Обучаемые классификаторы состояний рельсовых линий с самонастройкой решающей функции для автоматизированных систем управления движением поездов тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Тарасова Анна Евгеньевна

• Тарасова Анна Евгеньевна
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Тарасова Анна Евгеньевна

ВВЕДЕНИЕ

1 АНАЛИЗ ПРОБЛЕМЫ ПОВЫШЕНИЯ УСТОЙЧИВОСТИ РАБОТЫ РЕЛЬСОВЫХ ЦЕПЕЙ

1.1 Причинно-следственный анализ отказов технических средств классификации состояний рельсовых линий

1.2 Проблема повышения надежности функционирования РЦ при флуктуации первичных параметров РЛ

1.3 Мероприятия по повышению устойчивости функционирования УКРЛ при изменении первичных параметров рельсовых линий

Выводы по первой главе

2 ФОРМИРОВАНИЕ ИНФОРМАТИВНЫХ ОБРАЗОВ СОСТОЯНИЙ РЕЛЬСОВЫХ ЛИНИЙ

2.1 Разработка матрицы ^-параметров рельсовой линии при четырехполюсной схеме замещения

2.1.1 Анализ погрешностей при замене дифференциальной схемы замещения РЛ цепной схемой

2.2 Разработка матрицы ^-параметров рельсовой линии при трехпроводной, пятипроводной схеме замещения

2.3 Разработка матрицы ^-параметров при пятипроводной схеме замещения рельсовой линии

2.4 Формирование образов состояний рельсовых линий со множеством первичных информативных признаков

2.5 Анализ информативности признаков. Разработка критерия информативности

2.6 Алгоритм машинного исследования информативности образов состояний

2.7 Результаты исследования информативности образов и формирование рабочего множества признаков

Выводы по второй главе

3 РАЗРАБОТКА ОБУЧАЕМОГО КЛАССИФИКАТОРА СОСТОЯНИЙ РЕЛЬСОВЫХ ЛИНИЙ С САМОНАСТРОЙКОЙ РЕШАЮЩЕЙ ФУНКЦИИ

3.1 Многопараметральная классификация состояний рельсовых линий

3.2 Метрический классификатор состояний рельсовых линий

3.3 Обучаемый классификатор состояний рельсовых линий

3.4 Обучаемый классификатор состояний рельсовых линий с самонастройкой

решающей функции

Выводы по третьей главе

4 ТЕХНИЧЕСКАЯ РЕАЛИЗАЦИЯ ОБУЧАЕМОГО КЛАССИФИКАТОРА СОСТОЯНИЙ РЕЛЬСОВЫХ ЛИНИЙ С САМОНАСТРОЙКОЙ РЕШАЮЩЕЙ ФУНКЦИИ

4.1 Разработка алгоритма классификации состояний рельсовых линий и тестовой подстройки модели в канале самонастройки

4.2 Разработка структурно-функциональной схемы обучаемого классификатора с тестовой подстраиваемой моделью

4.3 Инструментальные средства реализации обучаемого классификатора состояний рельсовых линий с подстройкой решающей функции

4.4 Реализация обучаемого классификатора с тестовой подстройкой решающей функции

4.5 Лабораторные исследования функционирования обучаемого классификатора состояний рельсовых линий с самонастройкой решающей функции

Выводы по четвертой главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А Программа исследования информативности двумерных образов сочетаний признаков

ПРИЛОЖЕНИЕ Б Графические отображения пространства состояний рельсовых линий двумерными образами в классах нормального, шунтового и контрольного режимов

ПРИЛОЖЕНИЕ В Программа исследования возможности классификации состояний рельсовых линий с использованием линейного масштабирования и метрики Евклида

ПРИЛОЖЕНИЕ Г Программа формирования полинома решающей функции на обучающей выборке образов

ПРИЛОЖЕНИЕ Д Программа исследования качества классификации обученной решающей функции на тестовой выборке

ПРИЛОЖЕНИЕ Е Программа самонастройки решающей функции с корректировкой коэффициентов полинома решающей функции

ПРИЛОЖЕНИЕ Ж Патент на полезную модель

ПРИЛОЖЕНИЕ З Акты об использовании результатов диссертационной работы

Введение диссертации (часть автореферата) на тему «Обучаемые классификаторы состояний рельсовых линий с самонастройкой решающей функции для автоматизированных систем управления движением поездов»

ВВЕДЕНИЕ

Актуальность темы исследования. Стратегия развития железнодорожного транспорта до 2030 г., утвержденная Правительством РФ от 17.06.2008 г. № 877-р, предполагает повышение эффективности функционирования транспортного комплекса, повышение безопасности, пропускной способности и переход на новые цифровые технологии контроля и управления. Особая роль при этом отводится системам автоматики и телемеханики, которые являются одними из основных элементов, обеспечивающими безопасность и высокую пропускную способность железных дорог. Одним из целевых параметров Стратегии является разработка и внедрение новых типов классификаторов состояний рельсовых линий с цифровой обработкой информации.

Надежность действия систем интервального управления движением поездов (ИУДП) определяется безошибочностью классификации состояний рельсовых линий (РЛ), работа которых в решающей степени зависит от её первичных параметров и колебаний параметров согласующих устройств. В связи с увеличением веса и скоростей поездов расширился спектр возмущений, приводящих к ошибочной классификации состояний, и ряд отказов невозможно идентифицировать существующими алгоритмами и устройствами классификации. Это приводит к тому, что увеличивается количество потерь поездо-часов, а также возникают задержки в движении поездов. Несмотря на то, что в области проектирования классификаторов состояний накоплен значительный опыт, все они, как правило, базируются на однопараметральной классификации: по уровню напряжения на выходе рельсовой линии, что в условиях воздействия дестабилизирующих факторов приводит к ложной классификации состояний. Из этого следует, что до настоящего времени не созданы классификаторы, в полной мере отвечающие требованиям безопасности перевозочного процесса.

Научные достижения, имеющиеся в данной области, требуют дальнейшего развития. В частности, не решены вопросы построения классификаторов с адаптивным алгоритмом самонастройки от дестабилизирующих воздействий -

изменений первичных параметров рельсовых линий. Уровень готовности существующих научных разработок и применяемых технических решений не позволяет решить вопрос безошибочности классификации состояний рельсовых линий и обеспечить безопасность функционирования систем ИУДП. Поэтому создание классификатора состояний рельсовых линий с самонастройкой алгоритма классификации и расширенными функциональными возможностями для систем ИУДП является актуальной научно-технической задачей.

Диссертационная работа выполнялась в рамках госбюджетного НИР, финансируемого за счет средств федерального бюджета, согласно «Приоритетным направлениям Стратегии научно-технологического развития Российской Федерации, утвержденные Указом Президента Российской Федерации от 1 декабря 2016 г. №2 642 «О стратегии научно-технологического развития Российской Федерации»», код научной темы ПН/2022-02/87, №122022200432-8. Работа выполнена при финансовой поддержке программы «Участник молодежного научно-инновационного конкурса» («УМНИК») в 2020 - 2022 годах и гранта в рамках областного конкурса «Молодой ученый» в номинации «Аспирант» в 2021 году.

