авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 | 2 || 4 |

Теория, методология и практика экозащитных и экоинформационных технологий на железнодорожном транспорте  

-- [ Страница 3 ] --

Третья глава посвящена разработке теоретических вопросов экоинформационных систем и технологий на транспорте.

Если рассматривать классическую схему работы природоохранных служб на железнодорожном транспорте, то здесь проблема сводится к решению двух, относительно самостоятельных, классов задач. Первый связан с обработкой первичной экоинформации для построения моделей экологических процессов и на этой основе решении задач, связанных с анализом, идентификацией и прогнозированием экологических ситуаций. Второй класс задач связан с формированием макромоделей взаимовлияния и выработкой на этой основе рекомендаций по снижению экологических рисков.

Первый класс задач. В рамках разрабатываемой ЭИС системы математических моделей экологических процессов представляются в виде систем дифференциальных уравнений, описывающих процессы образования и распространения загрязняющих веществ в ОС. Общая структура таких моделей, записанная в операторной форме, имеет вид:

МF : + G(i,) – fi = 0, (i = 1, 2, …, n), (3)

где G(i,) – нелинейный дифференциальный оператор; i – функции состояния; fi – функции источников; – вектор параметров.

Основными элементами здесь являются два типа объектов – функции состояния i = i (x, y, t), описывающие процессы распространения ЗВ в ОС, и множество векторов = {p1, p2, …, pm}, характеризующих параметры моделируемых процессов.

Математические модели должны учитывать не только влияние источников загрязнения, но и эффекты самоочищения. Тогда математические модели экопроцессов представляются системами уравнений в частных производных вида:

Мf : (4)

где V = V(x, y, t) – функция плотности биомассы; xо, yo – координаты источника ЗВ; – функция влияния ОС на загрязнения; CiV – функция влияния загрязнения на ОС; r, K – параметры логистического уравнения для описания динамики биомассы; – мощность источника ЗВ; (x, y) – дельта-функция.

Системы уравнений вида (3) и (4) представляют в ЭИС основной класс моделей экопроцессов. На их основе, с привлечением методов численного интегрирования, определяются функции состояния i и решается комплекс задач, связанный с проведением расчетов развития экологической ситуации при различных входных данных и внешних воздействиях. Возникающие здесь проблемы связаны с получением аналитических решений систем дифференциальных уравнений.

Для решения этих проблем предлагается использовать новый класс гибридных моделей. То есть здесь положена идея использования нескольких различных типов вычислительных моделей во взаимодействии с качественными процедурами оценки их параметров.

Функционирование гибридной поддерживающей модели осуществляется под управлением системы нечетких эвристических правил (1), описывающих предпочтения экспертов при выборе того или иного вычислительного метода в зависимости от качественных оценок значений параметров моделируемого процесса.

Механизм функционирования гибридной модели основан на совместной реализации двух процедур – процедуры численного интегрирования и процедуры нечетко-логического вывода в базе знаний (БЗ). Результатом вывода является семейство нечетко-параметрических решений, среди которых одним из методов дефаззификации выбирается лучшее.

В рамках рассматриваемого класса задач, связанных с построением моделей экологических процессов, наиболее сложными являются задачи идентификации. Они заключаются в построении адекватных моделей экологических процессов на основе имеющейся фактической информации о состоянии ОС. Традиционным математическим аппаратом решения этого класса задач являются так называемые методы обратного моделирования, которые работают с глобальными характеристиками экологических процессов. Совокупность таких характеристик задается при помощи функционалов общего вида:

Ф(i) = ((i))Т S ((i)), (5)

где – набор наблюдаемых величин; – совокупность моделей наблюдения;– весовая функция; S – весовая матрица для формирования скалярного произведения на множестве данных наблюдений.

Возникающие здесь сложности связаны с тем, что аппарат вариационного исчисления не может гарантировать получение «удовлетворительных» решений при произвольных исходных данных. Для решения задачи идентификации предлагается гибридная иерархическая модель (ГИМ), включающая два уровня обработки информации.

