Методическое пособие 802

Определение сферы эффективного применения каждого вида тяги это решение многовариантной задачи. Степень ее экономичности обусловливается: грузонапряженностью локомотива с оптимизацией ее интенсификации, протяженностью главных путей, сложностью и дальностью траектории маршрута, ценой модулей энергетического оборудования и источников питания, модификации и цены локомотива, баланса тарифов на электрическую энергию и углеводородные топливные ресурсы и ряда других особенностей.

Таблица 1

Результаты тягового расчета ведения поезда электровозом

Одним из приоритетных показателей при определении сферы применения каждого вида тяги – это фиксация корреляции цены показателей от возможных параметров и прежде всего учет влияния грузонапряженности. При этом необходимо принять во внимание несходство в темпе передвижения грузов, что сопряжено с вариацией цены грузовой массы в маршруте. В этой связи при экономической оценке мероприятия для каждого вида тяги рас-

190

считывались: пропускная способность участка, потребный парк локомотивов и грузовых вагонов и их суммарная стоимость, суммарные капитальные вложения в постоянные устройства, цена грузовой массы, синхронно пребывающей на территории передвижения локомотива и результатирующая сумма эксплуатационных издержек для сравниваемых видов тяги. Исходные данные для экономических расчетов сведены в табл. 3.

Таблица 2

Результаты тягового расчета ведения поезда тепловозом

Проведенные расчеты показали - при грузонапряженности пути до 20 миллионов ткм/км на участке выгодна тепловозная тяга, а при ее росте до 40 миллионов ткм/км выгоднее становится электрическая тяга, так как при этом срок окупаемости капвложений у нее 8 лет, против 10 лет тепловозной.

191

Учет еще одного негативного фактора, такого как возможность временного отключения энергоснабжения участка, приводящее к задержкам поездов и дополнительным экономическим потерям и сопоставление всех приведенных затрат показало, что при грузонапряженности участка до 30 млн. ткм/км целесообразным является применение тепловозной тяги, при больших ее значениях – электрической. С учетом реалий сегодняшнего дня и перспектив на будущее использование на анализируемом участке тепловозной тяги выглядит для РЖД более предпочтительным. При подготовке статьи были рассмотрены работы [1-15].

Литература

1.Баташов С.И., Ибрагимов М.А., Астахов А.А. Теория тяги поездов: учебное пособие- Брянск: Издательство ООО «Дизайн Принт», 2013. - 277 с.

2.Корчагин Ю.А. Инвестиции и инвестиционный анализ: учеб. -Ростов-на-Дону: Фе-

никс, 2010. - 338 с.

3.Звягинцева, А.В. Моделирование процессов и совершенствование мероприятий по улучшению условий труда на горно-обогатительном комбинате / А.В. Звягинцева, С.А. Сазонова, В.Ф. Асминин // Моделирование систем и процессов. - 2019. - Т. 12. - № 2. - С. 10-16.

4.Звягинцева, А.В. Моделирование неорганизованных выбросов пыли и газов в атмосферу при взрывных работах на карьерах горно-обогатительных комбинатов / А.В. Звягинцева, С.А. Сазонова, В.В. Кульнева // Моделирование систем и процессов. - 2019. - Т. 12. - № 2.

-С. 17-25.

5.Звягинцева, А.В. Моделирование процессов и разработка мероприятий по сокращению пылегазовыделения на карьерах горно-обогатительного комбината / А.В. Звягинцева, С.А. Сазонова, В.В. Кульнева // Моделирование систем и процессов. - 2019. - Т. 12. - № 2. -

С. 26-32.

6.Асминин, В.Ф. Функциональные и конструктивные особенности облегченных звукоизолирующих панелей / В.Ф. Асминин, Е.В. Дружинина, С.А. Сазонова, Д.С. Осмоловский // Вестник Воронежского института высоких технологий. - 2019. - № 2 (29). - С. 4-7.

7.Иванова, В.С. Физическое моделирование аппарата пылеочистки скруббер Вентури для улучшения условий труда на производствах / В.С. Иванова, С.Д. Николенко, С.А. Сазонова, В.Ф. Асминин // Моделирование систем и процессов. - 2019. - Т. 12. - № 1. - С. 48 -55.