Степень разработанности темы. Значительный вклад в разработку и исследование классификаторов внесли известные ученые: А. М. Брылеев, Ю. А. Кравцов, Б. М. Степенский, В. И. Шаманов, В. В. Сапожников, Вл. В. Сапожников, П. Ф. Бестемьянов, Д. В. Гавзов, А. Б. Никитин, А. И. Годяев, С. В. Бушуев, В. И. Апатцев, Д. В. Шалягин, И. Д. Долгий, А. В. Шишляков, В. С. Аркатов и др. Анализ литературы показывает, что решение проблемы безошибочности классификации в условиях воздействия дестабилизирующих факторов осуществляется за счет применения в качестве источника опроса рельсовых линий генераторов тональной частоты, уточнения нормативных параметров при расчетах и проектировании рельсовых цепей. Но вместе с тем предложенные технические мероприятия лишь частично решают вопрос безошибочной классификации состояний рельсовых линий.

Для повышения устойчивости функционирования классификаторов ряд авторов предлагает использовать принципы распознавания и классификации, которые

разработаны и освещены в трудах И. Е. Дмитриенко, Е. М. Тарасова, Н. Н. Васина,

A. М. Алексеева, И. В. Присухиной, Н. Н. Лябаха, И. В. Тилька, А. Е. Пирогова,

B. Н. Иванченко и др. Основу предлагаемых решений составляют обученные классификаторы состояний рельсовых линий на выборке, сформированной при номинальных значениях первичных параметров рельсовых линий и изменениях в ограниченном диапазоне параметров согласующих устройств рельсовой цепи в начале и конце рельсовой линии. Предложенные принципы допускают недостоверную классификацию при изменении первичных параметров и дестабилизирующих воздействий в широком диапазоне. С учетом того, что в настоящее время теоретические и практические разработки недостаточно полно решают задачу безошибочной классификации, особенно актуальны и своевременны работы, посвященные разработке многопараметральных самонастраивающихся классификаторов состояний рельсовых линий, устойчиво функционирующих в условиях воздействия дестабилизирующих факторов, флуктуации параметров согласующих устройств и рельсовой линии.

Целью диссертационной работы является научное обоснование и разработка обучаемых классификаторов состояний РЛ с самонастройкой решающей функции, устойчиво функционирующих в условиях воздействия дестабилизирующих факторов и изменения первичных параметров рельсовых линий, для систем интервального управления движением поездов.

Для достижения указанной цели в диссертации сформулированы следующие задачи:

- проведение анализа современного состояния научно-технической проблемы разработки многопараметральных обучаемых классификаторов состояний рельсовых линий, функционирующих в условиях воздействия дестабилизирующих факторов в широком диапазоне самонастраивающимся алгоритмом;

- разработка математических моделей первичных информативных признаков, определяющих состояния рельсовых линий, и оценка их информативности принципом метрической классификации;

- разработка структурной схемы обучаемого классификатора с самонастройкой решающей функции при воздействии дестабилизирующих факторов и изменении первичных параметров рельсовых линий;

- исследование возможностей самонастройки при различных сочетаниях информативных признаков и предельно возможных диапазонах изменения первичных признаков;

- техническая реализация классификатора состояний РЛ с модулем тестовой подстройки в канале самонастройки в комплексе систем ИУДП.

Объектом исследования являются устройства автоматики и телемеханики на перегонах и на станциях, устройства, обеспечивающие безопасность движения поездов.

Предметом исследования являются методы и алгоритмы классификации состояний рельсовых линий для автоматизированных систем управления движением поездов.

Научная новизна полученных автором диссертации результатов состоит в следующем:

1. Разработаны обобщенные математические модели первичных информативных признаков в виде комплексных амплитуд напряжений и токов на входе и выходе рельсовой линии, отличающиеся тем, что отражают влияние соседних рельсовых линий, продольную асимметрию сопротивления рельсовых линий и порождают многомерные образы состояний рельсовых линий в пространстве информативных воздействий на рельсовые линии.

2. Предложена методика ранжирования первичных информативных признаков, заключающаяся в сравнении метрикой Евклида расстояний между классами, сформированных различными сочетаниями признаков, отличающаяся тем, что формирует образы состояний рельсовых линий минимальной длиной описания.

3. Предложена методика самонастройки решающей функции классификатора, учитывающая изменения дестабилизирующих факторов и первичных параметров рельсовых линий при формирования решающей функции классификации многомерного пространства классов рекуррентным алгоритмом.

4. Разработан алгоритм тестовой подстройки посредством организации канала искусственной имитации воздействия поездного шунта на рельсовые линии и корректировки коэффициентов полинома решающей функции, обеспечивающий минимальную ошибку классификации.

Теоретическая и практическая значимость работы. В результате проведенных научно-практических исследований расширены функциональные возможности классификаторов состояний рельсовых линий, а именно, обеспечение инвариантности к дополнительным воздействиям: к изменению полного продольного сопротивления рельсовой линии, обратных входных сопротивлений устройств согласования, наиболее сильно влияющих на правильность функционирования классификаторов состояний, работающих в условиях динамических дестабилизирующих воздействий, что позволяет повысить эффективность перевозочного процесса за счет уменьшения отказов технических средств 1, 2 категории и исключения ложной «занятости» и «свободности» рельсовых линий, тем самым повысить безопасность движения поездов.

Разработанный и реализованный в работе алгоритм адаптивной самонастройки на основе алгоритмов построения, согласно патенту автора «Самонастраивающийся классификатор рельсовой цепи» № RU206413 от 22.03.2021г., позволяет обеспечить инвариантность к изменению значений первичных параметров рельсовой цепи (г0, Ь0, С0, g0), обратных входных сопротивлений устройств согласования и

обеспечить требуемую точность распознавания по критериям классификации классов нормального-шунтового и шунтового-контрольного режимов подстройкой полинома решающей функции по реакции на искусственную имитацию шунтового режима.

Предложенный и реализованный трехтактный процесс формирования решающей функции классификатора состояний рельсовых линий позволяет расширить перечень изменяющихся параметров и добиться инвариантности к дестабилизирующим параметрам: изменению порога максимального значения поперечной проводимости изоляции до 4 раз; изменению продольного сопротивления рельсовой линии в пределах от номинального значения до увеличения в 1,55 раза;

изменению обратных входных сопротивлений устройств согласования до 30% при длине рельсовой линии до 2,5 км.

