දුම්රිය ප්‍රවාහනයේ මිනිසුන් රහිත තාක්‍ෂණ සංවර්ධනය

දුම්රිය මාර්ගයේ මිනිසුන් රහිත තාක්ෂණයන් සංවර්ධනය කිරීම ආරම්භ වූයේ බොහෝ කලකට පෙර, දැනටමත් 1957 දී මගී දුම්රිය සඳහා පළමු පර්යේෂණාත්මක ස්වයංක්‍රීය මාර්ගෝපදේශ පද්ධතිය නිර්මාණය කරන විටය. දුම්රිය ප්‍රවාහනය සඳහා ස්වයංක්‍රීයකරණ මට්ටම් අතර වෙනස අවබෝධ කර ගැනීම සඳහා, IEC-62290-1 ප්‍රමිතියේ අර්ථ දක්වා ඇති ශ්‍රේණියක් හඳුන්වා දී ඇත. මාර්ග ප්‍රවාහනය මෙන් නොව, දුම්රිය ප්‍රවාහනයට ස්වයංක්‍රීයකරණය අංශක 4ක් ඇත, එය රූප සටහන 1 හි පෙන්වා ඇත.

රූපය 1. IEC-62290 අනුව ස්වයංක්රීයකරණය පිළිබඳ උපාධි

රුසියානු දුම්රිය ජාලයේ ක්‍රියාත්මක වන සියලුම දුම්රිය පාහේ ස්වයංක්‍රීයකරණ මට්ටම 1 ට අනුරූප ආරක්ෂිත උපාංගයකින් සමන්විත වේ. ස්වයංක්‍රීයකරණ මට්ටම 2 සහිත දුම්රිය වසර 20 කට වැඩි කාලයක් රුසියානු දුම්රිය ජාලයේ සාර්ථකව ක්‍රියාත්මක කර ඇත; දුම්රිය එන්ජින් දහස් ගණනක් ඇත. ධාවන පරිපථ වලින් ප්‍රේරක නාලිකාවක් හරහා ලැබෙන ස්වයංක්‍රීය දුම්රිය එන්ජින් සංඥා පද්ධතිවල කාලසටහන සහ කියවීම් සැලකිල්ලට ගනිමින්, දී ඇති මාර්ගයක් ඔස්සේ දුම්රියේ බලශක්ති ප්‍රශස්ත ධාවනය සඳහා කම්පන පාලනය සහ තිරිංග ඇල්ගොරිතම හරහා මෙම මට්ටම ක්‍රියාත්මක වේ. 2 මට්ටමේ භාවිතය රියදුරු තෙහෙට්ටුව අඩු කරන අතර බලශක්ති පරිභෝජනයේ ප්රතිලාභ සහ කාලසටහන ක්රියාත්මක කිරීමේ නිරවද්යතාව සපයයි.

3 වන මට්ටම උපකල්පනය කරන්නේ කැබ් රථයේ රියදුරෙකු නොමැති විය හැකි අතර ඒ සඳහා තාක්ෂණික දෘෂ්ටි පද්ධතියක් ක්‍රියාත්මක කිරීම අවශ්‍ය වේ.

4 වන මට්ටම උපකල්පනය කරන්නේ යානයේ රියදුරෙකු සම්පූර්ණයෙන්ම නොමැති වීමයි, ඒ සඳහා දුම්රිය එන්ජිමේ (විදුලි දුම්රිය) සැලසුමේ සැලකිය යුතු වෙනසක් අවශ්‍ය වේ. උදාහරණයක් ලෙස, යානයේ පරිපථ කඩන යන්ත්‍ර තිබේ, ඒවා යානයේ පුද්ගලයෙකු නොමැතිව පැටලෙන්නේ නම් නැවත සැකසීමට නොහැකි වනු ඇත.

දැනට, Siemens, Alstom, Thales, SNCF, SBB සහ වෙනත් ලොව ප්‍රමුඛ පෙළේ සමාගම් විසින් 3 සහ 4 මට්ටම් සාක්ෂාත් කර ගැනීමේ ව්‍යාපෘති ක්‍රියාත්මක කෙරේ.

Siemens විසින් 2018 සැප්තැම්බර් මාසයේදී Innotrans ප්‍රදර්ශනයේදී රියදුරු රහිත ට්‍රෑම් රථ ක්ෂේත්‍රයේ සිය ව්‍යාපෘතිය ඉදිරිපත් කරන ලදී. මෙම ට්‍රෑම් රථය 3 සිට GoA2018 ස්වයංක්‍රීයකරණ මට්ටම සමඟ පොට්ස්ඩෑම් හි ක්‍රියාත්මක වේ.

