ИССЛЕДОВАНИЕ ПРОЦЕССОВ ПЕРЕДВИЖЕНИЯ МЕСТНЫХ ВАГОНОВ НА СОРТИРОВОЧНОЙ СТАНЦИИ С ПРИМЕНЕНИЕМ НЕЙРОННЫХ СЕТЕЙ

ИССЛЕДОВАНИЕ ПРОЦЕССОВ ПЕРЕДВИЖЕНИЯ МЕСТНЫХ ВАГОНОВ НА СОРТИРОВОЧНОЙ СТАНЦИИ С ПРИМЕНЕНИЕМ НЕЙРОННЫХ СЕТЕЙ

Хаджимухаметова М.А.

Суюнбаев Ш.М.

Абдуллаев Р.Я.

Саидивалиев Ш.У.

Сатторов С.Б.

Содиков Б.С.

Введение

Принципы системного анализа и методологии логистики позволяют разработать некоторые теоретические положения, отвечающие за повышение эффективности перевозочного процесса. Важным элементом в развитии и функционировании логистики транспортно-логистических услуг, становится совокупность таких факторов, как: выбор рационального способа транспортного обслуживания; поиск оптимальной формы и метода организации транспортных процессов; изучение альтернатив и компромиссных вариантов набора параметров логистической функции доставки, выделить логистические функции сортировочных станций для формирования технологических схем цепи поставок грузов в районе тяготения.[1,2].

Для повышения надежности планов местной работы необходимы нормативно-справочные, технические и технологические параметры управления по организации маневровой работы по формированию местных поездов на сортировочной станции [3]; планированию работы местных поездов между сортировочной станцией и грузовой станцией, грузовыми терминалами; планирование подачи, расстановки и уборки вагонов с грузовых объектов.

Разработанные методы определения размеров передаточных поездов неполностью учитывают затраты, имеющие место при продвижении вагонопотоков от сортировочной до грузовой станции.

При определении параметров движения передаточных поездов необходимо более детальное исследование процесса передвижения местных вагонов на узле, что позволит более обоснованно планировать величины составов передаточных поездов и обеспечит минимум приведенных расходов.

При таком подходе увеличиваются количества оптимизируемых параметров. В связи с этим необходима разработка методики оптимизации параметров, учитывающая нелинейную взаимосвязь и дискретность отдельных параметров.

Очевидно, целесообразность внедрения полученных результатов должно быть экономически выгодным для всех участников цепочки поставок. Это явилось предпосылкой выбора исследуемых вопросов совершенствования планирования местной работы сортировочной станции и прилегающих участках. Они нацелены на обеспечение ритмичной грузовой и поездной работы станций и узла в целом с наименьшими затратами.

Основная часть. Исходя из общих требований транспортной логистики по доставке нужного товара (G), в требуемое место (A) и в нужное время (T), в необходимом количестве (N) и состоянии (Q), нужному потребителю (R) с возможно минимальными логистическими затратами на товародвижение (С), можно сформулировать задачу доставки товара с применением принципов транспортной логистики (оказывая транспортно-сервисные услуги), как поиск множества оптимальных значений в целевой функции (F) перечисленных выше параметров [1]:

                                                            (1)

при

При этом необходимо выполнение условия:

Целевым значением функции (1) будет оптимальное значение набора параметров относительно заданных ограничений, например, по сроку и стоимости доставки. При этом, каждый параметр имеет свои границы изменения или возможные допустимые значения. В частности, значение параметра «нужный товар» (G) влияет на способ упаковки, тары и транспортировки, перевалки и хранения товара, то есть на его транспортную характеристику, а также на вид и тип транспорта, которым данный товар перевозится. Параметр «нужное место» (A) накладывает значительные ограничения не только на выбор видов транспорта, но и на их взаимодействие и последовательность работы из-за отсутствия на данной территории тех или иных подъездных путей и путей сообщения. Подобным образом необходимо задать ограничения по каждому из параметров данной функции, чтобы выполнение задачи (1) было выгодно (полезно) всем участникам логистической цепи поставок, а взаимодействие (в этом процессе) долгосрочным.