Реализация результатов исследований осуществлена путем использования методики построения самонастраивающихся классификаторов с решающей функцией и математических моделей формирования информативных признаков при выполнении госбюджетного НИР, финансируемого за счет средств федерального бюджета, согласно «Приоритетным направлениям Стратегии научно-технологического развития Российской Федерации», утвержденных Указом Президента Российской Федерации от 1 декабря 2016 г. № 642, код научной темы ПН/2022-02/87, №122022200432-8; при выполнении программы «Участник молодежного научно-инновационного конкурса» («УМНИК») в 2020 - 2022 годах и при финансовой поддержке гранта в рамках областного конкурса «Молодой ученый» в номинации «Аспирант» в 2021 году. Предложенный способ выбора информативных признаков использован при расширении функциональных возможностей систем диагностики функционирования рельсовых цепей на Жигулевской дистанции СЦБ Куйбышевской ж.д. Разработанный экспериментальный образец обучаемого классификатора состояний рельсовых линий с самонастройкой решающей функции внедрен в существующую систему ЭЦ ст. Самарка.

Теоретические результаты исследований используются в ФГБОУ ВО СамГУПС в учебном процессе на кафедре «Автоматика, телемеханика и связь на железнодорожном транспорте» при чтении лекций и проведении практических занятий по курсам «Проектирование микропроцессорных систем на станциях» и «Проектирование микропроцессорных систем интервального регулирования движением поездов».

Методология и методы исследования. В соответствии с паспортом специальности 2.9.4 п. 5 «Теоретические основы, методы и технические средства обеспечения безопасности движения», п. 6 «Системы и устройства автоматики и телемеханики, предназначенные для управления перевозочным процессом, их эксплуатация, методы построения и испытания» и п. 7 «Развитие технических средств и систем управления, цифровизация управления транспортными технологическими

процессами» в ходе выполнения диссертационных исследований автором использованы основные положения теории рельсовых цепей, теории электрических цепей с распределенными параметрами, теории распознавания образов, теории самонастраивающихся систем, матричного исчисления. Расчеты выполнены с использованием математического пакета МЛТЬЛБ.

Основные положения, выносимые на защиту:

1. Разработанные обобщенные математические модели первичных информативных признаков в виде комплексных амплитуд напряжений и токов на входе и выходе рельсовой линии, отражающие влияние соседних рельсовых линий, продольную асимметрию сопротивления рельсовых линий, позволяют создавать многомерные образы состояний рельсовых линий в пространстве информативных воздействий на рельсовые линии.

2. Предложенная методика ранжирования первичных информативных признаков, заключающаяся в сравнении метрикой Евклида расстояний между классами, сформированных различными сочетаниями признаков, предоставляет возможность формирования образов состояний рельсовых линий минимальной длиной описания.

3. Предложенная методика самонастройки решающей функции классификатора, учитывающая изменения дестабилизирующих факторов и первичных параметров рельсовых линий при формировании решающей функции, позволяет классифицировать многомерное пространство классов рекуррентным алгоритмом.

4. Разработанный алгоритм тестовой подстройки посредством организации канала искусственной имитации воздействия поездного шунта на рельсовые линии позволяет обеспечивать минимальную ошибку классификации корректировкой коэффициентов полинома решающей функции.

Степень достоверности и апробация результатов. Достоверность результатов исследований подтверждена соответствием теоретических результатов, полученных в ходе выполнения диссертации, с результатами лабораторных и экспериментальных исследований: расхождение значений границ классов, полученных теоретически и в результате экспериментальных исследований в

условиях возмущающих воздействий, не превышает 1% относительно границ классов. Основные положения и результаты диссертационных исследований доложены и прошли обсуждение в работе международных научно-практических конференций, в том числе: «Advanced Information Technologies and Scientific Computing» (Samara, 2017-2022), «Наука и образование транспорту» (Самара, 2017-2022), «Мавлютовские чтения» (Уфа, 2019), «Инфраструктура и эксплуатация наземного транспорта» (Нижний Новгород, 2019), «Эффективность и безопасность электротехнических комплексов и систем автоматики и телемеханики на железнодорожном транспорте» (Омск, 2019), «Транспорт, наука, образование в XXI веке: опыт, перспективы, инновации» (Оренбург, 2017), «Трансформация научной мысли в XXI веке» (Москва, 2017). В окончательном варианте результаты диссертационных исследований доложены и обсуждены на расширенном заседании кафедры «Автоматика, телемеханика и связь на железнодорожном транспорте» СамГУПС 14 сентября 2022 г.

Публикации. По теме диссертации опубликовано 25 научных работ, в том числе: 4 - входящие в международные реферативные базы данных и системы цитирования Web of Science, 7 - в ведущих рецензируемых журналах, определенных ВАК Минобрнауки России для публикации результатов кандидатских и докторских диссертаций, получено 4 патента, 2 свидетельства об официальной регистрации программ для ЭВМ.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, имеющего 118 наименований и 8 приложений. Общий объем диссертационной работы составляет 200 страниц, включая 65 рисунков, 6 таблиц и 33 страницы приложений.

1 АНАЛИЗ ПРОБЛЕМЫ ПОВЫШЕНИЯ УСТОЙЧИВОСТИ РАБОТЫ

РЕЛЬСОВЫХ ЦЕПЕЙ

В настоящее время системы ИУДП включают в себя совокупность технических средств, которые обеспечивают безопасность движения поездов путем функциональной увязки между собой [1, 2]. Любая комплексная задача ИУДП выполняется по следующему алгоритму: сначала происходит сбор информации о состоянии рельсовых линий, затем эта информация обрабатывается по соответствующим состоянию объекта - рельсовой линии - алгоритмам; вырабатываются сигналы управления, и, наконец, происходит проверка обеспечения безопасности движения поездов и управления напольными и локомотивными устройствами безопасности. Одними из основных элементов, обеспечивающих сбор информации о состоянии рельсовой линии для организации движения поездов и обеспечения безопасности, являются электрические рельсовые цепи, являющиеся, по существу, первичными датчиками информации [3, 4]. На рис. 1.1 представлена структурная схема рельсовой цепи.

Рисунок 1.1 - Структурная схема рельсовой цепи:

ГСО - генератор сигнала опроса рельсовой линии; УЗСн, УЗСк - устройства согласования и защиты в начале и в конце рельсовой линии, ПР - приемник рельсовой цепи, - входное сопротивления рельсового четырехполюсника

Чувствительным элементом первичных датчиков - рельсовых цепей -являются рельсовые линии ограниченной длины. В большинстве случаев рельсовые линии электрических рельсовых цепей физически изолированы от смежных рельсовых линий изолирующими стыками [5, 6].

На сети магистральных железных дорог РФ в настоящее время находятся в эксплуатации 273 636 единиц рельсовых цепей, в том числе кодируемых -

172 593 ед., станционных - 171 912 ед., перегонных - 86 254 ед., на сортировочных горках - 10 023 ед. и рельсовых цепей наложения - 6 365 ед. Вследствие изменения первичных параметров рельсовых линий, а именно продольного сопротивления рельсовых линий из-за обрыва стыковых соединителей и изменения проводимости изоляции (менее 1 См/км), количество отказов рельсовых цепей достигает 15% от общего количества отказов устройств железнодорожной автоматики и телемеханики (ЖАТ) [7, 8, 9].

