基于快速自适应超螺旋算法的高速列车最优黏着控制

为解决轨面状态变化时列车牵引/制动力得不到有效发挥的问题,考虑轮轨间黏着状态具有较强的非线性和时变性,设计一种快速自适应超螺旋(FAST)滑模控制器。根据轮轨黏着机制和列车运行原理建立列车模型,对不同轨面下黏着特性曲线进行研究。使用全维状态观测器对负载转矩进行观测,并计算获取当前轨面黏着系数。在此基础上,利用滑模极值算法动态搜索当前轨面最佳蠕滑速度。采用快速自适应超螺旋算法设计的滑模控制器控制牵引电机转矩,使列车蠕滑速度稳定跟踪于当前轨面最佳蠕滑速度处。利用MATLAB软件对FAST滑模控制器设计的列车运行控制系统进行仿真,将其与采用超螺旋滑模控制器和标准滑模控制器的仿真结果进行对比。研究结果表明,FAST算法将系统稳定时间缩短至5 s,收敛速度加快。不同轨面搜索到的蠕滑速度稳定在最优阈值1.4~1.5 m/s之间,轨面变化时,转矩变化趋势与轨面变化趋势一致,数值分别稳定在67200和32720左右。在模型中加入干扰后,系统能快速稳定,转矩相对误差处于±0.05%,控制器有较强鲁棒性。由此可知,快速自适应超螺旋算法实现了对不同轨面下的列车最佳蠕滑速度的快速跟踪,充分利用了当前轨面的最大黏着系数,极大发挥了列车牵引/制动力,实现了高速列车的最优黏着控制。

高速列车最优黏着控制方法研究及展望

为了使实际的黏着系数尽量逼近于当时路况的黏着系数最大值,以获得更大的平均牵引力,提高黏着利用率。在介绍轮轨黏着机理的基础上,总结了高速列车基于最优黏着的空转判据和相应的黏着控制方法,详细介绍了各种方法的理论基础和优缺点,最后对我国黏着控制的发展作了展望。

地铁列车空转的PSO-RBF滑模控制方法研究

地铁列车在频繁的牵引提速过程中,其加速阶段易发生轮对空转现象。为恢复空转后黏着控制性能并提高列车轮轨黏着利用率,文章对轮对空转再黏着控制进行深入研究。首先,通过搭建列车单轴动力学仿真模型,并结合全维状态观测器和极值搜索算法对列车状态进行估计。其次,提出基于POS-RBF神经网络的滑模控制器。最后,通过仿真对列车空转再黏着控制性能进行验证。仿真结果表明,相比固定切换增益滑模控制器,基于PSO-RBF神经网络可实时调节切换增益的滑模控制器具有更快的再黏着恢复速度、更小的稳定后抖振优点。这一改进有效提升地铁列车在空转时的黏着控制性能,可为列车安全、高效运行提供有力的技术保障。