Учет данных положений требует и способствует внедрению современных инновационных подходов к развитию инфраструктуры железнодорожного транспорта и технологии перевозок [1-3].

Принципы системного анализа и методологии логистики позволяют разработать некоторые теоретические положения, отвечающие за повышение эффективности перевозочного процесса, выделить логистические функции сортировочных станций для формирования технологических схем цепи поставок грузов в районе тяготения;

рассмотреть структуру имитационной модели цепи поставок грузов районе тяготения сортировочной станции (узла) и города.

Сортировочные станции. Сортировочные станции технически, технологически и организационно наиболее подготовлены для внедрения системы транспортно-логистических услуг использованием технической и технологической базы сортировочных и примыкающих к ним грузовых станций и терминалов в железнодорожном узле .

По своему назначению сортировочные станции предназначены для массового расформирования и формирования составов, перерабатывают местные и транзитные вагонопотоки. Здесь ограничивающим звеном сортировочной станции является сортировочная горка и парк отправления.

Для реализации поставленной задачи для сортировочной станции предложено решение следующих задач:

- совершенствование профиля сортировочной горки (СГ) [1];

- повышение возможности увеличения количества формируемых местных поездов (передаточных, вывозных и сборных), на основе ресурсосберегающих технологий [2];

- формирование и отправление местных поездов по фиксированным графикам движения, согласованные с грузовыми станциями и терминалами.

При организации движения передаточных поездов на узле имеют место следующие расходы, связанные:

- с накоплением вагонов на сортировочной станции;

- с передвижением вагонов от сортировочной станции до грузовых пунктов;

- с производством грузовых операций;

- с простоем перегрузочных механизмов;

- с различными межоперационными простоями, возникающими при перемещении вагонов.

Весь этот сложный процесс можно разбить на пять менее сложных процессов (рис. I.).

В этих процессах возникают следующие затраты:

I. В процессе выполнения технологических операций с вагонами на сортировочной станции – СС

а) на накопление составов передаточных поездов - Н;

б) на формирование и выставление составов в парк отправления - ФВ;

в) на обработку составов – O1 ;

г) на ожидание и отправление - О2 ;

Рисунок 1. Процесс передвижения местных вагонов в составах передаточных поездов

II. Процесс перемещения передаточных поездов по соединительным линиям - СЛ :

а) на оплату локомотивных бригад - Л ;

б) на расход топлива (или преодоление сил сопротивления) – Т;

в) на разгон и торможение поездов - R ;

г) на передвижение поездов - S ;

III. Процесс перемещения вагонов на грузовой станции - ГС:

а) на обработку составов по прибытии - П

б) на расформирование и формирование составов по пунктам назначения – Р1

в) на ожидание расформирования - 03 ;

г) на ожидание или накопление подачи – O4

IV. Процесс перемещения вагонов между грузовой станцией и

грузовыми пунктами - ГД:

а) на подачу групп вагонов по грузовым пунктам - Л;

V. Процесс выполнения грузовых операций - ГР:

а) на простой вагонов при выполнении грузовых операций - В

б) на простой механизмов в ожидании вагонов - Ммех.

в) на простой вагонов в ожидании выгрузки из-за неработы некоторых грузовых пунктов в ночное время – НР.

В основу технико-экономических расчетов по определению оптимальных размеров передаточных поездов принимается дифференцированная стоимость поездо-километра в зависимости от веса и состава передачи. Порядок расчета состоит из двух этапов.

При проведении расчетов первого этапа исходят из того, что величина составов передаточных поездов зависит от величины основного параметра стоимости 1 поездо-км  и основного времени простоя передаточных локомотивов на станциях оборота tо; на втором этапе расчетов. предварительные размеры передаточного движения приводятся в соответствие с наивыгоднейшими по условию работы грузовых станций и терминалов в узле [6].

Положительной стороной этой методики является то, что автор предлагает согласовывать (приводить в соответствие) размеры движения с технологией работы грузовых станций. Кроме того отмечается необходимость проверки возможности формирования групповых передаточных поездов.