1.1 Причинно-следственный анализ отказов технических средств классификации состояний рельсовых линий

В настоящее время в связи с увеличением массы вагонов и веса поездов, а также скорости движения поездов существенного увеличены динамические нагрузки на рельсовые линии, включая изолирующие стыки [10, 11].

Остальные отказы приходятся на изменение поперечной проводимости и на иные причины [9].

о

Рисунок 1.2 - Диаграмма Парето отказов устройств СЦБ за 12 месяцев 2019 года

К числу факторов, влияющих на работу устройств контроля рельсовой линии и вызывающих увеличение продольного сопротивления рельсовой линии, относятся обрыв стыковых соединителей (рис. 1.3), обрыв стальных перемычек стрелочных соединителей, нарушение работы пружинных соединителей, тарельчатых пружин, неисправность дроссель-трансформаторных соединений и др. [12].

700 600 500 400 300 200 100

86% 91% 96% 98% 99% 100% 100%

66% 2019

119 „Хь'в 131 108 9 Парето 2019

||]| ■ 42 37 35 13 Ю 4 2

100% 90%

0 ^

1 I

0 Й-

1 £

о

£ -£ 3-

70% 60% 50% 40% 30% 20% 10% 0%

ф о.

Ь о г

из щ

та и

- - % *

5 а. Э С

щ и £ щ

О

с; (и

- х

У -

5 о

■= о

I §

с I

= I

о £

а

о г

§ | & 1

й) а.

(а

5 I

о т

й) л:

О ш

Й- 0 О *

Й 5 о Е

£ ?

Е

5 зе

^ т г

I -

о Ю

щ ^

г о:

ш

а я га г

I X

Рисунок 1.3 - Поэлементное распределение отказов рельсовой линии за 12

месяцев 2019 года

Результаты статистических исследований работы устройств классификации состояний рельсовых линий (УКРЛ) показывают, что в последние годы количество отказов из-за колебаний поперечной проводимости изоляции РЛ по сети железных дорог удалось существенно сократить. Но тем не менее на некоторых железных дорогах: Приволжской, Свердловской, Куйбышевской ж.д. на определенных участках, засоленных природных солями, минеральными удобрениями или заболоченных, проводимость изоляции достигает величины 10 См/км. Полноценно автоблокировка на данных участках не может функционировать, поэтому для данных участков разработка классификаторов состояний, устойчиво функционирующих при повышенной проводимости изоляции, особо актуальна. В связи с внедрением тональных рельсовых цепей особо актуальными становятся отказы кабельных линий, являющихся элементом в схеме замещения рельсовых цепей и влияющих на правильное функционирование систем ИУДП. Среди часто

встречающихся отказов кабельных сетей обрыв жил кабеля составляет 53,3 %, сообщение жил - 14,2 %, понижение сопротивления изоляции - 10,4 %, другие причины - 6,8 %.

В связи с изложенным, в последние годы фактором, влияющим на флуктуацию сигнала на выходе УКРЛ, определяющего состояния рельсовых линий, являются элементы УКРЛ, изменяющие продольное сопротивление рельсовой линии (в 2019 г. увеличение числа отказов по причине обрыва стыковых соединителей составило 56,4%) [13, 14].

По характеру отказов рельсовых линий превалирующими причинами, вызывающими флуктуацию сопротивления, являются эксплуатационные причины - 39% (рис. 1.4), вызванные в основном динамическими воздействиями поездов, а также деградационные - 25% (рис. 1.4), связанные со старением соединительных материалов, а именно протеканием электрохимических процессов коррозии в месте соединения медных соединителей, джемперов, перемычек и стальных элементов [9].

■ Эксплуатационные

■ Деградационные

■ Производственные

■ Конструктивные

■ Кражи, порчи

■ Влияние погоды

Рисунок 1.4 - Характер отказов рельсовых линий

В связи с этим, задача обеспечения устойчивого функционирования устройств контроля состояний рельсовых линий в условиях колебания передаточного сопротивления тракта передачи сигнала от источника опроса рельсовых линий до входа классификатора состояний рельсовых линий является

актуальной задачей, а в дальнейшем с увеличением веса и скоростей поездов будет еще обостряться.

1.2 Проблема повышения надежности функционирования РЦ при флуктуации первичных параметров РЛ

Проблема повышения надежности функционирования РЦ при изменении дестабилизирующих факторов может быть решена в двух направлениях:

- за счет уменьшения потока отказов напольных устройств и элементов рельсовых цепей;

- за счет разработки классификаторов, инвариантных к изменению дестабилизирующих воздействий.

Параметр потока отказов рельсовых цепей для ИУДП на перегонах достигает 40 -10-6 ч-1, а для станционных систем - 55 -10-6 ч-1, в том числе поток отказов изолирующих стыков колеблется от 2,25 до 10,5 -10-6 ч-1 для перегонных ИУДП и

(9,2 ^ 13,7) • 10-6 ч-1 для станционных систем [8]. Как отмечено выше, на величину потока отказов существенное влияние оказывают обрывы стыковых соединителей, составляющие 24% от общего числа отказов УКРЛ по элементам (рис. 1.3).

Исследования, проведенные рядом авторов, показывают, что наибольшее число нарушений нормальной работы УКРЛ по причине обрыва стыковых соединителей происходит в летние и зимние месяцы (рис. 1.5) [8, 15].

N 27 26

23 19 15 11 7

24

1

2

3

4

5

6

7

8

9

10 11 12

Месяцы

Рисунок 1.5 - Распределение отказов систем УКРЛ, вызванных увеличением

сопротивления токопроводящих стыковых соединителей по месяцам

Это связано в первую очередь с проведением летних путевых работ механизированным способом, а зимой - с работой снегоочистительной техники. Кроме этого, причинами увеличения сопротивления токопроводящих стыков являются: использование некачественных соединителей; неудовлетворительное содержание путей; нарушение технологии приварки и установки соединителей; несвоевременная регулировка зазоров при критическом изменении температуры окружающей среды.