192

8.Звягинцева, А.В. Мониторинг стихийных бедствий конвективного происхождения по данным дистанционного зондирования с метеорологических космических аппаратов: монография / А.В. Звягинцева, А.Н. Неижмак, И.П. Расторгуев. Воронеж: ФГБОУ ВПО «Воронежский государственный технический университет», 2013. - 162 с.

9.Звягинцева, А.В. Прогнозирование опасных метеорологических явлений в определении характера и масштабов стихийных бедствий»: монография под общ. ред. И.П. Расторгуева / А.В. Звягинцева, И.П. Расторгуев, Ю.П. Соколова. Воронеж: ГОУВПО «ВГТУ», 2009.

-247 с.

10.Сазонова, С.А. Особенности формулировки прикладных задач управления функционированием системами теплоснабжения / С.А. Сазонова // Моделирование систем и про-

цессов. - 2018. -Т. 11. - № 3. - С. 80-88.

11.Звягинцева, А.В. Структурные и примесные ловушки для точечных дефектов: монография / А.В. Звягинцева. Воронеж: ФГБОУ ВО «Воронежский государственный технический университет», 2017. - 180 с.

12.Звягинцева, А.В. Моделирование воздействия ртутьсодержащих отходов объектов техносферы на окружающую среду и разработка мероприятий по охране атмосферного воздуха / А.В. Звягинцева, С.А. Сазонова, В.В. Кульнева // Моделирование систем и процессов.

-2019. - Т. 12. - № 3. - С. 17-26.

13.Звягинцева, А.В. Моделирование техногенного воздействия ТЭЦ на окружающую среду и разработка инженерно-технических природоохранных мероприятий / А.В. Звягинцева, С.А. Сазонова, В.В. Кульнева // Моделирование систем и процессов. - 2019. - Т. 12. - № 3.

-С. 27-34.

14.Звягинцева, А.В. Оценка процесса техногенного загрязнения атмосферы объектами теплоэнергетики и разработка инженерно-технических природоохранных мероприятий / А.В. Звягинцева, С.А. Сазонова, Н.В. Мозговой // Моделирование систем и процессов. - 2019. - Т. 12. - № 3. - С. 34-41.

15.Сазонова, С.А. Математическое моделирование параметрического резерва систем теплоснабжения с целью обеспечения безопасности при эксплуатации / С.А. Сазонова, С.Д. Николенко, А.В. Звягинцева // Моделирование систем и процессов. - 2019. - Т. 12. - № 3. -

С. 71-77. 16.

Российский университет транспорта (РУТ (МИИТ)

M.A. Ibragimov, N.S. Nazarov, E.V. Nikolaev

SELECTING AN EFFECTIVE TYPE OF DRAW FOR A JOINT SECTION OF THE RAILWAY

Selection of the most efficient traction mode for the selected butt section of the railway.

Key words: diesel locomotive, electric locomotive, train, station, tight supply

Russian University of Transport (RUT (MIIT)

193

УДК 621.384.3

И.Н. Ищук, А.А. Бебенин, А.А. Долгов

ОБОСНОВАНИЕ ИСПОЛЬЗОВАНИЯ В КАЧЕСТВЕ ИНФОРМАЦИОННОГО ПОКАЗАТЕЛЯ ЗАМЕТНОСТИ ОБЪЕКТА ДИСТАНЦИОННОГО МОНИТОРИНГА ЭФФЕКТИВНОГО ЗНАЧЕНИЯ ТЕПЛОПРОВОДНОСТИ

Рассмотрено использование в качестве информационного показателя заметности объекта дистанционного мониторинга эффективного значения теплопроводности объекта и фона с целью дальнейшего его применения к задачам повышения эффективности распознавания объекта при дешифрировании динамических ИК – изображений.

Ключевые слова: распознавание объектов, эффективное значение теплопроводности, эффективность дистанционного мониторинга.

