RĪGAS TEHNISKĀ UNIVERSITĀTE Enerģēika un Elekroehnika fakulāe Induriālā Elekronika un Elekroehnika iniū IVARS ALPS Dokora udiju programma Elekroehnoloģiju daorvadība dokoran INTELEKTUĀLĀ ELEKTROTRANSPORTA VADĪBAS SISTĒMU SARAKSTU PROBLĒMU MODELĒŠANA NEPAREDZĒTOS GADĪJUMOS Promocija darba kopavilkum Zinānikai vadīāj Dr. c. ing., profeor A.ĻEVČENKOVS RTU Izdevniecība Rīga 202
UDK 656.02:004.94(043.2) Al 746 i Alp I. Inelekuālā elekroranpora vadība iēmu araku problēmu modelēšana neparedzēo gadījumo Promocija darba kopavilkum.- R.:RTU Izdevniecība, 202.-34 lpp. Iepie akaņā ar IEE iniūa 202.gada 28.jūnija lēmumu, prookol Nr.43ю Ši darb izrādā ar Eiropa Sociālā fonda abalu projekā «Abal RTU dokora udiju īenošanai». ISBN 978-9934-0-368- 2
PROMOCIJAS DARBS IZVIRZĪTS INŽENIERZINĀTŅU DOKTORA GRĀDA IEGŪŠANAI RĪGAS TEHNISKAJĀ UNIVERSITĀTĒ Promocija darb inženierzināņu dokora grāda iegūšanai iek publiki aizāvē 202.gada 3. decembrī Rīga Tehnikā univeriāe Enerģēika un Elekroehnika fakulāē, Kronvalda bulvārī, 7. audiorijā. OFICIĀLIE RECENZENTI Aociēai profeor, Dr.c.ing. Anaaija Žiravecka Rīga Tehnikā univeriāe Profeor, Dr. habil.c.ing. Andri Šnīder Lavija Laukaimniecība univeriāe Profeor, Dr.c.ing. Žilvina Bazara Kauņa Tehnoloģiju univeriāe (Lieuva) APSTIPRINĀJUMS Apiprinu, ka emu izrādāji doo promocija darbu, ka ienieg izkaīšanai Rīga Tehnikajā univeriāē inženierzināņu dokora grāda iegūšanai. Promocija darb nav ienieg nevienā ciā univeriāē zinānikā grāda iegūšanai. Ivar Alp.(Parak) Daum:.. Promocija darb ir uzrakī laviešu valodā, aur ievadu, pieca nodaļa, ecinājumu, izmanoā lieraūra araku, vienu pielikumu, 32 aēlu, 70 abula, kopā 55 lappue. Lieraūra arakā ir norāde uz 0 lieraūra avou. 3
SATURS Tēma akualiāe... 5 Darba mērķi... 5 Pēījumu līdzekļi un meode... 6 Darba zinānikā noviāe... 6 Darba prakikai pielieojum... 6 Darba aprobācija... 7 Auora publikācija... 8 Iegūie paeni... 9 Promocija darba rukūra... 0 Uzdevuma noādne ranpora kuība araku informācija iēma vadībai neparedzēo gadījumo... 0 Izrādāie algorimi ranpora iēma informācija plūmu vadībai un kuība araku veidošanai... 3 Iebūvēo iekāru pielieošana iepēja araku uzdevumu riināšanai un o inegrēšana ranpora iēmā... 9 Sabiedrikā ranpora daormodelēšana ekperimenu rezulāi... 22 Ekperimenu rezulāu novērējum izmanojo hipoēžu aiikā novērēšana meodi... 23 Secinājumi... 28 Izmanoie informācija avoi... 29 4
TĒMAS AKTUALITĀTE Pieaugo ranpora vienību kaiam un palielinoie kuība ineniāei aizvien akuālāka mūdienā kļū ranpora plūmu vadīšana un organizēšana ne ikai lielpilēā, be arī reģiono. Lai arī pilēu abildīgie dienei rādā pie ši problēma riināšana, realiāē ranpora arēgumi un ranpora līdzekļu adurme ir kļuvuša par ikdiena parādību. Precīzi noeik adurmju rezulāā izraiīo zaudējumu, arēgumo paērēā enerģija un neliederīgi pavadīā laika ieekmi uz val un aevišķu iedzīvoāju ekonomikajiem rādīājiem noeik ir arežģīi, be o, ka šī ieekme ir negaīva, var apgalvo noeiki. Ja arēgumi pārvarā gadījumu ikai palielina ranpora līdzekļa un o paažieru ceļā pavadīo laiku un enerģija paēriņu, ad ranpora vienību adurme jau ir aiīa ar daudz nopienākiem zaudējumiem un pa cilvēku bojāeju. Sevišķi maga eka ir aduroie dzelzceļa un auoranpora vienībām. Kā ziņo European Railway Agency [24] pārkaā 200 gadā ievērojama nelaime gadījumu daļa dzelzceļa ranporā Eiropā ir aiīa ieši ar pārbraukuvju šķērošanu. Organizācija NSA (Naional Safey Auhoriie) ir ziņojui par 3774 nelaime gadījumiem aiībā ar pārbraukuvju šķērošanu un šo nelaime gadījumu rezulāā no 2006. līdz 2008. gadam bojā ir gājuši 287 cilvēki. Tādēļ promocija darbā iek piedāvā riinājum ekojošiem uzdevumiem; izmanojo iebūvēā iekāra, araku eorija un evolucionāro algorimu amazinā līdz minimumam iepēju, ka auoranpor un dzelzceļa ranpor maršruu krupunko arao vienlaicīgi,.i. novēršo šo ranpora līdzekļu adurme iepējamību, palielinā dzelzceļa pārbraukuvju caurlaide pēju, ādejādi amazino abiedrikā un cia veida ranpora gaidīšana laiku pie lēgām pārbraukuvēm, rekomendējo ranpora līdzekļiem piemēroāko pārvieošanā ārumu viā maršruā amazinā abiedrikā elekroranpora gaidīšana laiku arēgumo, biežu bremzēšanu ar ekojošu paārināšano, ka ieši ieekmē elekroenerģija paēriņu, nodrošinā abiedrikā ranpora paažieru ar auga līmeņa komforu un drošiem pārvadājumu pakalpojumiem. DARBA MĒRĶIS Promocija darba mērķi ir izpēī un izrādā informācija plūmu aprāde algorimu pilēa ranpora, ai kaiā elekroranpora, kuība daorvadībai ar māklīgā ineleka iekārām un araku eorija meodēm. Šī mērķa aniegšanai iek izvirzīi un promocija darbā izpildīi ekojoši uzdevumi: analizē eošā dzelzceļa, abiedrikā un pilēa ranpora iēma, izrādā iēma objeku kuība vadība maemāiko modeļu un definē mērķa funkciju izpēī ģenēiko un imūno algorimu, izrādā procedūra iebūvēām iekārām avāriju un bīamo iuāciju novēršanai dažādu ranpora veidu maršruu kruošana punko izpēī araku eorija algorimu, iepēja o pielieo ranpora kuība vadība uzdevumo ecīga un paralēla uzdevumu aprāde iēmā daormodelī izpēī izrādāo procedūru pielieošanu ranpora plūmu iēma vadīšanai pēc drošuma, dīkāve laika un elekroenerģija paēriņa minimizēšana kriērijiem alīdzinā dažādu vadība algorimu ieekmi uz ranpora droša kuība araku izveidošanu izmanojo hipoēžu aiikā vērēšana meodi novērē izrādāo algorimu un iebūvēo iekāru izmanošana ieekmi uz dīkāve laiku un kuība drošību kopumā 5
PĒTĪJUMU LĪDZEKĻI UN METODES Tranpora iēma elemenu aprakam iek pielieoa kopu eorija, aišu grafu eorija, iēma un proceu analīze. Siēma vadība maemāikā modeļa izveidošanai iek izmanoa evolucionāro algorimu eorija [29,85], araku eorija [44,98,99,00,0] un varbūība eorija. Tranpora iēma vadība modelim izmao ražoāja Arduino piedāvāai programmējamai loģikai konrolleri. Konrollera un modeļa vadībai iek pielieoa vizuālorienēa un objekorienēa programmēšana. Daormodelēšana rezulāu novērēšanai iek izmanoa aiikā analīze meode. DARBA ZINĀTNISKĀ NOVITĀTE Promocija darbā izrādāi ekojoši maemāikie modeļi inelekuālā ranpora iēma vadībai: Dzelzceļa ranpora vadīšana modeli ar araku eorija algorimu izmanošanu ummārā pārbraukuvju arašanā laika lēgā āvoklī amazināšanai Sabiedrikā elekroranpora vadīšana modeli ar iebūvēo iekāru izmanošanu ranpora vienību vadīšanai ievērojo kuība araku vio maršruo Pilēa ranpora plūmu vadība modeli, kurā iek izmanoi araku eorija modeļi un procedūra, kā arī definēa mērķa funkcija daudzkriēriju uzdevumu riināšanai izmanojo evolucionāro algorimu. Evolucionārie un araku eorija algorimi ranpora vadība uzdevumu riina ņemo vērā piecu kriēriju: - paērēā