රූපය 2 Siemens ට්‍රෑම් රථය
2019 දී Siemens මිනිසුන් රහිත මාර්ගයේ දිග 2 ගුණයකට වඩා වැඩි කළේය.
රුසියානු දුම්රිය සමාගම මිනිසුන් රහිත දුම්රිය වාහන සංවර්ධනය කිරීම ආරම්භ කළ ලොව පළමු එකකි. මේ අනුව, 2015 දී Luzhskaya දුම්රිය ස්ථානයේ දී, shunting දුම්රිය එන්ජින් 3 ක චලනය ස්වයංක්‍රීය කිරීම සඳහා ව්‍යාපෘතියක් දියත් කරන ලද අතර, NIIAS JSC මූලික තාක්ෂණයන්හි ව්‍යාපෘති ඒකාබද්ධ කරන්නා සහ සංවර්ධකයා ලෙස ක්‍රියා කළේය.

මිනිසුන් රහිත දුම්රිය එන්ජිමක් නිර්මාණය කිරීම වෙනත් සමාගම් සමඟ සහයෝගයෙන් තොරව කළ නොහැකි සංකීර්ණ, සංකීර්ණ ක්‍රියාවලියකි. එබැවින්, ලුෂ්ස්කායා දුම්රිය ස්ථානයේ, JSC NIIAS සමඟ, පහත සඳහන් සමාගම් සහභාගී වේ:

• JSC "VNIKTI" මත පුවරු පාලන පද්ධතියක් සංවර්ධනය කිරීම අනුව;
• Siemens - හම්ප් මෙහෙයුම (MSR-32 පද්ධතිය) ස්වයංක්රීය කිරීම සහ මෝටර් රථ තල්ලු කිරීමේ ක්රියාකාරිත්වය ස්වයංක්රීය කිරීම අනුව;
• JSC Radioavionics ස්විච සහ රථවාහන ලයිට් පාලනය කරන මයික්‍රොප්‍රොසෙසර් මධ්‍යගත පද්ධති අනුව;
• PKB CT - සිමියුලේටරයක් ​​නිර්මාණය කිරීම;
• JSC රුසියානු දුම්රිය ව්‍යාපෘති සම්බන්ධීකාරක ලෙස.

පළමු අදියරේදී, කාර්යය වූයේ රථවාහන ස්වයංක්‍රීයකරණයේ 2 වන මට්ටම සාක්ෂාත් කර ගැනීමයි, රියදුරු, සාමාන්‍ය තත්ව යටතේ shunting වැඩ සංවිධානය කිරීම සඳහා, දුම්රිය එන්ජින් පාලන භාවිතා නොකරන විට.

සාම්ප්‍රදායික shunting දුම්රිය එන්ජින් ක්‍රියාත්මක කරන විට, රථවාහන පාලනය සිදු කරනු ලබන්නේ අදාළ මාර්ග සැකසීම (චලනය වන ස්විචයන්, රථවාහන ලයිට් දැල්වීම) සමඟ යවන්නාගේ සිට රියදුරුට හඬ විධාන සම්ප්‍රේෂණය කිරීමෙනි.

2 වන මට්ටමේ ස්වයංක්‍රීයකරණය වෙත ගමන් කරන විට, සියලුම හඬ සන්නිවේදනය ඩිජිටල් ආරක්ෂිත රේඩියෝ නාලිකාවක් හරහා සම්ප්‍රේෂණය කරන ලද විධාන පද්ධතියක් මගින් ප්‍රතිස්ථාපනය විය. තාක්ෂණික වශයෙන්, ලුෂ්ස්කායා දුම්රිය ස්ථානයේ දුම්රිය එන්ජින් පාලනය කිරීම ගොඩනඟා ඇත්තේ:

• දුම්රිය ස්ථානයේ ඒකාබද්ධ ඩිජිටල් ආකෘතිය;
• shunting දුම්රිය එන්ජින් වල චලනය පාලනය කිරීම සඳහා වන ප්‍රොටෝකෝලය (විධාන යැවීම සහ ක්‍රියාත්මක කිරීම අධීක්ෂණය කිරීම සඳහා);
• ලබා දී ඇති මාර්ග, ඊතල සහ සංඥා වල පිහිටීම පිළිබඳ තොරතුරු ලබා ගැනීම සඳහා විදුලි මධ්යගතකරණ පද්ධතිය සමඟ අන්තර් ක්රියා කිරීම;
• shunting දුම්රිය එන්ජින් සඳහා ස්ථානගත කිරීමේ පද්ධති;
• විශ්වසනීය ඩිජිටල් ගුවන් විදුලි සන්නිවේදනය.