Введение. Широкое использование средств автоматизации и элементов искусственного интеллекта при обработке данных дистанционного мониторинга(ДМ) предъявляет высокие требования к науке и повышает роль теории эффективности. Процесс распознавания объектов дистанционного мониторинга (ОДМ),характеризует частный критерий – вероятность распознавания (Pрасп), выражающая его физическую сущность, численную меру степени достижения цели и при этом, своими значениями пропорционально реагирующая на изменения условий и факторов.

Основными факторами, определяющими численное значение вероятности распознавания объектов, являются параметры оптико-электронных датчиков (ОЭД) оптикоэлектронной системы (ОЭС), форма и размер объектов, их пространственное расположение и физические характеристики подстилающей поверхности (грунта), позволяющие классифицировать тот или иной ОДМ на фоне земной поверхности (рисунок 1). Характеристики обнаружения и (или) распознавания ОДМ, являющегося образцом автомобильной техники, в различных условиях применения определяет величина именуемая

–информационный показатель заметности (ИПЗ) [1].

Впрактике ДМ в ИК диапазоне длин волн ИПЗ является абсолютная величина контраста объекта, в качестве дополнительного дешифровочного признака выступают изменения до трех раз в сутки знака теплового контраста, которые несут информацию о характеристиках тепловой инерции объектов и фонов [2].

Рис. 1. Пространственно-тепловая модель района дистанционного мониторинга оптикоэлектронными системами беспилотных летательных аппаратов

_________________________________

© Ищук И.Н., Бебенин А.А., Долгов А.А.

194

Тепловая инерция является теплофизической характеристикой (ТФХ) поверхности района дистанционного мониторинга (РДМ) (рис. 1) и определяет скорость поглощения и отдачи тепловой энергии [3]. Определяющими теплофизическими свойствами (ТФС) ОДМ при этом являются теплопроводность λО и теплоемкостьCО, значение которых не зависит от времени года, суток и погодных условий. Анализ λО и CО позволяет получить или уточнить информацию об объекте ДМ, такую, как линейные размеры, расположение в пространстве, форма, внутренняя структура, конструкционный и функциональный материал. Исходя из этого, в качестве ИПЗ ОДМ целесообразно использовать контраст на основе эффективных значений теплопроводности объекта и фона.

Цель работы– повышение эффективности распознавания объектов дистанционного мониторинга в ИК - диапазоне длин волн на основе использования в качестве ИПЗ ОДМ значений эффективной теплопроводности объекта и фона, позволяющего учесть теплофизические свойства ОДМ.

Постановка задачи. Эффективность распознавания объектов характеризуется значениями вероятности распознавания объекта ОЭД, определяемыми выражением [4]:

ОЭД представим двумя составляющими, первое, характеризующими параметры ИК ОЭД в заданных условиях ДМ, это L – линейное разрешение на местности (ЛРМ) ОЭД; lпикс–максимальный линейный размер объекта в пикселях; B – коэффициент распознавания (формы объекта) и второе – K- видимый контраст объекта относительно фона характеризующий внутреннюю структуру объекта его конструкционный и функциональный материал.

Представим показатель ослабления в следующем виде:

пикс

Первичным видовым признаком, обеспечивающим различение ОДМ с применением ИК ОЭД, является контраст радиационных температур объекта и фона.При получении динамики изменения термодинамического температурного поля путем преобразования радиационных температур, решением обратной задачи конвекции диффузии на поверхности РДМопределяются численные значения эффективной теплопроводности объекта и фона [3], контраст которых можно использовать в качестве ИПЗ:

Ф

Тогда задачу повышения эффективности распознавания объектов дистанционного мониторингапутем минимизации значения показателя ослабления разрешения ОЭД и обоснования использования в качестве информационного показателя заметности ОДМ эффективного значения теплопроводности объекта и фона можно представить, как оптимизационную:

где [ιmin; ιmax] – заданный диапазон значений параметров ведения дистанционного мониторинга с использованием БПЛА БПП; D – множество эффективных значений теплопроводности РДМ.

Основная часть. Минимизация значения показателя ослабления разрешения ОЭД осуществляется определением рациональных условий ведения ДМ и регулируемых параметров в пределах диапазона тактико-технических характеристик ОЭД.

