• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Глава

Автоматизация планирования обслуживания электроподвижного состава

С. 197-202.
Сидоренко В. Г., Чжо М. А.

Организация технического обслуживания (ТО) электроподвижного состава (ЭПС) метрополитенов является сложной и важной задачей. Планированию технического обслуживания ЭПС посвящено большое число работ, которые рассматривают эту задачу с разных сторон:

- математическая постановка задачи как

o классической задачи о назначениях;

o задачи, решаемой с использованием теории графов и принципа оптимальности Беллмана;

o задачи, решаемой с использованием генетического алгоритма;

- задача управления процессами перевозок - организация эксплуатации и технического обслуживания ЭПС железных дорог при наличии жестких временных ограничений в условиях открытого рынка – при наличии нескольких конкурирующих компаний;

- задача организации мониторинга технического обслуживания.

В этой работе мы используем в первую очередь теорию графов и генетические алгоритмы. Они показали свою эффективность при решении широкого круга задач автоматизации, в том числе и автоматизированного управления движением поездов.

Применение теории графов для решения задачи планирования ТО ЭПС показало свою эффективность так же, как и для решения других задач автоматизации управления движением поездов, в частности для:

- моделирования топологии транспортной системы;

- формализованного описания технологических процессов, протекающих в системе;

- разработки алгоритмов управления, реализуемых средствами автоматизации.

Генетические алгоритмы (ГА) также нашли широкое применения для решения задач автоматизации управления транспортными системами, например, для:

- логистической организации городских пассажирских перевозок;

- организации контейнерных перевозок;

- управления морским транспортом;

- решения транспортной задачи;

- решения задачи планирования проектных работ при создании средств автоматизации;

- поиска максимума функции, оценки регрессионных и нелинейных статистических моделей;

- решения задач визуализации и раскраски графов.

В процессе автоматизированного построения ГО и ПГД первым подпроцессом, реализующим преобразование данных, является подпроцесс построения прототипа ГО.

С использованием методов теории графов и принципа оптимальности Беллмана дает возможность получить всё множество допустимых назначений обслуживаний и выбрать то, которое с одной стороны будет соответствовать графику движения, а с другой – минимально отличаться от оптимального по выбранному критерию равномерности, что имеет большое практическое значение. Оценка сверху мощности множества полученных вариантов построения ГО имеет порядок . Их перебор требует значительных затрат времени. Поэтому актуальной является задача сокращения времени, затрачиваемого на построение прототипа ГО. Эта задача приобретает особую актуальность в связи с тем, что в процессе согласования ПГД и ГО может возникнуть задача неоднократной модификации прототипа ГО с учетом изменения исходных данных. В связи с этим в ходе выполненных автором исследований для решения задачи был применен ГА.

Ключевыми моментами создания генетического алгоритма являются описание хромосомы, определение фитнес-функции для каждой хромосомы в популяции и создание способов кроссинговера. Действия кроссинговера и мутации могут выполняться в соответствии с разными алгоритмами.

В ходе исследований авторами разработана система поддержки принятия решения (СППР), позволяющая выполнять численное решение оптимизационных задач генетическими алгоритмами. СППР построена на базе алгоритмов, реализованных в пакете прикладных программ для решения задач технических вычислений MATLAB.