автореферат диссертации по транспорту, 05.22.07, диссертация на тему:Разработка методов автоматизированной обработки скоростемерных лент поездок локомотивных бригад

На правах рукописи

МУХИН ОЛЕГ СЕРГЕЕВИЧ

РАЗРАБОТКА МЕТОДОВ АВТОМАТИЗИРОВАННОЙ ОБРАБОТКИ СКОРОСТЕМЕРНЫХ ЛЕНТ ПОЕЗДОК ЛОКОМОТИВНЫХ БРИГАД

Специальность 05.22.07 - «Подвижной состав железных дорог, тяга поездов и электрификация»

Автореферат диссертации на соискание ученой степени кандидата технических наук

ОМСК 2003

Работа выполнена в Омском государственном университете путей сообщения на кафедре «Прикладная математика и механика».

Научный руководитель:

доктор технических наук, профессор ОКИШЕВ Владимир Константинович

Официальные оппоненты:

доктор технических наук, профессор АВИЛОВ Валерий Дмитриевич.

кандидат технических наук, ЩЕЛКАНОВ Александр Иванович

1

Ведущая организация:

Филиал ОАО «Российские железные дороги» «Западно-Сибирская железная дорога».

Защита состоится 21 ноября 2003г. в 9 час. 00 минут на заседании диссертационного совета Д 218.007.01 в Омском государственном университете путей сообщения по адресу: 644010, г. Омск, пр. Маркса, 35, ауд. 2<Х>.

С диссертацией можно ознакомиться в библиотеке Омского государственного университета путей сообщения.

Автореферат разослан 21 октября 2001г. Отзывы на автореферат в двух экземплярах, заверенные печатью, просим направлять в адрес диссертационного совета.

Ученый секретарь

диссертационного совета Д 218.007.01 доктор технических наук, профессор

Г.П. Маслов

\oJ5

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Железнодорожный транспорт является крупнейшим потребителем электроэнергии. Причем наибольшая ее часть расходуется непосредственно на тягу поездов. Анализ финансовой деятельности депо показывает, что в структуре расходов крупного, основного локомотивного депо плата за электроэнергию, израсходованную на тягу поездов, составляет около 70 % от всех расходов. Следовательно, любые пути, направленные на снижение этих расходов, следует признать исключительно важными, требующими пристального внимания как научных работников, так и специалистов, непосредственно осуществляющих перевозочный процесс.

Фундаментальным положениям в этой области посвящены работы известных ученых: В.И. Александрова, В.И. Астрахана, JI.A. Баранова, Я.М. Го-ловичера, C.B. Дуваляна, Е.В. Ерофеева, И.П. Исаева, A.M. Костромина, В.М. Лисицына, A.A. Лянды, В.М. Максимова, JI.A. Мигунштейна, В.А. Нехаева, Ю.П. Петрова, A.B. Плакса, Э.С. Почаевца, В.Е. Розенфельда, В.М. Седельни-кова, H.H. Сидорова, JI.M. Трахмана, В.П. Феоктистова и др.

В настоящее время единственной и наиболее полной характеристикой энергозатрат на тягу в каждой конкретной поездке любого поезда при заданном профиле и плане является зависимость скорости от пройденного пути v = f(s). Эта зависимость фиксируется на скоростемерной ленте любого поезда и представляет собой исключительно ценную информацию для анализа энергозатрат на тягу в выполненной поездке.

По указанной зависимости можно, во-первых, определить действительное сопротивление движению поезда в данной конкретной поездке, а следовательно, оценить влияние на эту величину различных случайных факторов, таких как погодные условия, индивидуальные характеристики поезда и др. Во-вторых, оценить эффективность выбранной машинистом в рассматриваемой поездке режимной карты, сравнивая последнюю с соответствующей эталонной. В-третьих, открывается возможность проводить сравнение режимных карт вождения поездов, двигающихся в одном и том же направлении приблизительно в одно и то же время, то есть при одинаковых погодных условиях. Такой анализ позволяет делать сравнительную оценку квалификации машинистов. Кроме, того, возможна оценка дополнительных энергозатрат, вызванных внеграфиковы-ми остановками и задержками поездов.

95 % парка локомотивов, обслуживающих грузовые перевозки, оборудованы механическими скоростемерами ^ипа 3CJI-2M, где вся информация фиксируется на бумажном носителе, который ю. По этой

з

причине скоростемерные ленты для обозначенных выше целей не используются. Поставленная в настоящей работе задача разработки автоматизированной системы оцифровки этой информации и получения зависимости V = /(У в аналитическом виде открывает такие возможности.

В соответствии с «Программой энергосбережения на железнодорожном транспорте в 1998 - 2000 гг. и на перспективу до 2005 г.», утвержденной указанием МПС России 19.10.98 № Б-1166у, одним из приоритетных направлений деятельности является снижение энергозатрат на тягу поездов. Таким образом, решение поставленных в работе задач является актуальной проблемой для железнодорожного транспорта на сегодняшний день.

Диссертационная работа выполнена в соответствии с планом научных исследований Омского государственного университета путей сообщения по темам: «Исследование процессов взаимодействия объектов железнодорожного транспорта с окружающей средой» г.р. № 01.200.1 13077, «Снижение затрат при эксплуатации и ремонте подвижного состава путем разработки и внедрения передовых компьютерных технологий» г.р. 01.2.00 1 06586.

Цель и задачи исследования. Целью работы является разработка механизма автоматизированного сбора статистических данных по поездкам локомотивных бригад, фиксируемых регистрирующим бортовым устройством локомотива - скоростемером и их предоставление в виде, удобном для обработки ма-тематико-статистическими методами.

В соответствии с целью решались следующие задачи исследования:

- анализ источника информации на предмет факторов воздействия в зависимости от качества носителя, процесса регистрации сигналов поездки и способов коррекции записываемой информации;

- определение вида системы и основы построения ее архитектуры в целях обработки сигналов скоростемерной ленты;

- анализ способов представления и обработки данных изображения выбранной базовой архитектуры системы;

- определение факторов, влияющих на формирование цифрового изображения при вводе информации;

- определение вида устройства ввода информации со скоростемерной ленты и требований к параметрам для осуществления оптимальной работы системы с ним;

- разработка системы обработки сигналов параметров поездки со скоростемерной ленты;

- разработка механизма настройки устройства ввода информации на опти-

1« Ы I 4 »ст ' V <■.

мальный режим работы с носителем;

- разработка алгоритмов и индивидуальных схем для целевых объектов скоростемерной ленты;

- разработка дополнительных способов выявления искажения значений параметров поездки на скоростемерной ленте;

- разработка комплекса автоматизированной расшифровки скоростемерных лент;

- обоснование экономической эффективности разработки.

Объект и предмет исследования. В качестве объекта исследования выступают сигналы параметров движения поезда, регистрируемые на скоростемерной ленте. Предметом исследования является приведение информации со скоростемерной ленты к виду, пригодному для автоматизированного анализа безопасности движения и исследования энергозатрат на тягу.

Общая методика исследования. Теоретической основой диссертационной работы явились труды отечественных и зарубежных ученых в области тяги поездов, методы математического моделирования, анализа и обработки изображения, теории дифференциальных уравнений и теории информации.

При решении поставленных в диссертации задач использовались принципы и методы аффинной геометрии, теории моделирования освещенности, схемотехники, булевой логики, объектно-ориентрованного программирования, проектирования хранилищ и систем баз данных, сетевых технологий, системного подхода и структурирования целей.

Научная новизна. Новизна научных результатов, полученных в диссертации, заключается в следующем:

1) Разработаны методы и алгоритмы настройки сканирующих устройств в зависимости от качественного состояния поверхности скоростемерной ленты и нанесенной на нее информации.

2) Разработана на базе совокупности методов, применяемых при трассировке изображения чертежей и схем система обработки записей на скоростемерной ленте с применением индивидуальных схем к целевым объектам сигналов.

3) Разработаны способы выявления искажения регистрируемых значений параметров поездки и восстановления графиков времени и скорости движения поезда.

4) Разработан многопользовательский автоматизированный комплекс по расшифровке скоростемерных лент с применением сетевых технологий и технологий обработки изображения.

Практическая ценность. Результаты проделанной работы позволяют:

- повысить эффективность расшифровки скоростемерных лент в целях контроля безопасности движения;

- по зависимости v = f(s) с обработанной скоростемерной ленты определить эффективность выбранной машинистом, в рассматриваемой поездке, режимной карты;

- давать сравнительную оценку квалификации машинистов, анализируя зависимость v = f(s) для двигающихся поездов в одном и том же направлении приблизительно в одинаковых условиях следования;

- выявлять внеграфиковые остановки и задержки поездов.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на научной молодежной конференции «Молодые ученые на рубеже третьего тысячелетия, посвященной 70-летию со дня рождения академика В.А.Коптюга» Омск, 2001г., всероссийской научно-практической конференции «Повышение эффективности работы железнодорожного транспорта Сибири и Дальнего Востока» Хабаровск, 2001г., VIII и IX международных научно-практических конференциях студентов, аспирантов и молодых ученых «Современные техника и технологии» Томск, 2002, 2003.