Задачи грузовых станций и терминалов примыкающих к сортировочной станции. Грузовые станции расположенные в железнодорожном узле являются связывающим звеном логистической цепи поставок грузов между сортировочной станцией и терминалами, подъездными путями предприятий, ГРЦ. Грузовые станции предназначены для приема и отправления, формирования и расформирования местных поездов и передач, подачи и уборки вагонов по грузовым объектам, погрузки и выгрузки грузов.

Анализ показателей используемых показателей участвующих в Процессе передвижения местных вагонов в составах передаточных поездов показал, что их можно сгруппировать в 3 взаимосвязанные модули (из рис. 1):

модуль-1- организация маневровой работы по формированию местных поездов на сортировочной станции;

модуль 2–планирование работы местных поездов (рис.2) между сортировочной станцией и грузовой станцией, грузовыми терминалами [4];

модуль 3-планирование подачи, расстановки и уборки вагонов с грузовых объектов [4].

Рисунок 2. Структурная схема разработки плана местной работы железнодорожного узла

Маневровая работа. В настоящее время совершенствование оперативного управления работой сортировочной станции, в частности планирование ведения маневровой работы в районах местной работы [4,5,6], невозможно без внедрения современных компьютерных технологий автоматизации процесса планирования [4].

Неотъемлемым элементом этих систем должна быть динамическая система моделирования транспортного процесса, способная предоставлять диспетчеру необходимую информацию, а также моделирующая перемещение местных поездов на полигоне сортировочной станции и подъездных путей обслуживаемых предприятий.

Вся маневровая работа на станциях организуется по плану и технологическому процессу, которые должны обеспечивать своевременное расформирование и формирование поездов, прицепку, отцепку, подачу и уборку вагонов, отправление и прием поездов[7, 8, 9].

Существует два способа нормирования маневровой работы – метод тяговых расчетов и метод эмпирических коэффициентов с последующей математической обработкой полученных статистических материалов.

Характер этих передвижений различен и определяется конфигурацией станционных обустройств и видом маневровой работы.

Длительный период времени основным критерием, характеризующим качество маневровой работы, принимались минимальные затраты времени. Почти любые мероприятия считались эффективными в случаях даже самого незначительного сокращения простоя вагонов. Однако в последние годы произошел резкий рост цен на приобретаемое железнодорожным транспортом дизельное топливо и на первый план при маневрах выходит экономия дорогостоящего топлива. Следовательно, необходимо более активно разрабатывать и внедрять технические и технологические средства сокращения удельного расхода топлива в маневровой работе.

Одним из инструментов, способствующих наилучшему использованию маневровых локомотивов, является нормирование маневровой работы. Прогрессивные нормы мобилизуют инициативу локомотивных бригад на рациональное и экономное использование энергетических ресурсов тепловозами [8].

В соответствии с фактически выполняемой работой основными видами маневровой работы являются:

−  расформирование с одновременным формированием с горки (вытяжки) составов поездов и передач;

−  окончание формирования составов поездов и передач со стороны горки и вытяжных путей;

− обслуживание местных пунктов, расположенных на станции и вне станции (подъездные пути), в том числе и на промежуточных станциях;

− прицепка, отцепка и перестановка отдельных вагонов, групп или составов поездов в одном парке с пути на путь или из парка в парк;

− подача (уборка) вагонов в пункты ремонта, устранения коммерческих неисправностей и т.д. [8,10].

Время на выполнение основных составляющих рейсов и полурейсов в целом нормируется в зависимости от длины маневрового передвижения, величины маневрового состава, скорости движения, уклонов пути, позиции контроллера машиниста и других факторов [6]. Здесь возможную скорость разгона маневрового состава V_p определяют из соотношения мощности локомотива N_л и силы тяги F_k при установившейся скорости:

                                                                         (2)

где η – КПД передачи локомотива (принимается 0,8);

 – расчетная скорость разгона маневрового состава, км/ч;

                                                            (3)

где  – масса маневрового локомотива, т;

 – масса маневрового состава, т;

 – суммарное удельное сопротивление движению, кГс/т;

 – приведенный уклон пути, ‰.