elekroenerģija minimizēšana cikliki bremzējo un paārinoie - dzelzceļa ranpora vienību kuība araka izrāde ar mērķi minimizē pārbraukuvju arašanā laiku lēgā āvoklī, - dzelzceļa un pilēa ranpora vienību vienlaicīga arašanā maršruu kruošanā punko varbūība minimizēšana, - pilēa ranpora gaidīšana laika arēgumo minimizēšana, - jaunizveidoo kuība araku ašķirība no iepriekš aādīajiem minimizēšana Ģenēikā un imūnā algorima modeli, ka paredzē pilēa ranpora iēma vadība daudzkriēriju uzdevuma riināšanai Pilēa ranpora iēma funkcionālā mijiedarbība modeli, kurš apraka pilēa ranpora aevišķo elemenu mijiedarbību un ļauj modelē pilēa ranpora iēma rakurojošo proceu, ai kaiā arī elekromehāniko proceu inelekuālo vadību Pilēa ranpora vienību kuība araku maemāikai modeli, kurš paredzē ranpora vadību vadīšanai ņemo vērā drošuma kriēriju Izrādā jaun modeli ranpora vienību kuība araku izveidošanai un novērēšanai ar ģenēiko un imūno algorimu Pilēa ranpora iēma aevišķu vienību āruma vadība algorim, kurš paredzē piemēroa kuība āruma aprēķinam pēc droša ranpora plūmu vadība o kruošanā punko un direkīvā laika izpildīšanā kriērijiem 6 DARBA PRAKTISKAIS PIELIETOJUMS Promocija darbā izrādāie algorimi un piedāvāā ranpora iēma vadība procedūra var ik pielieoa pilēa ranpora, ai kaiā arī abiedrikā elekroranpora vienību vadība uzlabošanai. Izrādāie algorimi un procedūra paauginā pilēa ranpora iēma avarpēji kruojošo plūmu vadīšana drošuma pakāpi, pielieojo
izrādāo algorimu ir iepējam amazinā dīkāvju laiku pilēa ranpora plūmu kruošanā punko, āad amazinā iepējamo ranpora vienību palielināu uzkrāšano kādā no maršruu pomiem, ādejādi amazinā ekojošu ranpora arēgumu un amazinā elekroenerģija paēriņu pilēa abiedrikajam elekroranporam. Tāpa izrādāie algorimi var nodrošinā neparedzēu apākļu ieekmē no grafika novirzījušo abiedrikā ranpora vienību iepējami ārāku agriešano pie iepriekš noeikā kuība araka ievērošana. DARBA APROBĀCIJA. Sarpauikā konference Inelligen Technologie in Logiic and Mecharonic Syem (ITELMS 2008) Lieuva, Paņeveži, 2008.gada 23.maij. Referā "Modeling of Scheduling Theory in Inelligen Elecric Tranpor Syem" 2. Rīga Tehnikā Univeriāe 49.arpauikā zinānikā konference, ekcija Enerģēika un elekroehnika apakšekcija Elekroehnika, Lavija, Rīga, 2008.gada 5.okobri. Referā Saraku eorija modelēšana inelekuālajā elekrikā ranpora iēmā 3. Sarpauikā konference Inelligen Technologie in Logiic and Mecharonic Syem (ITELMS 2009) Lieuva, Paņeveži, 2009.gada 5.jūnij. Referā Mahemaical Formulaion of Public Elecric Tranpor Scheduling Tak for Arificial Immune Syem 4. Rīga Tehnikā Univeriāe 50.arpauikā zinānikā konference, ekcija Enerģēika un elekroehnika apakšekcija Elekroehnika, Lavija, Rīga, 2009.gada 5.okobri. Referā Mahemaical Formulaion of Public Elecric Tranpor Scheduling Tak for Arificial Immune Syem 5. Rīga Tehnikā Univeriāe 50.arpauikā zinānikā konference, ekcija Mašīnzināne un ranpor, Lavija, Rīga, 2009.gada 6.okobri. Referā Algorihm for Muli-Sage Scheduling in Inelligen Elecric Tranpor Syem 6. Tallina Tehnoloģikā Univeriāe 8. arpauikai impozij, ekcija Topical Problem in he Field of Elecrical and Power Engineering, Pērnava, Igaunija, 200.gada 3.janvāri. Referā Algorihm for Muli-Sage Scheduling in Inelligen Elecric Tranpor Syem 7. Sarpauikā konference Inelligen Technologie in Logiic and Mecharonic Syem (ITELMS 200) Lieuva, Paņeveži, 200.gada 4.jūnij. Referā Inelligen Embedded Device for Muliage Scheduling Tak in Public Elecric Tranpor 8. Rīga Tehnikā Univeriāe 5.arpauikā zinānikā konference, ekcija Enerģēika un elekroehnika apakšekcija Elekroehnika, Lavija, Rīga, 200.gada 4.okobri. Referā Algorihm for Public Elecric Tranpor Schedule Conrol for Inelligen Embedded Device 9. Rīga Tehnikā Univeriāe 5.arpauikā zinānikā konference, ekcija Mašīnzināne un ranpor, Lavija, Rīga, 200.gada 5.okobri. Referā Algorihm of Safey Aemen of Inelligen Embedded Device for Ligh Rail Tranpor 0. Sarpauikā konference Inelligen Technologie in Logiic and Mecharonic Syem (ITELMS 20) Lieuva, Paņeveži, 20.gada 5.maij. Referā Algorihm for increaing raffic capaciy of level-croing uing cheduling heory. Rīga Tehnikā Univeriāe 52.arpauikā zinānikā konference, ekcija Mašīnzināne un ranpor, Lavija, Rīga, 20.gada 5.okobri. Referā Algorihm for Increaing Traffic Capaciy of Level-Croing Uing Inelligen Embedded Device 7
2. Rīga Tehnikā Univeriāe 52.arpauikā zinānikā konference, ekcija Enerģēika un elekroehnika apakšekcija Elekroehnika,, Lavija, Rīga, 20.gada 5.okobri. Referā Algorihm for Increaing Traffic Capaciy of Level- Croing Uing Scheduling Theory and Inelligen Embedded Device 3. Sarpauikā konference Fir Inernaional Conference on Railway Technology: Reearch, Developmen and Mainenance La Palma de Gran Canaria, Spānija 202. gada 20.aprīli. Referā Algorihm for Embedded Ani-Colliion Device of Rolling Sock in Safey Tak AUTORA PUBLIKĀCIJAS. Ivar Alp, Mihail Gorobec, Anaolij Ļevčenkov, Leonīd Ribicki "Saraku eorija modelēšana inelekuālajā elekrikā ranpora iēmā" // RTU zināniko raku krājum Enerģēika un Elekroehnika ērija 4, ējum 23, Lavija, Rīga 2008, 84-94 lpp. 2. Ivar Alp, Mikhail Gorobez, Anaoly Levchenkov, Leonid Ribicki "Modeling of Scheduling Theory in Inelligen Elecric Tranpor Syem" //In proceeding of Inelligen Technologie in Logiic and Mecharonic Syem (ITELMS 2008), Lihuania, Panevezy, 2008, 28 37 lpp. 3. Алпс И., Левченков А., Горобец М., Рибицкис Л. Применение программы СИМУЛИНК для корректировки расписания передвижения в интелектуальных электротранспортных системах // Материалы Шестой международной научнопрактической конференции, Россия, Санкт-Петербург, 2008. 49 50 lpp. 4. Mikhail Gorobez, Ivar Alp, Anaoly Levchenkov "Mahemaical Formulaion of Public Elecric Tranpor Scheduling Tak for Arificial Immune Syem" //In proceeding of Inelligen Technologie in Logiic and Mecharonic Syem (ITELMS 2009), Lihuania, Panevezy, 2009, 27-34 lpp 5. Ivar Alp, Mikhail Gorobez, Anaoly Levchenkov Algorihm for Muli-Sage Scheduling in Inelligen Elecric Tranpor Syem //In proceeding of 8h Inernaional Sympoium Topical Problem in he Field of Elecrical and Power Engineering, Eonia, Taru, 200, 09 5 lpp. 6. Ivar Alp, Andrey Poapov, Mikhail Gorobez, Anaoly Levchenkov Algorihm for Public Elecric Tranpor Schedule Conrol for Inelligen Embedded Device // In proceeding of RTU 5 Inernaional Scienific Conference Power and Elecrical Engineering Lavia, Riga 200, 55 60 page. 7. Ivar Alp, Mikhail Gorobez, Anaoly Levchenkov Inelligen Embedded Device for Muliage Scheduling Tak in Public Elecric Tranpor //In proceeding of 5h Inernaional Conference Inelligen Technologie in Logiic and Mecharonic Syem (ITELMS 200), Lihuania, Panevezy, 200 8. Ivar Alp, Mikhail Gorobez, Anaoly Levchenkov Algorihm for Increaing Traffic Capaciy of Level-Croing Uing Scheduling Theory //In proceeding of 6h Inernaional Conference Inelligen Technologie in Logiic and Mecharonic Syem (ITELMS 20), Lihuania, Panevezy, 20, 99-08 lpp. 9. Ivar Alp, Mikhail Gorobez, Anaoly Levchenkov Algorihm for Increaing Traffic Capaciy of Level-Croing Uing Scheduling Theory and Inelligen Embedded Device In proceeding of RTU 52 nd Inernaional Scienific Conference Power and Elecrical Engineering Lavia, Riga 20, 29-36 lpp. 0. Levchenkov A., Gorobez M., Balckar P. and Alp I. Algorihm for Embedded Ani- Colliion Device of Rolling Sock in Safey Tak //In proceeding of he Fir 8