Реализация и внедрение результатов работы. Программный комплекс, входящий в состав автоматизированного комплекса подразделения расшифровки скоростемерных лент, принят на апробацию в локомотивном эксплуатационном депо Омск Западно-Сибирской железной дороги филиала ОАО «РЖД». Акт об использовании результатов научных исследований и разработок в производстве прилагается.

Публикации. По материалам диссертации опубликовано 6 научных работ.

Структура и объем работы. Диссертация состоит из введения, пяти глав, выводов, содержит 177 страниц текста, 89 рисунков, 20 таблиц и библиографический список, включающий в себя 107 источников.

Автор выражает глубокую благодарность доценту Климовичу Андрею Владимировичу за научные консультации при выполнении работы.

СОДЕРЖАНИЕ РАБОТЫ

Во введении дан краткий анализ состояния проблемы, показана актуальность работы, сформулированы цель и задачи. Расход электроэнергии на тягу поезда существенно зависит от режима его ведения по участку. Задача выбора оптимального управления движением поезда на базе современного математического аппарата решалась при создании систем автоведения поезда. Оптимальный, с точки зрения энергозатрат на тягу, режим управления движением поезда

большинство разработанных систем ориентировано рассчитывать непосредственно перед отправлением поезда для расчета экономичной режимной карты и выдачи последней машинисту для руководства. Из-за отсутствия достаточно достоверной теории, учитывающей влияние погодных условий на сопротивление движению поезда, все вычисления выполняются для среднестатистического поезда. В виду отсутствия бортовых компьютеров на большей части парка магистральных электровозов такая корректировка очень сильно зависит от квалификации машиниста. Кроме того, при движении грузовых поездов достаточно часто из-за сложной оперативной обстановки на плече возникает необходимость в неграфиковых задержках и остановках. В результате эффект от использования оптимальных режимных карт существенно уменьшается. В таких условиях возрастает потребность в регулярном анализе энергозатрат на тягу поездов, выявлении и устранении причин, приводящих к необоснованным «пережогам» электроэнергии.

Задача разработки автоматизированной системы оцифровки информации со скоростемерной ленты и получения зависимости V = /(5) в аналитическом виде позволяет производить оценку качества организации движения поездов.

В первой главе проводится анализ носителя информации скоростемера по качественному состоянию фиксирующихся параметров поездки локомотивной бригады, рассматривается влияние факторов на достоверность записи и методы устранения искажения регистрируемых данных.

На достоверность регистрируемых сигналов влияет работа механизмов -некачественно отрегулированные механизмы, износ деталей, небрежная заправка ленты и др. При этом наблюдается: колебания стрелки скоростемера и уширение записи скорости на скоростемерной ленте. Может быть нарушено условие совпадения начала записи скорости с линией нижние километровых наколов. Превышение голубого сталоцианинового пигмента в составе покрытия носителя приводит к ухудшению контраста - запись неустойчива и едва различима. Следы наколов не всегда обладают четкими очертаниями, расстояние может нарушаться из-за вытягивания ленты механизмом. При эксплуатации локомотивных скоростемеров качество записей на скоростемерной ленте может меняться.

В связи с этим определяются требования, предъявляемые к обработке каждого вида сигнала, фиксируемого на ленте, позволяющие получить максимально достоверный результат. Помимо методов коррекции информации, используемые расшифровщиками, возникает необходимость в разработке дополнительных способов для повышения достоверности данных о поездке на основе

7

использования оцифрованных зависимостей.

Вторая глава содержит анализ существующих систем обработки изображения, архитектуры и методов обработки информации применительно к теме работы.

В отечественной и зарубежной науке решению проблемы в области обра- 1

ботки изображения посвящены работы известных ученых: C.B. Абламейко, В.Г. Анисимова, О. Баррета, В.И. Берейшика, Т.Н. Василевича, Ю.Г. Васина, Н.Д. Горского, Р.В. Дуды, Д. Марра, Б.К. Хорна, Т. Павлидиса, Р. Неватиа, A.M. Не- 1

дзьведь, Д. Парка, Д. Прайса, У. Прэтта, А. Розенфельда, Б.П. Русына, О.И. Се-менкова, Ж. Серры, B.C. Старовойтова, Ю.А. Тихонова, Н.В. Хорошенкова, JT. Чена, М. Шенкеля, М.И. Шлезингера, Р. Якобса и др.

Среди систем, разработанных в странах СНГ, наиболее известны системы, созданные в Университете Нижнего Новгорода, Институте кибернетики АН Украины, Институте технической кибернетики HAH Беларуси.

В настоящей работе использованы подходы и методы, положенные в основу систем трассировки чертежей и схем.

Учитывая специфические особенности носителя информации, рассмотрены следующие технологические подходы системы обработки изображения:

- преобразование исходного изображения в цифровую форму;

- предварительная обработка (фильтрация, улучшение);

- препарирование изображений (выделение контура, выделение скелета, сегментация);

- выделение признаков;

- анализ изображения.

Каждая стадия обработки изображения представляет собой набор методов, ведущих к решению задачи - получение последующего представления информации согласно технологической диаграмме обработки изображения (рисунок 1).

Гладкость получаемого изображения зависит как от размера пикселя Дх,Ау, так и от величины квантования по яркости - А а. Существует строгое j соответствие между величинами Ar, Ay, величиной Аа и качеством цифрового изображения. Размер пикселя цифрового изображения определяется разрешением, а минимальная разница между яркостями пикселя определяется глубиной цвета. Оптимальное отношение между разрешением и глубиной цвета зависит от конкретного изображения.

В процессе определения объектов приходится оперировать уровнями

представления графической информации. Первичное представление данных,

s

характерное для рассматриваемого рода систем - растровое изображение, описываемое:

оо до

Sa (х, у) = £ £ S(x, у) ■ а(х - iAx, у - jAy). (1)

(З-луе-йО

С целью выявления полезных объектов изображения и проведения работы непосредственно над ними, данные приводят к векторному представлению.

Рисунок 1 - Диаграмма системы обработки изображений

На основании анализа форм векторного представления выбрана скелетная, формируемая из утоньшенного изображения, которое содержит предпосылки для структуризации серий связных последовательностей пикселей изображения, что характерно для диаграмм и чертежей.

При рассмотрении моделей для разрабатываемой системы выбрана модель HSV, связанная с базовой моделью RGB через следующую систему уравнений:

„ . , ¡3 (G-R) Н = arcsinCy — •- - -);

S = 4R2 + G1 + В2 - BG-BR-GR ; J/ = R + G + B

(2)

где Н- цветовой тон; ^ - насыщенность цвета; V- яркость или светлота цвета.

9

Последний параметр наиболее часто используется в методах коррекции и улучшения изображения.

Сканирование носителя проводится с целью получения цифрового изображения. Для получения максимально полезной информации определена задача на нахождение оптимального режима работы сканера в целях получения эффективного соотношения качества результата сканирования - при максимальной скорости обработки в соответствии со спецификой изображения.

Проведена классификация известных методов: "

- операции над элементами: арифметико-логические операции, преобразование яркости;

- операции над локациями элементов: выделение контуров, фильтрация, сглаживание, операции математической морфологии;

- глобальные операции: поворот, масштабирование.

Метод модифицированного преобразования яркости наиболее эффективен в текущей работе на первых этапах коррекции изображения. Его применение контрастирует обрабатываемый объект с фоном.

Подходам по устранению помех основанных на математической морфологии, свойственна как скорость обработки, так и «слепость» воздействия. Альтернативный способ борьбы с помехами - применение логической фильтрации, для которой характерно достаточно большое время работы и нарушение связности объекта на границах изображения.

Подход на усиление границ самого объекта основан на методе дифференциации яркости. Недостатком применения описанного метода является его неразборчивость, что приводит к усилению даже слабого шума. Применение дополнительных операторов приводит к увеличению вычислительной сложности метода.

Все единичные пиксели утоньшенного объекта классифицируются как особые точки. На основании этих точек, отслеживаются объекты, и создается векторное описание исходного изображения. Сегментация осуществляется путем проверки условий близости с эталонным признаком. Критерием контроля I преобразования изображения является его качество. Данный критерий определяет информационную надежность получаемых результатов.

Выявлено, что для каждой сферы применения, а иногда и экземпляра изображения, требуется разрабатывать частную схему применения методов обработки изображения и его оценки. В основу схемы применения методов коррекции должны быть положены априорные знания, полученные опытным путем.

В третьей главе проведено описание предлагаемой автоматизированной

10

системы обработки сигналов ленты с использованием технологий обработки изображения и применяемых в ней алгоритмов и методов. Выявлены факторы воздействия на результат сканирования информации с бумажного носителя и предложены методы снижения степени их влияния.

Серьезный фактор, затрудняющий работу с изображением - размеры изображения. Его влияние снижено на операциях, требующих больших вычислительных затрат. Для этого введено промежуточное представление данных между этапом их записи в базу поездки и растровым представлением - структурное скелетное представление в виду того, что работа осуществляется с объектами в виде линий.

Для определения требований к сканированию проведен эксперимент, заключающийся в анализе качества состояния преобразованных объектов в цифровой вид, результаты приведены в таблице 1.

Таблица 1 - Достоверность при сопоставлении изображения и оригинала

Вид объекта Доля потерь для глубины дискретной сетки оцифровки, %

бинарное полутоновое цветное цветное

(2 значения) (256 градаций (65536 значе- (16,7 млн.