2017 වන විට, 3 TEM-7A shunting දුම්රිය එන්ජින් 95% ක්ම ලුෂ්ස්කායා දුම්රිය ස්ථානයේ සම්පූර්ණ ස්වයංක්‍රීය මාදිලියේ ක්‍රියාත්මක වූ අතර පහත සඳහන් මෙහෙයුම් සිදු කරයි:

• දී ඇති මාර්ගය ඔස්සේ ස්වයංක්‍රීය චලනය;
• මෝටර් රථ සඳහා ස්වයංක්‍රීය ප්‍රවේශය;
• වැගන් සමඟ ස්වයංක්‍රීයව සම්බන්ධ කිරීම;
• හම්ප් එකට කාර් තල්ලු කරනවා.

2017 දී, හදිසි අවස්ථා වලදී දුම්රිය එන්ජින් ඉවත් කිරීම සහ දුරස්ථ පාලකය හඳුන්වා දීම සඳහා තාක්ෂණික දෘෂ්ටි පද්ධතියක් නිර්මාණය කිරීමේ ව්‍යාපෘතියක් දියත් කරන ලදී.

2017 නොවැම්බරයේදී, JSC NIIAS හි විශේෂඥයින් රේඩාර්, ලයිඩාර් සහ කැමරා වලින් සමන්විත shunting දුම්රිය එන්ජින් මත තාක්ෂණික දෘෂ්ටි පද්ධතියක පළමු මූලාකෘතිය ස්ථාපනය කරන ලදී (රූපය 3).

රූප සටහන 3 තාක්ෂණික දෘෂ්ටි පද්ධතිවල පළමු අනුවාද

2017 - 2018 හි තාක්ෂණික දෘෂ්ටි පද්ධතියේ ලුගා ස්ථානයේ පරීක්ෂණ අතරතුර, පහත නිගමනවලට එළඹුණි:

• දුම්රිය මාර්ගයේ හොඳ පරාවර්තනයක් සහිත ලෝහමය වස්තූන් සැලකිය යුතු සංඛ්යාවක් ඇති බැවින් බාධක හඳුනාගැනීම සඳහා රේඩාර් භාවිතා කිරීම ප්රායෝගික නොවේ. ඔවුන්ගේ පසුබිමට එරෙහිව පුද්ගලයින් හඳුනාගැනීමේ පරාසය මීටර් 60-70 නොඉක්මවන අතර, ඊට අමතරව, රේඩාර්වලට ප්රමාණවත් කෝණික විභේදනයක් නොමැති අතර එය 1 ° පමණ වේ. අපගේ සොයාගැනීම් පසුව SNCF (ප්‍රංශ දුම්රිය ක්‍රියාකරු) හි සගයන්ගේ පරීක්ෂණ ප්‍රතිඵල මගින් තහවුරු විය.
• Lidars අවම ශබ්දය සමඟ ඉතා හොඳ ප්රතිඵල ලබා දෙයි. හිම පතනය, වර්ෂාව හෝ මීදුම ඇති අවස්ථාවක, වස්තූන් හඳුනාගැනීමේ පරාසයේ විවේචනාත්මක නොවන අඩුවීමක් දක්නට ලැබේ. කෙසේ වෙතත්, 2017 දී ලයිඩර් තරමක් මිල අධික වූ අතර එය ව්‍යාපෘතියේ ආර්ථික ක්‍රියාකාරිත්වයට සැලකිය යුතු ලෙස බලපෑවේය.
• කැමරා යනු තාක්ෂණික දෘෂ්ටි පද්ධතියක අත්‍යවශ්‍ය අංගයක් වන අතර ඒවා හඳුනාගැනීම, වස්තු වර්ගීකරණය සහ දුරස්ථ පාලක කාර්යයන් සඳහා අවශ්‍ය වේ. රාත්රියේදී සහ දුෂ්කර කාලගුණික තත්ත්වයන් තුළ වැඩ කිරීමට, අධෝරක්ත කිරණ පරාසය තුළ ක්රියා කළ හැකි දිගු තරංග ආයාම පරාසයක් සහිත අධෝරක්ත කැමරා හෝ කැමරා තිබීම අවශ්ය වේ.

තාක්‍ෂණික දර්ශනයේ ප්‍රධාන කාර්යය වන්නේ මාර්ගයේ බාධක සහ අනෙකුත් වස්තූන් හඳුනා ගැනීම වන අතර, චලනය ධාවන පථයක් ඔස්සේ සිදු කරන බැවින්, එය හඳුනා ගැනීම අවශ්ය වේ.

