Имитационная модель электрического кодового сигнала в российских системах интервального регулирования движения поездов на основе рельсовых цепей
Ключевые слова:
кодовый сигнал, автоматическая локомотивная сигнализация, машинное обучение, цифровой фильтр Баттерворта, рельсовая линия, нормальное распределение случайной величины, OctaveАннотация
Системы интервального регулирования движения поездов на российских железных дорогах используют электрическую рельсовую цепь в качестве канала передачи информации о показании светофора на локомотив. Кодовые сигналы в таком канале подвержены влиянию помех, что часто приводит к нарушению движения поездов.
Существенного повышения помехоустойчивости можно достичь, если формализовать прием и дешифрацию сигналов электрической цепи в виде задачи классификации изображений. Для построения классификатора кодовых сигналов электрической рельсовой цепи с применением методов машинного обучения требуется обучающая выборка. Предлагается имитационная модель электрического кодового сигнала, позволяющая синтезировать такую выборку.
Имитационная модель структурирована в соответствии с основными этапами формирования и передачи кодового сигнала в рельсовой цепи: генератор кодового сигнала, рельсовая линия, приемное оборудование локомотива.
По результатам анализа осциллограмм и схем генераторов предложен алгоритм генерации кодового сигнала в начале рельсовой цепи. На этом этапе учтены временные характеристики кодовых сигналов, определяемые спецификацией, а также их случайные отклонения, обусловленные различными факторами.
Анализ схем замещения рельсовой линии, по которой передается кодовый сигнал, показал, что она представляет собой фильтр нижних частот. Для имитации влияния рельсовой линии на кодовый сигнал предложено использовать алгоритм цифрового фильтра Баттерворта. Параметры фильтра определены на основе электрических параметров рельсовой линии. Дополнительно на этом этапе учтено влияние случайных внешних помех.
Для имитации приемного оборудования локомотива, которое содержит полосовой фильтр, также предложено использовать алгоритм цифрового фильтра Баттерворта.
Таким образом, предложенная имитационная модель представляет собой совокупность последовательных алгоритмов. Изменяемые в заданных диапазонах параметры модели позволяют синтезировать осциллограммы кодовых сигналов с учетом различных условий работы компонентов электрической рельсовой цепи.
Литература
2. Леушин В.Б, Юсупов Р.Р. Особенности каналов автоматической локомотивной сигнализации магистральных железных дорог // Самара: СамГУПС. 2007. 115 с.
3. Табунщиков А.К., Горенбейн Е.В., Стряпкин Л.И. Сбои АЛСН. Проблемы и пути их решения // Автоматика, связь, информатика. 2015. № 8. С. 21–22.
4. Брылеев А.М. и др. Автоматическая локомотивная сигнализация и авторегулировка // М.: Транспорт. 1981. 320 с.
5. Леонов А.А. Техническое обслуживание автоматической локомотивной сигнализации // М.: Транспорт. 1982. 255 с.
6. Шаманов В.И. Магнитные свойства рельсовых линий и уровень помех на аппаратуру автоматики и телемеханики // Электротехника. 2015. № 9. С. 50–54.
7. Лочехин В.С. Приемное устройство автоматической локомотивной сигнализации // Патент на изобретение № 2517631 РФ. Опубл. 27.05.2014. Бюл. № 15.
8. Аргунов И.А. и др. Устройство подавления импульсных помех на входе локомотивного приемника АЛС // Патент на изобретение № 2618616 РФ. Опубл. 04.05.2017. Бюл. № 13.
9. Леушин В.Б., Юсупов Р.Р., Блачев К.Э. Приемное устройство автоматической локомотивной сигнализации // Патент на полезную модель № 165420 РФ. Опубл. 20.10.2016. Бюл. № 29.
10. Засов В.А., Железнов Д.В., Митрофанов А.Н., Белоногов А.С. Адаптивное подавление помех в приемных устройствах автоматической локомотивной сигнализации // Электротехника. 2017. № 3. С. 18–22.
11. Розенберг Е.Н. Цифровая железная дорога – ближайшее будущее // Автоматика, связь, информатика. 2016. № 10. С. 4–7.
12. Bishop C.M. Pattern recognition and machine learning // Springer. 2011. 738 p.
13. Goodfellow I., Bengio Y., Courville A. Deep Learning // MIT Press. 2016. 775 p.
14. Murphy K.P. Machine learning: a probabilistic perspective // MIT Press. 2012. 1104 p.
15. Harrington P. Machine Learning in Action // Manning Publications. 2012. 384 p.
16. Brink H., Richards J., Fetherolf M. Real-world machine learning // Manning Publications. 2016. 264 p.
17. Smith S.W. Digital signal processing: a practical guide for engineers and scientists // Newnes. 2013. 650 p.
18. Shai S. S., Shai B. D. Understanding machine learning: from theory to algorithms // Cambridge University Press. 2014. 410 p.
19. Сороко В.И., Фотькина Ж.В. Аппаратура железнодорожной автоматики и телемеханики // М.: НПФ «Планета». 2013. 1048 с.
20. Брылеев А.М., Кравцов Ю.А., Шишляков А.В. Теория, устройство и работа рельсовых цепей // М.: Транспорт. 1978. 344 с.
21. Аркатов В.С., Аркатов Ю.В., Казеев С.В., Ободовский Ю.В. Рельсовые цепи магистральных железных дорог // ООО «Миссия-М». 2006. 496 с.
22. Alexander C.K., Sadiku M. Fundamentals of electric circuits // McGraw-Hill Education. 2016. 992 p.
23. Schubert T.F., Kim E.M. Fundamentals of electronics: book 3: active filters and amplifier frequency response // Morgan & Claypool Publishers. 2016. 294 p.
24. Bishop O. Understand Electronic Filters // Newnes. 1996. 180 p.
25. Lam H.Y-F. Analog and digital filters: design and realization // Prentice Hall. 1979. 632 p.
26. Пультяков А.В., Скоробогатов М.Э. Системный анализ устойчивости работы систем автоматической локомотивной сигнализации // Современные технологии. Системный анализ. Моделирование. 2018. № 1. С. 79–89.
27. Сергиенко А.Б. Цифровая обработка сигналов // БХВ-Петербург. 2011. 768 с.
Опубликован
Как цитировать
Раздел
Copyright (c) 2019 Илона Вадимовна Присухина, Дмитрий Владимирович Борисенко, Сергей Александрович Лунёв
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).