серого) ний) цветов)

Краевая точка 68% . 21% 37% 16%

синхронизации

Красная линия определена не 30% 41% 0%

разметки однозначно

Сигнал реги- 82% 36% 52% 19%

страции вре-

мени в мину-

тах

Сигнал реги- 33% 11% 27% 8%

страции ско-

рости движе-

ния

Из приведенных данных следует необходимость в выборе цветного представления с наибольшей глубиной по дискретизации изображения.

Уровни системы определены исходя из технологического процесса преобразования представления хранимой в изображении информации. Разбивая сигналы на основные (сигналы локомотивного светофора, сигнал регистрации времени, сигнал уровня давления воздуха в тормозной магистрали, сигнал скорости движения локомотива) и вспомогательные (линии разметки, синхронизи-

11

рующие наколы), выбрана общая архитектура, уровни которой представлены на рисунке 2.

На первом уровне, обозначенном У1, производится настройка сканера на работу с носителем и непосредственно само получение исходного изображения с оригинала.

О Определение

сигналов светофора О Определение сигнала регистрации времени о Определение сигнала уровня давления о Определение сигнала скорости движения о Сопоставление сигналов поездки

Рисунок 2 - Иерархия уровней системы линейной обработки

На следующий уровень (У2) возложена задача по определению истинной системы координат изображения. Третий уровень, УЗ, несет на себе всю нагрузку в обработке целевых объектов по индивидуальным схемам. Все данные с этого уровня заносятся в базу, где происходит их коррекция в зависимости от прямых или косвенных факторов, воздействующих на запись сигналов.

Рассматривая процесс сканирования, предложено использовать модель Уиттеда, применяемую для расчета освещенности объектов (рисунок 3). Луч из точки излучения А, достигая объекта в точке В, разделяется на две части - отраженную и поглощенную объектом. Изменение интенсивности, фиксируемое в точке С светочувствительным элементом ПЗС, описывается выражением:

1к = (к,+к,-к,)-10-со$(а)-е^п"к, (3)

где /0 - начальная интенсивность излучения источником света, кд\ а - угол падения луча к нормали поверхности объекта обозначенной через п, рАт - коэффициент затухания в атмосфере; ¿АВ - расстояние от источника света до точки освещения на объекте, м; к, и к^ характеризуют степень шероховатости и от-

О Определение границ

разметки О Поворот изображения на

угол коррекции О Определение шага синхронизации

ражающей способности (зеркальности поверхности) объекта; к, - коэффициент поглощения света материалом.

Объект

(лампа)

Рисунок 3 - Схема взаимодействия объекта и света при сканировании

При этом должно соблюдаться основное условие:

0<|Л,| + |^| + |Л,|<1. (4)

В работе со скоростемерными лентами на информативность получаемого изображения на этапе сканирования оказывают влияние качество носителя, технические характеристики сканера, режим сканирования и форма представления результата. По этой причине необходимо производить настройку сканера с целью получения наиболее достоверного образа объекта сканирования в виде изображения. Дискретная модель представления процесса сканирования выглядит следующим образом:

где г/ - коэффициент ограничения яркости, описывает введенную производителями возможность осуществления регулирования порога диапазона чувствительности фотоэлементов; - определяет зависимость пигмента на сканируемой поверхности от заданной дискретной величины яркости, а / = 1,шах. Величина V регистрируемая фотоэлементами сканера, - разность интенсивно-

стей излученной источником И той, что потеряли. Свойство полупроводника к зависимости тока фотоэлемента от величины потока света, падающего на него (рисунок 4, а) объясняет зависимость формируемого значения Уреа1<(тф (рисунок 4, б). Регулировка значения коэффициента восприятия фотоэлемента сканера ограничена значением нижнего и верхнего порогов, определяющих интервал

13

допустимых значений при работе с бумажным носителем.

Интервал для бумажных носителей с минимальным рассеивающим эффектом для лощеной поверхности бумаги к0 е {0,64..0,7}. Зависимость У^. от

изменения к0 на данном интервале приближена к линейной.

а б

Рисунок 4 - Восприятие фотоэлемента интенсивности светового потока

В работе предложено два метода настройки сканера. Первый метод - метод «трубой» настройки. При квантовании значений величины интенсивности света максимальное значение диапазона фотоэлемента ограничено, что ведет к несоответствию значений последовательности реакции Уреак на выходе действительности до определенного порогового значения.

а б

а - «грубая» настройка; б - дополнительная настройка Рисунок 5 - Пояснение методов настройки

Действительное значение в точке А'0 представляется проекцией как Ао нл линию, описывающую максимальное значение Уртк=У^% (рисунок 5, а). Метод сводится к нахождению двух точек А/ и А2, что позволяет определить техническое состояние сканера. Второй способ проводится в целях оптимизации режима работы сканера к состоянию поверхности носителя (рисунок 5, б), и как до-

14

полнение к методу «грубой» настройки. По проведенным экспериментам с различными по качеству образцами лент к определенным моделям сканеров приводятся настройки в таблице 2. Оцифровка изображения с учетом размеров минимального элемента с сохранением приемлемого качества достигается при значении разрешения Я = 200 рр1.

Таблица 2 - Рекомендуемые настройки моделей сканеров

Модель сканера Признаки ленты Значение коэффициента ц, % Доля отказа достоверного сканирования, %

Состояние гладкости Степень затемнения фона

HP ScanJet 1200С шероховатость присутствует норма 44,0 2,0

превышена 46,0 3,5

значительная 48,0 9

лощеная норма 38,5 не зафиксировано

превышена 40,0 не зафиксировано

значительная 41,5 5,0

HP ScanJet 4500C шероховатость присутствует норма 25,0 1,6

превышена 26,5 2,0

значительная 28.0 4,0

лощеная норма 21,5 не зафиксировано

превышена 23,0 не зафиксировано

значительная 24,0 3,3

В основу алгоритма выделения краев объекта положена модификация известного метода Собела с применением вычисления направления края объекта по изменению градиента в восьми направлениях. В дискретном виде метод описывается следующим образоу:

X = [Л(/ -1,/ +1) + 2 • жи +1) + + +1)] -

■ -[Л(г -1,у -1) + 2 • у -1) + Л<г +1,у -1)]; (6)

У = [Л(/ -1, у -1) + 2 • А(! -1, у) + А(I -1, ] +1)] --[Л(/ + 1,у-1) + 2-Л(/ + 1,у) + ^0' + 1>у + 1)]. • ■ •• Его преимущество заключается в вычислительной простоте, кроме того, одновременно с выделением краевых пикселей происходит частичное подавление шума на изображении. Предложенный алгоритм для контрастного выделения восьмисвязной границы объекта дает одинаковые отклики без разрывов для перепадов горизонтальной, вертикальной, диагональной и антидиагональной

15

ориентации.

Нормализация изображения к необходимой системе координат выполнена посредством аффинных преобразований сдвига, поворота, увеличения и уменьшения текущей координатной системы к целевой. В работе используется композиция преобразований 7,(-д:1 ,-у1) • Л(а) • Т(-х2 ,—у2) для выполнения нормализации изображения в связи с его искажением на угол наклона. В работе разработан метод по изменению сетки дискретизации в целях исключения появления необработанных точек изображения. При этом необходимо соблюдать неравенство:

<7>

где А - величина дискретизации исходной сетки; к' - величина целевой.

Результат применения композиции аффинных преобразований, округляется с преобразованием координат из уменьшенной сетки в исходную с учетом выражения:

[г], если {/}< 0,5;

f{t) 1 M, если {>}> 0,5, (8)

где/- функция округления.

Этап растр-векторного преобразования в настоящей работе предложено реализовать посредством считывания в буфер полностью всей строки изображения. Полоса движется последовательно с шагом в одну строку вниз. Использование координат начал и концов черных серий позволяет в данном случае одновременно совмещать операции анализа 3x3 окрестности пикселей с использованием таблиц обработки ситуаций и проводить выбор значащих пикселей на основе интервального представления строк.

Утоньшение изображения параллельным однопроходным алгоритмом иногда приводит к потери информации. Для примененного в работе итеративного алгоритма, в целях избежания использования масок большого размера, каждая итерация алгоритма разбита на четыре под итерации. При этом алгоритмы сохраняют связность объектов и фона. В данном случае процесс утонь-шения основывается на принципах морфологии, что объясняет скорость выполнения. Разбор утоньшенных объектов на примитивы выполнен согласно классификации особых пикселей, определенных характеристическими числами, приведенными в работе.

Введены понятия связной компоненты (СК) - безразрывная последовательность пикселей разделенная на линейные примитивные объекты - линейный примитив (ЛП). СК в векторном описании объектов будет выглядеть как

16

группа соседствующих ЛП. Данные в этой форме представления подвергаются кусочно-линейной аппроксимации с целью получения целостного описания объектов. Метод приемлем для работы с описанием относительно линейных объектов - при обработке сигнала времени со скоростемерной ленты. При этом учитываются особенности их ориентации.

Формирование сигнала скорости движения как функции от пути с достаточной точностью для использования в расчетах тяги, выполнено интерполированием. В качестве интерполянта предложено использовать сплайн-функцию Са1ти1-К.от вида:

где Р1-Х,Р1,Р,Л.Х,РМ - опорные точки для построения сплайна.

