CN106004830A - 轨道车辆自适应坡度制动控制方法及系统 - Google Patents

Abstract

本发明提供了一种轨道车辆自适应坡度控制方法及系统，所述方法包括：根据车辆当前的行驶状况估计出下一时刻的坡道信息；根据估计出的坡道信息计算目标制动力；将所述目标制动力作为控制反馈量，控制制动缸压力。本发明提供的轨道车辆自适应坡度控制方法能够根据线路坡度情况实时调整车辆制动力，从而提高车辆在实际制动过程中对于坡道条件不确定参数的适应性。

Description

轨道车辆自适应坡度制动控制方法及系统

技术领域

本发明实施例涉及车辆控制技术领域，具体涉及一种轨道车辆自适应坡度控制方法及系统。

背景技术

车辆在制动过程中，通常会受到线路坡度条件的不确定参数的干扰，传统的控制方法很难降低其影响。例如，常规的制动控制方法通常以平直线路下理想的制动力为控制反馈量，但是这样往往得不到理想的制动效果。

发明内容

针对现有技术中的问题，本发明提供一种轨道车辆自适应坡度控制方法及系统，本发明提供的轨道车辆自适应坡度控制方法能够根据线路坡度情况实时调整车辆制动力，从而提高车辆在实际制动过程中对于坡道条件不确定参数的适应性。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供了一种轨道车辆自适应坡度控制方法，包括：

根据车辆当前的行驶状况估计出下一时刻的坡道信息；

根据估计出的坡道信息计算目标制动力；

将所述目标制动力作为控制反馈量，控制制动缸压力。

优选地，所述根据车辆当前的行驶状况估计出下一时刻的坡道信息，包括：

S1.建立车辆数学模型：

My+Mgb₀+Mg sinθ+F_brake＝0

将从车辆数学模型中提取出的影响车辆制动的坡道相关参数集合定义为参数a＝gb₀+gsinθ；

S2.简化上述车辆数学模型，得到：

$y+a=-\frac{F_{brake}}{M}$

其中，y：车辆速度；M：车辆质量；g：重力加速度；b₀：车辆基本运行阻力；sinθ：坡道坡度；F_brake：总制动力；

S3.利用一阶滤波器对简化后的车辆数学模型进行滤波处理，再利用卷积定理求解出滤波输出，得到车辆的线性化参数模型，然后进行坡度参数的在线估计，利用自适应控制理论中的在线参数估计，对参数a进行梯度参数估计，得到与坡度相关的车辆运行状态微分方程组；利用数值方法对微分方程组求解，得到下一时刻的参数a，也即估计出下一时刻的坡道信息。

优选地，所述根据估计出的坡道信息计算目标制动力，包括：

将得到的下一时刻的参数a代入下述简化后的车辆数学模型中，得到下一时刻的目标制动力：

$y+a=-\frac{F_{brake}}{M}.$

第二方面，本发明还提供了一种轨道车辆自适应坡度控制系统，包括：

估计单元，用于根据车辆当前的行驶状况估计出下一时刻的坡道信息；

计算单元，用于根据估计出的坡道信息计算目标制动力；

控制单元，用于将所述目标制动力作为控制反馈量，控制制动缸压力。

优选地，所述估计单元，具体用于：

建立车辆数学模型：

My+Mgb₀+Mg sinθ+F_brake＝0

将从车辆数学模型中提取出的影响车辆制动的坡道相关参数集合定义为参数a＝gb₀+gsinθ；

简化上述车辆数学模型，得到：

$y+a=-\frac{F_{brake}}{M}$

其中，y：车辆速度；M：车辆质量；g：重力加速度；b₀：车辆基本运行阻力；sinθ：坡道坡度；F_brake：总制动力；

利用一阶滤波器对简化后的车辆数学模型进行滤波处理，再利用卷积定理求解出滤波输出，得到车辆的线性化参数模型，然后进行坡度参数的在线估计，利用自适应控制理论中的在线参数估计，对参数a进行梯度参数估计，得到与坡度相关的车辆运行状态微分方程组；利用数值方法对微分方程组求解，得到下一时刻的参数a，也即估计出下一时刻的坡道信息。

优选地，所述计算单元具体用于：

将得到的下一时刻的参数a代入下述简化后的车辆数学模型中，得到下一时刻的目标制动力：

$y+a=-\frac{F_{brake}}{M}.$

由上述技术方案可知，本发明提供的轨道车辆自适应坡度控制方法及系统，首先根据车辆当前的行驶状况估计出下一时刻的坡道信息，然后根据估计出的坡道信息计算目标制动力，最后将所述目标制动力作为控制反馈量，控制制动缸压力。可见，本发明提供的轨道车辆自适应坡度控制方法能够根据线路坡度情况实时调整车辆制动力，从而提高了车辆在实际制动过程中对于坡道条件不确定参数的适应性。相对于现有技术中以平直线路下理想的制动力作为控制反馈量的控制方法，本发明所述的控制方法具有较高的制动精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的轨道车辆自适应坡度控制方法的流程图；

图2是本发明实施例一提供的轨道车辆自适应坡度控制方法的原理图；

图3是本发明实施例一提供的轨道车辆自适应坡度控制方法的模型流程图；

图4是本发明实施例二提供的轨道车辆自适应坡度控制系统的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

车辆在制动过程中，通常会受到线路坡度条件的不确定参数的干扰，传统的控制方法很难降低其影响。而本发明与常规的制动控制装置的最大区别在于控制反馈量的不同，常规的制动控制方法以平直线路下理想的制动力为控制反馈量；而本发明中的制动控制方法通过对线路坡度的在线自适应估计，即根据行驶车辆的相关信息，采用梯度参数估计的方法估计出下一时刻的坡道信息，进而计算出实际的制动力作为控制反馈量，控制制动缸压力，以提高车辆制动的精确度。