Inernaional Conference on Railway Technology: Reearch, Developmen and Mainenance, La palma de Gran Canaria, Spain 202, 78 page IEGŪTIE PATENTI Promocija darba izrāde gaiā iegūie pēījumu rezulāi ir paenēi un ir izniega Lavija Republika paenu valde apliecība A.Ļevčenkov, M.Gorobec, I.Raņķi, L.Ribicki, P.Balckar, A.Poapov, I.Alp, I.Korago, V.Vinokurov Iekāra drošai auoranpora pārbraukuvju šķērošanai izmanojo aelīu navigācija iēma Rīga, Lavija, LV 4405 B. 202. gada maijā no Paen Law Office FORAL ir aņem apiprinājum am, ka par Sarpauikai paena pieeikumu PCT/EP20/067474 ir aņemi arpauiko paena meklējuma akaie un arpauikā meklēšana iniūcija viedokli par izgudrojuma abilību paenpēja kriērijiem. Sakaņā ar šo akaii un viedokli izgudrojum abil paenpēja kriērijiem. 9
PROMOCIJAS DARBA STRUKTŪRA Promocija darb aāv no ievada, piecām nodaļām, ecinājumiem, izmanoo lieraūra avou uzkaiījuma un pielikuma. Promocija darba pirmajā nodaļā analizēa eošā pilēa ranpora iēma, klaificēi ranpora iēma elemeni un o avarpējā mijiedarbība, no kopu eorija viedokļa izveido pilēa ranpora iēma maemāikai modeli, definēi konanie un mainīgie iēma kopu elemeni, izrādā izpēāmā ranpora iēma elemena pārbraukuve kā pēāmā objeka dealizē maemāikai modeli, noformulēa araku eorija uzdevumu noādne un definēa mērķa funkcija uzdevuma riināšanai aiībā ar elekroranpora kuība daorvadību ar iebūvēo iekāru un araku eorija meožu palīdzību. Promocija darba orajā nodaļā ir izrādāi algorimi gan mērķa funkcija kopējā vērība gan kara aevišķā kriērija, aprēķināšanai, izrādāa procedūra evolucionāro algorimu, ģenēikā un imūnā, pielieojumam ranpora plūmu vadība uzlabošanai. Promocija darba rešajā nodaļā aprakī izrādāā iebūvēā iekāra prooip, parādīa prooipa un ā aevišķo komponenšu elekrikā hēma, analizēa pielēgumviea inelekuālā ranpora iēma infrarukūra objekiem, pārbraukuvēm, ceļu ranpora vienībām un liežu ranpora vienībām. Promocija darba ceurajā nodaļā algorimu aprobācijai diviem ranpora plūmu vadīšana uzdevumiem iek izveido vienkāršo pilēa liežu un auoranpora vienību kuība pēīšana daormodeli ar noeiku pārbraukuvju, liežu un auoranpora vienību kaiu un o kuība arakiem. Tranpora iēma fragmena vadība iek modelēa veico vairāka ekperimenu ērija akaņā ar izrādāajiem algorimiem. Promocija darba piekajā nodaļā iek analizēi un novērēi iegūie ekperimenu rezulāi. Jaunizveidoo araku nobīde iek novērēi ar hipoēžu pārbaudi izmanojo aiikā novērēšana meode, z-ea, hī-kvadrāa un Kolmogorova-Smirnova eiem. UZDEVUMA NOSTĀDNE TRANSPORTA KUSTĪBAS SARAKSTU INFORMĀCIJAS SISTĒMAS VADĪBAI NEPAREDZĒTOS GADĪJUMOS Analizējo ranpora iēma rukūru konaē, ka liežu ranpora līdzekļu vienību vadīāji He, Hd un auoranpora līdzekļu vienību vadīāji Hc, Hv un Hb vada aiecīgo ranpora līdzekļu vienība iedarbojoie uz šo ranpora līdzekļu vadība elemeniem Ke, Kd, Kc, Kv un Kb. Dīzeļvilcienu vadība elemeni iedarboja uz dīzeļvilciena elekrodzinējiem Mde, kuri avukār caur ģeneraoriem Ge aiīi ar dīzeļdzinējiem Mdd. Elekrovilcieniem vadība iekāra iedarboja uz elekrodzinējiem Mee. Sliežu ranpora ranmiija We un Wd caur liežu ķēdēm Rw iedarboja uz pārbraukuvju relejiem Rp, kuri avukār nodod vadība ignālu pārbraukuvju barjerām Bp un lukoforiem Lp. Šo vizuālo vadība ignālu vizuāli uzver auoranpora vienību vadīāji un pieņem lēmumu abiloši reaģē. Papildu vizuālajiem vadība ignāliem liežu ranpora vadīājiem un auobuu vadīājiem ir noeiki vadāmo ranpora vienību kuība araki E A D. Kā šī iēma rūkumi minam a, ka nav koordinācija arp dažādu ipu ranpora līdzekļiem, vadīājiem nav pieiekoša informācija par iuāciju maršruā, kuība araku ievērošana pilnīgi akarīga no vadīāju iemaņām. Promocija darbā piedāvā papildinā ranpora iēmu ar vairākiem elemeniem, ādejādi izveidojo Inelekuālo Tranpora Siēmu (ITS). ITS rukūra hēma parādīa A. 0
He El.vilcien Ke Mee We Rw Rp Bp Lp Pārbraukuve Sa Cip Hc Hv Hb Die Cie Dīz.vilcien Mdd Rie Ge Rip Kc Krava auo Dic Cic Kv Auo Div Kb Auobu Dib Sa Civ Sa Cib Sa Hd Kd Mde Wd Ric Riv Rib Vadība cenr Rid Did Cid Sa Rvc Cvc DB GA IA E A D A. Piedāvāo ranpora iēma elemenu mijiedarbība ar eošo iēmu Sakaņā ar piedāvāo ranpora iēma hēmu kara ranpora iēma vienība iek papildināa ar konrolleriem Cic, Civ, Cib, Cie, Cid, kuri caur uzvērējiem SAT no GPS aelīiem iegū informāciju par iēma kuīgo vienību pašreizējo arašanā vieu un ārumu. Ar konrolleriem Cip iek vadīa dzelzceļa pārbraukuve. Tranpora iēma iek papildināa ar vadība cenru, kurā aroda vadība cenra konroller Cvc, dau bāze DB, imūnā un ģenēikā algorima bloki IA, GA. Tāpa vadība cenrā iek ievadīa informācija par viu ranpora iēma arakiem pakļauo vienību kuība arakiem E A D. Vadība cenr caur raidīāju Rvc pārraida un uzver vadība ignālu no viā ranpora iēma vienībā uzādīājiem raidīājiem Ric, Riv, Rib, Rie, Rid, Rip. Akarībā no ranpora vienību aņemajiem ignāliem un abiloši kuību arakiem, dau bāzei, akaņā ar izrādāajiem algorimiem vadība cenrā iek ģenerē akuālajai iuācijai ranpora iēmā piemēro kuība arak karai iēma vienībai un caur raidīājiem iebūvēie konrolleri iek pārraidīa rekomendējoša informācija uz ranpora vienībā uzādīajiem diplejiem Dic, Div, Dib, Die, Did, Dip. Akarībā no rekomendācijām ranpora vienību vadīāji pieņem abilošu lēmumu par piemēroākā āruma izvēli. Ja ranpora vienību adurme varbūība aniedz kriiko vērību un ir nepieciešam uzāk nekavējošu liežu ranpora vienība bremzēšanu, konrolleri ignālu par šī darbība uzākšanu noūa liežu ranpora vienība avārija bremzēšana iēmai bez mašīnia iejaukšanā. Tādejādi kļū iepējam koordinēi vadī viu ranpora iēmu kopumā, ā ļauj izrādā vadība modeli, noūī karam ranpora vienība vadīājam rekomendējoša rakura informāciju lēmuma pieņemšanai, vai, avārija varbūībai aniedzo kriiko robežu, ieekmē bremzēšana iēmu bez cilvēka iejaukšanā un novēr iepējamā adurme. Izrādāā mērķa funkcija uzdevuma riināšanai Mērķa funkcija iek izeika kā piecu ranpora plūmu rakurojošu aevišķu kriēriju kopa. Kā varīgākie uzdevuma ariināšanai iek definēi ekojošie kriēriji: - elekroenerģija paēriņa kriērij E (paērēā elekroenerģija ranpora paārināšanai) - preadurmju kriērij Q (dažādu ranpora veidu vienību vienlaicīga arašanā plūmu kruošanā punko X varbūība)