Для каждого вида объекта составлена индивидуальная схема обработки. В работе приведены их алгоритмы. В основу схемы для обработки вспомогательного сигнала объекта «линия разметки» положена выявленная закономерность распределения насыщенности цвета изображения от тона цветового диапазона (рисунок 6). Б,% 100

0

0 360 Я,'

Рисунок 6 - Характерная зависимость для изображения скоростемерной ленты

Нахождение угла наклона текущей системы координат и получение точки отсчета осуществляется по формуле:

л 1 "

-(10)

1-1 п ,=1

где п - количество координат в массиве; а - тангенс угла наклона.

Определение масштаба записанной информации на ленте определяется последовательностью синхронизирующих наколов. Преобразования изображения выполняются в канале яркости V цветовой модели HSV. Фиксация потен-

17

циальных объектов осуществляется подсчетом веса объекта матрицей размером 9x9 элементов. Результатом применения схемы будет получение усредненного значения шага выполненных наколов.

Обработка объекта «сигналы светофора» сведена к занесению данных о сигнале светофора, его координате и виде "элемента перепада в оперативную базу в соответствии с одним шаблонов, указанных в таблице 3.

Таблица 3 - Характерные элементы сигнала светофора

Вид элемента Назначение элемента сигнала светофора

г Смена сигнала светофора с пассивного на активное состояние

j Переход уровня сигнала светофора в пассивное состояние

_L ж Сигнал контроля бдительности

Последовательность контрольных сигналов на полосе сигнала светофора

В основу нахождения значений сигнала времени положено использование скелетного представления сигнала. Совмещение скелетного описания с модифицированным изображением по яркости выполнено по правилу: Если (scelet (ij) = 0 and chanel_v (ij) > 0) то ; result (ij) = 100 ; (11)

иначе result (ij) = (scelet (ij) or chanel_v (ij)), где scelet ( ij ) - элемент изображения скелетного представления объекта; chanel_v (ij) - элемент изображения канала V малого контраста по модифицированному преобразованию яркости №2; result ( ij ) - элемент результирующего изображения. В местах разрыва сигнала атрибут значения яркости отличается. Результатом получится непрерывный объект, описываемый последовательностью ЛП. '

Результат обработки сигнал давления тормозной магистрали представляет собой записи в базе данных значений локаций непрерывного сигнала в режиме торможения поезда.

Наиболее насыщена методами схема обработки сигнала скорости движения. Наглядные результаты работы схемы представлены на рисунке 7. После отсечения «всплесков» сигнал скорости представляет собой грубую кусочно-линейную аппроксимацию.

Восстановление формы сигнала скорости движения производится методом интерполяции сплайном с достаточной точностью для проведения тяговых расчетов.

Известные методы корректировки позволяют учесть влияние диаметра бандажа колесной пары локомотива и недостатки регистрирующей аппаратуры.

ЫЛ. !-

* ■ • - ■ ^ V.

■ ■ ■ -,»»-. •

»

б

в г

а - результат модифицированного преобразования; б - результат бинаризации и устранения мелких помех с сигнала; в - устранение разрывов сигнала; г - ске-летноепредставление сигнала Рисунок 7 - Результаты этапов обработки сигнала скорости В работе предложены дополнительные методы. По упорядоченным массивам данных зависимости t(s) с шагом 100 м проверяется величина скорости движения поезда, используя тангенс угла наклона ЛП. С применением численного интегрирования к зависимости v(s) реализована проверка на сопоставление расчетного и действительного перегонного времени хода поезда. Последние две проверки возможны только для оцифрованной информации со скоро-стемерной ленты и позволяют определять такие искажающие факторы, как погрешности работы скоростемера и несанкционированные действия локомотивной бригады в отношении регистрирующей аппаратуры.

Четвертая глава содержит описание разработанного автоматизированного комплекса по обработке скоростемерных лент, назначение комплекса в условиях работы депо и перспективы развития в интегрируемую информационную систему анализа энергозатрат на тягу.

В систему комплекса заложена технология многопользовательского доступа к данным. Информационный обмен построен на основе технологии клиент-сервер. Система баз данных разбита на несколько уровней. Промежуточные данные в виде последовательности графических примитивов, находятся на рабочих ПЭВМ в локальных базах данных. Данные длительного хранения по по-

19

ездкам, обработанные отчеты, шаблоны требований к скоростным режимам передвижения для маршрутов хранятся централизованно в системе баз данных под управлением SQL сервера системы управления базой данных (СУБД).

Автоматизированное рабочее место расшифровщика (АРМ) представляет собой оболочку, при помощи которой доступны следующие функции:

- ввод первичных данных посредством сканирующего устройства или доступа к файлам изображения;

- вывод в файл исходного изображения;

- получение дополнительных данных по поездке из внешней базы данных АРМ'а оператора технического учета локомотивного депо;

- обеспечение взаимодействия между оператором и системой, реализация интерактивных функций ввода-вывода по коррекции параметров обработки данных;

- контроль выполнения этапов обработки графических данных и состояния сформированных отчетов по обработанным поездкам;

- проверка параметров скорости движения и времени, полученных при расшифровке ленты на предмет их сопоставления;

- доступ к данным, обеспечение хранения и манипулирования данными.

Формирование отчетов осуществляется без активного участия АРМ'а

оператора, который инициирует действие хранимой процедуры базы с параметрами шаблона и идентификационным номером поездки для обработки. Такой подход позволяет при работе оператора в составе сетевого комплекса распределить нагрузку по принципу конвейера между рабочей станцией оператора и SQL сервером.

Аппаратная часть АРМ'а представлена персональной ЭВМ Intel совместимой с системой звода графической информации - сканирующим устройством. Система обработки разработана под операционную систему MS Windows. В качестве клинент-серверной платформы СУБД выбран продукт Borland InterBase v6.0. Программа АРМ'а написана на языке С++. При разработке использовалась система визуального объектно-ориентированного программирования Borland С++ Builder v6.0.

Первоначально, автоматизированный комплекс предполагается использовать в подразделении расшифровщиков скоростемерных лент в целях облегчения труда расшифровщиков. В дальнейшем, зависимость v(s), полученная АРМ'ом, будет использоваться в разрабатываемом программном комплексе анализа энергозатрат на тягу и режимных карт ведения поезда, определения

действительного удельного сопротивления конкретных поездов и выявления

20

его зависимости от изменения ряда внешних факторов, например погодных условий.

Пятая глава содержит расчеты, подтверждающие экономическую эффективность автоматизированного комплекса на рабочих местах подразделения расшифровщиков в условиях Омского локомотивного депо.

По предварительным расчетам, внедрение автоматизированного комплекса в подразделение расшифровки скоростемерных лент обеспечит возрастание производительности труда до 33,5%. Годовой экономический эффект от внедрения автоматизированного комплекса составит 217 165,44 рублей при сумме инвестиций 250 603,78 рублей и нормативном коэффициенте эффективности капитальных вложений 0,1. Срок окупаемости инвестиций проекта составит один год и один месяц.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1)На основании приведенной в работе классификации систем обработки изображения определен прототип базовой архитектуры системы обработки сигналов скоростемерной ленты - системы трассировки чертежей и схем.

2) С учетом проведенного анализа видов и способов работы с изображением на разных этапах функционирования базовой системы, и особенностями объектов носителя информации, предложена система обработки сигналов скоростемерной ленты.

3)На основании рассмотренного физического процесса оптической трансформации информации с поверхности носителя определены факторы и степень их влияния на качество первичного дискретного изображения.

4) Проведен обзор средств формирования цифрового изображения и дана их классификация. На основании результатов применения разработанных алгоритмов настройки сканирующего устройства, даны рекомендаций по выбору оптимальных параметров режима оцифровки изображения.

5) Предложены к применению в работе известные методы обработки изображения, разработаны собственные модификации и качественные индивидуальные схемы, ориентированные на особенности исследуемых сигналов, записанных на скоростемерной ленте.

6) Предложены дополнительные способы выявления искажения регистрируемых значений параметров поездки с учетом особенностей" дискретного представления получаемых после обработки данных по поездке со скоростемерной ленты и восстановления зависимости времени и скорости движения поезда при потере одной из них.

7) Разработан автоматизированный комплекс по расшифровке скоросте-

21

мерных лент на основе предложенной системы обработки сигналов параметров поездки локомотивной бригады с применением технологий обработки изображения. Определены тенденции развития комплекса на ближайшее время в решении задач энергосбережения на ж.д. транспорте.

' 8) Выполнена оценка экономической эффективности работы. Расчетный годовой экономический эффект от внедрения автоматизированного комплекса в локомотивном эксплуатационном депо Омск составит 217 165,44 рублей.

ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИИ ОПУБЛИКОВАНЫ В СЛЕДУЮЩИХ РАБОТАХ:

1) Мухин О.С. Система регистрации организационно-экономических показателей работы локомотивной бригады // «Молодые ученые на рубеже третьего тысячелетия», посвященной 70-летию со дня рождения академика В.А.Коптюга: Материалы научной молодежной конференции / ОмГПУ. Омск, 2001. С. 15-18.

2) Мухин О.С., Климович A.B. Методика компьютерной обработки скоро-стемерных лент // Повышение эффективности работы железнодорожного транспорта Сибири и Дальнего Востока: Материалы Всероссийской науч,-практ. конф. / ДВГУПС. Хабаровск, 2001. С. 110-113.

