПГ, ДСП парков и др.), напольные устройства СЦБ (РЦ, ДСО, стрелки, светофоры и т.д.) и подвижные объекты (вагоны, отцепы, поезда, локомотивы);

- автоматическая поддержка принятия решений должна основываться на алгоритмах действий ОЗ, реализуемых ими, если бы не было ограничений по времени;

- источником правил (алгоритмов) машинного принятия решений должна быть БЗ с набором правил вывода, сформулированных на основе многолетнего опыта и знаний экспертов;

- модели идентификации состояния парков СС, путей, место-нахождения подвижных объектов должны объединять пространство и время в реальном масштабе;

- в условиях неопределенности, нечеткости и расплывчатости складывающихся ситуаций на СГ и в парках (особенно в ПФ) ПИ «обязаны» без участия человека принимать наиболее оптимальные решения с выдачей на АРМы диспетчерского и дежурного персонала рекомендаций и «советов»;

- информационные возможности ПИ должны обеспечивать максимальную разгрузку оперативной памяти человека (ДСЦ, ДСПГ и др.)
и максимально сократить количество телефонных переговоров.

С учетом перечисленных требований к выбору теоретических подходов, методов и моделей, а также алгоритмов интеллектуальной поддержки принятия решений предложена структура методологических этапов и направлений исследований, которая представлена на рис. 2.3.

Здесь в условиях развития современных информационных и интеллектуальных технологий сложный динамический процесс расформирования и формирования поездов (1) уже немыслим без информатизации и автоматической поддержки (2) за счет интеграции верхних уровней управления СС с устройствами СЦБ.

Интеграция информационных потоков (3) в парках СС и на СГ предполагает автоматический сбор, структурирование оперативно – технологических данных на нижних уровнях и их передачу на верхние эшелоны управления (АСУ СС, СТЦ, АРМ ДСПГ, АРМ ДСЦ и др.)

Рис. 2.3 Структура методологических этапов
и направлений исследований

Как следует из рис. 2.3, в основу достижения цели положена интеграция БД (4) и БЗ (5). Под интеграцией понимается комбинированное
использование разнотипных моделей и методов обработки информации.

В информационных моделях традиционных систем структура управления объектом предполагает входные, выходные, возмущающие и управляющие сигналы.

Создание БЗ ставит целью интеллектуализацию системы. Под интеллектуализацией понимается использование различных форм знаний при обработке информации. Информационная модель интегрированной системы с использованием БЗ принципиально видоизменяется.

Здесь принятие решений основано на использовании продукционной БЗ – моделях представления знаний в виде согласованной совокупности правил – продукций. Интеграция БД и БЗ предполагает интеграцию предусловий продукционных правил БЗ, генерацию множества решений и автоматический выбор наиболее оптимального решения на основе соответствующих критериев.

Модели представления данных в интегрированных ИУС базируются на использовании БД, в основе которой лежит использование таблиц отношений, массивов данных и фреймов.

Представление знаний при интеграции БД с БЗ (9) открывает возможности построения и использования для интеллектуализации процессов принятия решений множества моделей (10, 11). К их числу относятся:

- логико-лингвистические модели;

- автоматные модели;

- нечетно – стохастические модели;

- нейро-сетевые модели;

- гибридные нейро-нечетные модели и генетические алгоритмы.

Сервер БД принимает диагностическую и технологическую информацию от ЭЦ и ПУ СГ, а также из АСУ СС, АРМов и др. В контексте
решаемой задачи сервер БД должен содержать информацию о местонахождении чужаков на путях ПФ, о наличии «окон», местонахождении локомотивов, №№ путей, на которые отсутствуют проходы, о разложении отцепов по путям до роспуска, количестве отцепов в оставшейся нерасформированной части состава и др.

