高速列车自适应制动控制

针对传统控制方法难以保证高速列车在复杂多变的运行条件下的速度跟踪和安全、平稳停车问题,提出了一种基于间接模型参考自适应的高速列车制动控制策略.通过分析列车制动系统的工作流程,建立了具有未知参数的列车制动系统模型,并采用间接模型参考自适应控制(MRAC)方法设计了高速列车自适应制动控制策略,实现了对给定速度曲线的渐进跟踪.为了验证上述方法的有效性,以CRH380AL型动车组作为研究对象,利用MATLAB软件进行数值仿真.仿真结果表明,即使存在未知系统参数,基于间接模型参考自适应的高速列车制动控制策略仍然可以实现列车在制动过程中对目标速度的渐近跟踪,进而保证列车的安全可靠运行.     

基于Elman模型的高速列车速度跟踪控制

高速列车运行速度快,运行过程复杂,具有较强的非线性,难以实现高精度速度跟踪控制.为了实现高速列车的安全可靠运行,本文研究提出高速列车的运行过程建模和速度跟踪控制方法,采用数据驱动建模方法建立了高速列车运行过程Elman模型,设计了改进型广义预测控制实现了高速列车速度跟踪控制.基于CRH380AL运行过程数据的仿真结果表明,该方法具有更高的跟踪控制精度和较强的鲁棒性,可实现高速列车安全、正点运行.     

基于钩缓约束的重载列车驾驶过程优化

重载列车是一种由上百甚至几百节车厢组成的动力集中式大载重系统, 其牵引力/制动力需通过车钩相继传递给车厢, 存在明显的非线性和大滞后性. 现有的人工驾驶模式, 司机难以考虑车厢之间的钩缓约束, 易引起车钩断裂和脱轨; 且运行性能与司机的操纵经验密切相关, 存在耗电大, 无法按照列车运行图正点运行等问题. 本文针对此关键问题, 以实现重载列车安全、正点、节能运行为目标, 开展其驾驶过程运行优化研究. 分析列车钩缓系统受力原理, 基于其特性曲线, 采用翟方法构造重载列车钩缓模型及整车纵向动力学模型; 据此, 考虑钩缓约束运用多目标自适应遗传算法, 结合实际运行线路(限速、坡道、曲线率等)约束条件设定列车理想的运行速度目标曲线; 最后, 采用改进广义预测控制器设计重载列车驾驶过程优化控制方法, 跟踪理想速度目标曲线安全、正点、低能耗运行. 基于大秦线上HXD1型重载列车实际数据的仿真结果表明本文所设计的理想目标速度曲线优化方法可以较好地改善列车运行中的安全, 正点和节能等关键性指标, 运行优化控制能保证列车精确跟踪理想速度目标曲线, 实现其驾驶过程优化运行.     

动车组LSSVM建模与速度跟踪控制

动车组运行环境复杂多变、运行过程中空气阻力对动车组运行性能有较大影响,基于线性模型的动车组运行控制策略难以满足高精度跟踪给定速度-位移曲线要求。提出一种动车组非线性模型描述及其运行速度控制方法。首先,基于动车组牵引特性和系统运行数据,建立了动车组LSSVM非线性模型;给出了基于LSSVM模型的动车组运行速度控制方法。基于CRH380AL型动车组运行数据的仿真结果验证了该方法的有效性。     

面向非线性轨道车辆动力学的广义多步显式积分算法应用*

为了改善计算效率,在非线性轨道车辆动力学仿真中引入广义多步显式积分算法.针对非线性系统将算法改造为增量格式.列车动力学模型由轨道车辆模型和钩缓装置模型等组成.采用增量格式的广义多步显式积分算法分别研究列车连挂冲击和列车中低速碰撞问题.研究结果表明:广义多步显式积分算法在测试的算例中具有良好的稳定性,其计算速度约为龙格库塔法的3.8倍.干摩擦式钩缓装置模型在过渡状态存在车钩锁死现象.由于车钩锁死列车撞击过程中会出现车体加速度的高频振荡.广义多步显式积分算法可以适用于非线性轨道车辆动力学仿真.     