3)Mukhin O.S. Airborne system of locomotive control // Proceeding of the 8ih International Scientific and Practical Conference of Students, Post-graduates, and Young Scientists «Modern Technique and Technologies» (MTT'2002). / Tomsk Polytechnic University. Tomsk, 2002. P. 51-52.

4) Лендясов A.C., Мухин О.С. Анализ путей снижения энергозатрат на тягу поездов // «Современные техника и технологии СТТ'2002»: Материалы VIII Международной науч.-практ. конф. студентов, аспирантов и молодых ученых / Томский политехнический ун-т. Томск, 2002. С. 37-38.

5) Мухин О.С. Подходы в коррекции информации со скоростемерных лент // Сб. науч. статей аспирантов и студентов ОмГУПС 2003. / Омский гос. ун-т путей сообщения. Омск, 2003. С. 81-87.

6) Мухин О.С. Внедрение информационных технологий в локомотивном депо // «Современные техника и технологии СТТ'2003»: Материалы 9 международной науч.-практ. конф. студентов, аспирантов и молодых ученых / Томский политехнический ун-т. Томск, 2003. С. 62-64.__

Типография ОмГУПСа. 644046, г. Омск, пр. Маркса, 35. Тираж 100 экз. Заказ 809.

C2 jo 75

2. to75

Введение.

1 Объект исследования и его характеристики.

1.1 Носитель и регистрируемая информация на нем.

1.2 Факторы и их влияние на качество записи.

1.2.1 Погрешность механизма скоростемера.

1.2.2 Погрешность от износа бандажей колесной пары.

1.3 Выводы и результаты.

2 Технология обработки изображения.

2.1 Обзор систем обработки изображения.

2.2 Виды графических данных.

2.3 Изображения.

2.3.1 Типы изображений.

2.3.2 Дискретность представления изображения.

2.3.3 Цвет как характеристика изображения.

2.4 Модели цветового пространства.

2.4.1 Аддитивная модель.

2.4.2 Субтрактивная модель.

2.4.3 Модель HSV.

2.5 Средства формирования изображений.

2.5.1 Ввод изображений.

2.5.2 Классификация оптических читающих устройств.

2.5.3 Правила сканирования.

2.6 Концепция обработки изображения.

2.6.1 Уровни представления графической информации и операции над ними.

2.6.2 Коррекция изображения.

2.6.3 Методы дифференциации перепадов яркости.

2.6.4 Трассировка изображения.

2.6.5 Сегментация объектов изображения.

2.7 Управление качеством процесса обработки.

2.8 Выводы и результаты.

3 Линейная система обработки скоростемерной ленты скоростемера ЗСЛ-2М.г.

3.1 Архитектура системы обработки изображения скоростемерной ленты.

3.1.1 Трудности обработки изображения скоростемерной ленты.

3.1.2 Кодирование изображения.

3.1.3 Описание уровней линейной системы обработки.

3.2 Считывание изображения скоростемерной ленты.

3.2.1 Факторы воздействия на качество преобразования.

3.2.2 Калибровка сканирующего устройства.

3.2.3 Рекомендации по сканированию скоростемерной ленты.

3.2.4 Определение точности оцифровки изображения.

3.3 Алгоритмизация уровней системы обработки.

3.3.1 Подавление шумов и повышение качества.

3.3.2 Контрастирование границ объектов изображения.

3.3.3 Аффинные преобразования на плоскости.

3.3.4 Утоньшение и векторизация объектов.

3.3.5 Обработка значений векторизованных данных.

3.4 Схемы обработки объектов.

3.4.1 Схема обработки объекта «линия разметки» скоростемерной ленты.

3.4.2 Схема обработки объекта изображения «точек синхронизации».

3.4.3 Схема обработки объекта изображения «сигналы светофора».

3.4.4 Схема обработки объекта сигнала времени.

3.4.5 Схема обработки объекта изображения сигнала давления тормозной магистрали.

3.4.6 Схема обработки объекта изображения сигнала скорости движения.

3.5 Сопоставление полученных параметров объектов.

3.6 Выводы и результаты.

4 Автоматизированный комплекс депо подразделения по расшифровке скоростемерных лент скоростемера 3CJ1-2M.

4.1 Структура и возможности комплекса.

4.2 Роль и место комплекса в локомотивном депо.

4.3 Тенденции к развитию автоматизированного комплекса по расшифровке скоростемерных лент.

4.4 Выводы и результаты.

5 Технико-экономическое обоснование.

5.1 Расчет инвестиций проекта.

5.2 Расчет экономического эффекта.

5.3 Выводы и результаты.

Рациональное использование топливно-энергетических ресурсов в производственных целях для каждого предприятия является одной из важнейших основ экономики. Для железнодорожного транспорта эта задача особенно актуальна. В настоящее время доля энергозатрат в себестоимости перевозок составляет 40 - 45 %, а в отдельных случаях достигает 70 - 80 %. Именно поэтому в 1998г. Министерством путей сообщения Российской Федерации утверждена отраслевая «Программа энергосбережения на железнодорожном транспорте в 1998 - 2000 гг. и на перспективу до 2005 г.». В соответствии с этой Программой сформулированы задачи по экономии топливно-энергетических ресурсов, рациональное использование которых на предприятиях железнодорожного транспорта является необходимым условием повышения эффективности их работы.

Железнодорожный транспорт является крупнейшим потребителем электроэнергии. Причем наибольшая ее часть расходуется непосредственно на тягу поездов. Анализ финансовой деятельности депо показывает, что в структуре расходов крупного, основного локомотивного депо плата за электроэнергию, израсходованную на тягу поездов, составляет около 70 % от всех расходов. Следовательно, любые пути, направленные на снижение этих расходов, следует признать исключительно важными, требующими пристального внимания как научных работников, так и специалистов, непосредственно осуществляющих перевозочный процесс.

Расход электроэнергии на тягу поезда существенно зависит от режима его ведения по участку [1]. Первые результаты при решении задачи выбора оптимального управления движением поезда были получены во второй половине 60-х годов С.В. Дуваляном, Е.В. Ерофеевым, В.М. Максимовым, Ю.П. Петровым, Э.С. Почаевцом, В.М. Сидельниковым [2-7].

По мере развития микропроцессорной техники задача выбора оптимального управления движением поезда на базе современного математического аппарата решалась при создании систем автоведения поезда (САВП) в Московском государственном университете путей сообщения (МИИТ) и во Всероссийском научно-исследовательском институте инженеров железнодорожного транспорта (ВНИИЖТ). Проведенные в МИИТе исследования показали, что при использовании САВП расход электроэнергии на тягу снижался в основном за счет точного выполнения графика движения поездов и уменьшения числа торможений по сигналам светофоров, требующих снижения скорости [8].

Решением ряда вопросов оптимального управления поездом и созданием микропроцессорных систем автоведения занимались также Л.А. Баранов, Я.М. Головичер, A.M. Костромин, В.М. Лисицын, С.И Осипов, А.В. Плакс В.Е., Розенфельд [9-16]. Задача оптимизации обычно решалась с помощью метода динамического программирования или принципа максимума академика Л.С. Понтрягина.

Отдельно отметим программный комплекс, разработанный в отделе ТПЭ ВНИИЖТа и применяющийся более чем в 150 локомотивных депо Российских железных дорог. В докладе Л.А. Мугинштейна и И.А. Ябко, сделанном на сетевой школе, проходившей 4-5 июня 2002 г. в локомотивном депо Златоуст Южно-Уральской железной дороги, обобщается опыт использования указанного программного комплекса и предлагается методика оценки энергетической эффективности управления на основе анализа скоростемерных лент. Суть этой методики заключается в том, что на основании достаточно простой обработки скоростемерной ленты вычисляется отношение времени движения на выбеге к общему времени хода. Утверждается, что полученная величина достаточно надежно характеризует энергетическую эффективность управления, т.к. по своей физической сути энергооптимальные режимы обеспечивают максимальное использование инерции поезда.

ВНИИЖТ провел специальные исследования, на основании которых рекомендует на ряде участков изменить перегонные времена хода. В указанном докладе, в частности, утверждается, что те отклонения в значениях графиковых перегонных времен хода, которые возникают при использовании оптимальной траектории, полученной с помощью программного комплекса, не ухудшают характеристик поездопотока и могут быть приняты в качестве основы для корректировки графика движения грузовых поездов с целью экономии энергии на тягу. В качестве физического обоснования приводится тот факт, что оптимальные траектории характеризуются «ровной» ездой по всему участку в целом, т.е., исключаются энергетически неоправданные значительные отклонения скорости поезда от единой для всего участка «скорости стабилизации», - такие отклонения происходят лишь вследствие выполнений ограничений скорости и из-за характера профиля пути для максимального использования инерции поезда.

В Самарском институте инженеров железнодорожного транспорта разработана компьютерная система, оперативно просчитывающая и распечатывающая последовательность управляющих команд машиниста, позволяющая экономно распределять энергопотребление от контактной сети вдоль всей трассы движения поезда [17,18]. Программный комплекс внедрен в эксплуатацию на четырех участках Куйбышевской железной дороги. В результате его эксплуатации получено фактическое снижение затрат электроэнергии на тягу поездов на 6-8 %.