රූප සටහන 4. ද්වි-පංති ඛණ්ඩනය (පථය, මෝටර් රථ) සහ ද්විමය ආවරණයක් භාවිතයෙන් ධාවන අක්ෂයේ නිදසුන

රූප සටහන 4 රූට් හඳුනාගැනීමේ උදාහරණයක් පෙන්වයි. ඊතල දිගේ චලනය වන මාර්ගය නිසැකව තීරණය කිරීම සඳහා, ඊතලයේ පිහිටීම සහ රථවාහන ආලෝකය කියවීම් පිළිබඳ පූර්ව තොරතුරු භාවිතා කරනු ලැබේ, විද්යුත් මධ්යගත පද්ධතියෙන් ඩිජිටල් ගුවන් විදුලි නාලිකාවක් හරහා සම්ප්රේෂණය වේ. දැනට, ලෝකයේ දුම්රිය මාර්ගවල මාර්ග සංඥා අතහැර ඩිජිටල් ගුවන් විදුලි නාලිකාවක් හරහා පාලන පද්ධති වෙත මාරු වීමේ ප්‍රවණතාවක් පවතී. අධිවේගී මාර්ග තදබදය සඳහා මෙය විශේෂයෙන්ම සත්‍ය වේ, මන්ද යත් පැයට කිලෝමීටර 200 ට වැඩි වේගයකින් රථවාහන ලයිට් දැකීමට සහ හඳුනා ගැනීමට අපහසු වේ. රුසියාවේ, රථවාහන ලයිට් භාවිතයෙන් තොරව ක්‍රියාත්මක වන අංශ දෙකක් තිබේ - මොස්කව් මධ්‍යම කවය සහ ඇල්පිකා-සේවා - ඇඩ්ලර් රේඛාව.

ශීත, තුවේ දී, ධාවන පථය සම්පූර්ණයෙන්ම හිම ආවරණය යටතේ පවතින විට තත්වයන් ඇතිවිය හැකි අතර රූප සටහන 5 හි පෙන්වා ඇති පරිදි ධාවන පථය හඳුනා ගැනීම පාහේ කළ නොහැක්කකි.

රූපය 5 හිම වලින් වැසී ඇති ධාවන පථයක උදාහරණය

මෙම අවස්ථාවේ දී, අනාවරණය කරගත් වස්තූන් දුම්රිය එන්ජිමේ චලනයට බාධා කරන්නේද යන්න පැහැදිලි නැත, එනම් ඒවා ධාවන පථයේ තිබේද නැද්ද යන්න. මෙම අවස්ථාවෙහිදී, Luzhskaya දුම්රිය ස්ථානයේ දී, දුම්රිය ස්ථානයේ ඉහළ නිරවද්‍ය ඩිජිටල් ආකෘතියක් සහ ඉහළ නිරවද්‍යතාවයකින් යුත් ගුවන් යානා සංචාලන පද්ධතියක් භාවිතා කරනු ලැබේ.

එපමණක් නොව, දුම්රිය ස්ථානයේ ඩිජිටල් ආකෘතිය නිර්මාණය කරන ලද්දේ මූලික ලක්ෂ්යවල භූමිතික මිනුම් පදනම මතය. ඉන්පසුව, ඉහළ නිරවද්‍ය ස්ථානගත කිරීමේ පද්ධතියක් සහිත දුම්රිය එන්ජින්වල බොහෝ ඡේද සැකසීම මත පදනම්ව, සියලුම ධාවන පථ ඔස්සේ සිතියමක් සම්පූර්ණ කරන ලදී.

රූප සටහන 6 Luzhskoy දුම්රිය ස්ථානයේ මාර්ග සංවර්ධන ඩිජිටල් ආකෘතිය

ඔන්-බෝඩ් ස්ථානගත කිරීමේ පද්ධතිය සඳහා වඩාත් වැදගත් පරාමිතීන්ගෙන් එකක් වන්නේ දුම්රිය එන්ජිමේ දිශානතිය (ඇසිමුත්) ගණනය කිරීමේ දෝෂයයි. ඔවුන් විසින් අනාවරණය කරගත් සංවේදක සහ වස්තූන්ගේ නිවැරදි දිශානතිය සඳහා දුම්රිය එන්ජිමේ දිශානතිය අවශ්ය වේ. 1 ° දිශානති කෝණ දෝෂයක් සමඟ, මීටර් 100 ක දුරින් ඇති මාර්ග අක්ෂයට සාපේක්ෂව වස්තුව සම්බන්ධීකරණ දෝෂය මීටර් 1,7 ක් වනු ඇත.

රූපය 7 පාර්ශ්වීය ඛණ්ඩාංක දෝෂය මත දිශානති දෝෂයේ බලපෑම

එබැවින්, දුම්රිය එන්ජිමේ කෝණික දිශානතිය මැනීමේදී උපරිම අවසර ලත් දෝෂය 0,1° නොඉක්මවිය යුතුය. අභ්‍යන්තර ස්ථානගත කිරීමේ පද්ධතියම RTK මාදිලියේ ද්විත්ව-සංඛ්‍යාත සංචාලන ග්‍රාහක දෙකකින් සමන්විත වන අතර, ඒවායේ ඇන්ටනා දිගු පදනමක්, ස්ට්‍රැප්ඩවුන් අවස්ථිති සංචාලන පද්ධතියක් සහ රෝද සංවේදක (ඕඩෝමීටර) වෙත සම්බන්ධ කිරීම සඳහා දුම්රිය එන්ජිමේ මුළු දිග දිගේ පරතරයක් තබා ඇත. shunting locomotive හි ඛණ්ඩාංක තීරණය කිරීමේදී සම්මත අපගමනය සෙන්ටිමීටර 5 ට වඩා වැඩි නොවේ.