Для стабилизации продольного сопротивления рельсовых линий, или передаточного сопротивления 7^по = <7, / /2, где 2по - передаточное сопротивление рельсового четырехполюсника, 0{, /2 - комплексные амплитуды напряжения на

входе и тока на выходе четырехполюсника рельсовой линии, рельсовые звенья ( 1зв = 25 м) электрически соединяются стыковыми, как правило, медными

соединителями [16]. Увеличение тока обратной тяговой сети при тяжеловесных поездах приводит к термическим воздействиям на стыковые соединители, которые часто «отгорают». Это приводит к тому, что 2по ^ Уаг, и эта переменная величина колеблется в широких пределах [17, 18]. В связи с этим, параметр потока отказов стыковых соединителей находится в пределе (11,0 -16,5) • 10-6 ч-1. Из-за того, что на

один километр пути приходится около 80 стыковых соединителей, а в пределах рельсовой цепи - датчика первичной информации нормативной длиной 2,5 км -содержится 200 соединителей, то и отказы достаточно часты. Следующей компонентой УКРЛ, влияющей на изменение продольного сопротивления тракта передачи сигнала, являются изолирующие стыки, параметр потока отказов которых

находится в пределах (2,25-И3,7)•Ю-6 ч-1 [8, 19]. Исследования, проведенные учеными РУТ (МИИТ), показывают, что средняя наработка на отказ по перевезенным грузам составляет 25 - 35 миллионов тонн.

Основными причинами, приводящими к отказам УКРЛ из-за изменения сопротивления изолирующих стыков, являются увеличение массы и скоростей движения поездов по участку, увеличивающие динамическую нагрузку на изолирующие элементы стыка, неудовлетворительное содержание путей,

приводящее к засорению изолирующего стыка металлическими стружками; несвоевременная регулировка зазоров при критической положительной температуре; низкое качество изолирующих элементов; конструктивные недостатки изолирующих стыков.

Список литературы диссертационного исследования кандидат наук Тарасова Анна Евгеньевна, 2022 год

- А - - -

класс шунтового режима ^ Ч кГ и ь'т

ГНч( N 5 ж. Ры_Я - К 1 Ш. V. 1М.Ч1 1 1.' | ' к. /1\ I 1 .»■ и

* т • •• . Щ Щ; *уг • и:* • • .•••V Т!!'«;.1 • »V.

А»|» • • • : \ • • • • • ту« •.; • ► • • • .4 • ф* • •• : • • • и* • •• •>

• • • Класс нормального режима • • • - • т ¿г- И • .<\, • /" •*• • » *• л

•.{¿А .

•■Л

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

РяП

ПРИЛОЖЕНИЕ В

ПРОГРАММА ИССЛЕДОВАНИЯ ВОЗМОЖНОСТИ КЛАССИФИКАЦИИ СОСТОЯНИЙ РЕЛЬСОВЫХ ЛИНИЙ С ИСПОЛЬЗОВАНИЕМ ЛИНЕЙНОГО МАСШТАБИРОВАНИЯ И МЕТРИКИ ЕВКЛИДА

script; clc; clear; E=1;

Z2 = 0.25*exp(15.*1i*pi/180); Zo = 0.25.*exp(15.*1i*pi/180); MaxGb = 2; g_const=0.02; f=2 5;

leng = 2.5+0.1;

C = 0; w = 2*pi*f;

Zpn = 0.8.*exp(65.*1i*pi/180);

global num_chlenov;

num_chlenov=[];

g=g_const;st=1;k=1;

global Mat;

ZoPoint = ZoPointCalculate; gPoint = 1;

while (g <= MaxGb+0.1)

norm_rl = ABCD1(g,Zpn,leng); % напряжение на нагрузке рельсовой линии

U_ 2 (st) = modelsU2 (E, Z2, Zo, norm rl);

U "1 (st) = modelsU1 (E, Z2, Zo, norm rl);

I "1 (st) = modelsI1( (E, Z2, Zo, norm rl);

Mat(st,k)=abs(U_2(st)); Mat(st,k+1)=angle(U_2(st)); Mat(st,k+2)=abs(U_1(st)); Mat(st,k+3)=angle(U_1(st)); Mat(st,k+4)=abs(I_1(st)); Mat(st,k+5)=angle(I_1(st)); st=st+1; if g<0.1

g=g+0.02;

else

g=g+0.1;

end

end

norm_rlPoint = ABCD1(gPoint,Zpn,leng); U_2Point = modelsU2(E,Z2,ZoPoint,norm_rlPoint); U_1Point = modelsU1(E,Z2,ZoPoint,norm_rlPoint); I_1Point = modelsI1(E,Z2,ZoPoint,norm_rlPoint);

disp('нормальный режим'); %**********************************************************

%* -----------------шунтовой режим-------------------------

%**********************************************************

st 2=st;

num_chlenov(1)=st_2-1; clear k;

clear U_2; clear U_1; clear I_1; g=g_const;

Rsh=[1,0;1./0.06,1]; k=1; stsh=1;

while (g <= MaxGb+0.1) x=0.1; while (x<=leng-0.1)

rl_n = ABCD1(g,Zpn,(leng-x));

rl_k = ABCD1(g,Zpn,x); sh_rl = rl_n*Rsh*rl_k;

U_2(stsh) = modelsU2(E,Z2,Zo,sh_rl); U_1(stsh) = modelsU1(E,Z2,Zo,sh_rl); I_1(stsh) = modelsI1(E,Z2,Zo,sh_rl); Mat(st_2,k)=abs(U_2(stsh)); Mat(st_2,k+1)=angle(U_2(stsh)); Mat(st_2,k+2)=abs(U_1(stsh)); Mat(st_2,k+3)=angle(U_1(stsh)); Mat(st_2,k+4)=abs(I_1(stsh)); Mat(st_2,k+5)=angle(I_1(stsh)); x=x+0.1; stsh=stsh+1; st_2=st_2+1; end %(по координате шунта) if g<0.1

g=g+0.02;

else

g=g+0.1;

end

end %(по сопротивлению изоляции)

disp('шунтовой режим'); %**************************************

%*---------контрольный режим----------*

%**************************************

clear norm_rl; clear U_2; clear U_1; clear I_1;

p = 9.1; % коэффициент, учитывающий вид балласта g=g_const;

num_chlenov(2)=st_2-1;

stk=1;

st_3=st_2;

while (g<=MaxGb+0.1) x=0.00001; while (x<=leng-0.1)

Z = Z_ekv1(f,g,Zpn,leng,x,p); Rsh=[1,Z;0,1];

rl_n = ABCD1(g,Zpn,(leng-x));

rl k = ABCD1(g,Zpn,x);

k_rl = rl_n*Rsh*rl_k;

U_2(stk) = modelsU2(E,Z2,Zo,k_rl); U_1(stk) = modelsU1(E,Z2,Zo,k_rl); I_1(stk) = modelsI1(E,Z2,Zo,k_rl); Mat(st_3,k)=abs(U_2(stk)); Mat(st_3,k+1)=angle(U_2(stk)); Mat(st_3,k+2)=abs(U_1(stk)); Mat(st_3,k+3)=angle(U_1(stk)); Mat(st_3,k+4)=abs(I_1(stk)); Mat(st_3,k+5)=angle(I_1(stk)); x=x+0.1; stk=stk+1; st_3=st_3+1; end %(по координате шунта) if g<0.1

g=g+0.02;

else

g=g+0.1;

end

end %(по сопротивлению изоляции)

disp('контрольный режим');

num_chlenov(3)=st_3-1;

Mat(st_3,1)=abs(U_2Point);

Mat(st_3,2)=angle(U_2Point);

Mat(st_3,3)=abs(U_1Point);

Mat(st_3,4)=angle(U_1Point);

Mat(st_3,5)=abs(I_1Point);

Mat(st_3,6)=angle(I_1Point);

%нормализация и масштабирование

Mat=normalize(Mat,'range');

disp('нормализация и масштабирование');

% расчет минимального расстояния и координат минимального отрезка

с

st_cycle=0; AllDist=[];

i_cycle = num_chlenov(3)+1; % расчет кратчайшего отрезка % нормальный режим

for j = (num_chlenov(1)+1):1:(num_chlenov(2)) st_cycle=st_cycle+1;

AllDist(st_cycle)=pdist2([Mat(i_cycle,2), Mat(i_cycle,1)], ...