Создаваемая БД осуществляет не только хранение, но и обработку данных. Поэтому проектирование БД необходимо выполнять совместно с проектированием алгоритмов обработки данных, хранящихся в ней, и разработкой алгоритмов интеллектуальной поддержки принятия решений. «Размещение» в БД ординат всего напольного оборудования становится основой для ведения в реальном масштабе времени ситуационных (6)
моделей на основе формализации перемещений отцепов, вагонов и локомотивов (7) в технологических зонах СС (парках СГ, маневровых районах, зоне вытяжки составов, местах погрузки, выгрузки и др.)

Проектирование БЗ начинается с исследования «поля знаний». «Поле знаний», как первый шаг к формализации, представляет модель знаний
о предметной области. Важным при таких исследованиях является составление алфавита «понятий» и исследование отношений между ними. Основные «понятия» и взаимосвязи между ними выявляются из системы знаний экспертов (дежурных, диспетчеров) в виде графов, диаграмм, таблиц или текстов. Для формализации используется машинно-реализуемый язык представления знаний (ЯПЗ) [3].

К числу многосортных базовых «понятий» для решаемой задачи относятся: поезд; участок приближения; светофор; стрелка; РЦ; локомотив; вагон; путь надвига; отцеп; тележка; ось; ДСО; путь ПП, ПФ, ПО; маршрут; чужак; «окно» на пути и др.

Для исследуемой предметной области наиболее универсальными следует считать пространственные RL, временные RT, причинно-следственные RП и лингвистические R1 отношения.

К числу пространственных отношений RL, имеющих место на СС,
в качестве примера можно отнести лишь некоторые:

- маневровый локомотив № 363 находится на 15-м пути ПФ в зоне
вытяжных путей;

- сформированный состав с 16-го пути ПФ проследовал горловину
вытяжки и занял 3-й путь ПО;

- на 12-м пути ПФ накоплено 46 вагонов и т.д.

К временным отношениям RT можно отнести отношения типа:

- время выхода локомотива на контрольный пункт 23 часа 50 мин;

- простой сформированного состава в ПО 1 час 18 мин;

- продолжительность формирования состава на 11-м пути 0 час.
52 мин. и др.

Пространственные и временные отношения лежат в основе автоматического ведения пространственно-временных моделей в парках СС и на СГ.

Причинно-следственные отношения RП лежат в основе построения продукционной модели представления. При использовании последней БЗ состоит из набора правил «Если... Условие, То... Действие». Машина вывода (интерпретатор правил) выполняет просмотр существующих правил из БД и правил из БЗ, добавление новых фактов, определяет порядок просмотра и применения правил, а также определяет механизм вывода.

Применительно к исследуемой СС в качестве примера можно привести несколько продукций механизма вывода:

- «Если в i -м составе ПП имеются отцепы, после скатывания которых будет завершено накопление составов на j -м, k -м,..., q- мпутях ПФ & состав готов к роспуску, то автоматически применяется решение о первоочередном роспуске i -го состава».

- «Если в районе вытяжки находится маневровый локомотив & имеют место «окна» между вагонами, то необходимо их устранение & подтягивание части состава в сторону вытяжки».

Применительно к процессу скатывания отцепов можно привести следующие правила:

- «Если через ТП скатывается отцеп с числом порожних вагонов 8
и более, то торможение необходимо производить после пропуска 4-х вагонов без торможения».

- «Если произошёл нагон отцепов & имеется путь, где уже имеются
чужаки & на этом пути необходимо срочное осаживание вагонов, то чужаки следует направить на этот путь» и др.

Составление перечня таких правил вывода выполняется экспертным путем. В качестве экспертов здесь выступают опытные специалисты (ДСПГ, ДСЦ и др.).

Учитывая нестационарность условий функционирования СС, расплывчатость и нечеткость возникающих ситуаций в динамичной среде
(поезда, локомотивы, отцепы), задача выявления лингвистических отношений R1 становится важной и необходимой для достижения эффекта интеллектуализации принятия решений в условиях неопределенности. Здесь основным является определение набора лингвистических переменных (ЛП). Примеры ЛП для предметной области можно привести следующие:

- ЛП «Накопление состава»: совсем мало, мало, наполовину, больше половины, полное накопление;

- ЛП «Окна между вагонами на путях ПФ»: очень большие, большие, малые, совсем малые, отсутствуют и др.