අතිරේකව, Luzhskaya දුම්රිය ස්ථානයේ දී, අතිරේක ස්ථාන දත්ත ලබා ගැනීම සඳහා SLAM තාක්ෂණයන් (lidar සහ දෘශ්ය) භාවිතය පිළිබඳ පර්යේෂණ සිදු කරන ලදී.
එහි ප්රතිඵලයක් වශයෙන්, Luzhskaya ස්ථානයේ දුම්රිය එන්ජින් shunting සඳහා දුම්රිය මාර්ගය තීරණය කිරීම සිදු කරනු ලබන්නේ ධාවන පථය හඳුනාගැනීමේ ප්රතිඵල සහ ස්ථානගත කිරීම මත පදනම් වූ ඩිජිටල් මාර්ග ආකෘති දත්ත ඒකාබද්ධ කිරීමෙනි.

බාධා හඳුනා ගැනීම ද පදනම් වූ ක්‍රම කිහිපයකින් සිදු කෙරේ:

• lidar දත්ත;
• ස්ටීරියෝ දර්ශන දත්ත;
• ස්නායු ජාල වල ක්‍රියාකාරිත්වය.

දත්තවල ප්‍රධාන මූලාශ්‍රවලින් එකක් වන්නේ ලේසර් ස්කෑන් කිරීමෙන් ලක්ෂ්‍ය වලාකුළක් නිපදවන lidars ය. භාවිතයේ ඇති ඇල්ගොරිතම ප්‍රධාන වශයෙන් සම්භාව්‍ය දත්ත පොකුරු ඇල්ගොරිතම භාවිතා කරයි. පර්යේෂණයේ කොටසක් ලෙස, ලයිඩර් පොයින්ට් පොකුරු කිරීමේ කාර්යය සඳහා ස්නායුක ජාල භාවිතා කිරීමේ කාර්යක්ෂමතාව මෙන්ම වීඩියෝ කැමරාවලින් ලයිඩර් දත්ත සහ දත්ත ඒකාබද්ධව සැකසීම සඳහා පරීක්ෂා කරනු ලැබේ. රූප සටහන 8 ලුෂ්ස්කායා දුම්රිය ස්ථානයේ කරත්තයක පසුබිමට එරෙහිව පුද්ගලයෙකුගේ මනකුරක් පෙන්වන ලයිඩර් දත්ත (විවිධ reflexivity සහිත ලක්ෂ්‍ය වලාකුළක්) පිළිබඳ උදාහරණයක් පෙන්වයි.

රූප සටහන 8. Luzhskoy ස්ථානයේ lidar දත්ත උදාහරණය

විවිධ ලයිඩර් දෙකක දත්ත භාවිතා කරමින් සංකීර්ණ හැඩැති මෝටර් රථයකින් පොකුරක් හඳුනාගැනීමේ උදාහරණයක් රූප සටහන 9 පෙන්වයි.

රූපය 9. ආප්ප මෝටර් රථයකින් පොකුරක් ආකාරයෙන් ලයිඩර් දත්ත අර්ථ නිරූපණය කිරීමේ උදාහරණය

වෙනමම, මෑතකදී ලයිඩර්වල පිරිවැය විශාලත්වයේ අනුපිළිවෙලකින් පාහේ පහත වැටී ඇති අතර ඒවායේ තාක්ෂණික ලක්ෂණ වැඩි වී ඇති බව සඳහන් කිරීම වටී. මෙම ප්‍රවණතාවය දිගටම පවතිනු ඇති බවට සැකයක් නැත. Luzhskaya දුම්රිය ස්ථානයේ භාවිතා කරන lidars මගින් වස්තූන් හඳුනාගැනීමේ පරාසය මීටර් 150 ක් පමණ වේ.

වෙනත් භෞතික මූලධර්මයක් භාවිතා කරන ස්ටීරියෝ කැමරාවක් බාධක හඳුනා ගැනීමට ද භාවිතා කරයි.

රූපය 10. ස්ටීරියෝ යුගලයකින් සහ අනාවරණය කරගත් පොකුරු වලින් අසමානතා සිතියම

10 රූපයේ දැක්වෙන්නේ පොලු, ට්‍රැක් පෙට්ටි සහ මෝටර් රථයක් හඳුනාගැනීමේ ස්ටීරියෝ කැමරා දත්ත සඳහා උදාහරණයකි.