Нижний уровень ГИМ предназначен для скрытого детектирования закономерностей в исходных данных и реализован на основе стандартных нейросетей, нечетких систем, продукционных правил и аналитических моделей экоинформационных процессов. Этот выбор обусловлен тем, что нейросети являются идеальным инструментом первичного анализа данных, трудно поддающихся формализованному описанию. Нечеткие системы обеспечивают возможность эффективной интеграции априорных знаний экспертов в процесс первичной обработки данных, а аналитические модели являются универсальным средством описания количественных характеристик экологических процессов.

Верхний уровень ГИМ реализует процесс оптимизации функционалов с привлечением генетических алгоритмов, гарантирующих получение устойчивых решений в широком диапазоне изменения параметров моделей. Предложенная гибридная иерархическая структура интеллектуальной модели обеспечивает возможность результативного взаимодействия процессов идентификации структур моделей и адаптации их параметров под реальные данные наблюдений.

Второй класс задач связан с принятием управленческих решений. В рамках разрабатываемой интегрированной ЭИС такие модели предлагается строить на основе технологий когнитивного моделирования.

Когнитивная модель эксперта на основе обобщения опыта инженеров-экологов и специалистов-управленцев должна имитировать процессы принятия решений в сложных экологических ситуациях, характеризуемых множеством критериев и большим числом разнородных факторов. В качестве таких моделей предлагается использовать двухуровневые нейронечеткие системы, основанные на объединении искусственных нейронных сетей и нечетких систем.

На нижнем уровне нейронечеткой системы происходит накопление первичной экоинформации из большого числа разнородных данных и их обобщение в относительно небольшое число качественных признаков, характеризующих экоситуацию в целом. Для этих целей используются трехслойные нейронные сети прямого распространения:

NET3 : х1 х2 хn E Q. (6)

Нейросеть на основе множества разнородных экспериментальных данных {хi} (i = 1, 2, …, n) обучается распознавать для каждой i-й зоны региона уровень загрязнения E (БОЛЬШОЙ, НЕБОЛЬШОЙ и т.п.) и связанную с ним степень экологического риска Q (ВЫСОКАЯ, НЕВЫСОКАЯ и т.п.).

На верхнем уровне нейронечеткой системы, моделирующем логику рассуждений экспертов, после обобщения необходимого экспериментального материала имитируются процессы принятия решений. Данный уровень реализован в виде системы нечетких правил:

{pi : E Q R}, (7)

сформированных экспертами-менеджерами и описывающих взаимосвязь между оценками обобщенных параметров экологических ситуаций E и Q и решениями R, принимаемыми в данных ситуациях.

Выше показано описание модели представления гибридной ЭИС, которая включает в себя множество моделей экопроцессов МF, Мf вида (3) и (4), множество функционалов Ф(i) вида (5), множество нечетких продукционных систем вида (1) и (7), множество нейросетевых моделей NET вида (6), а также совокупность присоединенных к ним процедур, предназначенных для обучения и оптимизации данных моделей.

Данная модель представления гибридной ЭИС не исчерпывает всего многообразия способов введения интеллектуализации в систему, однако представляет собой достаточно универсальный математический аппарат решения широкого круга взаимосвязанных задач в области экологического контроля и мониторинга.

Рассматривая модели организации БЗ и БД, отвечающие требованиям представления различной информации в гибридных системах, необходимо отметить, что они являются важнейшими составляющими информационных систем. В качестве рабочего определения экоинформационных данных принято следующее определение. Экоинформационными данными называются отдельные факты, события или явления, представленные в виде совокупностей числовых параметров, характеризующих состояние ОС и источников ЗВ, а также сведения о процессах и явлениях, представленные в виде нечетко-определенных качественных описаний, включая полученные от специалистов-экспертов. Пример фреймов данных, продукционных фреймов и их взаимосвязь в БЗ и БД показаны на рис. 3.

Для решения сложных задач в рамках современных информационных технологий в настоящее время разрабатывается аппарат интеллектуального анализа данных на основе искусственных нейронных сетей. Их концептуальной основой является модель биологического нейрона, называемая искусственным нейроном. На практике наиболее часто используются многослойные искусственные нейронные сети, называемые персептронами. В главе приведена структура трехслойного персептрона, предназначенного для вычисления нечетких значений концентрации.