Значения перечисленных ЛП определяются через нечеткие множества НМ, которые, в свою очередь, определены на некотором базовом наборе значений или базовой шкале, имеющей размерность 0-1. Функция принадлежности определяет соответствие значения базовой шкалы определяемому НМ.

Для практического использования результатов теории НМ уже разработаны специальные программные средства реализации нечеткого вывода, например, «оболочка» Fuzzy CLIPS.

В структуре методологических этапов разра6отки ПИ с интеллектуальной поддержкой принятия решений весьма перспективным становится использование искусственных нейросетей (9) и продукционных моделей в алгоритмах машины вывода (11).

При создании прогнозирующих моделей интеллектуальных систем в настоящее время активно разрабатываются методы, объединяющие механизм нечеткого управления и технологию обработки данных на основе нейронных сетей.

В решаемой проблеме основными факторами, влияющими на процесс поездообразования являются: R – равномерное заполнение путей ПФ; Z – максимальное количество отцепов (замыкающих групп) в составе,
готовом к роспуску: W – совмещение операций одним заездом маневрового локомотива (устранение отсутствия проходов, изъятие «больных» вагонов, «чужаков», осаживание и др.); Q – наличие маневрового локомотива
в конце ПФ для соединения вагонов, устранения «окон» и подтягивания накопленных вагонов со стороны вытяжки; N – нормативное время оборота вагонов; Т – время накопления составов.

Прогнозирующая модель должна для каждого конкретного
набора перечисленных факторов предсказывать время накопления состава.

Для ее построения необходимо реализовать отображение:

(2.1)

Точную прогнозирующую модель построить невозможно для такого высокодинамичного процесса накопления составов.

В качестве приближенной модели можно использовать ИНС прямого распространения (рис. 2.4).

Рис. 2.4. Структура прогнозирующей нейросетевой модели

Как известно, такие модели позволяют при минимальной исходной информации об объекте получить достаточно точное его описание на основе обучающих данных.

Нейросетевая модель представляет собой трехслойную сеть искусственных нейронов с полными последовательными связями и двумя скрытыми слоями. Сигмоидальные передаточные функции нейронов сети обеспечивают возможность формирования произвольных нелинейных зависимостей прогнозируемой выходной величины (времени накопления составов) от значений влияющих на нее факторов.

Функционирование сети описывается стандартными формулами,
а именно: состояние нейрона NET_j определяется выражением:

, (2.2)

а выходной сигнал OUT_j – сигмоидальной функцией активации:

, (2.3)

где х_ij – входные сигналы j- го нейрона; w_ij – синаптические коэффициенты; – пороговый уровень j- го нейрона.

Количество скрытых слоев и число нейронов необходимо подбирать экспериментально среди некоторых возможных вариантов. Интерпретаторы (I) на входе сети осуществляют предобработку входных данных.

Для определения значений весовых коэффициентов предпочтительным является итерационный алгоритм обучения, основанный на методе обратного распространения ошибки. Такой метод позволяет итерационно пересчитывать веса w_ij на основе обучающих данных по формуле:

, (2.4)

где k – номер итерации обучения; – коэффициент, определяющий скорость обучения; – сигнал ошибки; – входная величина.

2.3 Пространственно-временные модели – основа
мониторинга оперативно-технологических ситуаций на СС

В соответствии со структурой, ранее представленной на рис. 2.3, обязательным этапом методологии является решение задач, связанных с моделированием процессов перемещения подвижных единиц.

Пространственно-временная модель СС – это модель слежения за подходом поездов, их перемещением в ПП, надвигом на СГ, роспуском
отцепов и накоплением составов по путям ПФ, вытяжкой и занятием путей ПО, отправлением вновь сформированных поездов с регистрацией временных параметров технологических операций.