[Mat(j,2), Mat(j,1)], 'euclidean'); if AllDist(st_cycle) == min(AllDist) Dist(1)=Mat(i_cycle,2); Dist(2)=Mat(j,2); Dist(3)=Mat(i_cycle,1); Dist(4)=Mat(j,1);

end

end

Dist(5)=min(AllDist); clear st_cycle; clear AllDist;

clear j; st_cycle=0; AllDist=[]; % шунтовой режим

for j = (num_chlenov(2)+1):1:(num_chlenov(3)) st_cycle=st_cycle+1;

AllDist(st_cycle)=pdist2([Mat(i_cycle,2), Mat(i_cycle,1)], ...

[Mat(j,2), Mat(j,1)], 'euclidean'); if AllDist(st_cycle) == min(AllDist) Dist(6)=Mat(i_cycle,2); Dist(7)=Mat(j,2); Dist(8)=Mat(i_cycle,1); Dist(9)=Mat(j,1);

end

end

Dist(10)=min(AllDist);

clear st_cycle; clear AllDist; clear j; st_cycle=0; AllDist=[]; % контрольный режим for j = 1:1:num_chlenov(1) st_cycle=st_cycle+1;

AllDist(st_cycle)=pdist2([Mat(i_cycle,2), Mat(i_cycle,1)], ... [Mat(j,2), Mat(j,1)], 'euclidean'); if AllDist(st_cycle) == min(AllDist)

Dist(11)=Mat(i_cycle,2); Dist(12)=Mat (j,2); Dist(13)=Mat(i_cycle,1); Dist(14)=Mat(j,1);

end

end

Dist(15)=min(AllDist);

disp('расчет минимального расстояния и координат минимального отрезка');

% построение графиков PlotFeaturebyPoint(Dist,1,2);

if ((Dist(5) < Dist(10)) && (Dist(5) < Dist(15))) disp('точка относится к шунтовому режиму');

end

if ((Dist(10) < Dist(5)) && (Dist(10) < Dist(15)))

disp('точка относится к контрольному режиму');

end

if ((Dist(15) < Dist(5)) && (Dist(15) < Dist(10)))

disp('точка относится к нормальному режиму');

end

disp(Dist(15));

ПРИЛОЖЕНИЕ Г

ПРОГРАММА ФОРМИРОВАНИЯ ПОЛИНОМА РЕШАЮЩЕЙ ФУНКЦИИ

НА ОБУЧАЮЩЕЙ ВЫБОРКЕ ОБРАЗОВ

script;

clc;

clear;

%ст. полином Колмогорова-Габора E=1;

Z2 = 0.25*exp(15.*1i*pi/180); Zo = 0.25.*exp(15.*1i*pi/180); MaxGb = 2; g_const=0.02; f=25;

leng = 2.5+0.1;

C = 0; w = 2*pi*f;

Zpn = 0.8.*exp(65.*1i*pi/180);

global num_chlenov;

num_chlenov=[];

g=g_const;st=1;k=1;

while (g <= MaxGb+0.1)

norm_rl = ABCD1(g,Zpn,leng); % напряжение на нагрузке рельсовой линии

U_2(st) = (E.*Z2)/(norm_rl(1,1).*Z2+norm_rl(1,2)+Zo.*... (Z2.*norm_rl(2,1)+norm_rl(2,2))); Mat(st,k)=abs(U_2(st)); Mat(st,k+1)=angle(U_2(st)); MatFree(st,k) = 5; st=st+1; if g<0.1

g=g+0.02;

else

g=g+0.1;

end

end

disp('нормальный режим'); %**********************************************************

%* -----------------шунтовой режим-------------------------

%**********************************************************

st_2=st;

num_chlenov(1)=st_2-1; clear k;

clear U_2; clear U_1; clear I_1; g=g_const;

Rsh=[1,0;1./0.06,1]; k=1; stsh=1;

while (g <= MaxGb+0.1) x=0.1; while (x<=leng-0.1)

rl_n = ABCD1(g,Zpn,(leng-x));

rl_k = ABCD1(g,Zpn,x);

sh_rl = rl_n*Rsh*rl_k; % напряжение на нагрузке рельсовой линии

U_2(stsh) = (E.*Z2)/(sh_rl(1,1).*Z2+...

sh_rl(1,2)+Zo.*(Z2.*sh_rl(2,1)+sh_rl(2,2) Mat(st_2,k)=abs(U_2(stsh)); Mat(st_2,k+1)=angle(U_2(stsh));

MatFree(st_2,k) = 3;

x=x+0.1; stsh=stsh+1; st_2=st_2+1; end %(по координате шунта) if g<0.1

g=g+0.02;

else

g=g+0.1;

end

end %(по сопротивлению изоляции) disp('шунтовой режим');

о

%*---------контрольный режим----------*

о

clear norm_rl; clear U_2; clear U_1; clear I_1;

p = 9.1; % коэффициент, учитывающий вид балласта g=g_const;

num_chlenov(2)=st_2-1;

stk=1;

st_3=st_2;

while (g<=MaxGb+0.1) x=0.00001; while (x<=leng-0.1)

Z = Z_ekv1(f,g,Zpn,leng,x,p); Rsh=[1,Z;0,1];

rl_n = ABCD1(g,Zpn,(leng-x));

rl_k = ABCD1(g,Zpn,x); k_rl = rl_n*Rsh*rl_k; % напряжение на нагрузке рельсовой линии

U_2(stk) = (E.*Z2)/(k_rl(1,1).*Z2+...

k_rl(1,2)+Zo.*(Z2.*k_rl(2,1)+k_rl(2,2))); Mat(st_3,k)=abs(U_2(stk)); Mat(st_3,k+1)=angle(U_2(stk));

MatFree(st_3,k) = 1; x=x+0.1; stk=stk+1; st_3=st_3+1;

end %(по координате шунта) if g<0.1

g=g+0.02;

else

g=g+0.1;

end %(по сопротивлению изоляции)

disp('контрольный режим') ;

num_chlenov(3)=st_3-1;

%нормализация и масштабирование

Mat=normalize(Mat,'range') ;

disp('нормализация и масштабирование');

