Обґрунтування інтервалу оновлення координатної інформації про стан рухомих одиниць у координатних системах регулювання
DOI:
https://doi.org/10.18664/ikszt.v31i2.362255Ключові слова:
координатні системи регулювання, кореляційна функція прискорень, спектральна щільність, частота оновлення інформації, теорема відліків, лінійний алгоритм оцінювання стануАнотація
У системах координатного регулювання руху поїздів із рухомими блок-ділянками важливе місце займають операції, пов’язані з отриманням та обробкою координатної інформації – визначення координати голови і довжини поїзда, розрахунок допустимої швидкості руху поїзда до хвоста попереду розташованого поїзда.
Проведено спектральний аналіз складових руху поїзда, обумовлених керуючими діями машиніста за звичайного (планового) руху та інших випадкових факторів. За результатами аналізу встановлено, що спектр флуктуацій випадкового процесу, обумовленого діями машиніста, зосереджений у вузькій області частот, а флуктуації від інших факторів мають широкий спектр і меншу спектральну потужність. Тому з використанням широкого спектра, що має місце за великої частоти оновлення інформації, «вага» корисних складових буде зменшуватися порівняно з флуктуаційними. Отже, для того щоб з обробкою координатної інформації враховувати лише розподіл спектральних складових, обумовлених діями машиніста, частота оновлення інформації має бути такою, щоб забезпечити відновлення тільки основної частини спектра прискорення. Наведено співвідношення, яке, відповідно до умов теореми відліків, пов'язує значення частоти оновлення інформації з постійною часу кореляції прискорення, що обумовлено керуючими діями машиніста (середнє значення інтервалу часу руху з постійним прискоренням).
Наведені оцінки періоду та частоти оновлення координатної інформації можна використовувати лише в планових (нормальних) ситуаціях. Це пояснюють тим, що лінійні алгоритми Калмана є інерційними з «пам’яттю» характеру руху, тривалість якої визначена величиною постійної часу зміни прискорень. Наявність «пам’яті» надзвичайно корисна тим, що лінійні алгоритми дають, по-перше, змогу проводити екстраполяцію руху об’єкта і поїзної ситуації на відповідний часовий інтервал і передбачати можливі дії з її регулювання; по-друге, завдяки наявності інерційності можливе продовження роботи системи керування за короткочасного викривлення або зникнення вимірювань.
Однак лінійні алгоритми не забезпечують миттєву реакцію системи керування рухом поїздів із виникненням надзвичайних ситуацій (аварія, різке гальмування або прискорення). Тому необхідно, щоб у надзвичайних ситуаціях використовували методи екстреного оцінювання стану рухомих одиниць – спеціальні нелінійні алгоритми, засновані на теорії ухвалення рішень, а між рухомими одиницями підтримувати відстань, достатню для запобігання аварійним ситуаціям.
Посилання
European Train Control System. URL: https://www.thalesgroup.com/en/european-train-control-system-etcs23
When will we see ETCS Level 3 train control systems? URL: https://www.arcweb.com/industry-best-practices/when-will-we-see-etcs-level-3-train-control-systems
Хісматулін В. Ш., Сагайдачний В. Г., Пелех В. Р. Порівняльна характеристика та проблеми побудови координатних систем регулювання рухом поїздів. Інформаційно-керуючі системи на залізничному транспорті. 2024. № 4. С. 49-54.
Singer R. Estimating optimal tracking filter performance for manned maneuvering targets. IEEE Trans. Aerospace & Electronic Systems. July 1970. Vol. AES-6. P. 473-483.
Бойнік А. Б., Хісматулін В. Ш., Воліченко І. Г. Модель руху транспортного засобу для синтезу лінійного алгоритму оцінки координатної інформації. Збірник наукових праць ДонІЗТ. Донецьк, 2013. Вип. 36. С. 63-67.
Sage A. P., Melse J. L. Estimation Theory with Application to Communication and Control. N.-Y : McGraw-Hill, 1972.
Хісматулін В. Ш., Воліченко І. Г. Оптимальний лінійний алгоритм оцінювання координат стану рухомої одиниці. Збірник наукових праць ДонІЗТ. Донецьк, 2014. Вип. 37. С. 10-14.
Federated Data-Driven Kalman Filtering for State Estimation/ November 2024. DOI:10.48550/arXiv.2411.05847
Unscented Filtering and Nonlinear Estimation/ Simon J. Julier, Jeffrey K. Uhlmann. Proceedings of the IEEE. March 2004. Vol. 92, No. 3. P. 401-422.
Punithakumar K. Nonlinear filtering algorithms for multitarget tracking. McMaster University, 2007. P. 153.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.