Preview

Надежность

Расширенный поиск

Об использовании методов Big Data в области обеспечения функциональной безопасности

https://doi.org/10.21683/1729-2646-2022-22-2-38-46

Аннотация

Цель. Целью статьи является обзор возможностей, подходов и приемов Big Data в области исследования и обеспечения функциональной безопасности транспортных систем, в том числе беспилотных систем. Отмечается, что современные технологии, приводящие к созданию транспортных систем нового поколения, эксплуатирующихся в изменчивых условиях и при значительном уровне пассажиронапряженности, требуют изменений в сложившихся схемах построения систем управления. В условиях роста агломераций многие пригородные системы сливаются с городскими, а интервалы движения в них приближаются по своей величине к интервалам движения в метрополитене. В этих условиях происходит переход от человеко-машинных систем к системам автоматическим, характеризующимся различной степенью автоматизации. Наблюдается масштабное внедрение цифровых средств связи, автоматизации технологических операций и дистанционного сбора данных и механизмов управления в сфере железнодорожных перевозок. Изменение поведения транспортных систем как подвида киберфизических систем приводит к смене парадигмы управления с линейно-функциональной к адаптивной с принципиально нелинейными системами с переменной структурой и переменными параметрами.

Методы. Традиционно для систем управления устойчивость оценивается по Ляпунову, в этом случае поведение устойчивой системы со 100% вероятностью можно представить в окрестности ε-трубки. Для рассматриваемых контролируемых систем, в которых устойчивость появляется за счет введения алгоритма-супервайзера, говорить о строгой устойчивости по Ляпунову некорректно. Идея контролируемых алгоритмов может распространяться не только на ИНС, но и на другие интеллектуальные алгоритмы. При этом выделяется область систем и знаний, не охваченная современными нормативными документами и методами доказательства безопасности. Выявление и исключение аномальных сигналов таких систем в этом случае позволят уточнить границы множества допустимых процессов, увеличив в ряде случаев быстродействие алгоритмов принятия решений за счет отключения целой ветви неблагоприятных сценариев.

Результаты. Для нелинейных транспортных систем с переменной структурой и переменными параметрами рассмотрены примеры использования машинного обучения/больших данных (ML/Big Data) в анализе функциональной безопасности сложных систем управления на железнодорожном транспорте. Предложена конструкция применения контролируемых искусственных нейронных сетей во взаимодействии с принципами верификации кода (model checking). Особое внимание уделено искусственным нейронным сетями с элементами управления, которые рассматриваются в качестве нового подкласса нейронных сетей.

Заключение. Сформированы современные требования к транспортным системам с применением искусственного интеллекта для адаптивного графика движения поездов и беспилотных систем управления. Это позволит в дальнейшем развивать целое направление исследований, связанное с функционированием сложных систем с контринтуитивным поведением – от оценки уровня функциональной безопасности систем с применением ИИ и машинного обучения до доказательства безопасности интеллектуальных контролируемых систем управления на основе методов формальной верификации.

Об авторах

Е. Н. Розенберг
Акционерное общество «Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте» (АО «НИИАС»)
Россия

Розенберг Ефим Наумович – доктор технических наук, профессор, первый заместитель Генерального директора

ул. Нижегородская, д. 27, стр.1, Москва, 109029



А. М. Ольшанский
Акционерное общество «Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте» (АО «НИИАС»)
Россия

Ольшанский Алексей Михайлович – кандидат технических наук, руководитель Центра перспективных разработок НТК по РОД и ОПР

ул. Нижегородская, д. 27, стр.1, Москва, 109029



А. В. Озеров
Акционерное общество «Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте» (АО «НИИАС»)
Россия

Озеров Алексей Валерьевич – начальник Международного управления

ул. Нижегородская, д. 27, стр.1, Москва, 109029



Р. А. Сафронов
Акционерное общество «Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте» (АО «НИИАС»)
Россия

Сафронов Роман Александрович – заместитель руководителя НТК

ул. Нижегородская, д. 27, стр.1, Москва, 109029



Список литературы

1. Грунтов П.С. Централизованные системы автоматизированного управления железными дорогами в условиях рыночных отношений. Минск: БелГУТ, 2001.