多步k最近邻初值寻优的气压模拟系统遗忘迭代学习控制

高速列车车内压力波动过大会对乘客舒适性造成影响,而气压模拟系统是一套通过对车内模拟气压跟踪控制,实现对乘客舒适性进行研究的装置.为解决系统历史运行数据利用率低以及存在迭代初始误差导致系统收敛速度慢的问题,采用k最近邻(kNN)算法,建立一种基于历史控制信息的最优初次控制信号提取方法,并根据迭代学习控制的基本原理,将最优控制初值输入到带遗忘因子的迭代学习控制器中,通过不断迭代来实现车内期望气压轨迹的跟踪控制,并和基于大数据的迭代学习控制以及传统PID迭代学习控制进行对比分析.仿真结果表明:基于多步kNN的遗忘迭代学习控制收敛速度更快、系统抖动程度更小、控制精度更高以及算法鲁棒性更好.     

高速列车速度跟踪神经网络PID控制器的设计

高速列车速度跟踪控制系统是一个复杂的非线性系统,难以取得高精度的跟踪性能。为了减少速度跟踪误差,设计了高速列车神经网络PID控制器。首先建立了描述列车运行过程的单位移多质点模型,该模型考虑了列车的基本阻力和附加阻力以及车厢之间的相互作用力。然后阐述了BP神经网络PID控制,并设计了列车速度跟踪控制器,根据速度误差用神经网络PID控制决定牵引力和制动力。最后与模糊控制和常规PID控制进行了仿真对比,结果表明,神经网络PID控制具有很小的速度跟踪误差和优越的速度跟踪性能,可以满足列车正点运行的需求。     

基于多智能体模型的动车组分布式预测控制

以高速铁路普遍采用的动力分散式动车组为研究对象.针对动车组由若干动力单元相互耦合组成的结构特点,以各动力单元为智能体.结合动车组牵引特性曲线和实际运行数据,应用减法聚类和模式分类算法建立各智能体多模型集.依据各智能体网络拓扑结构和相互耦合约束关系,建立动车组多智能体模型.针对各智能体的耦合约束,采用PID和GPC相结合的平稳起动切换控制策略和基于邻域优化的多智能体分布式协调控制算法,实现各智能体对给定速度的同步跟踪.基于CRH380A型动车组运行数据的仿真结果验证了本文方法的有效性.     

高速列车精确停车的鲁棒自触发预测控制

列车精确停车作为列车自动运行(Automatic train operation, ATO)系统的一项核心功能, 对高速列车的安全和高效运行至关重要. 本文针对高速列车停车过程的特点, 考虑在避免控制输出频繁切换的前提下实现高精度的停车曲线跟踪, 提出了基于模型预测控制(Model predictive control, MPC)的精确停车算法. 针对列车停车过程中外部不确定性阻力干扰, 采用鲁棒模型预测控制方法, 提高对外部干扰的鲁棒性. 引入自触发控制策略, 以进一步减少控制输出的频繁切换, 提高停车过程的舒适度. 该方法不需要每个采样时间都求解线性约束二次规划问题, 降低了对系统采样和通信能力的要求, 提高了算法的实用性. 分析结果表明, 高速列车精确停车控制方法的稳定性和性能指标的次优性可以得到保证. 基于高速列车实际运行数据的仿真结果验证了算法的有效性.     