- vienlaicīguma kriērij (viena ranpora veida dažādu preējo virzieno braucošu vienību vienlaicīga arašanā plūmu kruošanā punko X) - dīkāve kriērij T (ranpora līdzekļu ummārai dīkāve laik kopējā plūmā) - nobīde kriērij um (izmaiņu rezulāā jaunizveidoo kuība araku nobīde no jau eošā) j n k i 2 E UId min i j j i Q Q( T... T... T F( ) T f ( ) min um f (, ') min ) min X X X 2 2 2 2 U U U U S max ; B min S max ; B min n min () Kopējā mērķa funkcija aprēķināšana iek veika aprēķino un normalizējo karu mērķa funkcija aāvdaļu, urklā karai aāvdaļai iek piešķir ekpera noeik nozīmīgumu rakurojoš vara koeficien. Mērķa funkcija aevišķie kriēriju normalizēšanai iek izmanoi ekojoši vienādojumi E Q T norm norm norm norm E E Q um. norm max T T max max max E E max T T min max min min min min min (2) Tiek piedāvā karam kriērijam noeik o nozīmīgumu rakurojošu varu koeficienu E - elekroenerģija paēriņa varu koeficien - preadurmju kriērija varu koeficien Q - vienlaicīguma kriērija varu koeficien T - dīkāve kriērija varu koeficien - nobīde kriērija varu koeficien Tādejādi kopējā mērķa funkcija aprēķin iek izeik ar šādu formulu: F( ) E Q T. min (3) E norm Q norm norm T norm um norm 2
Izvirzīā hipoēze Analizējo izrādāo mērķa funkcija kriēriju iek izvirzīa ekojoša hipoēze: Ekiē ādi kuību araki Σα= (σα,..,σαn); Σβ= (σβ,..,σβn); Σa= (σa,..,σan); Σb= (σb,..,σbn); pie kuriem izpildā šādi noacījumi:. α, β, an un bm punko X nearoda vienlaicīgi; d( a ) d( b )) ( d( ) d( )) (4) ( b b kur: d(a ) un d(b ) vienību a un b plūmu kruošanā punko X veicamo darbu ākuma momeni d(α b ) un d(β b ) vienību α un β plūmu kruošanā punko X veicamo darbu beigu momeni kur 2. preēji virzošā vienība α un β punko X aroda vienlaicīgi; : ja d(α)>d(β), ad b un ja d(α) <d(β), ad b un ; b b b b ir ranpora vienību α un β darbu ākuma un beigu momeni IZSTRĀDĀTIE ALGORITMI TRANSPORTA SISTĒMAS INFORMĀCIJAS PLŪSMU VADĪBAI UN KUSTĪBAS SARAKSTU VEIDOŠANAI Mērķa funkcija kopējā vērība aprēķina algorim pārbraukuve šķērošana uzdevumam Do: viu auoranpora maršruu un dzelzceļa ranporu maršruu kruošanā 2 c 2 c p p p p p p p punku koordināe:,,...,, ; p,,..., p - dzelzceļa poma (pārbraukuve) ākuma punka ģeogrāfikai plaum p - dzelzceļa poma (pārbraukuve) ākuma punka ģeogrāfikai garum c pārbraukuvju kai u 2 3 V - kara ranpora vienība u vidējai ārum m/ u U U U, V - kara ranpora vienība u āruma andara novirze m/ S L u kara vilciena p ve kara pārbraukuve u U garum, m 2 p P direkīvai droša aizvēršana laik.oli. Noeik viu auoranpora un dzelzceļa ranpora vienību pašreizējo ārumu u Vek norm( V, VS ) m/ (5) 2.oli Karam ranpora līdzeklim, kura maršru kruoja ar cia ipa ranpora maršruu, noeik: 2.. pašreizējo arašanā vieu maršruā 3
2 2 U U 0, 0 ; 0, 0 ;...; 0, 0 2.2. aālumu d u. p no pašreizējā arašanā viea līdz viiem priekšā eošajiem maršruu kruošanā punkiem d z U U U U U U R Un 2 R Un 2 R R 2 R R 2 u. p ( 0 ) ( 0 ) ( i i ) ( i i ) i2 pie kam m (6) u U un 2 p P ; z proceoru kai līdz pārbraukuvei p akaņā ar maršruu 2.3. vidējo nepieciešamo braukšana laiku U vid. nepiecieš no pašreizējā arašanā viea līdz maršruu kruošanā punkam,,. / 2 ( ) ( ) U du p du p vid nepiecieš u u V VS V VS (7) 2.4. andara novirzi laikam U S U U du, p S vid. nepiecieš u V V (8) in 3.oli. Noeik laika normālā blīvuma adalījuma kruošanā inervālu, kad aiecīgai dzelzceļa un auoranpora vienību pāri <u, u 2 > vai <u, u 3 > aradīie iem abilošo maršruu kruošanā punkā p: in in in 2 2 ; ; ; (9) 4.oli Noeik varbūību Q am gadījumam, kad: min max min max 4..auoranpor aradīie maršruu kruošanā punkā laika inervālā Q 3 S min max in U 2U in U 2U max vid. nepiecieš min vid nepiecieš ( ) ( ) (0) 2 3 2 3 U U U U 2 3 U U. S 4.2. vilcien aradīie maršruu kruošanā punkā laika inervālā Q S in U in U max vid. nepiecieš min vid nepiecieš ( ) ( ) () U U U. 5.oli noeik kopējo varbūību S kop Q 6.oli Noeik makimālo varbūību S 3 in in 2 3 Q kop Q U U * Q U (2) max Q gadījumam, ka abi ranpora līdzekļi aradīie in maršruu kruošanā punkā laika inervālā max kop kop2 kopn Q max( Q ; Q,..., Q ) (3) 7. oli. Karam vilcien-pārbraukuve pārim u, p, pie kam 7.. makimālo nepieciešamo braukšana laiku u, p max. pirm u U un 2 p P, noeik: pirmajam vagonam no pašreizējā arašanā viea līdz pārbraukuve aizvēršana punkam d u, p u, p p max. pirm ve (4) u ( V V ) 7.2. minimālo nepieciešamo braukšana laiku S u, p min. pirm pašreizējā arašanā viea līdz pārbraukuve aizvēršana punkam pirmajam vagonam no 4
u, p min. pirm du, p u ( V V ) 7.3. makimālo nepieciešamo braukšana laiku S p ve u, p max. ped (5) pēdējam vagonam no pašreizējā arašanā viea līdz uvākā pārbraukuve avēršana punkam d u p u p L,, u max. ped (6) u V V 7.4. minimālo nepieciešamo braukšana laiku S u, p min. ped pēdējam vagonam no pašreizējā arašanā viea līdz uvākā pārbraukuve avēršana punkam du p L u, p, u min. ped u V VS (7) 8.oli Aprēķinā kara pārbraukuve: 8.. vidējo aizvēršana laiku karam vilcienam u, p u, p aizver min. pirm max. pirm vid (8) 2 8.2. vidējo avēršana laiku karam vilcienam u, p u, p aver min. ped max. ped vid (9) 2 9.oli Aprēķinā divām preējo virzieno braucošām vienībām kopīgo pārbraukuve arašanā laiku lēgā āvoklī kop leg 2 2 ; ; ; in in aizveru averu aizveru averu akuma beigu vid vid vid vid kop (20) leg 0.oli Aprēķinā ummāro preējo virzieno braucošo vienību pārbraukuve arašanā lēgā āvoklī laiku n i kop i leg.oli. Aprēķinā kara auoranpora vienība dīkāve laiku IF aizver vid 2,3 u aver vid, nepiecieš vid THEN 2,3 u dik aver vid 2,3 u vid, nepiecieš 2,3 u dik (2) u ELSE 0 (22) 2,3 dik 2.oli. Aprēķinā ummāro auoranpora vienību dīkāve laiku T U n i U 2 n i i T dik (23) dik i 3. oli. Aprēķinā araku izmaiņu ummāro novirzi no eošā 3 U (24) um 4.oli. Aprēķinā normalizēā vērība: 4.. vienlaicīguma kriērijam 4.2. dīkāve kriērijam i max i max norm (25) T T min min T norm (26) Tmax Tmin 5