Последним фундаментальным исследованием в этой области является работа В.А. Нехаева, в которой для решения задачи оптимизации управления движением поезда в качестве расчетной схемы выбран однородный поезд с распределенными параметрами [19]. Для него были составлены нелинейные системы дифференциальных уравнений, учитывающие все «жесткие» воздействия. Представленные в работе критерии безопасности движения имеют вид ограничений, накладываемых на переменные состояния поезда, такие как: нагревание тягового двигателя, максимальное усилие в автосцепке, максимальная направляющая сила рельсовой колеи при прохождении отдельным экипажем состава кривых, устойчивость движения вагона в рельсовой колее и устойчивость от его выжимания из состава, нарушения скоростного режима движения по элементам продольного профиля пути, ограничения на силы тяги и торможения по условиям сцепления колеса с рельсом, максимальный ток тяговых двигателей в тяге и при рекуперативном торможении и другие.

Рассматривая указанные системы определения оптимального с точки зрения энергозатрат на тягу режима управления движением поезда, отметим, то большинство из них ориентировано на применение непосредственно перед отправлением поезда для расчета экономичной режимной карты и выдачи последней машинисту для руководства. При этом из-за отсутствия достаточно достоверной теории, учитывающей влияние погодных условий на сопротивление движению поезда, все вычисления выполняются для среднестатистического поезда. Однако хорошо известно, что появление встречного или бокового ветра существенно (на 20-30 % в зависимости от скорости последнего) изменяет величину этого сопротивления. Тогда машинист будет вынужден соответствующим образом корректировать полученную режимную карту. В виду отсутствия бортового компьютера на магистральном электровозе такая корректировка очень сильно зависит от квалификации машиниста. Кроме того, при движении грузовых поездов достаточно часто из-за сложной оперативной обстановки на плече возникает необходимость в неграфиковых задержках и остановках. В результате эффект от использования оптимальных режимных карт существенно уменьшается.

В таких условиях возрастает потребность в регулярном анализе энергозатрат на тягу поездов, выявлении и устранении причин, приводящих к необоснованным «пережогам» электроэнергии. Широко используемый на Западно-Сибирской железной дороге АРМ оператора учета локомотивного депо, разработанный в Омском государственном университете путей сообщения (ОмГУПС) [20], осуществляет такой анализ по маршрутам машинистов. Неграфиковые остановки поездов можно также исследовать по исполненным графикам движения.

В результате анализа основных факторов, влияющих на общие энергозатраты, связанные с перемещением поезда по заданному рельсовому полотну, выполненного на кафедре «Прикладной математики и механики» ОмГУПС [20], была получена целевая функция, которую необходимо минимизировать для снижения энергозатрат на тягу: п (о> • M[v] + с • D[v]) • т • 1Ш Р~ • (В1) где co(v) - удельное сопротивление движению поезда; т - масса поезда; lNM -длина плеча; с - постоянный коэффициент при квадрате скорости в зависимости удельного сопротивления движению поезда; Щу] -математическое ожидание скорости движения поезда, полученное по зависимости скорости поезда от пройденного пути v = f(s)\ D[v\ - дисперсия скорости движения поезда, полученная по зависимости скорости поезда от пройденного пути v =f(s)\ Т](/Д) - коэффициент полезного действия локомотива, являющийся функцией тока двигателя /д.

Анализируя выражение (В1) можно заметить, что для снижения энергозатрат на тягу Следует, во-первых, поддерживать постоянной скорость движения поезда, тем самым уменьшая дисперсию скорости D[v] и, соответственно, числитель целевой функции. Во-вторых, машинист должен выбирать такой режим работы локомотива, при котором реализуется максимально возможный КПД. На использовании приведенной целевой функции построена разработанная в ОмГУПС методика расчета оптимальной режимной карты ведения поезда по заданному участку пути при заданном времени прибытия на конечный пункт [22].

В случае движения поезда на выбеге по прямолинейному без уклонов пути на него будет действовать только сила сопротивления движению. Тогда рекомендуемое действующими Правилами тяговых расчетов для поездной работы (ПТР) дифференциальное уравнение движения поезда имеет точное аналитическое решение. Используя последнее, по разработанной в ОмГУПС методике можно оценить действительное сопротивление движению поезда в виде многочлена второй степени от скорости [21,23]:

CO(v) = a + bv + cv2, (В2) где а, Ь, с- постоянные коэффициенты.

На зависимости v =f(s) всегда можно найти участки, где поезд двигался на выбеге. Такой режим движения машинист обычно выбирает перед пробным торможением, а также перед остановкой на конечной станции. Тогда, учитывая реальные план и профиль пути по рекомендуемой в ПТР методике, можно с достаточной для последующего анализа точностью определить удельное сопротивление поезда с учетом всех неформализуемых параметров реальных условий выполнения поездки, таких как погодные условия, индивидуальные особенности состава (масса, номенклатура, количество и последовательность расположения вагонов в поезде), наличие на открытых платформах грузов сложной аэродинамической формы и прочие.

Если в выполненной поездке по зависимости v = f(s) определить математическое ожидание Щу] и дисперсию D[v] скорости движения, зная действительное сопротивление движению поезда, можно определить минимально необходимые энергозатраты на перемещение данного поезда от станции отправления N до станции прибытия М по следующей формуле: т

А = {а + b{M[v]) + c(M[v])2 + cD[v] }mlMN + /ng#npilB + £ \b{y)mdl, (B3) i 0 где g - ускорение свободного падения; Яприв - приведенная высота расположения станции прибытия М по отношению к станции отправления N плеча с учетом кривых на участке; Ь{у) - удельная тормозная сила; i - число участков торможения (обычно два: участок пробного торможения и остановки поезда на конечной станции); /, т - длина г-го участка торможения.

Из сказанного следует, что зависимость скорости поезда от пройденного пути v = f(s), фиксируемая на скоростемерной ленте любого поезда, представляет собой исключительно ценную информацию для анализа энергозатрат на тягу в выполненной поездке. Определив математическое ожидание M[v] и дисперсию £>[v] скорости движения по зависимости v = f(s) исследуемой скоростемерной ленты, можно, во-первых, определить эффективность выбранной машинистом в рассматриваемой поездке режимной карты, сравнивая указанные величины с соответствующими эталонными. Последние рассчитываются для наиболее экономичной режимной карты ведения поезда, получаемой на компьютере по разработанной в ОмГУПС методике при минимизации целевой функции (В1). При этом удельное сопротивление движению поезда и время его хода по плечу выбираются с теми же значениями, что и у исследуемого.

Во-вторых, открывается возможность сравнивать режимные карты вождения поездов, двигающихся в одном и том же направлении приблизительно в одно и тоже время, то есть при одинаковых погодных условиях. Такой анализ позволяет делать сравнительную оценку квалификации машинистов. Отметим, что такие исследования в принципе невозможны при анализе показаний локомотивных счетчиков потребляемой на тягу электроэнергии и информации, содержащейся в маршрутах машиниста.

Визуальный анализ большого количества скоростемерных и диаграммных лент различных поездов при их движении по всем четырем направлениям от Омска позволил обнаружить большое количество ошибок в работе поездных диспетчеров. В настоящее время документально фиксируются только не предусмотренные графиком движения стоянки поездов в пределах плеча. Длительное движение поезда на выбеге или даже торможение до скорости 20 -30 км/ч перед запрещающим сигналом светофора, а затем повторный разгон до крейсерской скорости можно зафиксировать только на скоростемерной и диаграммной ленте. Однако такое их исследование расшифровщиками лент в настоящее время не выполняется. Следовательно, такие факты остаются без внимания и нигде документально не фиксируются.

Между тем, любое такое незапланированное графиком или временным ограничением снижение скорости движения безусловно приводит к дополнительным энергозатратам на тягу. Эти затраты можно избежать, если поездной диспетчер заранее будет предупреждать машиниста о точном времени прибытия к конкретной точке пути так, чтобы проследовать светофор по разрешающему сигналу без снижения скорости. При этом опытный машинист будет иметь возможность выбрать крейсерскую скорость до указанной точки пути так, что дополнительных потерь энергии во времени движения поезда не произойдет.

По зависимости v = f(s) скоростемерных лент легко фиксируются все остановки поезда при его движении по плечу. Эти остановки также отмечаются в маршрутах машиниста. Кроме остановок по зависимости v = f(s) легко отслеживаются любые не предусмотренные графиком или ограничением скорости движения замедления и торможения поезда, например, у запрещающего сигнала светофора. Как отмечалось выше, последние вообще нигде не фиксируются. Невозможно их обнаружить и на исполненных графиках движения. Таким образом, анализ организации движения поездов по зависимости v = f(s) следует считать более глубоким по сравнению с аналогичным, выполненным по маршрутам машинистов.

Из сказанного следует, что настоящее время единственной и наиболее полной характеристикой энергозатрат на тягу в каждой конкретной поездке любого поезда при заданном профиле и плане является зависимость скорости от пройденного пути v =f(s). На скоростемерной ленте последняя представлена в виде графика, который крайне сложно соответствующим образом обработать в ручную в условиях локомотивного депо. По этой причине для этих целей информация на скоростемерной ленте не используется вообще. Поставленная в настоящей работе задача разработки автоматизированной системы оцифровки этой информации и получение зависимости v = f(s) в аналитическом виде открывает такие возможности. На этом основании следует признать исключительную актуальность выполненной работы в настоящее время.