Определение эффективного значения теплопроводности РД Мосуществляют с помощью пакета программного обеспечения одномерного моделирования движения воды, тепла и растворов в переменно насыщенных средах HYDRUS 1D [5] с использованием программного обеспечения, созданного в среде MATLAB, позволяющего моделировать

195

суточный ход притока солнечной радиации на поверхность грунта [6]. Модель построения пространственного распределения значений теплопроводности на поверхности РДМ на основе решения обратной задачи конвекции диффузии представлена в [7, 8].

С целью экспериментального обоснования целесообразности использования для повышения вероятности распознавания объектов значений контраста по теплопроводности обратимся к данным натурного эксперимента [9]. На рисунке 2 представлены изображения территории инженерного городка в видимом и ИК диапазонах длин волн полученные в 12:00 местного времени и соответствующие двумерные распределения эффективной теплопроводности ( ) полученные для поверхности. На изображении территории инженерного городка в видимом диапазоне было выбрано 3 объекта ДМ и 3 типа характерных фонов (рисунок 2, а): О1 – единица автотехники (типа автоцистерны) в обваловании; О2 – БТР на открытой местности; О3 – скрытый под поверхностный объект; Ф1 – травяной покров; Ф2 – грунт; Ф3 – бетонное покрытие. По значениям градации яркости пикселей принадлежащих объектам и фонам на изображениях в ИК диапазоне, изображениях значений избыточных температур и изображении двумерного распределения были определены соответствующие контрасты объектов к фонам. На рисунке 2, г представлен суточный перепад радиационных температур, определенный по значениям градации яркости пикселей принадлежащих объектам и фонам. Значения объектов и фонов полученные пересчетом яркости пикселей изображения двумерного распределения представлены на рисунке 2, д.

На рисунке 3,а представлены графики зависимостей от времени радиационного контраста Kрад, термодинамического контраста Kтд и контраста по теплопроводности Kтп. Из данных графиков видно, что максимальных значений достигает Kрад, при этом, в течении суток не стабилен, имеет большой диапазон значений, меняющихся до 2-3 раз в сутки от максимальных до минимальных значений. Осредненный по объектам и фонам Kрад за сутки имеет значение 0,44. Kтд в течении суток имеет меньшие максимальные значения, как следствие и диапазон, но еще более не стабилен и в течении суток изменяется от максимальных до минимальных значений до 4-5 раз, осредненное по объектам и фонам значение 0,22.

Теплопроводность объектов и фонов в течении суток не меняется и как следствие остается постоянным Ктп. Значение которого зависит только от ТФП объекта и фона.

Осредненное значение по объектам и фонам – 0,42. Кроме того, значения скрытого под поверхностного объекта, в совокупности с геометрическими параметрами полученными из анализа разновременных ИК - изображений, путем оценки максимального правдоподобия позволяют его классифицировать как единицу автомобильной техники. Распределения в градации яркости обеспечивает расчет вероятности распознавания объекта со значением контраста на основе нового видового признака – значения эффективной теплопроводности объекта О и фона Ф.

Математическим моделированием с использованием полученных значений ТФП и выражения (1) рассчитаны вероятности распознавания объектов ДМ типа единицы автотехники при их расположении на травяном покрове, грунтовой или магистральной дороге, а также при скрытии маскировочной сетью.

ДМ с высоты 4000 м с применением ИК ОЭД ОЭС БПЛА WINGLOONG – 1 [10] в заданном районе в течении суток с 8.00, лето, ПМУ.

На рисунке 3,б отображены графики осредненных по объектам и фонам вероятностей распознавания. Анализ рисунка 3,б показывает, что осредненная по объектам и фонам вероятность распознавания ОДМ на основе контраста эффективных значений теплопроводности объекта и фона имеет постоянное в течении суток значение 0.88, которое выше значения соответствующей вероятности по радиационному контрасту на 3 %, а в дневное время на 10%. При подготовке статьи были рассмотрены работы [11-23].

196

Литература

1.ГОСТ РВ 0110-002-2008 Заметность образца военной техники. Термины и определения: государственный военный стандарт: взамен ГОСТ РВ 50886-96: введен 2009- 01-01. - Москва: Стандартинформ, 2008. - IV, 7 с.