Время на разгон, мин:

                                                                     (4)

где  – удельная касательная сила тяги маневрового локомотива, кГс/т:

                                                                      (5)

Расстояние, которое маневровый состав проходит за время разгона, м:

                                                                   (6)

где b_T – удельная тормозная сила.

Время выполнения торможения, мин:

                                                               (7)

Расстояние, которое маневровый состав проходит за время торможения, м:

                                                                (8)

При нормировании учитываются только те затраты продолжительности на выполнение подготовительно-заключительных операций, которые требуют перерывов в работе локомотивов. Нормативы продолжительности на выполнение подготовительно-заключительных операций, в соответствии с [5].

Для удобства выполнения расчетов по нормированию маневровой работы продолжительность технологических перерывов рекомендуется учитывать корректировкой продолжительности на полурейсы осаживания, вытягивания и др. через коэффициент, учитывающий возможные перерывы в использовании локомотива из-за враждебности передвижений. Коэффициент враждебности αвр определяется отношением продолжительности на операции, вызывающие перерывы в производстве маневровой работы ∑tпер, к общей продолжительности выполнения этих операций обработки поезда ∑tоб:

                                                      (12)

Выбор наиболее рациональных способов маневровой работы и равильное ее нормирование основаны на расчленении маневровых операций на отдельные полурейсы и рейсы. Технологическая продолжительность маневрового полурейса, мин, рассчитывается по формуле (13) [6]:

                                            (13)

где αрт – коэффициент, учитывающий время, необходимое для изменения скорости движения локомотива на 1 км/ч при разгоне, и время, необходимое для изменения скорости движения локомотива на 1 км/ч при торможении, αрт = 0,0407 мин/(км/ч); 

βрт – коэффициент, учитывающий дополнительные изменения скорости

движения, приходящееся на один вагон в маневровом составе на 1 км/ч при разгоне, и дополнительное изменение скорости движения, приходящееся на один вагон в маневровом составе, на 1 км/ч при торможении, βрт = 0,0017 мин/(км/ч); 

m – количество вагонов в маневровом составе; 

v – допустимая скорость движения при маневрах, км/ч; 

lпр – длина полурейса, м.

Технологическое время при выполнении порожнего полурейса, когда m = 0, будет рассчитываться по формуле:

                                          (14)

Осаживание вагонов на путях сортировочного парка, выполняется следующим образом: инженер-технолог строит схему станции по чертежу, полученная схема преобразуется во взвешенный неориентированный граф, где диспетчер указывает исходное положение состава, его характеристики, конечный  пункт назначения и далее на основе созданного графа программа вычисляет маршрут [9,11]. 

Для эффективного управления местной работой, учитывающего не только технические, но и экономические критерии, необходима разработка нового программно-технического комплекса, тесно  переплетающегося  с модулями 1,2,3, (модуль 1- организация маневровой работы по формированию местных поездов на сортировочной станции; модуль 2– планирование работы местных поездов (рис.1, 2) между сортировочной и грузовой станцией, грузовыми терминалами; модуль 3- планирование подачи, расстановки и уборки вагонов с грузовых объектов).

При разработке модели оперативного управления приходится иметь дело с огромным количеством инструкций, руководств и методик, выраженных как в виде четких формулировок, формул и правил, так и в виде тяжело формализуемых (нечетких) логических выражений. Ввиду огромной размерности системы и условий постоянной неопределенности, попытка построения строгой математической модели заходит в тупик. На помощь приходит опыт построения нейросетевых моделей систем, базирующихся на искусственных нейронных сетях [13-15]. Искусственные нейронные сети — одна из наиболее динамично развивающихся и реально используемых на практике ветвей теории искусственного интеллекта.

Рисунок 3. Структура обобщенной модели функционирования искусственной нейронной сети

Реализация принципов нейронных сетей осуществляется посредством модели, представленной на рис. 4.