Теоретической базой исследования такого класса моделей является ситуационное управление, основоположником которого является Д.А. Поспелов [11]. Представление знаний о времени и пространстве в контексте теории ситуационного моделирования изложено во многих источниках.

В основу построения ситуационных моделей MS положена псевдофизическая логика пространственно-временных отношений. Она позволяет компактным образом представлять в системе информатизации весь обширный класс технологических ситуаций в парках СС и на СГ.

В основе логико-алгебраической модели лежит формальная система, характеризуемая четверкой [3]:

(2.5)

где S – множество базовых элементов; Р – синтаксические правила;
А – система аксиом; W – правила вывода.

При построении ситуационных моделей MS в качестве базового множества используются следующие группы понятий: ОТ – отцепы; ВГ – вагоны; ОС – оси; СТР – стрелки; РЦ; ДСО; МШ – маршруты; КЗП; ТП;
Т – моменты времени.

Синтаксические правила Р строятся на основе семейства отношений R, используемых для описания мгновенных состояний процесса перемещения, одно из которых приведено на рис. 2.5 для ситуации скатывания отцепов.

Рис. 2.5. Фрагмент мгновенного состояния скатывания отцепов

Для такой ситуации в момент времени t_i модель MS должна зафиксировать следующие состояния:

- отцеп i -1 занял 1-ый участок КЗП;

- отцеп i находится между последней разделительной стрелкой
и ТП3;

- отцеп i +1 занял ТП2;

- отцеп i +2 освободил ТП1 и занял головную стрелку.

В качестве базовых (рис. 2.6) в модели MS используются два ранее оговоренных класса отношений: RT – временные (темпоральные) и RL – пространственные.

Рис. 2.6. Классы отношений пространственно-временной модели MS

Помимо классов RT и RL, в качестве вспомогательного отношения в семейство R включено отношение принадлежности rp, которое используется для описания структур исследуемого объекта.

Группу образуют два бинарных отношения: rle – «находиться в зоне» и rls – «располагаться друг за другом». Данные отношения имеют вполне естественное смысловое содержание.

Не прибегая к излишней формализации, приведем некоторые примеры пространственных отношений:

- (3 вг rle 9 КПЗ) – три вагона находятся на 9-м участке КЗП;

- (5 вг rle стр51 rls ДСО 17) – пять вагонов находятся на стрелке 51, за которой расположен ДСО 17;

- (3 ваг_отц1 rle 11ПФ rls 5ваг_отц4 rls7ваг_отц6 rls 2ваг_отц10… rls 1 ваг_отц12 rls 6ваг_отц22) – три вагона 1-го отцепа скатились на 11-й путь ПФ, за которыми поочередно скатились пять вагонов отцепа 4, семь вагонов отцепа 6, два вагона отцепа 10, один вагон отцепа 12 и шесть вагонов отцепа 22;

- (20 ваг rle ДСО 20 rls ДСО 19 rls ДСО 18… rls ДСО 16) – после осаживания вагонов в ПФ на пути имеет место ситуация, когда впереди стоящий вагон находится в зоне ДСО 20, а остальные 19 вагонов расположены в зоне ДСО 19, ДСО 18., ДСО 17 и ДСО 16, размещенных на пути.

Отношения принадлежности rp предназначены для фиксации всевозможных зависимостей между элементами, входящими в различные классы семейства S. Примерами таких выражений с использованием отношений rp являются:

- (ос₃ rp ваг₄ rp отц₅) – третья ось принадлежит вагону 4, который принадлежит отцепу 5;

- (мш₇ rp отц₁₆) – маршрут на 7-й путь закреплен за отцепом 16.

