一种列车轮对空转判断方法
- 国知局
- 2024-08-01 08:52:48
本发明属于列车牵引控制,尤其是涉及列车轮对空转判断方法。
背景技术:
1、列车运行通过轮轨间的相互作用来实现,只有在保证轮轨间的有效粘着为前提条件下,才能进一步利用牵引电机的功率。轮轨粘着特性不仅与列车自身和轮轨材料有关,也与线路状况、轨面清洁度等一系列随时空变化的不确定因素相关。若机车运行过程中牵引力大于轮轨间可用粘着力,多余牵引力将加速车轮形成空转,相对滑动速度很快加大,可用粘着力则迅速降低,会造成轮轨的磨损甚至毁坏,不仅增加了铁路运营的保养维修费用,也会威胁到机车的安全运行。由于机车运行的条件千变万化,牵引中,司机操纵的改变或轨面条件的恶化,空转并不能完全避免;目前国内交直机车主要采用组合校正法进行防空转防滑控制,首先对车轮加速度进行判断,当加速度超过一定阈值时表示空转滑行现象比较严重,则快速深度削减动轮驱动转矩,即削减机车牵引力;如果车轮加速度没有超过阈值,则对蠕滑速度进行判断,当蠕滑速度超过阈值时,对驱动转矩进行较大幅度的调整,反之,判定为正常运行状况。在用的组合校正法采用2个或者是多个单项阈值条件判断是否发生空转,在未发生空转时,不能实现空转风险的综合判断;在已经发生空转时,不能实现空转程度的综合判断。
技术实现思路
1、本发明的目的在于,针对现在已有技术的缺陷,提供一种列车轮对空转判断方法,当空转风险值e大于等于1时,则列车轮对发生空转;空转风险值e按照式
2、
3、进行计算,其中,x1为蠕滑度变化率,θ1为蠕滑度变化率阈值;x2为蠕滑度,θ2为蠕滑度阈值;x3为列车轮对速度变化率,θ3为轮对速度变化率阈值;τ为非线性加权指数,γ1、γ2、γ3为非线性加权因子,且τ≥10、γ1≥1、γ2≥1、γ3≥1。所述列车为电力机车牵引的列车。
4、通过控制空转牵引力控制比θ来实现空转牵引力控制;牵引力控制比θ为空转牵引力控制之后列车牵引力f3与空转牵引力控制之前列车牵引力f2之间的比值,即
5、f3=θ·f2
6、且有0≤θ≤1。空转牵引力控制过程是:
7、过程i,空转牵引力减小过程,从空转风险值e大于等于1且持续增大开始,至空转风险值e从持续增大变为开始持续减小时结束;过程i中控制θ以斜率d1开始减小,过程i结束时的θ值为最低维持值;θ的最低维持值不小于0;
8、过程ii,空转牵引力最低维持值维持过程,从过程i结束开始,至空转风险值e小于1时结束;过程ii中,空转风险值e持续减小,控制θ等于最低维持值;
9、过程iii,空转牵引力恢复过程,从过程ii结束开始,至θ增大到等于1时结束;过程iii中,空转牵引力控制模块控制θ以斜率d2开始增大,直至θ等于1;斜率d1的下降速率大于斜率d2的上升速率。
10、在空转牵引力控制过程ii中,若空转风险值e从持续减小转变为持续增大,则返回过程i进行空转牵引力控制;在空转牵引力控制过程iii中,若空转风险值e再次增大到大于等于1,则返回过程i进行空转牵引力控制。
11、对空转牵引力控制之前的列车牵引力进行上限限幅控制,方法是,
12、
13、其中,f1为从列车车速控制器输出的列车牵引力,μm为粘着系数神经网络调整模型输出的粘着系数限定值,pμ为计算粘着重量。
14、粘着系数神经网络调整模型的输入为列车车速v、计算粘着系数,μj和轨道状态c1,输出为粘着系数限定值μm。粘着系数神经网络调整模型的训练建模的方法是,采集列车车速v、轨道状态c1和相对应的粘着系数限定值μm的样本数据,计算与列车车速v相应的计算粘着系数μj;将列车车速v、轨道状态c1以及与列车车速v相应的计算粘着系数μj作为输入,粘着系数限定值μm作为输出,使用样本数据对粘着系数神经网络调整模型进行训练,训练完成后对模型参数进行固定,得到粘着系数神经网络调整模型。
15、轨道状态c1为2参数向量,2个参数c11、c12分别为轨道干湿度、轨道坡度。
16、与列车车速v相应的计算粘着系数μj依据粘着系数经验计算模型
17、
18、进行计算,a1、a2、a3、a4、a5为计算粘着系数的经验公式参数。