4.3. nobīde kriērijam min um. norm (27) max min 5.oli. Aprēķinā kopējo mērķa funkcija vērību Q T (28) F Q norm norm T norm um. norm Dubulā populācija imūnai algorim ranpora plūmu vadībai Nomenklaūra A(0) ākonējā aniķermeņu populācija M(0) ākonējā amiņa populācija N c n - veel kaili, klonu izmēr T - klonu pavairošana operaor C P A M C S T - līdzība aīīšana operaor T - klonu izvēle operaor T - amiņa papildināšana operaor U M U A T - aniķermeņu papildināšana operaor T % - agriezenikā aie koeficien - amiņa populācija izmēr Soli. Inicializācija. Pēc nejaušība principa iek veidoa inicializācija jeb ākonējā A 0) a (0), a (0),... a (0). Tāpa pēc nejaušība principa iek aniķermeņu populācija ( 2 n veidoa ākonējā amiņa populācija 0) m (0), m (0),..., m (0) viiem aniķermeņiem no kopām (0) M( 2. Aprēķina līdzību A un M (0). Sākonēji k 0. Soli2. Klonu pavairošana. No kopa A(k) pielieojo klonu pavairošana operaoru iegū kopu Y (k). C C C C Y k) T ( A( k)) T ( a ( k)), T ( a ( k)),..., T ( a ( )) (29) ( P P P 2 P n k C kur Yi ( k) TP ( ai ( k)) Ii ai ( k), i,2,..., n, pie kam I i ir qi dimeniju vienība vekor. C T P 6 affiniy ( ai ( k)) qi ( k) Nc n, i,2,..., n (30) affiniy ( a ( k)) j j q i (k) vērība ir proporcionāla līdzība mērvienībai. Pēc klonu pavairošana populācija klū vienāda ar ekojošo Y k) Y ( k), Y ( k),..., Y ( ), (3) ( 2 n k i ( k) yij ( k) yi ( k), yi2( k),..., yiq ( k kur Y ) i, yij ( k) ai ( k), j,2,...,qi, i,2,..., n Soli3. Līdzība aīīšana. No kopa Y(k) pielieojo līdzība aīīšana operaoru iegū kopu Z (k) Z k) Z ( k), Z ( k),..., Z ( ), (32) ( 2 n k i ( k) zij ( k) zi ( k), zi2( k),..., ziq ( k) kur Z i A, zij ( k) TM ( yij ( k)), j,2,...,qi, i,2,..., n A T M
Soli4. Novērēšana. Līdzība aprēķināšana viiem kopa Z(k) elemeniem Soli5. Klonu izvēle. Pielieojo kopa Z( k) A( k) klonu izvēle operaoru A ( k ). C T S iegū kopu * Definē, ka i,2,..., n ; zi ( k) Zi ( k) ir vilabākai aniķermeni kopā Z i (k), ad * * C zi ( k) ifaffiniy ( ai ( k)) affiniy ( zi ( k)) ai ( k ) TS ( Zi ( k) ai ( k)) (33) * ai ( k) ifaffiniy ( ai ( k)) affiniy ( zi ( k)) Nākamā populācija iek aprēķināa kā C C C C A k ) T ( Z( k) A( k)) T ( Z ( k) a ( k), T ( Z ( k) a ( k),..., T ( Z ( k) a ( )) ( S S S 2 2 S n n k ( k ), a2( k ),..., a ( k ) a n, (34) C kur ai ( k ) TS ( Zi ( k) ai ( k)), i,2,..., n Soli6. Amiņa populācija papildināšana. Papildino kopu M (k) izmanojo amiņa papildināšana operaoru T iegū jaunu amiņa populāciju M ( k ) U M * Definē, ka a ( k ) A( k ) ir labākai aniķermeni populācijā A ( k ), ad aprēķina * ašķirību (aālumu) arp a ( k ) un karu kopa M (k) elemenu. Ja ašķirība (aālum) * arp m j (k) un a ( k ) ir minimāla un ā vērība ir j0 ad ir diva iepēja. Pirmā, j 0 0 kur 0 ir minimālā ašķirība (aālum) arp kariem diviem kopa M (k) elemeniem, ad * alīdzina a ( k ) un m j (k) līdzību šādi * * a ( k ) if. affiniy ( a ( k )) affiniy ( m j ( k)) m j ( k ) (35) m j ( k)... ele * Orā gadījumā, ja j 0 0, ad aniķermeni a ( k ) pievieno amiņa populācijai un izdzēš likāko vērību amiņa populācijā. Rezulāā iegū M( k ) m ( k ), m2 ( k ),..., m ( k ) (36) Soli7. Aniķermeņu populācija papildināšana. To veic avarpēji mijiedarbojoie U M ( k ) un A ( k ) ar aniķermeņu papildināšana operaoru T A. Slikāko aniķermeņu no kopa A(k) aizāj ar nejauši izvēlēiem T % aniķermeņiem no M ( k ) kopa. Soli8. Pārraukšana kriērija pārbaude. Ja pārraukšana kriēriju noacījumi ir apmierināi, algorim iek pārrauk. Ja nē, ad k k un ie uz Soli2. Ģenēikai algorim ranpora plūmu vadībai 2 Soli. Inicializācija..Inicializē araku nobīde kopu: SNK,,..., p i i i,..., i, 2 n - i-ā nobīžu kopa, kur p populācija izmēr (pāra kaili); n ranpora līdzekļu kai, i - j-ā ranpora līdzekļa nobīde no ākonējā araka j i =...p; j =...n Soli 2. Novērēšana. Aprēķina (novērē) pēc mērķa funkcija: 2 p MF F ( ), F( ),..., F( ) ; (37) Soli 3. Sakārošana Sakāro araku nobīžu kopa pēc novērējuma: SNK 2 p i i,,..., ; F( ) min( MF), F( ) F( ), i 2, p (38) 7
Soli 4. Elie veidošana. Izvēlēie labākā nobīžu kopa elie kopa veidošanai SNK elie SNK ; (39) Soli 5. Selekcija procedūra. Tiek izvēlē nejauša elekcija algorim SNK el SNK; (40) 5.. ģenerē gadījuma kaili g [, p] 5.2. papildina elekcija kopu SNK el ar g-o elemenu no nobīžu kopa un no nobīžu kopa aņem g-o elemenu. SNK 8 el el g g ; SNK SNK \ ; SNK (4) 5.3. Ja SNK ad elekcija kopa papildināšana pabeiga. Preējā gadījumā ie uz oli 5.. Ar šo procedūru iek iegūa rekombinēa kopa SNK elemenu kopa 2 p p SNK el ˆ, ˆ,..., ˆ, ˆ (42) Soli 6. Kruošana procedūra. Tiek izvēlēa viena punka kruošana (Single poin croover, SPX) 6.. oli: Definē biu b, kurš adala hromoomu divā daļā 6.2. oli: No araku nobīžu kopa SNK kur i paaudze kāra numur izvēla pāri: i j i j ( ), 6.3. oli: Ģenerē jaunu biu araku nobīdēm izmanojo šādu likumu: j i j bk, ja k b bk j bk, ja k b j i j bk, ja k b bk j bk, ja k b kur k bia indek hromoomā ; i el (43) k =,2,...,z; kur z ir biu kai araku nobīde kopā 6.4. oli Nākošā paaudze araku nobīžu kopa aāv no aprēķināajiem biiem i j i j i j b b, b i j 2 i ( j),..., b i j z i ( j) 2 i ( j) z, b,..., b (44) 6.5. oli Ja j p, ad procedūru beidz ar jauna (i+) paaudze araku nobīžu kopu: i i 2 i p i p i SNK,,...,, (45) Preējā gadījumā ie uz 6.2. oli Soli 7. Muācija procedūra. Nejaušu izmaiņu ieviešana algorima darbība laikā. Nepieļauj viu populācija elemenu vienveidību. 7.. Ģenerē gadījuma kaili g rand( ;/ ) kur - muācija koeficien (iek pieņem /00) 7.2. Gēn muē pēc šāda akarība j Ja b 0 ad k 0, ja g b i k (46), ja g preējā gadījumā, ja g b i k (47) 0, ja g
Soli 8. Novērēšana. Novērē jauno populāciju pēc mērķa funkcija: j j j j 2 p MF F( ), F( ),..., F( ) ; (48) Soli 9. Sakārošana pēc novērējuma. Sakāro jauno populāciju pēc novērējuma: SNK j j j j j j j 2 p i i,,..., ; F( ) min( MF), F( ) F( ), i 2, p Soli 0. Jaunā paaudze avienošana ar elii: j SNK ( SNK elie SNK ) (50) Soli. Izdzēšana. Izdzēš pēdējo indivīdu no avienoā populācija, ja jaunā populācija ir lielāka par noeiko izmēru: p p2 SNK SNK \,,... (5) (49) IEBŪVĒTO IEKĀRTU PIELIETOŠANAS IESPĒJAS SARAKSTU UZDEVUMU RISINĀŠANAI UN TO INTEGRĒŠANA TRANSPORTA SISTĒMĀ Ņemo vērā iepriekšējo poziīvo pieredzi akarā ar programmējamo loģiko konrolleru izmanošanu inelekuālā ranpora iēma vadīšanai, daudzā šai ēmai velīā publikācija zināniko raku krājumo, RTU aizāvēo promocija darbu un aņemo paenu par konrolleru un aelīu navigācija izmanošanu dzelzceļa ranpora vadīšanai promocija darbā iek piedāvā ranpora vienību vadīšanai izmano izrādāo iebūvēā iekāra prooipu, kura aāv no šādiem galvenajiem komponeniem: - konroller - GPS ignāla uzvērēj - GPS uzvērēja anena - GSM/GPRS raidīāj - GSM/GPRS anena - diplej - konveror Kā konroller izvēlē uzņēmuma ARDUINO ražoai konroller Arduino UNO R3. GPS ignāla uzvērēj izvēlē ražoāja VINCOTECH A080-B globālā pozicionēšana moduli ar abilošu anenu. GSM/GPRS raidīāj izvēlē Sagem Hilo GSM/GPRS moduli un abiloša GSM raidīāja anena. Diplej izvēlē ražoāja Seed Sudio Serial LCD602 diplej. Viu iebūvēā iekāra komponenšu monāža elekrikā hēma parādīa aēlā A. 2 9