තිරිංග සඳහා ප්රමාණවත් දුරින් ලක්ෂ්ය වලාකුළේ ප්රමාණවත් නිරවද්යතාවක් ලබා ගැනීම සඳහා, අධි-විභේදන කැමරා භාවිතා කිරීම අවශ්ය වේ. රූපයේ ප්‍රමාණය වැඩි කිරීම විෂමතා සිතියම ලබා ගැනීමේ ගණනය කිරීමේ පිරිවැය වැඩි කරයි. වාඩිලාගෙන සිටින සම්පත් සහ පද්ධති ප්‍රතිචාර කාලය සඳහා අවශ්‍ය කොන්දේසි හේතුවෙන්, වීඩියෝ කැමරාවලින් ප්‍රයෝජනවත් දත්ත ලබා ගැනීම සඳහා ඇල්ගොරිතම සහ ප්‍රවේශයන් නිරන්තරයෙන් සංවර්ධනය කිරීම සහ පරීක්ෂා කිරීම අවශ්‍ය වේ.

ඇල්ගොරිතම පරීක්ෂා කිරීමේ සහ සත්‍යාපනය කිරීමේ කොටසක් දුම්රිය සිමියුලේටරයක් ​​භාවිතයෙන් සිදු කෙරේ, එය PKB TsT විසින් JSC NIIAS සමඟ එක්ව සංවර්ධනය කෙරේ. උදාහරණයක් ලෙස, ස්ටීරියෝ කැමරා ඇල්ගොරිතමවල ක්‍රියාකාරිත්වය පරීක්ෂා කිරීම සඳහා සිමියුලේටරයක් ​​භාවිතා කිරීම රූප සටහන 11 හි දැක්වේ.

රූපය 11. A, B - සිමියුලේටරයෙන් වම් සහ දකුණු රාමු; B - ස්ටීරියෝ කැමරාවකින් දත්ත ප්රතිනිර්මාණය කිරීමේ ඉහළ දර්ශනය; D - සිමියුලේටරයෙන් ස්ටීරියෝ කැමරා රූප ප්‍රතිනිර්මාණය කිරීම.

ස්නායු ජාල වල ප්රධාන කාර්යය වන්නේ මිනිසුන්, මෝටර් රථ සහ ඒවායේ වර්ගීකරණය හඳුනා ගැනීමයි.
දැඩි කාලගුණික තත්ත්වයන් තුළ වැඩ කිරීම සඳහා, JSC NIIAS හි විශේෂඥයින් ද අධෝරක්ත කැමරා භාවිතයෙන් පරීක්ෂණ පැවැත්වීය.

රූපය 12. IR කැමරාවෙන් දත්ත

බාධක (වස්තු) පැවැත්මේ සම්භාවිතාව තක්සේරු කරනු ලබන සංගම් ඇල්ගොරිතම මත පදනම්ව සියලුම සංවේදක වලින් දත්ත ඒකාබද්ධ කෙරේ.

එපමනක් නොව, ධාවන පථයේ ඇති සියලුම වස්තූන් බාධා නොවේ; shunting මෙහෙයුම් සිදු කරන විට, එන්ජිම ස්වයංක්රීයව මෝටර් රථ සමඟ සම්බන්ධ විය යුතුය.

රූපය 13. විවිධ සංවේදක මගින් බාධක හඳුනාගැනීමක් සහිත මෝටර් රථයකට ප්‍රවේශය දෘශ්‍යකරණය කිරීමේ උදාහරණයක්

මිනිසුන් රහිත shunting එන්ජින් ක්‍රියාත්මක කරන විට, උපකරණ සමඟ සිදුවන්නේ කුමක්ද සහ එය කුමන තත්ත්වයේද යන්න ඉක්මනින් තේරුම් ගැනීම අතිශයින්ම වැදගත්ය. සුනඛයෙකු වැනි සතෙකු දුම්රිය එන්ජිම ඉදිරිපිට පෙනී සිටින විටද තත්වයන් ඇතිවිය හැකිය. ඔන්බෝඩ් ඇල්ගොරිතම ස්වයංක්‍රීයව දුම්රිය එන්ජිම නවත්වනු ඇත, නමුත් බල්ලා මාර්ගයෙන් ඉවතට නොගියහොත් ඊළඟට කුමක් කළ යුතුද?