При моделировании реальных ситуаций в модели MS, кроме описанных выше отношений, используется второй класс временных (темпоральных) отношений RT. Группа таких отношений в свою очередь включает
в себя три временных отношения:

rt (t_i) – «наблюдаться в момент времени t_i»;

rt (t_i) – «наблюдаться во временном интервале t_i»;

r – «быть в прошлом».

Правила записи выражений с использованием темпоральных отношений и их семантику поясним на следующих примерах:

- ((2 ваг rp отц₇ rle 3КПЗ) rt (t₈; t₀)) – два вагона принадлежат отцепу 7 и находились в течение интервала времени с t₈ по t₀ на третьем участке КЗП;

- ((ос₃ rls до₄ rls ос₄) rt (t₀)) – к текущему моменту времени t₀ ось₃ находится перед датчиком до₄, а ось₂ – после датчика до₄;

- ((ос₃ rls до₄ ) r )) – факт нахождения оси₃ перед датчиком до₄ имел место, однако к текущему моменту не наблюдается.

Для описания аксиоматики и правил вывода формальной системы следует использовать ряд понятий и обозначений, общепринятых в логике предикатов. К таковым, в первую очередь, относятся: кванторы общности и существования (), логические операции (&, ) и ряд символов, используемых в качестве разделителей, таких как «(“, ”)», «/». Кроме перечисленных обозначений, введем в рассмотрение два класса одноместных предикатов Р (до (t_i)) и Р (рц (t)) для обозначения фактов фиксаций осей в моменты времени t_i (предикаты Р (до (t_i))) и значения РЦ в промежутках времени t (предикаты Р (рц (t))).

Аксиоматику ситуационной модели MS представим тремя группами аксиом: AS – формулы размещения элементов напольного оборудования (НО); АО – формулы описания структур подвижных единиц; АF – формулы, описывающие логику смены состояния отцепов относительно элементов НО.

Примером аксиом AS являются следующие формулы:

- (мш₁ rp (рц₁ rls рц₄ rls рц₆)) – последовательность РЦ рц_{1 ,} рц₄ и рц₆ входит в маршрут мш₁;

- (до₅ rle рц₄) - ДСО «до₅» расположен в зоне РЦ «рц₄»;

- (до₆ rls тп₁ rls до₇ rls стр₁) – на объекте имеет место следующий
порядок расположения элементов НО – за ДСО «до₆» следует ТП «тп₁», за которой находится датчик «до₇» и далее расположена стрелка «стр₁».

Множество аксиом АО используется в модели для отражения фактов закрепления за отцепами конкретных маршрутов скатывания. Типовыми формулами могут быть выражения вида:

- (мз₁₁ rр от₃) – за третьим отцепом от₃ закреплено маршрутное задание на 11-й путь;

- мз₂₄ rр (от₄ rls от₇ rls oт₁₁ rls от₁₈) – маршрутное задание на 24-й путь закреплено за последовательностью отцепов «от₄», «от₇», «от₁₁», «о т₁₈».

Аксиомы группы AF представляют собой набор «активных» логических формул, используемых в системе для непосредственного моделирования процессов перемещения подвижных единиц. Все выражения записаны в виде общезначимых формул логики предикатов первого порядка.

В класс AF включены формулы, отражающие отношения осей вагонов к ДСО и РЦ во времени. Аксиомы (2.6) и (2.7)

(Р (до (t_i) Þ ос (((до rls ос) rt (t_i) & ((ос rls до) rt (t_i+1))), (2.6)

(Р (рц (t_i) Þ ос ((ос rle рц) rt (t_i)) (2.7)

обеспечивают инициализацию машины вывода и «подпитку» соответствующих правил вывода в ходе моделирования динамического процесса перемещения подвижных единиц.