RELEJS RELEJS GPS LCD GPRS CONV OUT A. 2. Iebūvēā iekāra komponenšu monāža hēma Pārbraukuvju aizvēršanu nodrošina adale kapja ŠRU-M hēmā eošie pāra un nepāra virzieno arodošo pārbraukuvju barjeru aizvēršana lēdži. Barjera aizvēršana noiek brīdī, kad vilcien uzbrauc uz liežu ķēde un normāli ielēgie lēdži pārrauc elekriko ķēdi. Caur normāli ielēgiem relejiem paralēli pievienojo pie šiem lēdžiem iebūvēo iekāru pārbraukuve aizvēršanu noaka vadība cenra komanda. Šinī gadījumā pārbraukuve vadība noiek caur raidīājiem pārraido vadība cenra ģenerēo ignālu aālināi bez papildu vadu inalēšana no liežu ķēdēm uz adale kapi. Pārbraukuve vadība iebūvēā iekāra monāža hēma parādīa A. 3 Iekāra +2 V Iekāra +2 V A. 3. Pārbraukuve vadība iebūvēā iekāra elekrikā hēma Iebūvēā iekāra pielēgšana pie pārbraukuve vadība lēdžiem adale kapī ŠRU M parādīa A. 4 20
A. 4. Iebūvēā iekāra pielēgšana adale kapī A. 5 ir parādī a lokomoīve E62 elekrikā hēma ķēde pom, ar kura palīdzību iek akivizēa avārija bremzēšana. Pārrauco šo ķēdi un pievienojo iebūvēo iekāru kā parādī A. 5 ir iepējam adurme iepējamībai aniedzo kriiko robežu un aņemo par šī robeža aniegšanu abilošu ignālu no vadība cenra, akivizē vilciena avārija bremzēšanu bez vilciena mašīnia iejaukšanā. Relej Iekāra +2 V A. 5. Vilciena avārija bremzēšana akivizēšana elekrikā hēma Izgaavoai iebūvēā iekāra prooip aēlo A. 6 2
GSM anena GPS anena +2V GPS blok Konroller GSM blok LCD diplej A. 6. Iekāra prooip un ā galvenā aāvdaļa SABIEDRISKĀ TRANSPORTA DATORMODELĒŠANAS EKSPERIMENTU REZULTĀTI Izrādāo algorimu pārbaudei iek izveidoi divi daormodeļi pārbraukuve šķērošana un abiedrikā elekroranpora kuība vadība uzdevumiem. Daormodeli elekroranpora kuība vadība algorima pārbaudei Algorimu darbība pārbaudei iek definēi viu pieurā Grēcinieku iela apkalpoo ranpora līdzekļu maršrui, braukšana ilgum no viena pieura līdz orai, karam maršruam iek definē ranpora līdzekļu kai un ierašana pieurā inervāli. Daormodeļa hēma ir parādīa A. 7 22 A. 7. Daormodeļa elekroranpora uzdevumam hemaikai aēlojum
Daormodeli pārbraukuve šķērošana vadība algorima pārbaudei Algorimu darbība pārbaudei iek definēa: pārbraukuvju, auobuu, vilcienu, pieuru, kuība araku un maršruu kopa. Daormodeļa hemaikai aēlojum parādī A. 8 A. 8. Daormodeļa pārbraukuve šķērošanai hemaikai aēlojum Evolucionāro algorimu pielieojum mērķa funkcija vērība aprēķināšanai Lai uzkrāu dau analīzei un novērēšanai ar aiikajām novērēšana meodēm maino dažādu evolucionāro algorimu rakurojošo parameru ir veika karam algorimam aoņa ekperimenu ērija pa 30 ekperimeniem karā ērijā. Kopā ir veiki 2880 ekperimeni. Ekperimenu ērijā iek mainīa; mērījumu nolaīšana preciziāe, pieļaujamā nobīde no ākonējā araka, pieļaujamā auobuu un vilcienu āruma nobīde, populācija un elie izmēr, muācija koeficien, amiņa biblioēka izmēr, klonu kai. EKSPERIMENTU REZULTĀTU NOVĒRTĒJUMS IZMANTOJOT HIPOTĒŽU STATISTISKĀS NOVĒRTĒŠANAS METODI Pārbaudei izvirzīā hipoēze Nulle hipoēze: H0:Ģenēikā algorima piedāvāai arak ir labāk par eošo araku H02: Imūnā algorima piedāvāai arak ir labāk par eošo araku; un alernaīvā hipoēze: H: Ģenēikā algorima piedāvāai arak nav labāk par eošo araku H2: Imūnā algorima piedāvāai arak nav labāk par eošo araku. Elekroenerģija paēriņa uzdevum Karai ekperimenu ērijai iek aprēķināa vidējā kriēriju vērība un andarnovirze gan ar imūno algorimu (IA) gan ar ģenēiko algorimu (GA) iegūajiem arakiem. Oriģinālā araka un pārbaudāmo algorimu vidējā kriēriju vērība parādīa Tab. Tab.. Rezulāa kriēriju vidējā vērība Kriērij Oriģinālai IA GA Mērķa funkcija vērība 0.246489 0.9643 0.5277 Pārklāšanā varbūība 0.99987 0.95468 0.74253 Papildu paērēā enerģija Kwh 7.89 0.077 0.7 Saraku nobīde min 0 296.42 24.08 Paērēai mašīnlaik 2454.48 895.86 23
Pielieojo imūno algorimu daorekperimenā iegūā kriēriju vidējā un andarnovirze vērība apkopoa Tab. 2 Tab. 2. Imūnā algorima kriēriju vidējā vērība un andarnovirze Kriērij Vidējā vērība Sandarnovirze Mērķa funkcija vērība 0.9643 0.0752 Pārklāšana varbūība 0.95468 0.0875 Papildu paērēā enerģija Kwh 0.077 0.007 Saraku nobīde min 296.42 0.3 Paērēai mašīnlaik 2454.48 377.54 Imūnā algorima pielieojuma rezulāu aiika Z-ea vērējum papildu elekroenerģija paēriņa uzdevumam apkopo Tab. 3 Kriērij Tab. 3. Imūnā algorima aiika Z-ea vērējum Ticamība līmeni Mērķa funkcija 99.90% Pārklāšanā varbūība Papildu Elekroenerģija 99.90% 99.90% Tea inervāl (0.89 ; 0.2039) (0.975 ; 0.999) (0.074 ; 0.080) Pārbaudāmā vērība 0.2465 7.8905 0.9999 Rezulā H0 nevar ik noraidīa ar varbūību 99.90% H0 nevar ik noraidīa ar varbūību 99.90% H0 nevar ik noraidīa ar varbūību 99.90% Pielieojo ģenēiko algorimu daorekperimenā iegūā kriēriju vidējā vērība apkopoa Tab. 4 Tab. 4. Ģenēikā algorima kriēriju vidējā vērība 24 Kriērij Vidējā vērība Sandarnovirze Mērķa funkcija vērība 0.5277 0.00472 Pārklāšanā varbūība 0.74253 0.02359 Papildu paērēā enerģija Kwh 0.7 0.05 Saraku nobīde min 24.08 2.83 Paērēai mašīnlaik 895.86 33.90 Ģenēikā algorima pielieojuma rezulāu aiika Z-ea vērējum elekroenerģija paēriņa uzdevumam apkopo Tab. 5 Kriērij Tab. 5. Ģenēikā algorima aiika Z-ea vērējum Ticamība līmeni Mērķa funkcija 99.90% Pārklāšanā varbūība Papildu elekroenerģija 99.90% 99.90% Tea inervāl (0.508 ; 0.548) (0.7325 ; 0.7526) (0.65 ; 0.784) Pārbaudāmā vērība 0.2465 7.8905 0.9999 Rezulā H0 nevar ik noraidīa ar varbūību 99.90% H0 nevar ik noraidīa ar varbūību 99.90% H0 nevar ik noraidīa ar varbūību 99.90%