19、所述列车轮对空转判断方法用于列车自适应粘着控制系统。列车自适应粘着控制系统包括粘着系数经验计算模型、粘着系数神经网络调整模型、牵引力限定模块、空转牵引力控制模块和轨面监测模块,列车速度控制器输出的列车牵引力由粘着系数限定值通过牵引力限定模块进行上限限幅控制,再由空转牵引力控制模块判断列车轮对是否发生空转,并对列车牵引力进行空转牵引力控制。轨面监测模块包括轨面图像采集单元、轨面图像识别单元和坡度采集单元,轨面图像识别单元对轨面图像采集单元采集的实时轨面图像进行识别处理并输出当前的轨道干湿度;坡度采集单元输出轨道坡度。
20、所述列车自适应粘着控制系统还包括列车速度调整处理模块。列车速度调节处理模块周期性地采集列车车轮旋转速度、列车雷达速度和车载卫星定位系统速度,计算得到列车车速、蠕滑度、蠕滑度变化率、列车轮对速度变化率。具体有,列车车轮旋转速度采集单元周期性地采集列车车轮旋转速度v(h),列车雷达速度采集单元周期性地采集列车雷达速度w(h),车载卫星定位系统速度采集单元周期性地采集车载卫星定位系统速度u(k)和定位状态信息x(k)。采集车载卫星定位系统速度和定位状态信息的周期为tu,采集列车雷达速度和列车车轮旋转速度的周期为tv;tu大于tv。速度调整计算单元依据车载卫星定位系统速度u(k)、定位状态信息x(k),对轮/车速度比调整模型参数、列车雷达速度调整模型参数进行整定推算,或者是依据列车雷达速度调整模型输出的雷达同步调整速度对轮/车速度比调整模型参数进行整定推算。轮/车速度比调整模型输出列车车速、蠕滑度、蠕滑度变化率、列车轮对速度变化率。采用迭代计算的方式整定推算轮/车速度比调整模型参数和列车雷达速度调整模型参数,其迭代计算的周期与车载卫星定位系统速度采集单元的采集周期tu相同。
21、列车速度调整处理模块周期性地读取同步采集时间点采集的列车车轮旋转速度v(k)、列车雷达速度w(j)并进行迭代计算,k为当前迭代计算代次。
22、第k次迭代计算时,列车速度调整处理模块判断车载卫星定位系统速度是否有效。判断为车载卫星定位系统速度有效时,当前轮/车速度调整系数pv(k)按照式
23、
24、进行整定,其中,u(k)为最近一次采集的车载卫星定位系统速度,v(k)为在u(k)同步采集时间点采集的列车车轮旋转速度。
25、判断为车载卫星定位系统速度有效时,当前雷达速度变比系数pw(k)按照式
26、
27、进行整定,其中,w(k)为在u(k)同步采集时间点采集的列车雷达速度。车载卫星定位系统速度有效时,雷达速度调整系数pw等于pw(k)。
28、当判断车载卫星定位系统速度无效时,当前雷达速度变比系数pw(k)按照式
29、
30、进行推算。车载卫星定位系统速度无效时,雷达速度调整系数pw按照式
31、
32、进行计算,其中,i=0,1,2,……,m-1时,pw(k-i)为最近m次雷达速度变比系数,μw(k-i)为与pw(k-i)相对应的雷达速度加权系数。雷达同步调整速度w*(k)按照式
33、
34、进行计算;当前轮/车速度调整系数按照式
35、
36、进行整定。雷达速度加权系数满足式
37、的关系;各雷达速度加权系数取值满足i越小则雷达速度加权系数越大的关系。
38、轮/车速度比系数uv(k)由轮/车速度调整系数拟合计算得到,对m个点(k,pv(k))、(k-1,pv(k-1))、(k-2,pv(k-2))、……、(k-m+1,pv(k-m+1))进行直线拟合得到轮/车速度调整系数一阶拟合直线,取轮/车速度调整系数一阶拟合直线上点(k,uv(k))上的值uv(k)为轮/车速度比系数uv(k)。pv(k-1)、pv(k-2)、……、pv(k-m+1)依次为前m-1次列车速度调整处理模块迭代计算过程中整定计算得到的m-1个轮/车速度调整系数。m为大于等于3的整数。
39、当前列车速度vc(h)按照式
40、
41、进行计算,计算周期和采样周期tv相同。取列车车速v为当前列车速度vc(h)。
42、
43、计算当前蠕滑度x2(h),计算周期和采样周期tv相同,取蠕滑度x2等于当前蠕滑度x2(h)。
44、蠕滑度变化率x1按照式
45、
46、进行计算,计算周期和采样周期tv相同。x2(h-1)为前一次以采样周期tv计算取蠕滑度时得到的当前蠕滑度。
47、车载卫星定位系统速度u(k)采样时刻之前的第τ个列车车轮旋转速度采集时刻为u(k)同步采集时间点,τ是延滞间隔周期数,在该点采集的列车车轮旋转速度为v(k)。同样地,车载卫星定位系统速度u(k)采样时刻之前的第τ个列车雷达速度采集时刻为u(k)同步采集时间点,列车雷达速度w(k)和列车车轮旋转速度v(k)的同步采集时间点一致。延滞间隔周期数τ是将车载卫星定位系统速度获得时刻滞后于列车车轮旋转速度和列车雷达速度的获得时刻的时间滞后值转换成为的采集周期tv倍数值。当车载卫星定位系统速度u(k)无效时,其采样时刻仍然存在,即u(k)同步采集时间点仍然存在。当满足