5.3 Выводы и результаты

1) Внедрение в подразделение расшифровки скоростемерных лент автоматизированного комплекса обеспечит рост производительности труда до

2) Годовой экономический эффект от внедрения автоматизированного комплекса составит 217 165,44 рублей.

3) Срок окупаемости инвестиций проекта один год и один месяц с учетом нормативного коэффициента эффективности капитальных вложений равного 0,1.

5.11)

33,5%.

Заключение

1) На основании приведенной в работе классификации систем обработки изображения определен прототип базовой архитектуры системы обработки сигналов скоростемерной ленты - системы трассировки чертежей и схем.

2) С учетом проведенного анализа видов и способов работы с изображением на разных этапах функционирования базовой системы, и особенностями объектов носителя информации, предложена система обработки сигналов скоростемерной ленты.

3) На основании рассмотренного физического процесса оптической трансформации информации с поверхности носителя определены факторы и степень их влияния на качество первичного дискретного изображения.

4) Проведен обзор средств формирования цифрового изображения и дана их классификация. На основании результатов применения разработанных алгоритмов настройки сканирующего устройства, даны рекомендации по выбору оптимальных параметров режима оцифровки изображения.

5) Предложены к применению в работе известные методы обработки изображения, разработаны собственные модификации и качественные индивидуальные схемы, ориентированные на особенности исследуемых сигналов, записанных на скоростемерной ленте.

6) Предложены дополнительные способы выявления искажения регистрируемых значений параметров поездки с учетом особенностей дискретного представления получаемых после обработки данных по поездке со скоростемерной ленты и восстановления зависимости времени и скорости движения поезда при потере одной из них.

7) Разработан автоматизированный комплекс по расшифровке скоростемерных лент на основе предложенной системы обработки сигналов параметров поездки локомотивной бригады с применением технологий обработки изображения. Определены тенденции развития комплекса на ближайшее время в решении задач энергосбережения на ж.д. транспорте.

8) Выполнена оценка экономической эффективности работы. Расчетный годовой экономический эффект от внедрения автоматизированного комплекса в локомотивном эксплуатационном депо Омск составит 217 165,44 рублей.

1. Розенфельд В.Е., Исаев И.П., Сидоров Н.Н. Теория электрической тяги. М.: Транспорт, 1983. 328 с.

2. Седельников В.М. Выбор оптимального режима управления локомотивом с использованием ЭЦВМ // Вестник ВНИИЖТ. М., 1965. №2, С. 52-58.

3. Ерофеев Е.В. Выбор оптимального режима ведения поезда на ЭЦВМ с применением метода динамического программирования II Науч. тр. / МИИТ. М., 1967. Вып. 228. С. 16-30.

4. Почаевец Э.С. Исследование оптимального тягового режима электроподвижного состава // Науч. тр. / МИИТ. М., 1967. Вып. 282. С. 82-92.

5. Петров Ю.П. Оптимальное управление движением транспортных средств. Л.: Энергия, 1969. 96 с.

6. Максимов В.М. Выбор рациональных режимов ведения поезда // Железнодорожный транспорт. 1968. №3. С. 115-118.

7. Дувалян С.В. Построение оптимальной кривой движения поезда // Вестник ВНИИЖТ. М., 1968. № 1. С. 57-60.

8. Микропроцессорные системы автоведения электроподвижного состава / Под ред. Л.А. Баранова. М. Транспорт, 1990. 328 с.

9. Баранов Л.А., Головичер Я.М. Эпштейн Г.П. Расчет экономичных режимов управления поездом в микропроцессорных системах автоведения // Вестник ВНИИЖТ. М.,1987. № 6. С. 12-17.

10. Головичер Я.М. Энергетически оптимальный алгоритм управления для системы автоведения поезда// Вестник ВНИИЖТ. 1982. № 8. С. 18-22.

11. Розенфельд В.Е., Палей Д.А. Аналитический метод проведения на ЭЦВМ тягового расчета при заданном времени хода и минимальном расходе электроэнергии // Вестник ВНИИЖТ. 1974. № 1 С. 10-15.

12. Костромин A.M. Оптимизация управления локомотивом. М.: Транспорт. 1979.119 с.

13. Лисицын В.М., Астрахан В.И., Максимов В.М. Система автоматического управления движением поездов метрополитена // Науч. тр. / МИИТ. М.,1976. Вып. 370. С. 105-134.

14. Плакс А.В., Лянда А.А. Оптимизация режимов движения поездов метрополитена // Вестник ВНИИЖТ, 1981. № 6. С. 23-27.

15. Рациональные режимы вождения поездов и испытания локомотивов / Под ред. Осипова С.И. М.: Транспорт, 1984. 280 с.

16. Баронов А.Э. Разработка индивидуальных режимных карт ведения грузовых поездов // Безопасность транспортных систем: Труды третьей международной научно-практической конференции. Самара, 2002. С. 47-48.

17. Нехаев В.А. Оптимизация режимов ведения поезда с учетом критериев безопасности движения (методы и алгоритмы): Дис. докт. техн. наук. Омск, 1999.353 с.

18. Лендясов А.С., Мухин О.С. Анализ путей снижения энергозатрат натягу поездов // Материалы VIII Международной научно-практической конференции студентов, аспирантов и молодых ученых «Современные техника и технологии СТТ'2002». Томск, 2002. С. 37-38.

19. Инструкция по эксплуатации локомотивных скоростемеров ЗСЛ-2М, приводов к ним и по расшифровке скоростемерных лент. №ЦТ-613, утв. МПС РФ 11.11.98г. М.: Транспорт, 1999.

20. Катыс Г.П. Обработка визуальной информации. М. Машиностроение, 1990. 264 с.

21. Лисицкий Д.В. Основные принципы цифрового картографирования местности. М.: Мир, 1979. 128 с.

22. Прэтт У. Цифровая обработка изображений. В 2-х кн.: Пер. с англ. -М.: Мир, 1982. 792 с.

23. Техническое зрение роботов / Под ред. А.Пью: Пер. с англ. М: Машиностроение, 1987. 189 с.

24. Васин Ю.А. Центр обработки сложной графической информации и изображений // Методы и средства обработки сложной графической информации. Горький: НИИ прикладной математики и кибернетики, 1985. С. 195-198.

25. Шлезингер М.И. Математические средства обработки изображений. Киев: Наукова думка, 1989. 146 с.

26. Шлезингер М.И., Гимельфарб Г.Л. Возможности современного распознавания образов в прикладном распознавании изображений // УСиМ -1987. №6.- С.21-28.

27. Семенков О.И., Абламейко С.В., Берейшик В.И., Старовойтов В.В. Обработка и отображение информации в растровых графических системах. -Минск: Наука и техника, 1989. 84 с.

28. Ablameyko S. An introduction to interpretation of graphic images, SPIE Press, TT27, 1997.

29. Ablameyko S., Bereishik V., Frantskevich O., Paramonova N., Mel-nik E., Homenko M. Interpretation of engineering drawings: technology and results, Pattern Recognition and Image Analysis, Vol.5,№3, 1995. 380-401.

30. Ablameyko S., Bereishik V., Frantskevich O., Paramonova N., Homenko M. System for automatic vectorization and interpretation of map-drawings, Proc. 4th Int. Conf. on Computer Vision (ICCV'93), Berlin, 1993. 456-460.

31. Ablameyko S., Bereishik V., Frantskevich O., Paramonova N., Melnik E., Homenko M., Okun O. System for vectorization and interpretation of graphic images, Pattern Recognition and Image Analysis, Vol.3,№1,1993. 39-52.

32. Ablameyko S., Bereishik V., Frantskevich O., Melnik E. Recognition of engineering drawing entities: main principles and technology // Автоматизация обработки и распознавания изображений. Минск: Ин-т техн. кибернетики АНБ, 1995. С. 112-126.

33. Antoni D., Colin S., Tombre К. Analysis of technical documents: the REDRAW system, Proc. IAPR Workshop on Structural and Syntactic Pattern Recognition, 1990. 192-230.

34. Boatto L., Consorti V., del M.Buono, et al. An interpretation system for land register maps, Computer, Vol.25, N.7,1992. 25-33.

35. Don D., et al. Sparse-pixel recognition of primitives in engineering drawings, Machine Vision and Applications J., Vol.6,№2-3, 1993. 69-82.

36. Ebi N., Lauterbach В., Anheier W. An image analysis system for automatic data acquisition from colored scanned maps, Machine Vision and Applications, Vol.7,1994. 148-164.

37. Goodson K., Lewis P. A knowledge based line recognition system, Pattern Recognition Letters, N.I 1,1990. 295-304.

38. Joseph S.H., Pridmore T.P. Knowledge-directed interpretation of mechanical engineering drawings, IEEE Trans, on Pattern Analysis and Machine Intelligence, Vol. 14, №9,1992. 928-940.

39. Копаев Г. Векторизаторы растровых картографических изображений, сравнение и тестирование// ГИС бюллетень.- 1995.-№1. С. 37— 38.