Ģenēikā un imūnā algorima alīdzinājum pēc ekperimenu daiem Lai alīdzināu un pārbaudīu, kurš no diviem algorimiem, imūnai vai ģenēikai, ir labāk, vipirm ir jāpārbauda vai algorimu darbība rezulāā iegūā dau izlae empīrikā adalījumu funkcija ir vienāda. Tādejādi var noeik labāko algorimu pēc iem kriērijiem, kuru adalījumu funkcija nav vienāda. Veico algorimu pārbaudi ar Hī-kvadrāa un Kolmogorova-Smirnova eiem var ecinā, ka algorimi pilēa elekroranpora uzdevumam ir alīdzināmi pēc viiem kriērijiem, izņemo elekroenerģija paēriņa kriēriju, jo abi algorimi piedāvā vienādu riinājumu un ādēļ ie neiek alīdzināi. Algorimu alīdzināšanai aprēķināā pilēa elekroranpora uzdevuma kriēriju vidējā vērība ir apkopoa abulā Tab. 6 Tab. 6. Elekroranpora uzdevuma kriēriju vērība Kriērija vidējā vērība IA GA GA alīdzinājum ar IA Mērķa funkcija vērība 0.9643 0.5277 22,23% Pārklāšanā varbūība 0.95468 0.74253 22,22% Saraku nobīde min 296.42 24.08 27,78% Paērēai mašīnlaik 2454.48 895.86 22,76% Veico algorimu pārbaudi ar Hī-kvadrāa un Kolmogorova-Smirnova eiem var ecinā, ka algorimi pārbraukuve šķērošana uzdevumam ir alīdzināmi pēc mērķa funkcija kriērija, pēc vienlaicīguma, pēc araka nobīde un pēc paērēā mašīnlaika, jo pēc šiem kriērijiem algorimu rezulāi ašķira. Pēc adurme varbūība un pēc dīkāve kriērija abi algorimi piedāvā vienādu riinājumu un ādēļ ie neiek alīdzināi. Algorimu alīdzināšanai aprēķināā pārbraukuve šķērošana uzdevuma kriēriju vidējā vērība ir apkopoa abulā un aēlo: pēc mērķa funkcija kopējā vērība Tab. 7, A. 9 Tab. 7. Mērķa funkcija vērība IA GA GA alīdzinājum ar IA. ērija 0,05550 0,05368 3,27% 2. ērija 0,05708 0,0495 3,26% 3. ērija 0,06354 0,05709 0,5% 4. ērija 0,05990 0,05406 9,75% 5. ērija 0,04496 0,04556 -,32% 6. ērija 0,04749 0,04243 0,64% 7. ērija 0,04988 0,0432 3,54% 8. ērija 0,04772 0,04397 7,86% Vidējā vērība 8,40% 25
Imūnā un ģenēikā algorima alīdzinājum pēc mērķa funkcija 0,07 0,06 0,05 0,04 0,03 IA GA 0,02 0,0 0. ērija 2. ērija 3. ērija 4. ērija 5. ērija 6. ērija 7. ērija 8. ērija A. 9. Algorimu alīdzinājum pēc mērķa funkcija kopējā vērība pēc araku nobīde kriērija vērība Tab. 8, A. 0 Tab. 8. Saraku nobīde vērība IA GA GA alīdzinājum ar IA. ērija 3,77 25,72 9,04% 2. ērija 30,04 24,40 8,77% 3. ērija 48,52 4,68 4,08% 4. ērija 43,76 38,96 0,96% 5. ērija 3,96 27,2 5,5% 6. ērija 30,23 24,84 7,84% 7. ērija 52,65 42,56 9,6% 8. ērija 46,9 42,67 9,04% Vidējā vērība 5,50% 26
Imūnā un ģenēikā algorima alīdzinājum pēc araka nobīde 60 50 40 30 IA GA 20 0 0. ērija 2. ērija 3. ērija 4. ērija 5. ērija 6. ērija 7. ērija 8. ērija A. 0. Algorimu alīdzinājum pēc araku nobīde kriērija vērība pēc paērēā mašīnlaika Tab. 9, A. Tab. 9. Paērēā mašīnlaika vērība IA GA GA alīdzinājum ar IA. ērija 24,76 88,64 2,97% 2. ērija 235,9 20,94 4,40% 3. ērija 282,5 226,83 9,7% 4. ērija 265,94 247,97 6,76% 5. ērija 249,4 89,99 23,74% 6. ērija 237,88 29,7 7,86% 7. ērija 286,29 237,84 6,92% 8. ērija 273,74 255,5 6,79% Vidējā vērība 4,77% 27
Imūnā un ģenēikā algorima alīdzinājum pēc paērēā mašīnlaika 350 300 250 200 50 IA GA 00 50 0. ērija 2. ērija 3. ērija 4. ērija 5. ērija 6. ērija 7. ērija 8. ērija A.. Algorimu alīdzinājum pēc paērēā mašīnlaika 28 SECINĀJUMI Analizējo iegūo rezulāu var ecinā, ka promocija darba mērķi ir anieg. Promocija darba izrāde gaiā ir veik ekojošai:. Analizēa lieraūrā aprakīā informācija par ranpora iēmu vadīšanu, iēma modelēšanu un inelekuālo iebūvēo iekāru izmanošanu ranpora iēma dau plūmu vadīšanai. 2. Izrādā ranpora iēma objeku vadība maemāikai modeli, definēi un aprakīi konanie un mainīgie iēma elemeni 3. Izpēīa araku eorija un evolucionāro algorimu pielieošana iepēja daudzadiju paralēlo un ecīgo ranpora uzdevumu riināšanai 4. Definēi pieci galvenie pilēa ranpora iēma vadību ieekmējošie kriēriji un kopējā mērķa funkcija drošai ranpora iēma vadīšanai 5. Izrādā algorim mērķa funkcija kara kriērija, kā arī kopējā mērķa funkcija vērība aprēķināšanai 6. Izrādāie algorimi mērķa funkcija aevišķo kriēriju vērība aprēķināšanai ir univerāli un var ik avarpēji variēi akarībā no uzādīā uzdevuma 7. Izrādāa iebūvēā iekāra izmanojo programmējamo loģiko konrolleru ranpora iēma kara aevišķā vienība vadīšanai 8. Izrādā ranpora iēma daormodeli dažāda ipa ranpora plūmu vadība modelēšanai 9. Veika vairāka daorekperimena ērija algorimu aprobācijai 0. Veika daorekperimena rezulāu analīze un hipoēžu pārbaude. Veika dažādu algorimu alīdzināšana ņemo vērā o veidoo araku ieekmi uz drošuma pakāpi un dīkāve amazināšanu
Promocija darba laikā veikie ekperimeni un iegūie rezulāi ļauj izdarī ekojošu ecinājumu:. Izrādāo ranpora iēma vadība algorimu pielieošana ranpora vadība daormodelī dod iepēju: - nodrošino ecīgu ranpora vienību ierašano pieurā un novēršo o kuība araku pārklāšano, amazinā pilēa elekroranpora pārērēo elekroenerģiju par 99,32 % alīdzino ar o elekroenerģija daudzumu, kuru elekroranpor izlieo pie eošā araka ar pārklāšano - veico kuība arako izmaiņa un maino auobuu un vilcienu kuība ārumu ir iepējam palielinā dzelzceļa pārbraukuvju caurlaide pēju par 49,46 % un dod iepēju amazinā ranpora dīkāve laiku pie pārbraukuvēm par 99,96%,.i. nodrošinā auoranporam pārbraukuvju šķērošanu prakiki bez apāšanā - būiki amazinā liežu un auoranpora adurmju varbūību no pašreizējā vērība 0,946267 līdz 0,00028 2. Saraku eorija un evolucionārie algorimi ir piemēroi ranpora iēma vadība uzdevumu riināšanai, jo 00% apiprinā hipoēze par o, ka ģenēikā un imūnā algorima piedāvāie kuība araki ir labāki par eošajiem kuība arakiem 3. Iebūvēo iekāru izmanošana ranpora līdzekļu vadīājiem niedz rekomendējoša rakura informāciju par iepējamo adurme varbūību un piemēroāku kuība āruma izvēli, kā arī adurme varbūībai aniedzo kriiko robežu pēj bez cilvēka iejaukšanā iedarbinā avārija bremzēšana iēmu dzelzceļa ranporā 4. Pēc abu evolucionāro algorimu izrādāo araku novērējuma vidējo vērību alīdzināšana var ecinā, ka ģenēikā algorima piedāvāai arak pārbraukuve šķērošana uzdevumam ir labāk par imūnā algorima piedāvāo araku vidēji par: 8,40% pēc mērķa funkcija kriērija 4,2% pēc vienlaicīguma kriērija 5,5% pēc araka nobīde kriērija 4,77% pēc paērēā mašīnlaika kriērija 5. Analizējo pilēa elekroranpora uzdevuma dau var ecinā, ka ģenēikā algorima piedāvāai arak ir labāk par imūnā algorima piedāvāo araku vidēji par: 22,2% pēc mērķa funkcija kriērija 22,2% pēc araku pārklāšanā kriērija 27,78% pēc araka nobīde kriērija 22,76% pēc paērēā mašīnlaika kriērija 6. Salīdzino evolucionāro algorimu var ecinā, ka ģenēikai algorim piedāvā labāku araku nekā imūnai algorim pēc viiem mērķa funkcija kriērijiem IZMANTOTIE INFORMĀCIJAS AVOTI. Alp I., Gorobec M., Ļevčenkov A., Ribicki L. "Saraku eorija modelēšana inelekuālajā elekrikā ranpora iēmā" // RTU zināniko raku krājum Enerģēika un Elekroehnika ērija 4, ējum 23, Lavija, Rīga, 2008, 84-94 lpp. 2. Alp I., Gorobez M., Levchenkov A., Ribicki L. "Modeling of Scheduling Theory in Inelligen Elecric Tranpor Syem" //In proceeding of Inelligen Technologie in Logiic and Mecharonic Syem (ITELMS 2008), Lihuania, Panevezy, 2008, 28-37 lpp. 3. Alp I., Gorobez M., Levchenkov A. Algorihm for Muli-Sage Scheduling in Inelligen Elecric Tranpor Syem //RTU zinānikie raki Mašīnzināne un ranpor ērija 6, ējum 32, Lavija, Rīga, 2009, 92 99 lpp. 29