2.Онацкий А.Н. Светотехнические, фотографические и инфракрасные средства авиационного оборудования. Оптико-электронное и разведывательное оборудование летательных аппаратов. Ч. 2. Иркутск: ИВВАИУ(ВИ), 2007. - 213 с.

3.Ищук И.Н., Фесенко А.И., Громов Ю.Ю. Идентификация свойств скрытых подповерхностных объектов в инфракрасном диапазоне волн. – М.: Машиностроение, 2008.

–184 с.

4.Веселов Ю.Г., Данилин А.А., Карпиков И.В., Тихонычев В.В. Прогнозирование разрешающей способности цифровых аэрофотосъемочных систем. Проблемы безопасности полетов. – М.: ВИНИТИ РАН, 2009. – Вып. 2.

5.SimunekJ., M. Th. vanGenuchtenandM. Šejna. The HYDRUS-1D Software Package for Simulating the One-Dimensional Movement of Water, Heat, and Multiple Solutes in Variably-

Saturated Media. Version 3.0./J.Šimůnek, M. Th. van Genuchten, M. Šejna.–Сalifornia:Preprint Department of environmental sciences university of Сalifornia riverside, 2005. –P. 270.

6.Долгов А.А., Ищук И.Н., Бебенин А.А. Применение компьютерных технологий при расчете пространственного распределения температурных полей при дистанционном мониторинге поверхности земли с беспилотного летательного аппарата. Материалы XVIII МНК «Информатика: проблемы, методология, технологии», Воронеж, 8–9 февраля 2018 г. – Воронеж: Воронежский государственный университет, 2018.

7.Громов Ю.Ю.,Губсков Ю.А., Ищук И.Н. и [др.] Методология дистанционной оценки пространственных распределений оптико-теплофизических параметров объектов, замаскированных под поверхностью грунта. М.: ООО «Научтехлитиздат», 2014, 240 с.

8.Ищук И.Н., Долгов А.А., Бебенин А.А., Панов С.А. Расчет пространственного распределения температурных полей при дистанционном мониторинге поверхности территорий с беспилотного летательного аппарата. Журнал Сибирского федерального университета, Серия: Техника и технологии, 2018, Т11(№2), 274-279

9.Ищук И.Н., Степанов Е.А., Постнов К.В.Верификация оптимального решения задачи классификации объектов дистанционного мониторинга с БПЛА. Первая Всероссийская конференция с международным участием «Цифровые средства производства инженерного анализа», Тула, 27 ноября – 1 декабря 2017 г. – Тула: ТГПУ им. Л.Н. Толстого,

2017. – С. 99-107.

10.1U-WD1-1-2. Версия Н1.0. WING LOONG-I. Техническое руководство. Руководство для оператора задач. CATIC & CADI. 2015.12

11.Звягинцева, А.В. Моделирование процессов и совершенствование мероприятий по улучшению условий труда на горно-обогатительном комбинате / А.В. Звягинцева, С.А. Сазонова, В.Ф. Асминин // Моделирование систем и процессов. - 2019. - Т. 12. - № 2. - С. 10-16.

12.Звягинцева, А.В. Моделирование неорганизованных выбросов пыли и газов в атмосферу при взрывных работах на карьерах горно-обогатительных комбинатов / А.В. Звягинцева, С.А. Сазонова, В.В. Кульнева // Моделирование систем и процессов. - 2019. - Т.

12.- № 2. - С. 17-25.

13.Звягинцева, А.В. Моделирование процессов и разработка мероприятий по сокращению пылегазовыделения на карьерах горно-обогатительного комбината / А.В. Звягинцева, С.А. Сазонова, В.В. Кульнева // Моделирование систем и процессов. - 2019. - Т. 12. - № 2. -

С. 26-32.

14.Асминин, В.Ф. Функциональные и конструктивные особенности облегченных звукоизолирующих панелей / В.Ф. Асминин, Е.В. Дружинина, С.А. Сазонова, Д.С. Осмоловский // Вестник Воронежского института высоких технологий. - 2019. - № 2 (29). - С. 4-7.

15.Иванова, В.С. Физическое моделирование аппарата пылеочистки скруббер Вентури

199