40. Ablameyko S., Bereishik V., Paramonova N., Marcelli A., Ishikawa S., Kato K. Vectorization and representation of large-size 2D line-drawings. Journal of Visual Communication and Image Representation, Vol.5,№3, 1994. 245-254.

41. Arias J.F. et al. Interpretation of telephone system manhole drawings, Proc. 2nd Int. Conf. Document Analysis and Recognition, IEEE CS Press, 1993. 365368.

42. Hamada A new system for the analysis of schematic diagrams, Proc. 2nd1.t. Conf. on Document Analysis and Recognition, Japan, 1993. 369-372.

43. Фролов A.B., Фролов Г.В. Аппаратное обеспечение персонального компьютера. М.:"ДИАЛОГ-МИФИ", 1997. 138 с.

44. Айден К., Фибельман X., Крамер М. Аппаратные средства PC: Пер. с нем. СПб.: BHV - Санкт-Петербург, 1996. 211 с.

45. Соболенке Р. Сканирование основной способ ввода графической информации в компьютер// Компьютерная газета. - 1997. -№40. С.4-5.

46. Serra J., Lay В. Algorithms in mathematical morphology, Academic Press, 1988.

47. Koskinen L., Astola J. Morphological filtering of noisy images, Proc.SPIE, Vol.1360,1990.42-67.

48. Serra J.„Vincent L. An overview of morphological filtering, Systems and Signal Processing, Vol.11, №1,1992. 84-93.

49. Абламейко C.B. Алгоритмы логической фильтрации шумов на бинарных изображениях // Вопросы радиоэлектроники, серия ЭВТ. Москва, -1983.-№4. С.60-66.

50. Абламейко С.В. Сравнение алгоритмов фильтрации шумов при различных параметрах фильтров // Теория и методы проектирования сложных систем и автоматизации научных исследований. Минск. - Ин-т техн. кибернетики АН БССР, 1985. С.34-38.

51. Хорн Б.К. Зрение роботов. М.: Мир, 1989. 94 с.

52. Павлидис Т. Алгоритмы машинной графики и обработки изображений: Пер. с англ. М.: Радио и связь, 1986.400 с.

53. Canny J. A computational approach to edge detection, IEEE Trans, on Patt. Analysis and Machine Intel, Vol.8, N 6,1986. 679-698.

54. Chen L. A two-phase area-level line/edge detector, Pattern Recognition, •Vol.25,1992. 55-63.

55. Nevatia R. Linear feature extraction and description, Сотр. Graph, and Image Proc, Vol.3, 1980. 257-269.

56. Park D.J., Nam K.M., Park R-H. Multiresolution edge detectiontechniques, Pattern Recognition, Vol.28, N 2,1995.211-229.

57. Arcelli C., Ramella G. Finding gray-skeleton by iterated pixel removal, Image and Vision Computing, Vol.13, №3, 1995. 159-167.

58. Yu S., Tsai W. A new thinning algorithm for gray-scale images by the relaxation technique, Pattern Recognition, Vol.23, 1990. 1067-1076.

59. Недзьведь A.M., Абламейко C.B. Утоныиение полутоновых изображений путем последовательного анализа бинарных слоев // Цифровая обработка изображений. Минск: Ин-т техн. кибернетики НАМ Беларуси, 1997. С. 137-146.'

60. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978. 87 с.

61. Фу К. Структурные методы в распознавании образов: Пер. с англ. -М.: Мир, 1977. 138 с.

62. Русын Б.П. Структурно-лингвистические методы распознавания изображений в реальном времени. Киев: Наукова думка, 1986. 128 с.

63. Апарин Г.П. Автоматизация исследования качества данных растр-векторного преобразования считанной карты // Сб.научи.трудов "Автоматизация обработки и распознавания изображений". Минск: Ин-т техн. кибернетики НАН Беларуси, 1995. С. 94-103.

64. Апарин Г.П. Управление качеством создания цифровых карт в растровых картографических системах // Тез.докл. третьей междунар, конф. "Распознавание образов и обработка информации". Кн.2. - Минск, 1995. С. 113-117.

65. Русын Б.П. Структурно-лингвистические методы распознавания изображений в реальном времени. Киев: Наукова думка, 1986. 152 с.

66. Розенфельд А. Распознавание и обработка изображений с помощью вычислительных машин. Пер. с англ. М.: Мир, 1972. 193 с.

67. Шикин Е.В., Боресков А.В. Компьютерная графика. Динамика, реалистические изображения. -Москва: "Диалог МИФИ",1995. С. 190-199.

68. Boldt М., Weiss R., Riseman Е. Token-based extraction of straight lines, IEEE Trans, on Syst., Man and Cybern, Vol. 19, №6,1989. 1581-1594.

69. Kaneko T. Line structure extraction from line-drawing images, Pattern Recognition, Vol.25, №9,1992. 963-973.

70. Маклаков C.B. Моделирование бизнес-процессов с Bpwin 4.0. M.: ДИАЛОГ-МИФИ, 2002. 224 с.

71. Правила тяговых расчетов для поездной работы. М.: Транспорт, |969. 319с.

72. Астахов П.И., Гребенюк П.Т., Скворцова A.M. Справочник по тяговым расчетам. М.: Транспорт, 1973.256 с.

73. Бабичков A.M., Гурский П.А., Новиков А.П. Тяга поездов и тяговые расчеты. М.: Транспорт, 1971. 280 с.

74. Кучеренко К.И., Очин Е.Ф. Двумерные медианные фильтры для обработки изображений // Зарубежная радиоэлектроника. 1986. - №6. - С.36-39.

75. Berholm F. Edge focusing, IEEE Trans, on Patt. Analysis and Machine Intel, Vol.9, №6,1987. 726-741.

76. Burns J., Hanson A., Riseman E. Extracting straight lines, IEEE Trans, on Patt. Analysis and Machine Intel, Vol.8, N 4,1986.425-455.

77. Sanniti di Baja G. Well-Shaped Stable and Reversible Skeletons from the distance Transform, Journal of Visual Communication and Image Representation, Vol.5, 1994. 107-115.

78. Lam L., Lee S.W., Suen C.Y. Thinning methodologies a comprehensive survey, IEE Tr. On Pattern Analysis and Machine Intelegience, Vol.14, №9,1992. 869-885.

79. Dougherty E. Optimal mean-square n-observation digital morphological filters Part II: optimal gray-scale filters, Computer Vision, Graphics and Image Processing- Image Understanding, Vol.55,№1,1992. 384-398.

80. Мухин О.С. Подходы в коррекции информации со скоростемерных лент // Сб. науч. статей аспирантов и студентов ОмГУПС 2003. / Омский гос. ун-т путей сообщения. Омск, 2003. С. 81-87.

81. Васильков Ю.В., Василькова Н.Н. Компьютерные технологиивычислений в математическом моделировании. М.:Финансы и статистка, 2002. 256 с.

82. Heijmans Н., Ronce С. The algebraic basis of mathematical morphology. Openings and closings, Computer Vision, Graphics and Image Processing, Vol.5.0, №3,1990. 278-301.

83. Юань Фень Программирование графики для Windows. СПб.: Питер, 2002. 562 с.

84. Томас Конноли, Каролин Бегг. Базы данных: проектирование, реализация и сопровождение. Теория и практика, 2-е изд.: Пер. с англ.: Уч.пос. М.: Издательский дом "Вильяме", 2000. 642 с.

85. Мухин О.С., Климович А.В. Методика компьютерной обработки скоростемерных лент // Повышение эффективности работы железнодорожного транспорта Сибири и Дальнего Востока: Материалы Всероссийской науч.-практ. конф. / ДВГУПС. Хабаровск, 2001. С. 110-113.

86. Танеев P.M. Проектирование интерфейса пользователя средствами Win32 API. М.: Горячая линия - Телеком, 2001. 336 с.

87. Фролов А.В., Фролов Г.В. Аппаратное обеспечение персонального компьютера. М.:"ДИАЛОГ-МИФИн, 1997. 218 с.

88. Фролов А.В., Фролов Г.В. Графический интерфейс GDI в MS Windows. М.:"ДИАЛОГ-МИФИ", 1994. 288 с.

89. Скляр А.Я. Введение в InterBase М.:Горячая линия - Телеком, 2002.517 с.

90. Бруно Бабэ. Просто и ясно о Borland С++.: Пер. с англ. М.: БИНОМ, 1996. 487 с.

91. Архангельский А.Я. Программирование в С++ Builder 5. М.: ЗАО "Издательство БИНОМ", 2000. 724 с.

92. Калверт Чарльз, Рейсфорд Кент. Borland С++ Builder 5. Энциклопедия программиста.: Пер. с англ. К.: Издательство "ДиаСофт", 2001. 671 с.

93. Методические рекомендации по оценке эффективности инвестиций на железно дорожном транспорте/ ЦЭ МПС РФ. М., 1997.

94. Акользина Г.И., Архипова Л.Г. Технико-экономическое обоснование в дипломных проектах: Методические указания 41.,42. / Омский гос. ун-т путей сообщения. Омск, 1999-2000.

95. Методические рекомендации по оценке эффективности инвестиционных проектов: Официальное издание. М.: Экономика, 2000.

96. Методические рекомендации по определению экономического эффекта мероприятий научно-технического прогресса на железно дорожном транспорте/ ВНИИЖТ. М.: Транспорт, 1991.