高速动车组数据驱动无模型自适应控制方法

针对动车组的速度跟踪控制问题,同时考虑到现有基于模型的控制方法对系统动力学模型的依赖性,以及传统无模型自适应控制时变参数估计算法的复杂性,将改进的多输入多输出(Multiple-input multiple-output, MIMO)偏格式动态线性化无模型自适应控制(Partial form dynamic linearization-improved model-free adaptive control, PFDL-iMFAC)方法引入到动车组自动驾驶系统中.该控制方法在无模型自适应控制的基础上,考虑滑动时间窗口,增加了可调自由度和设计灵活性,并在输入准则函数中加上对能量函数的惩罚项,减少能量损耗,为动车组的跟踪精度和节能运行提供了一种优化的方法,在满足动车组速度跟踪效果好的前提下实现节能运行.最后以CRH380A动车组为对象进行仿真实验,通过与传统无模型自适应控制对比:所提出的控制算法各动力单元速度跟踪误差在±0.2 km/h以内,加速度在±0.65 m/s2以内且变化平稳,比传统无模型自适应控制方法节约9.86%的能量.     

Speed tracking control using an ANFIS model for high-speed electric multiple unit

The high-speed electric multiple unit (EMU) is a complex, uncertain and nonlinear dynamic system. The traditional approach to operating the high-speed EMU is based upon manual operation. To improve the performance of high-speed EMU, this paper develops a control dynamic model to capture the motion of the high-speed EMU and then uses it to design a desirable speed tracking controller for EMU. We exploit a data-driven adaptive neurofuzzy inference system (ANFIS) to model the running process. Based on the ANFIS model, we propose a generalized predictive control algorithm to ensure the high-precision speed tracking of the high-speed EMU. The simulation results on the actual CRH380AL (China railway high-speed EMU type-380AL) operation data show that the proposed approach could ensure the safe, punctual, comfortable and efficient operation of high-speed EMU.     

侵入物高速撞击下铰链式动车组的安全性

为探究侵入物高速撞击下铰链式动车组的安全性,在实物三维扫描重构的基础上,构建一种新的活体三维有限元层叠模型,并在LS-DYNA中进行摆锤侧面碰撞分析验证;通过铰链式动车组与活体在110 km/h速度下的碰撞仿真计算,讨论动车组运行的安全性以及吸能装置的可靠性.结果 显示:活体的有限元层叠模型既能保证计算精度,又能提高计算效率;在110 km/h的碰撞速度下,车体加速度为0.117g,轮对抬升量为0.238 mm,车钩每5 m长度的压缩量最大约为1.89 mm.各项指标都低于EN 15227标准,动车组行车安全性没有受到影响,吸能装置也能可靠工作.     

基于灰色遗传的高速列车速度控制器模型研究

速度控制器是列车自动驾驶系统(ATO)的核心,针对目前尚无研发成熟的速度控制器应用于高速列车的情况,引入灰色系统理论研究高速列车速度控制器模型;在灰色遗传预测模块中,对影响模型精度的λ值提出了基于遗传算法的求解方法,根据列车运行的4个目标设计其适应度函数,并加入先验知识判定对约束条件进行处理,同时建立新陈代谢GM(1,1)模型,在列车运行过程中不断求解新的模型参数a和b,实现模型在线校正,使系统可以进行长期预测;在灰色决策模块中,将高速列车的工况及运行目标转化为决策要素,应用灰靶决策产生最优策略控制列车运行;仿真结果显示了该模型应用于列车自动控速时的有效性和实时性,并使各项运行指标都有所提高。     

基于鲁棒预测控制的高速列车节能运行研究

针对高速列车在运行过程中的传统控制策略优化精度差、难以达到理想的节能效果的问题,提出了基于安全、准点、节能等多目标要求的高速列车鲁棒预测控制策略。对列车的运行过程进行受力分析,运用聚类和最小二乘法建立了基于多模型的线性预测模型,考虑高速列车惰行运行及道路条件等情况,合理设计出列车的节能目标曲线。将相应的节能曲线作为输入量,采用鲁棒预测控制算法进行优化,有效地提高了模型的适配性和跟踪性。以CRH3型列车作为研究对象进行仿真,结果表明,鲁棒预测控制能够满足跟踪节能曲线精度的要求,验证了该节能运行方式的可行性和优越性。     