Рисунок 4. Основные сигналы нейрона (x- входные сигналы; y- выходные сигналы; w- весовые коэффициенты)

Наличие в структуре нейрона весовых коэффициентов позволяет произвести адаптирующее обучение системы.

Архитектура искусственных нейронных сетей (ИНС) формируются таким образом, структура была удобна для восприятия и обучения, с позиций практической реализации дешевой [18]. Выбор топологии ИНС диктуется решаемой задачей, а также опытом разработчика.

Одним из ключевых моментов для решения задачи с применением нейросетевых алгоритмов является выбор топологии сети. От этого выбора зависит сходимость расчёта нейросети, её устойчивость и адекватность находимых решений, а значит, и вся работа в целом. Для выбора топологии необходимо определиться с моделью нейрона, активационной функцией и методами расчёта [17].

Помимо выбора топологии разработчик должен назначить общее число нейронов в сети и число нейронов по слоям, вид функции активации нейронов, способ задания коэффициентов синаптической связи, метод проверки работоспособности новой сети.

Выбор способа связей прерогатива конструктора сети, по чаще всего применяется схема «каждый с каждым», в расчете на то, что процесс обучения приведет к «самокристаллизации» необходимого множества связей на входах, которые окажутся излишними с точки зрения решения задачи, в процессе обучения появятся нулевые весовые коэффициенты, что практически разорвет эти ненужные соединения.

Рисунок 5. Структура нейронной сети

Самым первым среди слоев, нейронную сеть, необходимо рассмотреть входной слой. Этот слой получает данные извне сети (таким путем описываемся подлежащая решению задача). При проектировании входного слоя сети, проще принимать решение, когда число элементов этого слоя точно предопределяется объемом входных данных, которые необходимо принимать во внимание при решении задачи. С вводом данных в нейронную сеть связано одно обстоятельство, на которое необходимо обратить внимание. Нейроны обладают способностью вырабатывать решение в форме числовых значений (в виде табл .1.)

Таблица 1.

Условные обозначения и время выполнения основных операций

Рисунок 6. Диапазон масштабирования переменной в соответствии с интервалом значений допустимых для нейрона

Согласно выбранному методу, соответствующие алгоритмы предсказательного моделирования основываются на индуктивном обучении, которое представляет собой формализованное выявление аналогов исследуемой ситуации.

В этом случае ситуация, характеризуемая вектором значений параметров состояния системы, на каждом такте анализа может быть отнесена к определенной области в пространстве параметров c помощью адаптивного алгоритма обучения [15].

До начала построения нейросетевой модели следует определить число факторов, значение которых будет восприниматься нейронной сетью как входные (критериальные) параметры. На рынке программного обеспечения представлено значительное количество адаптаций нейросетевого метода. При проведении исследований использовался пакет STATISTICA Neural Networks. К его достоинствам следует отнести, также реализацию мощного аналитического метода – генетического алгоритма отбора входных данных, что позволяет сформировать оптимальный набор входных переменных и даёт возможность выбрать наиболее значимые для последующего анализа с помощью традиционных моделей [10-13].

Выводы: 1. Представленная в статье разрабатываемая методика по оптимизации маневровой работы на путях сортировочной, грузовой станции и терминалов ставит задачу снизить расходы на перевозку грузов по данной цепочке за счет сокращения расходов и в необходимых случаях времени маневровой работы и возможности более рационального ее планирования.

2. Ключевыми задачами данной статьи являются формирование исходных данных для использования и обучения нейросетевых моделей для организации передвижения местных вагонов в районе тяготения сортировочной станции, использование нейронных сетей для решения поставленной задачи.

3. Дальнейшие исследования будут направлены разработке остальных элементов системы и объединению их в единое целое.