Рис. 3. Пример организации БЗ на основе фреймовых моделей4

4. Составлено автором

В главе также рассмотрены модели представления данных и знаний в ЭИС, вопросы представления неопределенной и нечетко-определенной информации в информационных базах, модели обработки экоинформации и принятия решений, гибридные модели представления и обработки экоинформации.

В четвертой главе представлено описание ЭИС железнодорожного транспорта (рис. 4), которая подразделяется на два уровня:

– нижний – связанный с приобретением и обработкой первичной экоинформации;

– верхний – представляющий ЭС.

Рис. 4. Схема формирования и движения экоинформации

в ЭИС железнодорожного транспорта5

5. Разработано автором

При создании передвижных лабораторий следует учитывать, что одним из факторов, влияющих на оперативность, достоверность и эффективность получения информации, является оптимальный выбор экоаналитического оборудования. Опираясь на методологию, объединяющую достижения фундаментальной аналитической химии и практический опыт экоаналитических лабораторий, была разработана схема передвижного измерительно-вычислительного экоаналитического комплекса (ПИВЭК) на базе вагона-лаборатории (рис. 5) и разработана методика обследования состояния ОС на предприятиях железнодорожного транспорта с помощью ПИВЭК.

При проектировании вагона-лаборатории использовалась методология, позволившая оптимизировать его планировку, учитывающая технологическую специфику аналитического контроля (отбор проб приемка и пробоподготовка аналитическая часть обработка информации), эргономические требования и возможности экоаналитической и измерительно-вычислительной техники. На основании предложенной методологии реализована планировка вагона-лаборатории, предусматривающая: химическую лабораторию, зал обработки экоинформации, жилые и служебные помещения.

На нижнем уровне рассмотрены вопросы построения отраслевой системы экологического контроля и мониторинга с акцентом на создание передвижных лабораторий.

Верхний уровень, который в ЭИС используется в качестве интеллектуальной составляющей, представляет собой программное обеспечение, дающее возможности проведения системного анализа экоинформации и программные модули, необходимые для поддержки принятия решений.

В соответствии с вышеизложенными теоретическими выкладками ЭС железнодорожного транспорта должна базироваться на следующих основных модулях:

– временные БД, предназначенные для хранения экоинформации и информации об экозащитных технологиях;

Объект Пробоподготовка Аналитическая Обработка

исследования часть результатов

Рис. 5. Функциональная схема ПИВЭК6

6. Составлено автором

– БЗ, предназначенные для хранения экспертных знаний и правил манипулирования данными;

– решатель (или база программ), определяющий алгоритм и реализующий последовательность правил решения конкретной задачи на основе экоинформации, хранящейся в БД и БЗ;

– компонент приобретения знаний, автоматизирующий процесс наполнения БЗ;

– объяснительный компонент, поясняющий ход решения задачи.

В качестве базовой используется продукционная модель знаний, описывающая эвристики эксперта, а также фреймовая и сетевая модели знаний для организации базы концептуальных знаний.

ЭС является гибридной, имеет модульную структуру и состоит из подсистем (рис. 6):

– подсистемы сбора данных о состоянии ОС на железнодорожных объектах;

– подсистемы хранения и обработки данных;

– подсистемы автоматического генерирования документации;

– графического представления данных;

– подсистемы прогноза и принятия решений.

В качестве примера внедрения данного подхода является АРМ эколога, разработанный для Северо-Кавказской железной дороги – филиала ОАО «РЖД» и представляющий собой подсистему сбора, обработки и представления результатов экологического контроля и мониторинга.

В пятой главе проведено теоретическое обоснование и реализация новых эффективных экозащитных технологий, являющихся составной частью ЭИС

железнодорожного транспорта, для чего на первых этапах выполнен анализ особенностей систем очистки ОГ дизелей тепловозов на пунктах их реостатных испытаний, а также систем очистки загрязненных жидкостей для оборотного водопотребления на объектах железнодорожного транспорта.

