Введение к работе
Актуальность темы исследования
Современные темпы и масштабы модернизации и развития автоматизированных систем управления на железнодорожном транспорте чрезвычайно высоки. Они направлены на достижение главной корпоративной цели ОАО «РЖД», которая состоит в обеспечении полного освоения возрастающих объемов грузовых и пассажирских перевозок в условиях сокращения затрат и выполнения требований безопасности и качества предоставления транспортных услуг. Модернизация автоматизированных систем управления проводится с учетом современных технологий интеллектуального управления транспортными системами. Для централизованного управления всей инфраструктурой ОАО «РЖД» внедряется новейший комплекс Единой корпоративной автоматизированной системы управления инфраструктурой (ЕК АСУИ). Одной из важнейших целей внедрения данной системы является повышение эффективности планирования и реализации текущей деятельности предприятий ОАО «РЖД» на основе совершенствования бизнес-процессов в хозяйствах железнодорожного транспорта. Для решения задач управления технологическими процессами в реальном времени на железнодорожном транспорте необходимо применение не только высокопроизводительных вычислительных комплексов и сетей передачи данных, но и адекватных им вычислительных технологий, обеспечивающих быстродействующую обработку данных. К такому классу относятся искусственные нейронные сети (ИНС), которые применяются для задач принятия решений, классификации, распознавания образов и прогнозирования.
Одним из направлений совершенствования бизнес-процессов в деятельности подразделений ОАО «РЖД» в ЕК АСУИ является управление мониторингом и диагностированием технических объектов инфраструктуры, а также управление текущим содержанием и планово-предупредительными ремонтами оборудования. В рамках улучшения мониторинга и диагностирования объектов инфраструктуры внимание должно быть уделено регистрации, учету протоколов проверки оборудования и своевременному принятию решений по его ремонту, восстановлению и замене. Для этого в функциональные блоки ЕК АСУИ необходимо встраивать новые аппаратные и программные модули для решения указанных задач. В частности, в хозяйстве электрификации и электроснабжения ОАО «РЖД» одной из наиболее приоритетных задач, ведущих к повышению эффективности функционирования и снижению затрат на обслуживание объектов электроснабжения является диагностика часто повреждаемого и дорогостоящего оборудования – силовых трансформаторов тяговых подстанций. Одной из наиболее приоритетных задач, ведущих к повышению эффективности функционирования и снижению затрат на обслуживание технических объектов инфраструктуры является определение развития их дефектов на ранней стадии и прогнозирование остаточного ресурса. Таким образом, предлагается создание автоматизированного программного комплекса для решения задач определения остаточного ресурса и выявления дефектов на ранней стадии технических объектов инфраструктуры железнодорожного транспорта.
Актуальность научных исследований подтверждается поддержкой РФФИ проекта №13-01-00325 «Гибридные модели интеллектуального управления и принятия диагностических решений в контролируемых динамических и дискретных системах».
Степень разработанности проблемы
Диссертационное исследование основано на работах отечественных и зарубежных ученых в области нейросетевых технологий и автоматизированных систем управления. В настоящее время аппарат ИНС и методы его использования постоянно развиваются и совершенствуются. Активные разработки и исследования в области создания систем проектирования ИНС связаны с деятельностью таких организаций как NeuroProject (Москва), BaseGroup Labs (Москва) и других. Следует выделить частный проект В.Г. Царегородцева – NeuroPro (Красноярск).
Различные фундаментальные и прикладные аспекты интеллектуальных систем управления нашли отражение в работах МГУ, МГТУ им. Н.Э. Баумана, Южного федерального университета, ФГБОУ ВПО РГУПС, КНУ им. Тараса Шевченко и других в лице таких ученых, как Л.С. Берштейн, В.М. Глушков, Д.И. Дубровский, С.М. Ковалев, А.А. Ляпунов, Д.А. Поспелов, В.Б. Тарасов, А.Н. Шабельников и другие.
Методы и принципы построения автоматизированных систем управления сложными организационно-технологическими объектами рассмотрены в работах В.П. Авдеева, А.А. Ашимова, А.Н. Гуды, В.Н. Иванченко, В.М. Лисенкова, Н.Н. Лябаха и других.