යානයේ තත්වය නිරීක්ෂණය කිරීම සහ හදිසි අවස්ථා වලදී තීරණ ගැනීම සඳහා, ස්ථාවර දුරස්ථ පාලක සහ අධීක්ෂණ මණ්ඩලයක් සංවර්ධනය කර ඇති අතර, දුම්රිය ස්ථානයේ ඇති සියලුම මිනිසුන් රහිත දුම්රිය එන්ජින් සමඟ වැඩ කිරීමට සැලසුම් කර ඇත. Luzhskaya දුම්රිය ස්ථානයේ එය EC පෝස්ට් එකේ පිහිටා ඇත.

රූප සටහන 14 දුරස්ථ පාලනය සහ අධීක්ෂණය

Luzhskoy දුම්රිය ස්ථානයේ, රූප සටහන 14 හි දැක්වෙන පාලක පැනලය shunting දුම්රිය එන්ජින් තුනක ක්‍රියාකාරිත්වය පාලනය කරයි. අවශ්‍ය නම්, මෙම දුරස්ථ පාලකය භාවිතයෙන් ඔබට තත්‍ය කාලීන තොරතුරු සම්ප්‍රේෂණය කිරීමෙන් සම්බන්ධිත දුම්රිය එන්ජිමක් පාලනය කළ හැකිය (රේඩියෝ නාලිකාව හරහා දත්ත සම්ප්‍රේෂණය සැලකිල්ලට ගනිමින් ms 300 ට වඩා ප්‍රමාද නොකරන්න).

ක්රියාකාරී ආරක්ෂණ ගැටළු

මිනිසුන් රහිත දුම්රිය එන්ජින් හඳුන්වාදීමේදී වැදගත්ම ප්‍රශ්නය වන්නේ IEC 61508 “ආරක්ෂාවට අදාළ විද්‍යුත්, විද්‍යුත්, ක්‍රමලේඛගත කළ හැකි ඉලෙක්ට්‍රොනික පද්ධතිවල ක්‍රියාකාරී ආරක්ෂාව” (EN50126, EN50128, EN50129), GOST 33435-2015 ප්‍රමිතීන් මගින් අර්ථ දක්වා ඇති ක්‍රියාකාරී ආරක්ෂාව පිළිබඳ ගැටළුවයි. දුම්රිය පෙරළීමේ කොටස් පාලනය, අධීක්ෂණය සහ ආරක්ෂාව සඳහා".

අභ්‍යන්තර ආරක්ෂක උපාංග සඳහා වන අවශ්‍යතාවලට අනුකූලව, ආරක්ෂිත අඛණ්ඩතා මට්ටම 4 (SIL4) සාක්ෂාත් කර ගත යුතුය.

SIL-4 මට්ටමට අනුකූල වීම සඳහා, පවතින සියලුම දුම්රිය එන්ජින් ආරක්ෂණ උපාංග බහුතර තර්කනය භාවිතයෙන් ගොඩනගා ඇත, එහිදී ගණනය කිරීම් නාලිකා දෙකකින් (හෝ ඊට වැඩි) සමාන්තරව සිදු කර තීරණයක් ගැනීමට ප්‍රතිඵල සංසන්දනය කරයි.

මිනිසුන් රහිත shunting දුම්රිය එන්ජින්වල සංවේදක වලින් දත්ත සැකසීම සඳහා වන පරිගණක ඒකකය ද අවසන් ප්‍රතිඵලය සංසන්දනය කරමින් ද්වි-නාලිකා යෝජනා ක්‍රමයක් භාවිතයෙන් ගොඩනගා ඇත.

දර්ශන සංවේදක භාවිතා කිරීම, විවිධ කාලගුණික තත්ත්වයන් සහ විවිධ පරිසරවල ක්‍රියාත්මක වීම මිනිසුන් රහිත වාහනවල ආරක්ෂාව සනාථ කිරීමේ ගැටලුවට නව ප්‍රවේශයක් අවශ්‍ය වේ.

2019 දී, ISO/PAS 21448 සම්මත “මාර්ග වාහන. අර්ථ දක්වා ඇති කාර්යයන් වල ආරක්ෂාව (SOTIF). මෙම ප්‍රමිතියේ ප්‍රධාන මූලධර්මවලින් එකක් වන්නේ විවිධ තත්වයන් තුළ පද්ධතියේ හැසිරීම පරීක්ෂා කරන අවස්ථා ප්‍රවේශයයි. මුළු අවස්ථා ගණන අනන්තය නියෝජනය කරයි. ප්‍රධාන සැලසුම් අභියෝගය වන්නේ දන්නා අනාරක්ෂිත අවස්ථා සහ නොදන්නා අනාරක්ෂිත අවස්ථා නියෝජනය කරන කලාප 2 සහ 3 අවම කිරීමයි.