Рис. 6. Взаимодействие модулей ЭС экологического мониторинга

железнодорожного транспорта7

Наиболее простыми и эффективными методами очистки ОГ принято считать жидкостные, в которых для интенсификации массообмена вместе с пневматическим, циркуляционным, механическим способами перемешивания газожидкостных сред применяются вибрационные. В работе экспериментально показано, что при вибрационном перемешивании поглощательная способность жидкости в присутствии газа увеличивается.

Анализ массообмена при вибрационном перемешивании показал, что объемный коэффициент массоотдачи в газожидкостной фазе зависит от мощности перемешивания (NV) и газосодержания ().

В свою очередь, газосодержание () при переменных инерционных нагрузках можно определить, используя такой параметр, как скорость звука (a):

, (7)

где Р – давление; ж – плотность жидкости.

7. Составлено при участии автора

В аналитическом виде установлен закон перемещения частиц сжимаемой газожидкостной среды в порах фильтроэлементов с переменной площадью поперечного сечения с учетом трения и перегрузок, позволяющий рассчитывать параметры движения частиц среды в порах фильтроэлементов при вибрационном перемешивании.

На основании проведенных исследований предложены эффективный способ и устройства, позволяющие снизить концентрации токсичных составляющих ОГ двигателей подвижного состава на станциях реостатных испытаний тепловозов и других теплоэнергетических установках локомотивного хозяйства (рис. 7). Степень очистки ОГ составляет 79...83 %.

Исследования затрат мощности показали, что при подведении энергии для вибрационного перемешивания значительное количество энергии рассеивается в ОС. Поэтому перемешивание газа с жидкостью предлагается проводить также с помощью струйной техники.

 Установка очистки отходящих газов: -13

Рис. 7. Установка очистки отходящих газов:

1 – корпус; 2 – крышка; 3 – днище; 4 – каплеотбойник; 5 – опора;

6 – распределитель; 7 – вибрационная доска; 8 – подвеска;

9 – слив воды; 10 – разбрызгиватель; 11 – коллектор; 12 – фильтр;

13 – вибратор; 14 – патрубки подвода газа

На основе расчетов и натурных испытаний, проведенных на системе очистки воды флотацией, получено полуэмпирическое соотношение, позволяющее оценить основные эксплуатационные параметры камеры смешения водовоздушных струйных смесителей, используемых для очистки воды в системах оборотного водопотребления:

, ( 8)

где P1 – давление рабочей жидкости на входе в струйный аппарат; – скорость газожидкостной смеси на выходе из струйного аппарата; K = F1/F2 – отношение площади камеры смешения струйного аппарата к площади его сопла.

Это соотношение дает возможность подобрать величину K, позволяет рассчитать давление рабочей жидкости на входе в струйный аппарат и необходимые оптимальные геометрические параметры, что обеспечит эффективность работы и максимальный транспортный коэффициент полезного действия созданной системы очистки воды.

Для пунктов реостатных испытаний тепловозов разработана система очистки ОГ с использованием струйных аппаратов для интенсификации процессов перемешивания и массообмена газожидкостных сред и как следствие – повышение степени очистки газов.

Получено расчетное соотношение для определения давления активной жидкости на входе в струйный аппарат с постоянной геометрией, забирающей атмосферный воздух с дальнейшей его отдачей в толщу жидкости флотационной системы:

= , (9)

где – относительный объем забираемого воздуха, = Vг/Vж, здесь Vг и Vж – объёмная подача воздуха и рабочей жидкости соответственно; э – коэффициент полезного действия струйного аппарата; – относительная величина разряжения в камере, = Р2/Р1, здесь P1 – давление рабочей жидкости на входе в струйный аппарат; P2 – давление рабочей жидкости в приемной камере струйного аппарата; Рат – атмосферное давление.

Для организации оборотного водопотребления на объектах железнодорожного транспорта разработана система эффективной очистки загрязнённых жидкостей, основанная на подаче воздуха посредством струйных аппаратов во флотационную установку.

В главе проведена технико-экономическая оценка эффективности внедрения предлагаемых экозащитных технологий на железнодорожном транспорте.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ

1 Проведено совершенствование категориального аппарата исследования. В частности, расширены представления о категории «управление экологическими системами на транспорте» и развиты определения понятий «экоинформация» и «экоинформационные данные».



Pages:     | 1 | 2 || 4 |
 





 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.