4. Alp I., Poapov A., Gorobez M., Levchenkov A. Algorihm for Public Elecric Tranpor Schedule Conrol for Inelligen Embedded Device // In proceeding of RTU 5 Inernaional Scienific Conference Power and Elecrical Engineering Lavia, Riga, 200, 55 60 lpp. 5. Alp I., Gorobez M., Levchenkov A. Algorihm for Increaing Traffic Capaciy of Level-Croing Uing Scheduling Theory and Inelligen Embedded Device In proceeding of RTU 52nd Inernaional Scienific Conference Power and Elecrical Engineering Lavia, Riga, 20, 29-36 lpp. 6. Alp I., Gorobez M., Levchenkov A. Algorihm for Muli-Sage Scheduling in Inelligen Elecric Tranpor Syem //In proceeding of 8h Inernaional Sympoium Topical Problem in he Field of Elecrical and Power Engineering, Eonia, Taru, 200, 09 5 lpp. 7. Alp I., Gorobez M., Levchenkov A. Inelligen Embedded Device for Muliage Scheduling Tak in Public Elecric Tranpor //In proceeding of 5h Inernaional Conference Inelligen Technologie in Logiic and Mecharonic Syem (ITELMS 200), Lihuania, Panevezy, 200. 8. Alp I., Gorobez M., Levchenkov A. Algorihm for Increaing Traffic Capaciy of Level-Croing Uing Scheduling Theory //In proceeding of 6h Inernaional Conference Inelligen Technologie in Logiic and Mecharonic Syem (ITELMS 20), Lihuania, Panevezy, 20, 99-08 lpp. 9. Arhipova I., Bāliņa S., Saiika ekonomikā, mācību līdzekli, Daorzinību cenr, Rīga, 2008, 352 lpp. 0. Beinar I. Izplūdušā loģika konrolleru algorimu izpēe paažieru ranpora alona iluma komfora vadībai. Promocija darb. Rīga, RTU, 20, 7 lpp.. Berežnoj A. Tranpora plūma modeļu vadošo parameru ieekme uz pilēa ceļu kuība vadība efekiviāi izpēe. Promocija darb. Rīga, TSI, 2008. 256 lpp. 2. Boriov A. Māklīgā ineleka meode. Rīga Tehnikā univeriāe. Auomāika un kaiļošana ehnika fakulāe. Rīga, RTU, 993, 75 lpp. 3. Bazara Ž., Bagdona V. Problem of he Train Traffic Schedule Opimal Addiion // Proceeding of he 9h Inernaional Conference Tranpor Mean. Kauna: Technologija, 2005, 274 277 lpp. 4. Boriov, A. N. Geneic algorihm, geneic programming, geneic machine learning, lecure lide. Tranpor and Telecommunicaion In. Riga, TTI, 2004, 25 lpp. 5. Barh, A. Franke U. Tracking oncoming and urning vehicle a inerecion //In proceeding of inernaional IEEE 3 conference, Lille, France, 200, 86 868 lpp. 6. Bracciali A. Wayide Train monioring Syem: A Sae-of-he-Ar and Running Safey Implicaion //In proceeding if he Fir iiernaional Conference on Railway Technology: reearch, Developmen and Mainenance. LaPalma de Gran Canaria, Spain 8-20 April 202, 23-247 lpp. 7. Brook G. N. and Whie C. R. An Algorihm for Finding Opimal or Near Opimal Soluion o he Producion Scheduling Problem// J. Ind. Eng. 6.965, 34-40 lpp. 8. Burall R. M. A heuriic mehod for a jobcheduling problem// Oper. Re. Quar. Sanford, UK,966, 29-304 lpp. 9. Cīruli J. Maemāikā loģika un kopu eorija, Zvaigzne ABC, 2008, 278 lpp 20. Conway R.W, Maxwell W.L., Miller L.W. Theory of Scheduling Dover, publihed by Addion-Weley Publihing company, Mineola N.Y. 50, USA, 2003. 2. Chen J. and Mahfouf M. A Populaion Adapive Baed Immune Algorihm for Solving Muli-objecive Opimizaion Problem, Lecure Noe in Compuer Science, 2006. 22. Direcive 200/40/EU of he Еuropean Рarliamen and of he Сouncil of 7 July 200, Srabourg, France, 3 lpp. 30
23. "ERTMS Level : Trackide on he Zaragoza-Hueca projec". Official webie Alom.com. Sepember 2004. 24. European Railway Agency, Railway Safey Performance in he European Union 200, Epace Inernaional, 299 Boulevard de Leed, Lille, France, 64 lpp. 25. Gorobec Mihail Ģenēiko algorimu izpēe elekrikā ranpora opimālai vadībai. Promocija darb. Rīga, RTU, 2008, 89 lpp. 26. Gromule V. Auooa pakalpojumu kvaliāe monioringa iēma paažieru loģiikā cenra koncepcija realizācijai mulimodālā ranpora iēmā. Promocija darb. Rīga : TSI, 200, 58 lpp. 27. Grundpeņķi, J., Ievad inelekuālā iēmā, RTU, 993, 58 lpp. 28. Garey M.R. and Johnon D. S. Compuer and Inracabiliy: A guide o he Theory of NP- Compleene. Bell Laboraorie Murray Hill, New Jerey, USA,979., 45 lpp. 29. Gen M., Cheng R. Geneic algorihm and engineering deign John Wiley & Son, New York, USA, 997, 79 lpp. 30. Gao J. and Fang L. A Novel Arificial Immune Syem for Muliobjecive Opimizaion Problem, Lecure Noe in Compuer Science, 2009. 3. Gorobez M. Inelligen Agen Approache for Energy Saving in Public Elecric Tranpor Syem. //In: Inelligen Technologie in Logiic and Mecharonic Syem (ITELMS), Jurmala, Lavia, 6 Ocober 2006 32. Gorobez M., Kunicina N., Levchenkov A. Back-Propagaion Algorihm For Inelligen Agen In Elecric Tranpor Syem. //In. Proceeding of Inernaional Conference on Knowledge Engineering and Deciion Suppor, Libon, Porugal, 2006, 32-328 lpp. 33. Gorobez M., Kunicina N., Levchenkov A. Viual Modeling of Power Procee Conrol in Mecharonic Syem //In Proceeding of h Inernaional Conference. Mechanika, Kauna, Lihuania, 2006, 86-92 lpp. 34. Gorobez M., Kunicina N., Levchenkov A., Tihomirova N. Deciion Making Modelling in Mecharonic Syem for Tranpor Conrol //In Proceeding of 6h Inernaional Conference "Tranpor Syem Telemaic, Kaowice, Poland, 2006, 7-80 lpp. 35. Gorobez M., Kunicina N., Levchenkov A., Uehev I. Inelligen Agen Nework for Power Procee Conrol in Mecharonic Syem. //In Proceeding of 2nd Inernaional Conference on Elecrical/Elecromechanical Compuer Aided Deign & Engineering, Sugar, Germany, 2006, -3 p. 36. Gorobez M. Elecronic Inelligen Agen for Conrol of Mecharonic Syem. //In: Rīga Tehnikā univeriāe raki. Enerģēika un Elekroehnika. Sērija 4, ējum 20. 2007. 78-89. lpp. 37. Gorobez M., Balkar P., Levchenkov A., Kunicina N., Vinogradova B. Algorihm for Safey Aemen in Railway Tranpor //In Proceeding of 5h Inernaional Sympoium Toward more compeiive European rail yem, Žilina, Slovākija, 2007. 38. Gorobez M., Levchenkov A.. Evoluionary Algorihm and Dynamic Parameer for Public Elecric Tranpor Modeling //In Proceeding of 6h Medierranean Conference on Conrol and Auomaion, Ajaccio,France,25-27 June 2008,25-29 p 39. Gorobez M., Levchenkov A. Modelling of Sochaic Parameer for Conrol of Ciy Elecric Tranpor Syem Uing Evoluionary Algorihm //In Proceeding of Inernaional Workhop on 22h European Conference on Modelling and Simulaion, Nicoia, Cypru, 3-6 June 2008, 207-22 p. 40. Gorobez M., P.Balckar, A. Levchenkov, L.Ribicki. Modelling of Neural Nework Conroller for Scheduling Tak in Inelligen Tranpor Syem //In Proceeding of 6h Inernaional Sympoium Toward more compeiive European rail yem, Zilina, Slovakia, 4-5 June 2008, 279-289 p. 4. Gorobez M., Reearch of Geneic Algorihm For Opimal Conrol of Elecric Tranpor. Docorae work, 2008, 89 lpp. 3