48、的关系且最近连续的m1次判断车载卫星定位系统速度均为有效时,进行延滞间隔周期数τ的计算,m1≥10;ε为大于0的加速度变化阈值,具体来说,ε的数值可以在至的数值范围内选择,为列车的启动平均加速度。上式中,β(k)即为i等于0时的β(k-i),为计算的最近一次列车加速度变化率;i分别等于1,2,……,m1-1时的β(k-i)为最近的m1-1次的列车加速度变化率。
49、列车加速度变化率按照式
50、
51、进行计算;其中,α(k)为最近一次采集的列车加速度,α(k-1)为前一次采集的列车加速度。
52、列车加速度由加速度计测量采集。或者是,列车加速度按照式
53、
54、进行计算;其中,u(j-1)为采集u(k)的前一次采集的车载卫星定位系统速度。
55、计算延滞间隔周期数τ的方法是,设待优化的参数为延滞间隔周期数为τ*和雷达速度比例系数pw*。延滞间隔周期数为τ*时,与u(k-i)相对应的同步采集时间点采集的列车车轮旋转速度为v*(k-i),与u(k-i)相对应的同步采集时间点采集的列车雷达速度为w*(k-i),即与u(k)相对应的同步采集时间点采集的列车车轮旋转速度、列车雷达速度分别为v*(k)、w*(k-i),与u(k-1)相对应的同步采集时间点采集的列车车轮旋转速度、列车雷达速度分别为v*(k-1)、w*(k-1),与u(k-2)相对应的同步采集时间点采集的列车车轮旋转速度、列车雷达速度分别为v*(k-2)、w*(k-2),以此类推。最小值优化目标函数是
56、
57、取满足最优值(即q为最小值)q的延滞间隔周期数τ*为延滞间隔周期数τ;τ*的取值范围是大于0且小于2/tv的整数,pw*取值范围是大于等于0.8且小于等于1.2。
58、所述列车速度调整处理模块中,对采样得到的列车车轮旋转速度滤波后得到采集的列车车轮旋转速度;对采样得到的列车雷达速度滤波后得到采集的列车雷达速度;对采样得到的车载卫星定位系统速度滤波后得到采集的车载卫星定位系统速度。在采集第一次车载卫星定位系统速度之前,令
59、
60、其中,i=1,2,……,m-1。
61、本发明的有益效果是:影响粘着系数的最主要因素,特别是非线性因素是列车车速;粘着系数神经网络调整模型的输入包括列车车速、轨道干湿度、轨道坡度等列车实际运行时的路况数据,还包括依据计算粘着系数经验公式计算得到的、与列车车速相关的计算粘着系数,使粘着系数神经网络调整模型的训练能够在计算粘着系数的非线性经验公式基础上,只需要进行针对列车车速的适应性修正,同时依据轨道干湿度、轨道坡度等列车实际运行时的路况数据对粘着系数进行适应性调整,减小了粘着系数神经网络调整模型的建模难度;粘着系数经验计算模型和粘着系数神经网络调整模型的共同参与,系统可以在以大量实验数据为基础所得到的计算粘着系数经验公式基础上,兼顾列车的实际运行路段与变化的运行路况,使列车的最大牵引力限制能够随路段路况的变化实时改变,尽量在不发生轮对空转的情况下进行列车牵引。当粘着条件变差,即使进行上限限幅的情况下,轮轴的机车牵引力(轮周切线力)仍然大于轮轨粘着力,不能避免轮对发生空转时,为尽快恢复列车的正常牵引,本发明采用非线性数学模型计算空转风险值,将传统轮对空转的多个单项阈值判断条件与单项阈值条件均不满足的情况下的加权判断条件综合为一个整体,简化了判断依据,也在单项阈值条件均不满足的情况下,将多个因素量化后进行加权计算,实现多因素的综合判断,使空转判断更为全面准确。非线性数学模型的选取,能够尽量避免单项阈值条件均不满足的情况下加权判断条件的误判可能性。同时,加权判断条件的作用大小可以通过参数来进行设置与调节,各加权项的相对作用大小也可以通过参数来进行设置与调节,使该非线性数学模型归一化的列车轮对空转判断方法能够适用于不同的机车类型与运行状况。
本文地址:https://www.jishuxx.com/zhuanli/20240718/233820.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表