Наиболее известными трудами в области автоматизации систем диагностирования на железнодорожном транспорте являются работы ученых ОАО «НИИАС», ОАО «ВНИИЖТ» и других.
Цель и задачи исследования
Цель настоящей диссертационной работы – развитие методов принятия решений в автоматизированных системах мониторинга и диагностики технических объектов инфраструктуры железнодорожного.
Для достижения поставленной цели реализуется следующая последовательность задач диссертационного исследования:
-
Анализ существующих автоматизированных систем контроля, мониторинга и диагностики ОАО «РЖД» и методов принятия решений при диагностировании технических объектов инфраструктуры железнодорожного транспорта.
-
Разработка универсальной модели рекуррентной ИНС, качественно повышающей решение задач прогнозирования временных рядов.
-
Разработка алгоритма обучения ИНС, позволяющего повысить скорость и качество обучения.
-
Разработка программного комплекса с открытой архитектурой, позволяющего осуществлять нейросетевой анализ с различными архитектурами ИНС, алгоритмами обучения и другими параметрами.
-
Практическая апробация нейросетевого вычислительного ядра при решении задачи прогнозирования параметров состояния технических объектов инфраструктуры железнодорожного транспорта на примере силовых трансформаторов тяговых подстанций с помощью разработанной автоматизированной системы поддержки принятия решений для Ростовской дистанции электроснабжения ЭЧ-1 ОАО «РЖД».
Объекты и методы исследования
Объектами исследования выступают автоматизированные системы диагностики технических объектов инфраструктуры железнодорожного транспорта, поддержка принятий решений при определении остаточного ресурса и методы определения остаточного ресурса технических объектов инфраструктуры на железнодорожном транспорте. Предметом исследования является математическое, алгоритмическое и программное обеспечение процесса построения, обучения и использования ИНС персептронного типа в задачах классификации и прогнозирования, возникающих при принятии решений по диагностированию и определению остаточного ресурса объектов инфраструктуры железнодорожного транспорта. Методы исследования, применяемые в диссертационной работе, основаны на использовании нейросетевых технологий, численных методов нахождения экстремумов, методов оптимизации и компьютерного моделирования. При разработке программного комплекса использовались объектно-ориентированное программирование, клиент-серверные технологии и теория баз данных.
Выполненная диссертационная работа соответствует следующим пунктам паспорта специальности 05.13.06 «Автоматизация и управление технологическими процессами и производствами (на транспорте)»:
п.10. Методы синтеза специального математического обеспечения, пакетов прикладных программ и типовых модулей функциональных и обеспечивающих подсистему АСУТП, АСУП, АСТПП и других.
п.14. Теоретические основы, методы и алгоритмы диагностирования, (определения работоспособности, поиск неисправностей и прогнозирования) АСУТП, АСУП, АСТПП и другие.
п.15. Теоретические основы, методы и алгоритмы интеллектуализации решения прикладных задач при построении АСУ широкого назначения (АСУТП, АСУП, АСТПП и другие).
Научная новизна содержится в следующих результатах диссертационного исследования:
-
Предложена универсальная модель рекуррентной ИНС с динамической памятью, применяемая для прогнозирования остаточного ресурса технических объектов инфраструктуры железнодорожного транспорта.
-
Предложен метод обучения разработанной модели искусственной рекуррентной ИНС, основанный на трансформации обучающей выборки.
-
Предложены новые алгоритмы обучения ИНС: адаптивный, генетический и гибридный, основанный на совместном использовании адаптивного и генетического алгоритмов, демонстрирующие большую скорость обучения ИНС по сравнению с классическими алгоритмами.
-
Разработана универсальная объектно-ориентированная модель нейросетевой системы с расширяемой архитектурой и динамической базой данных для накопления информации по решаемым задачам, позволяющая использовать сохраненную информацию для подбора ИНС при решении новых задач.
-
Предложена структура и набор функциональных модулей для автоматизации процесса определения развития дефекта на ранней стадии и прогнозирования остаточного ресурса объектов инфраструктуры железнодорожного транспорта.