% Решение систем уравнений % образованной степенным полиномом % 2- ой степени aa = 1; bb = 2;

CC = MatFree(:,1);

free(:,1) = CC;

MatFeature( ,2) = Mat(:,aa);

MatFeature( ,3) = Mat(:,bb);

MatFeature( ,4) = MatFeature( :,2) .*MatFeature( :,3

MatFeature( ,5) = MatFeature( :,2) .*MatFeature( :,2

MatFeature( ,6) = MatFeature( :,3) .*MatFeature( :,3

MatFeature( ,1) = 1;

korni = MatFeature\free; % корни системы

Mat1=MatFeature*korni; % проверка сходимости

maxMin=maxMinDistance(Mat1,num_chlenov); % определение минимумов и максимумов в каждом режиме koefClasses = koefClass(maxMin); K_sh = koefClasses(1); K_k = koefClasses(2);

changingKoef = firstStepFeature(korni, MatFeature, num_chlenov); changingKoefToPrint(size(MatFeature,2)+1,1) = "Коэффициенты";

changingKoefToPrint(size(MatFeature,2)+1,2) = "Ksh"; changingKoefToPrint(size(MatFeature,2)+1,3) = "Kk"; changingKoefToPrint(size(MatFeature,2)+1,4) = "Ksh+5%"; changingKoefToPrint(size(MatFeature,2)+1,5) = "Kk+5%"; changingKoefToPrint(size(MatFeature,2)+1,6) = "Ksh-5%"; changingKoefToPrint(size(MatFeature,2)+1,7) = "Kk-5%"; for i = 1:1:6

for j = 2:1:7

changingKoefToPrint(i,j) = changingKoef(i,j);

end

changingKoefToPrint(i,1) = "C" + i;

end

for i = 1:1:size(MatFeature,2) for j = 4:2:6

KCheck = changingKoef(i,j)/changingKoef(1,2); if KCheck > 1

changingKoef(1,2) = changingKoef(i,j); bestKoef(1) = changingKoefToPrint(i,1); bestKoef(2) = changingKoefToPrint(7,j);

end

for j = 5:2:7

KCheck = changingKoef(i,j)/changingKoef(1,3); if KCheck > 1

changingKoef(1,3) = changingKoef(i,j); bestKoef(3) = changingKoefToPrint(i,1); bestKoef(4) = changingKoefToPrint(7,j);

end

end

end

ПРИЛОЖЕНИЕ Д ПРОГРАММА ИССЛЕДОВАНИЯ КАЧЕСТВА КЛАССИФИКАЦИИ ОБУЧЕННОЙ РЕШАЮЩЕЙ ФУНКЦИИ НА ТЕСТОВОЙ ВЫБОРКЕ

script; clc; clear; E=1;

Z2 = 0.25*exp(15.*1i*pi/180); Zo = 0.25.*exp(15.*1i*pi/180); MaxGb = 2; g_const=0.02; f=2 5;

leng = 1.5+0.1;

C = 0; w = 2*pi*f;

Zpn = 0.8.*exp(65.*1i*pi/180);

global num_chlenov;

num_chlenov=[];

g=g_const;st=1;k=1;

% обучающая выборка

% korni=[0.878;65.801;0.465;-20.405;-351.778;0.816]; %2.5 км

% korni=[0.894;48.849;0.318;-14.968;-196.883;0.842]; %2.0 км

korni=[0.924;31.692;0.143;-15.232;-92.648;0.816]; %1.5 км

% тестовая выборка

clear num_chlenov;

clear Zo;

clear Zn;

clear Zpn;

Z2nom = 0.25*exp(15.*1i*pi/180);

Znnom=Z2nom;

%Z2 = Z2+Z2*0.05;

% Z2 = Z2-Z2*0.05;

Zonom = 0.25.*exp(15.*1i*pi/180);

%Zo = Zo+Zo*0.05;

%Zo = Zo-Zo*0.05;

Zpnnom = 0.8.*exp(65.*1i*pi/180);

%Zpn = Zpn+Zpn*0.05;

%Zpn = Zpn-Zpn*0.05;

MaxGb = 2.9;

Param = 0;

Z2=Znnom; Zo=Zonom;

Zpn = Zpnnom+Zpnnom*0.1;

g = g_const;

index=1;

tablePercent = []; while (g <= MaxGb+0.1) gmat(index,1)=g; if g<0.1

g = g+0.02; else

g = g+0.1;

end

index = index + 1;

end

st = 1;

g = g_const;

while (g <= MaxGb+0.1)

norm_rl = ABCD1(g,Zpn,leng); % напряжение на нагрузке рельсовой линии

U_2(st) = (E.*Z2)/(norm_rl(1,1).*Z2+norm_rl(1,2)+Zo.* (Z2.*norm_rl(2,1)+norm_rl(2,2))); Mat(st,k)=abs(U_2(st)); Mat(st,k+1)=angle(U_2(st)); MatFree(st,k) = 5; st=st+1; if g<0.1

g=g+0.02;

else

g=g+0.1;

end

end

disp('нормальный режим');

о

%* -----------------шунтовой режим-------------------------

о

st_2=st;

num_chlenov(1)=st_2-1; clear k;

clear U_2; clear U_1; clear I_1; g=g_const;

Rsh=[1,0;1./0.06,1]; k=1; stsh=1;

while (g <= MaxGb+0.1) x=0.1; while (x<=leng-0.1)

rl_n = ABCD1(g,Zpn,(leng-x));

rl_k = ABCD1(g,Zpn,x); sh_rl = rl_n*Rsh*rl_k; % напряжение на нагрузке рельсовой линии

U_2(stsh) = (E.*Z2)/(sh_rl(1,1).*Z2+...

sh_rl(1,2)+Zo.*(Z2.*sh_rl(2,1)+sh_rl(2,2))); Mat(st_2,k)=abs(U_2(stsh)); Mat(st_2,k+1)=angle(U_2(stsh));

MatFree(st_2,k) = 3;

x=x+0.1; stsh=stsh+1; st_2=st_2+1; end %(по координате шунта) if g<0.1

g=g+0.02;

else

g=g+0.1;

end %(по сопротивлению изоляции)

disp('шунтовой режим'); %**************************************

%*---------контрольный режим----------*

%**************************************

clear norm_rl; clear U_2; clear U_1; clear I_1;

p = 9.1; % коэффициент, учитывающий вид балласта g=g_const;

num_chlenov(2)=st_2-1;

stk=1;

st_3=st_2;

while (g<=MaxGb+0.1) x=0.00001; while (x<=leng-0.1)

Z = Z_ekv1(f,g,Zpn,leng,x,p); Rsh=[1,Z;0,1];

rl_n = ABCD1(g,Zpn,(leng-x));

rl_k = ABCD1(g,Zpn,x); k_rl = rl_n*Rsh*rl_k; % напряжение на нагрузке рельсовой линии