Список литературы:

1. Н.М. Арипов, М.А. Хаджимухаметова, Ш.М. Суюнбаев. Инновационный подход к развитию сортировочных станций и транспортно-логистических центров в крупных городах. Труды Международной научно-практической конференции. Москва, 22–23 апреля 2021 года. 43-48 стр.
2. M.A. Xadjimuxametova. Geometric formulation of the surface of the sorting slide. Materials of the XVI International scientific and practical conference, Modern scientific potential – 2020, V. 10, 97-105 pp.    
3. Расулов М.Х., Абдуллаев Д.Р. Экономия ресурсов в маневровой работе станции. Известия вузов, технические науки. Т.,2003.
4. М.А.Хаджимухаметова. Теоретические основы методов определния параметров горки на сортировочных станциях. Монография. Т.: «Илм, зиё, заковат», 2019. 250 стр.
5. Молчанов В. В. Оценка интенсивности использования тепловозов в маневровом движении / В. В. Молчанов, В. О. Носков, А. В. Чулков, Л. В. Милютина // Сборник трудов IV международной научно-технической конференции / Санкт-Петербург, 2016. с. 176–179.
6. Чулков А.В. Повышение эффективности использования топлива на тягу поездов и маневровую работу / А. В. Чулков, А. С. Космодамианский, М. А. Коркин // Межвузовский сборник научных трудов / ОмГУПС. Омск, 2007. с. 52–55.
7. Методика тяговых расчетов для маневровой работы ЦДЛ-21[Текст].  -  М.: Транспорт, 1988.  – 132 с.
8. Каменєв О. Ю. Розробка графічної моделі підсистеми логічних  залежностей  мікропроцесорної централізації/ О. Ю. Каменєв// Iнформацiйно-керуючi системи на залiзничному транспортi. – Харків: Вид-во УкрДАЗТ. -  2012. - № 2. - С. 25-30.
9. И.А. Еловой, Е.Н. Потылкин. Расчет оптимальных интервалов для выбора режимов взаимодействия станций и путей необщего пользования наука та прогрес транспорту. Вісник дніпропетровського національного університету залізничного транспорту, 2016, № 5 (65)
10. Овчинников, В. М. О снижении расхода дизельного топлива в маневровой работе [Текст] / В.М. Овчинников, С.А. Пожидаев, В.В. Скрежендевский, Н.Г. Швец, Ю.К. Кирило, Е.В. Шкрабов // Энергоэффективность − 2010. − № 10 (134).
11. Тадеусевич Р., Б. Боровик, Т. Гончаж, Б. Леппер. Элементарное введение в технологию нейронных сегей с примерами программ / Перевод с польск. И. Д. Рудинского. — М.: Горячая линия — Телеком, 201 1. 408 с.,
12. Нечаев Г. И. Разработка графической модели подъездного пути для оперативного моделирования маневровой работы на промышленном транспорте / Г.И. Нечаев, А.А. Клюев, Ю.А. Шкандибин, Т.А. Нечай // Вісник Східноукраїнського національного університету імені Володимира Даля. - 2013. - №4(2). - С. 124-127. - Режим доступа: http://nbuv.gov.ua/UJRN/VSUNU_2013_4%282%29__27
13. А.В. Лебедев Применение искусственных нейронных цепей в оперативном   управлении движением поездов. Вестник ИрГТУ №4 (36) 2008 г.
14. Бураков, М. В. Б91 Нейронные сети и нейроконтроллеры: учеб. пособие/ М. В. Бураков. – СПб.: ГУАП, 2013. – 284 с.: ил.
15. Нейронные сети. Statistica Neural Networks: Методология и технологии современного анализа данных. Под ред. В.П. Боровикова. – 2 изд., перераб и доп.- М.: горячая линия – Телеком, 2008. 2008-392 с.
16. Ou Hai-tao, Zhang Wen-yuan, Yang Yu-pu, Xu Xiao-ming. Моделирование потока транспорта на автостраде с помощью нейронной сети RBF. J. Shanghai Jiaotong Univ., vol. 34, no. 5, 2000, pp. 665–668 [in Chinese].
17. Cheok, Adrian David, & Shiomi, Shogo. Combined heuristic knowledge and limited measurement based fuzzy logic antiskid control for railway applications. IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews, 2000, vol. 30, no. 4, pp. 557–568.