Положения диссертации, выносимые на защиту
-
Универсальная модель рекуррентной ИНС с динамической стековой памятью, применяемая для прогнозирования остаточного ресурса технических объектов инфраструктуры железнодорожного транспорта.
-
Обобщающий метод обучения рекуррентной ИНС с динамической памятью, основанный на трансформации обучающей выборки.
-
Методика принятия решений, повышающая качество, оперативность и эффективность диагностических решений, позволяющая выполнять прогнозирование и планирование необходимых ресурсов для обеспечения бездефектной эксплуатации технических систем.
-
Новые алгоритмы обучения ИНС: адаптивный, генетический и гибридный, основанный на совместном использовании адаптивного и генетического алгоритмов, которые показали на проводимых экспериментах большую скорость по сравнению с классическими алгоритмами.
-
Универсальная автоматизированная объектно-ориентированная модель нейросетевой системы с расширяемой архитектурой и динамической базой данных для накопления информации по решаемым задачам, позволяющая использовать сохраненную информацию для подбора ИНС при решении новых задач.
Практическая значимость диссертационной работы заключается в следующем:
-
Разработанный гибридный алгоритм обучения ИНС, основанный на новых методах оптимизации, применим при поиске экстремумов сложных многоэкстремальных функций в многомерных измерениях.
-
Программный модуль нейросетевой системы прогнозирования остаточного ресурса технических объектов инфраструктуры железнодорожного транспорта с использованием новой предлагаемой универсальной модели рекуррентной ИНС повышает качество и скорость решения задачи, а также позволяет выявить развитие дефекта на ранней стадии.
-
Программный модуль, основанный на разработках программного комплекса «NeuroNADS», позволяет эмулировать работу ИНС и решать широкий круг задач классификации и прогнозирования с использованием различных нейросетевых архитектур и алгоритмов обучения, а также автоматизировать решение задачи и процесс обучения.
Достоверность и обоснованность диссертации подтверждается результатами вычислительных экспериментов и обработки реальных данных, публикациями и апробацией работы на международных, всероссийских и региональных научных и научно-технических конференциях, а также актами внедрения результатов работы.
Апробация работы
Основные положения диссертационной работы докладывались на Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых ЮФУ (Ростов-на-Дону, 2009), на Всероссийской научной конференции «Нечеткие системы и мягкие вычисления» (Волгоград, 2009), на международных научно-практических конференциях «Строительство» (Ростов-на-Дону, 2009-2011), на Второй научно-технической конференции «Интеллектуальные системы управления на железнодорожном транспорте» (Москва, ИСУЖТ-2013). Разработан интернет-портал «Я-Интеллект». На портале можно получить доступ к наиболее интересным статьям по тематике ИНС и загрузить ранее созданный нейросетевой программный комплекс «NeuroNADS», а также получить возможность проводить исследования в режиме реального времени на эмуляторе, использующего все описанные в данной работе новые алгоритмы обучения и архитектуры ИНС. На данный момент разработка представлена в общероссийской программе Федерального агентства по делам молодежи «Зворыкинский проект».
Публикации
По теме исследования опубликовано 9 печатных работ, общим объемом 2,21 п.л., в том числе 5 работ в изданиях, входящих в «Перечень ведущих научных журналов и изданий, выпускаемых в Российской Федерации», утвержденный ВАК РФ, и получено 1 свидетельство о государственной регистрации программы на ЭВМ РФ.
Внедрение результатов работы
Результаты диссертационного исследования внедрены и используются в Ростовской дистанции электроснабжения ЭЧ-1 ОАО «РЖД». Нейросетевой программный комплекс используется в учебном процессе на кафедре «Прикладной математики и вычислительной техники» Ростовского государственного строительного университета с целью обучения студентов методам нейросетевого анализа по дисциплине «Интеллектуальные информационные системы». Все внедрения дали положительный результат, что подтверждено соответствующими документами.
Структура и объем работы
Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и приложений. Содержание диссертации изложено на 163 страницах, включая 56 рисунков, 13 таблиц, 8 страниц приложений и актов о внедрениях. В список использованных источников включено 150 наименований отечественной и зарубежной литературы (в том числе 38 ссылок на ресурсы Internet).
