模糊神经网络在列车防冒进系统中的应用

列车防冒进控制是一种强耦合、高度非线性并且影响因素众多的系统。为了对系统进行准确的控制,该文将自适应神经模糊推理系统与现行的传统控制方法相结合,应用于列车防冒进系统中。通过车载控制系统利用自适应神经模糊推理系统与传统控制方法相结合的方式,根据当前列车运行状态对列车的最高允许车速进行相应的控制。以中车株机厂试运线为例,利用Matlab对实际调查数据进行训练,结果表明,训练误差为1.5%左右,与实际数据平均误差为1.315 m,拟合最大误差百分比在1%左右,预测误差在可控范围内,将自适应神经模糊推理系统加入列车防冒进控制之后具有更高的安全性。

基于CODESYS与ARM的车辆组态系统可视化界面通用方案设计

提出了基于ARM软核PLC的车辆组态系统可视化界面通用平台设计方案。针对传统的PLC使用CODESYS可视化界面编程的底层硬件方案具有现场可配置能力弱、不同项目之间可移植性较差的特点,在分析基于嵌入式软核PLC与CODESYS开发特性的基础上设计了基于MVB通信的车辆组态系统可视化界面通用平台结构。构造了在以IMX.6与S3C2440芯片为核心的双系统上进行移植与调试。以轨道车辆系统为例进行模拟运行,分析其相关功能以及实现该功能所需要的控制参数和实现策略,采用模块化编程,并以结构化文本与功能块图语言的编程形式完成可视化界面的设计。试验结果证明了该平台设计方案具有不同项目间可移植性高、运行稳定的优点。

基于ARM与多模型实现的试运线列车超速防护系统

针对试运线列车运行的安全性与停车准确度的要求,提出一种基于ARM与多模型实现的列车超速防护系统。通过车载设备传感器采样时间序列数据,并将其进行小波去噪,从而得到基于傅里叶模型的目标跟踪运行曲线。设计以模糊神经网络为动态预测模型的速度控制器,利用预测控制的滚动优化与误差矫正特性增加速度控制器在不同运行环境下的鲁棒性。为加快模糊神经网络的训练速度,将改进型粒子群模糊聚类算法的聚类结果作为模糊神经网络的前件规则构建参数。以中车试运线数据为例对其进行仿真,并通过基于曲线面积误差的评价指标对全局速度下的停车精确度进行分析。仿真结果表明:所提出的以傅里叶模型作为目标函数实现的基于模糊网络的预测控制策略具有明显的优势。

基于ANFIS的多因素PSOBPPID算法在列车防冒进中的研究

在我国试运线列车运行普遍采取司机经验与目标-距离策略相结合的背景下,针对试运线列车运行的多因素要求,提出一种基于ANFIS的多因素PSO_BP_PID算法对速度进行控制。通过改进型粒子群算法对防护曲线进行优化,从而得到目标输出序列。利用BP_PID动态特性的优势对时变性的列车模型进行控制,并利用粒子群算法对其初始权重进行优化,从而设计基于PSO_BP_PID的速度控制器。以中车试运线路数据为基础,对其进行仿真,并计算多项性能评价指标进行分析。仿真结果表明,基于ANFIS的多因素PSO_BP_PID算法在多因素指标上有明显的提高。

基于CAN和模糊推理的一款地铁列车火灾报警系统的设计与仿真研究

针对传统火灾报警系统存在可靠性低、误报率高的问题,设计一套基于CAN总线和模糊推理的地铁列车火灾报警系统。使用分布式结构和冗余,进行系统总体方案设计。根据功能需求设计列车火灾报警控制器和火灾复合探测器。考虑多传感器数据融合,提出使用复合数字滤波法和模糊推理解决火灾检测准确率低的问题。仿真结果表明,使用多数据融合和模糊推理有效提高了火灾检测的准确性。

地铁列车逻辑控制单元的安全性设计与研究

为了研究列车逻辑控制单元(LCU)的安全性,分析了新型地铁列车LCU的系统安全设计,介绍了安全PLC理论在地铁列车LCU中的应用。采用冗余设计和诊断电路来保证系统的安全性与可靠性。通过失效模式及影响分析,计算功能安全模型需要的基础失效数据,使用模糊故障树对其进行建模。结果表明,基于安全PLC理论设计的LCU具有较高的安全性;其安全完整性等级(SIL)最高可达SIL2等级,满足轨道交通产品对功能安全的要求。