Аксиомы (2.8) и (2.9) обеспечивают соблюдение общего принципа пространственно-временной логики применительно к однонаправленным перемещениям – «первый в очереди – первый во времени»:

(v, w { ОС, ВГ, ОТ } р { ДО, РЦ, СТ, ТП })((v rls w)&
(v rle p) rt (t_i)&(w rle p) rt (t_j)) Þ t_i t_j), (2.8)

(p, g { ДО, РЦ, СТ, ТП } v { ОС, ВГ, ОТ })((р rls g)&
(v rle p) rt (t_i)&(w rle p) rt (t_j)) Þ t_i t_j). (2.9)

Приведенное выше семейство аксиом определяет минимальный набор формул для машины вывода, которая путем применения соответствующих правил моделирует перемещение подвижных единиц по участкам, стрелкам и др.

Правила вывода W в MS образуют основной механизм моделирования – машину вывода. Также, как и для рассмотренного выше семейства аксиом, правила вывода системы MS подразделяются на две группы: группы общих правил, характерных для любой формальной системы вне зависимости от ее предметной ориентации, и группы правил вывода, зависящих от рассматриваемой предметной области. Здесь особое место занимают частные правила вывода, используемые в логике счета осей для имитации перемещения вагонов по путям, стрелкам, участкам КЗП и др.

Работу вышеописанной формально-логической модели рассмотрим на нескольких примерах ситуаций скатывания отцепов.

Пусть к моменту времени t_i на спускной части горки сложилась ситуация, представленная на рис. 2.7.

Рис. 2.7. Ситуация скатывания отцепов 1

Размещение напольного оборудования задается следующей аксиомой:

(до₁ rls до₂ rls до_з rls до₄ rls до₅ rls до₆) & (дс₁ rle mn₁) & (до₂ rle mn₁) &
(до₃ rle стр.1) & (до₄ rle стр.1) & (до₅ rle стр.2) & (до₆ rle стр.2) (2.10)

Исходная ситуация 1, сложившаяся к моменту времени tj описывается 7 аксиомами для 3-х отцепов относительно 6 датчиков:

(2.11)

и так далее для 5 выражений (i +2)-ro отцепа относительно до₂, до₃, до₄, до₅ и до_{6 .}

В момент прохода второй тележки (i+l)-гo отцепа через до₂ формула принимает вид:

(2.12)

При изменении ситуации скатывания в строках выводимых формул фиксируются моменты времени свершения событий, связанных с прохождением осей над датчиками. Для сокращения записи в приводимых ниже выражениях между обозначениями ОС опущен символ отношения rls.

Для ситуации 2, представленной на рис. 2.8, выражения для t_j принимают вид:

Рис. 2.8. Ситуация скатывания отцепов 2

(2.13)

Здесь модель фиксирует местонахождение (i +2)-oro отцепа в замедлителе, а отцепы i -ый и (i +1)-ый стрелки еще не освободили. Размещение осей скатывающихся отцепов относительно датчиков показывает, что ситуации нагона или запуска отцепов нет.

Если бы имела место ситуация, изображенная на рис. 2.9,

Рис. 2.9. Ситуация скатывания отцепов 3

то выводимые в модели формулы приняли бы следующий для t_к вид:

(2.14)

и так далее для (i +3)-го отцепа относительно до₁ до_{6 .}

В этом случае модель фиксирует нагон (i +3)-им отцепом впереди-идущего (i +2)-го отцепа на ТП1, так как имеет место факт:

и .

Выражения и
фиксируют (если стрелка 2 в маршруте для (i +1)-гo отцепа является разделительной) запуск (i +l)-гo отцепа, так как стрелка вправо уже не переведется.

На приведённых примерах ситуаций 1 3 ведение модели обеспечивается датчиками с фиксированными расстояниями между ними. Информационную поддержку ведения пространственно-временной модели дополнительно могут обеспечивать изолирующие стыки стрелочных и межстрелочных РЦ, изолирующие стыки на входе и выходе РЦ и ТП, а также ДСО по путям ПФ, в зоне вытяжки и маневровых районах.

Таким образом, описанная формальная система является адекватной естественно-языковой моделью организации динамической БД подсистемы интеллектуальной поддержки принятия решений.