基于最小二乘法的高速列车位置估计

随着高铁列车运营速度的不断提高,列车运行控制系统对列车的定位精度要求也越来越高。每经过一个定位应答器,列车将进行一次位置校核,使定位误差变为0 m。但列车在相邻两应答器间的定位误差会随着列车不断的运行而逐渐增大。针对这一问题,建立了列车位置计算的数学模型,以及高速铁路列车位置估计的速度平均法模型和最小二乘法模型;利用武汉-广州高铁实测数据对模型进行验证。结果表明,与速度平均法模型相比,最小二乘法模型能减少一半的定位误差,能更好地估计列车的位置。     

有限时间内的动车组群分布式协同巡航多智能体控制

本文研究了动车组群系统的移动闭塞协同巡航控制问题,通过设计有限时间分布式协同控制算法实现了多车高速协同巡航.算法取消了动车组中心控制单元,将单列动车组的每个动力单元视为一个智能体,不同动车组之间的智能体形成多智能体群系统.设计了动车组智能体有限时间分布式协同控制算法,该算法首先实现了单列动车组各个动力单元快速追踪到期望的速度,且保证车钩位移在安全范围内,其次该算法还能实现动车组群高速巡航等间距运行,提高了线路利用率的同时避免了碰撞.最后进行了理论分析,证明了算法的稳定性和有限时间收敛性,并提供了仿真结果验证了该算法的有效性.     

基于灰色系统理论高速列车ATO速度控制器研究

速度控制器是ATO系统的核心单元,也是列控系统的重要组成部分,针对目前高速列车无ATO功能的情况,研究智能的ATO系统速度控制器对实现高速列车自动驾驶具有的重要意义。通过分析CTCS-3级列控系统的结构和功能,提出了在CTCS-3级列控系统中增加ATO系统速度控制器的方案。首先设计了速度控制器与车载及地面设备的连接方式,实现了信息交互;而后应用灰色系统理论善于研究外延明确内涵不清系统的特点,建立速度控制器模型,进行预测及决策计算,得到比较合理的列车自动驾驶控制策略;最后采用遗传算法对其进行优化,得到最优控制策略。仿真结果表明,该方法实现了高速列车在CTCS-3级列控系统下的自动驾驶,列车运行的各项性能都得到了提高。     

基于最优预见控制的高速列车速度控制器研究

针对高速列车自动驾驶(ATO)速度控制器的设计及性能问题,以列车运行过程中的安全性、舒适性、控制输入为约束条件,提出用最优预见算法设计控制器。该算法以列车动力学为基础,确定列车模型传递函数,进行极点配置之后使控制系统稳定;以列车模型为该算法的控制对象,将列车运行过程中的线路附加阻力和基本阻力作为干扰,实现列车ATO模式下目标速度的自动跟踪控制。选取京津城际北京南站至武清站间线路数据进行仿真验证,仿真结果表明该算法在降低列车运行能耗、提高旅客舒适性与列车运行准点率方面的有效性。     

动车组明线运行速度提高对空调工作的影响

为研究列车运行速度提高对空调工作的影响,采用三维定常不可压缩k-ε湍流模型,对不同运行速度下4辆编组的某新型动车组明线运行的空气动力学特性进行仿真,分析在不同运行速度下客室和司机室的空调冷凝器进、出口表面压力变化规律,预测冷凝风机通风量随列车运行速度提高的变化规律。计算结果表明:随着运行速度的提高,动车组车体表面和冷凝器进出口表面压力逐渐降低,冷凝器进、出口压差基本呈降低趋势,头车司机室和客室的前通风机通风量逐渐降低,尾车司机室和客室的后通风机压差为负且绝对值逐渐增大,说明通风机通风量逐渐提高。