U_2(stk) = (E.*Z2)/(k_rl(1,1).*Z2+...

k_rl(1,2)+Zo.*(Z2.*k_rl(2,1)+k_rl(2,2: Mat(st_3,k)=abs(U_2(stk)); Mat(st_3,k+1)=angle(U_2(stk));

MatFree(st_3,k) = 1; x=x+0.1; stk=stk+1; st_3=st_3+1;

end %(по координате шунта) if g<0.1

g=g+0.02;

else

g=g+0.1;

end

end %(по сопротивлению изоляции) disp('контрольный режим'); num_chlenov(3)=st_3-1; %нормализация и масштабирование Mat=normalize(Mat,'range'); disp('нормализация и масштабирование'); aa = 1; bb = 2; clear CC; clear free; CC = MatFree(:,1);

free(:,1) = CC; MatFeatureTest(:,2) = Mat(:,aa);

MatFeatureTest MatFeatureTest MatFeatureTest MatFeatureTest MatFeatureTest

,3) = Mat(:,bb); ,4) = MatFeatureTest(:,2; ,5) = MatFeatureTest(:,2; ,6) = MatFeatureTest(:,3; ,1) = 1; Mat1Test=MatFeatureTest*korni; maxMin=maxMinDistance(Mat1Test,num_chlenov); % определение минимумов и максимумов в каждом режиме koefClasses = koefClass(maxMin); K_sh = koefClasses(1); Кк = koefClasses(2);

*MatFeatureTest(:,3); *MatFeatureTest(:,2); *MatFeatureTest(:,3);

% проверка сходимости

Mat1Matrix = reshape(Mat1Test,[num_chlenov(1), (num_chlenov(3)/num_chlenov(1))]); ^г index2 = 1:1:num_chlenov(1)

MaxMinN(index2,1)=Mat1Matrix(index2,1);

MaxSh(index2,1)=max(Mat1Matrix(index2,2:... (num_chlenov(2)/num_chlenov(1))));

MinSh(index2,1)=min(Mat1Matrix(index2,2:... (num_chlenov(2)/num_chlenov(1))));

MaxK(index2,1)=max(Mat1Matrix(index2,... (num_chlenov(2)/num_chlenov(1))+1:... (num_chlenov(3)/num_chlenov(1))));

MinK(index2,1)=min(Mat1Matrix(index2,... (num_chlenov(2)/num_chlenov(1))+1:... (num chlenov(3)/num chlenov(1))));

end

paramOut(1 paramOut(2 paramOut(3 paramOut paramOut(5 paramOut(6 paramOut(7

=

= K_k;

= min(MaxMinN); 4) = max(MaxSh); = min(MinSh); = max(MaxK); = min(MinK);

PlotClasses(gmat,MaxMinN,MaxSh,MinSh,MaxK,MinK);

ПРИЛОЖЕНИЕ Е ПРОГРАММА САМОНАСТРОЙКИ РЕШАЮЩЕЙ ФУНКЦИИ С КОРРЕКТИРОВКОЙ КОЭФФИЦИЕНТОВ ПОЛИНОМА РЕШАЮЩЕЙ

ФУНКЦИИ

script; clc; clear; E=1;

Z2 = 0.25*exp(15.*1i*pi/180); Zo = 0.25.*exp(15.*1i*pi/180); MaxGb = 2; g_const=0.02; f=25;

leng = 2.5+0.1;

C = 0; w = 2*pi*f;

Zpn = 0.8.*exp(65.*1i*pi/180);

global num_chlenov;

num_chlenov=[];

g=g_const;st=1;k=1;

kritKnsh = 1.6;

kritKshk = 1.2;

if leng > 2.5

korni=[0.878;65.801;0.465;-20.405;-351.778;0.816]; %2.5 км

else

if leng > 2.0

korni=[0.894;48.849;0.318;-14.968;-196.883;0.842]; %2.0 км else if leng > 1.5

korni=[0.924;31.692;0.143;-15.232;-92.648;0.816]; %1.5

км

end

end

end

korni2=korni; clear num_chlenov; clear Zo; clear Zn; clear Zpn;

Z2nom = 0.25*exp(15.*1i*pi/180);

Znnom=Z2nom;

%Z2 = Z2+Z2*0.05;

% Z2 = Z2-Z2*0.05;

Zonom = 0.25.*exp(15.*1i*pi/180);

%Zo = Zo+Zo*0.05;

%Zo = Zo-Zo*0.05;

Zpnnom = 0.8.*exp(65.*1i*pi/180);

%Zpn = Zpn+Zpn*0.05;

%Zpn = Zpn-Zpn*0.05;

MaxGb = 3.2;

Param = 0;

Z2=Znnom;

Zo=Zonom;

Zpn = Zpnnom+Zpnnom*0.5;

g = g_const;

index=1;

tablePercent = []; while (g <= MaxGb+0.1) gmat(index,1)=g; if g<0.1

g = g+0.02; else

g = g+0.1;

end

index = index + 1;

end

st = 1;

g = g_const;

while (g <= MaxGb+0.1)

norm_rl = ABCD1(g,Zpn,leng);

U_2(st) = (E.*Z2)/(norm_rl(1,1).*Z2+norm_rl(1,2)+Zo.* (Z2.*norm_rl(2,1)+norm_rl(2,2))); Mat(st,k)=abs(U_2(st)); Mat(st,k+1)=angle(U_2(st)); MatFree(st,k) = 5; st=st+1; if g<0.1

g=g+0.02;

else

g=g+0.1;

end

end

disp('нормальный режим');

-шунтовой режим-st_2=st;

num_chlenov(1)=st_2-1; clear k;

clear U_2; clear U_1; clear I_1; g=g_const;

Rsh=[1,0;1./0.06,1]; k=1; stsh=1;

while (g <= MaxGb+0.1) x=0.1; while (x<=leng-0.1)

rl_n = ABCD1(g,Zpn,(leng-x));

rl_k = ABCD1(g,Zpn,x); sh_rl = rl_n*Rsh*rl_k;

U_2(stsh) = (E.*Z2)/...

(sh_rl(1,1).*Z2+sh_rl(1,2)+Zo.*(Z2.*sh_rl(2,1)+sh_rl(2,2))); Mat(st_2,k)=abs(U_2(stsh)); Mat(st 2,k+1)=angle(U 2(stsh));

MatFree(st_2,k) = 3;

x=x+0.1; stsh=stsh+1; st_2=st_2+1; end if g<0.1

g=g+0.02;

else

g=g+0.1;

end

end

disp('шунтовой режим'); %**************************************

%*---------контрольный режим----------*

%**************************************

clear norm_rl; clear U_2; clear U_1; clear I_1; p = 9.1; g=g_const;

num_chlenov(2)=st_2-1;

stk=1;

st_3=st_2;

while (g<=MaxGb+0.1) x=0.00001; while (x<=leng-0.1)