රූප සටහන 15 සංවර්ධනයේ ප්‍රතිඵලයක් ලෙස අවස්ථා පරිවර්තනය කිරීම

මෙම ප්‍රවේශයේ යෙදුමේ කොටසක් ලෙස, JSC NIIAS හි විශේෂඥයින් 2017 හි මෙහෙයුම් ආරම්භයේ සිට සියලු නැගී එන තත්වයන් (දර්ශන) විශ්ලේෂණය කළහ. සැබෑ ක්‍රියාකාරිත්වයේ දී මුහුණ දීමට අපහසු සමහර තත්වයන් PKB CT සිමියුලේටරය භාවිතයෙන් සකස් කර ඇත.

නියාමන ගැටළු

දුම්රිය එන්ජින් මැදිරියේ රියදුරෙකු නොමැතිව සම්පූර්ණයෙන්ම ස්වයංක්‍රීය පාලනයට සම්පූර්ණයෙන්ම මාරුවීම සඳහා, නියාමන ගැටළු විසඳීම ද අවශ්‍ය වේ.

මේ මොහොතේ, JSC රුසියානු දුම්රිය ස්වයංක්‍රීය මාදිලියේ දුම්රිය රෝලිං තොග සඳහා පාලන පද්ධති ක්‍රියාත්මක කිරීම සඳහා පියවර ක්‍රියාත්මක කිරීම සඳහා නියාමන සහාය පිළිබඳ වැඩ ක්‍රියාත්මක කිරීම සඳහා කාලසටහනක් අනුමත කර ඇත. දුම්රිය ප්‍රවාහනයේ නිෂ්පාදනයට සම්බන්ධ නොවන පුරවැසියන්ගේ ජීවිතයට හෝ සෞඛ්‍යයට හානියක් සිදු වූ ප්‍රවාහන සිදුවීම් නිල විමර්ශනය සහ වාර්තා කිරීම සඳහා වූ ක්‍රියා පටිපාටිය පිළිබඳ රෙගුලාසි යාවත්කාලීන කිරීම වඩාත් වැදගත් කරුණකි. මෙම සැලැස්මට අනුකූලව, 2021 දී මිනිසුන් රහිත දුම්රිය වාහන ධාවනය නියාමනය කරන ලියකියවිලි පැකේජයක් සකස් කර අනුමත කළ යුතුය.

පසු පදය

මේ මොහොතේ, Luzhskaya දුම්රිය ස්ථානයේ ක්‍රියාත්මක වන මිනිසුන් රහිත shunting දුම්රිය එන්ජින් ලෝකයේ ප්‍රතිසමයන් නොමැත. ප්‍රංශය (SNCF සමාගම), ජර්මනිය, ඕලන්දය (Prorail සමාගම), බෙල්ජියම (Lineas සමාගම) විශේෂඥයින් 2018-2019 දී සංවර්ධිත පාලන පද්ධතිය පිළිබඳව හුරුපුරුදු වූ අතර සමාන පද්ධති ක්‍රියාත්මක කිරීමට උනන්දු වෙති. JSC NIIAS හි ප්‍රධාන කර්තව්‍යයක් වන්නේ ක්‍රියාකාරීත්වය පුළුල් කිරීම සහ රුසියානු දුම්රිය මාර්ගවල සහ විදේශීය සමාගම් සඳහා නිර්මාණය කරන ලද කළමනාකරණ පද්ධතිය අනුකරණය කිරීමයි.

වර්තමානයේ, JSC රුසියානු දුම්රිය ද මිනිසුන් රහිත විදුලි දුම්රිය "Lastochka" සංවර්ධනය කිරීමේ ව්යාපෘතියක් මෙහෙයවයි. 16 අගෝස්තු මාසයේදී ES2G Lastochka විදුලි දුම්රිය සඳහා මූලාකෘති ස්වයංක්‍රීය පාලන පද්ධතිය රාමුව තුළ නිරූපණය කිරීම රූප සටහන 2019 හි දැක්වේ. ජාත්‍යන්තර දුම්රිය සැලෝන් අවකාශය 1520 "PRO//Movement.Expo".

රූපය 16. MCC හි මිනිසුන් රහිත විදුලි දුම්රියක් ක්‍රියාත්මක වන ආකාරය නිරූපණය කිරීම

මිනිසුන් රහිත විදුලි දුම්රියක් නිර්මාණය කිරීම අධික වේගය, සැලකිය යුතු තිරිංග දුර ප්‍රමාණයක් සහ නැවතුම් ස්ථානවල මගීන් ආරක්ෂිතව ගොඩබෑම /බැසීම සහතික කිරීම නිසා වඩාත් දුෂ්කර කාර්යයකි. දැනට, MCC හි පරීක්ෂණ සක්‍රීයව සිදු වෙමින් පවතී. මෙම ව්‍යාපෘතිය පිළිබඳ පුවතක් ඉදිරියේදී පළ කිරීමට සැලසුම් කර ඇත.

මූලාශ්රය: www.habr.com