2. Осьминин А.Т. Проблемы и пути их научного решения в вопросах эксплуатации железных дорог // Бюллетень Объединенного ученого совета ОАО РЖД. 2015. № 4. С. 41-54.

3. Федунин А.В. Доказательство безопасности компьютерных систем // ММС. 2016. №3.

4. Neema H. Simulation testbed for railway infrastructure security and resilience evaluation. HotSoS ‘20: In Proceedings of the 7th Symposium on Hot Topics in the Science of Security. Association for Computing Machinery, 1, 1–8 (2020).

5. Hadj-Mabrouk H. Contribution of Artificial Intelligence to Risk Assessment of Railway Accidents // Urban Rail Transit. 2019. No. 5. Pp. 104–122.

6. Шубинский И.Б., Шебе Х., Розенберг Е.Н. О функциональной безопасности сложной технической системы управления с цифровыми двойниками // Надежность. 2021. Т. 21. № 1. С. 38-44.

7. Jin Zhang, Jingyue Li. Testing and verification of neural-network-based safety-critical control software: A systematic literature review // Information and Software Technology. 2020. Volume 123.

8. Шубинский И.Б., Шебе Х., Розенберг Е.Н. К оценке безопасности системы автоведения поездов // Надежность. 2021. Т. 21. № 4. С. 31-37.

9. Озеров А.В., Лысиков М.Г., Ольшанский А.М. График движения поездов в составе адаптивной системы управления будущего // Наука и технологии железных дорог. 2021. Т. 5. № 1. С. 50-64.

10. Озеров А.В., Ольшанский А.М. Подходы к оценке функциональной безопасности автоматической системы управления поездом без машиниста // Сборник научных трудов Международной научно-технической конференции «Перспективные информационные технологии». Самара. 2021. С. 504-509.

11. Гапанович В.А., Шубинский И.Б., Замышляев А.М. Математическое и информационное обеспечение системы УРРАН // Надежность. 2013. № 1. С. 3-19.

12. Озеров А.В., Ольшанский А.М. О построении модели безопасности сложной автоматической системы транспортного обслуживания // Надежность. 2021. Т. 21. № 2. С. 31-37.

13. Дорф Р., Бишоп Р. Современные системы управления. М.: Лаб. Базовых Знаний, 2004. 832 с.

14. Розенберг Е.Н. и др. Гибридное нейросетевое управление транспортными системами // Автоматика, связь, информатика. 2017. № 12. С. 2-5.

15. Игнатенков А.В., Ольшанский А.М. Управление величиной ошибки в нейронных сетях // Известия Самарского научного центра Российской академии наук. 2016. Т. 18. № 4-4.

16. Clarke E.M., Henzinger T.A., Veith H. et al. Handbook of model checking (Vol. 10). Cham: Springer, 2018.

17. Охотников А.Л., Попов П.А. Беспилотное управление локомотивом: вчера, сегодня и завтра // Автоматика, связь, информатика. 2019. № 8. С. 12-17.

18. Flammini F. et al. A Vision of Intelligent Train Control // (preprint 2022): in Proceedings of the 4th International Conference on Reliability, Safety and Security of Railway Systems (RSSRail-22). Springer LNCS, 2022. (в печати).


Рецензия

Для цитирования:


Розенберг Е.Н., Ольшанский А.М., Озеров А.В., Сафронов Р.А. Об использовании методов Big Data в области обеспечения функциональной безопасности. Надежность. 2022;22(2):38-46. https://doi.org/10.21683/1729-2646-2022-22-2-38-46

For citation:


Rozenberg E.N., Olshansky A.M., Ozerov A.V., Safronov R.A. Big Data-based methods for functional safety case preparation. Dependability. 2022;22(2):38-46. (In Russ.) https://doi.org/10.21683/1729-2646-2022-22-2-38-46

Просмотров: 311


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1729-2646 (Print)
ISSN 2500-3909 (Online)