图1示出了本发明实施例一提供的轨道车辆自适应坡度控制方法的流程图，参见图1，本发明实施例一提供的轨道车辆自适应坡度控制方法，包括如下步骤：

步骤101：根据车辆当前的行驶状况估计出下一时刻的坡道信息。

在本步骤中，根据车辆当前的行驶状况估计出下一时刻的坡道信息，包括：

S1.建立车辆数学模型：

My+Mgb₀+Mg sinθ+F_brake＝0

将从车辆数学模型中提取出的影响车辆制动的坡道相关参数集合定义为参数a＝gb₀+gsinθ；

简化上述车辆数学模型，得到：

$y+a=-\frac{F_{brake}}{M}$

其中，y：车辆速度；M：车辆质量；g：重力加速度；b₀：车辆基本运行阻力；sinθ：坡道坡度；F_brake：总制动力；

S3.利用一阶滤波器对简化后的车辆数学模型进行滤波处理，再利用卷积定理求解出滤波输出，得到车辆的线性化参数模型，然后进行坡度参数的在线估计，利用自适应控制理论中的在线参数估计，对参数a进行梯度参数估计，得到与坡度相关的车辆运行状态微分方程组；利用数值方法对微分方程组求解，得到下一时刻的参数a，也即估计出下一时刻的坡道信息。

步骤102：根据估计出的坡道信息计算目标制动力。

在本步骤中，根据估计出的坡道信息计算目标制动力，包括：

将得到的下一时刻的参数a代入下述简化后的车辆数学模型中，得到下一时刻的目标制动力：

$y+a=-\frac{F_{brake}}{M}.$

具体地，假设步骤101估计得到的下一时刻的坡道信息a为a′，车辆的当前速度y为y′，车辆质量为M，则根据上式可以得到下一时刻的目标制动力F_brake′为-M(y′+a′)。

步骤103：将所述目标制动力作为控制反馈量，控制制动缸压力。

由上述技术方案可知，本实施例提供的轨道车辆自适应坡度控制方法及系统，首先根据车辆当前的行驶状况估计出下一时刻的坡道信息，然后根据估计出的坡道信息计算目标制动力，最后将所述目标制动力作为控制反馈量，控制制动缸压力。可见，本实施例提供的轨道车辆自适应坡度控制方法能够根据线路坡度情况实时调整车辆制动力，从而提高了车辆在实际制动过程中对于坡道条件不确定参数的适应性。相对于现有技术中以平直线路下理想的制动力作为控制反馈量的控制方法，本发明所述的控制方法具有较高的制动精度。

本发明专利所述的轨道车辆自适应坡度的制动控制方法可用于对高速铁路和城市轨道交通车辆制动系统的控制。该控制方法对车辆在不同坡度条件下，当车辆处于制动工况时，根据制动指令对制动力进行精确控制。控制方法在控制过程中，通过对制动系统的实际制动缸压力信号、轨道车辆的实际轴重信号和轴速信号的在线处理，估计出车辆运行模型中的坡道影响参数，计算目标制动缸压力，最终使实际制动力与目标制动力相跟随，实现车辆制动对于线路坡道的自适应。

图2和图3分别是制动控制原理图以及具体实现流程图。首先设计车辆数学模型：

My+Mgb₀+Mg sinθ+F_brake＝0

其中，y：车辆速度；M：车辆质量；g：重力加速度；b₀：车辆基本运行阻力；sinθ：坡道坡度(上坡为正)；F_brake：总制动力；

该模型由车辆动力学模型和不确定坡道参数组成，模型包含车辆的加速度信息、质量信息、总制动力以及运行基本阻力、坡道坡度等车辆运行条件信息。在基本阻力为已知的情况下，将车辆数学模型中提取出的影响车辆制动的坡道相关参数集合定义为参数a＝gb₀+gsinθ，则车辆数学模型变为加速度、参数a与制动力比质量的简化模型：

$y+a=-\frac{F_{brake}}{M}$

其次车辆数学模型线性参数化。为了对参数a进行估计，需将车辆数学模型线性参数化，具体方法是利用一阶滤波器对简化后的车辆数学模型进行滤波处理，再利用卷积定理求解出滤波输出，得到车辆的线性化参数模型：y＝Wa+c，其中W和c均为常量。然后进行坡度数的在线估计。利用自适应控制理论中的在线参数估计，对参数a进行梯度参数估计，得到与坡度相关的车辆运行状态微分方程组：

$\left(\begin{array}{c}-{\mathrm{\λh}}_1\\ -{\mathrm{\λh}}_2+y\\ -{\mathrm{\λh}}_3+{\stackrel{\‾}{F}}_{brake}\\ -{\mathrm{\λh}}_4+\mathrm{\λ}\\ -p_0{h}_4(h_4\hat{a}-\frac{1}{\stackrel{\‾}{M}}{h}_3+{\mathrm{\λh}}_2+h_1-y)\end{array}\right)=f\left(X\right)$

其中λ、p₀、h₁～h₄均为常量。利用数值方法Runge-Kutta对其求解，可得到下一时刻的参数a，也即得到下一时刻的坡道坡度信息。最后计算目标值动力。将下一时刻的坡道坡度信息带回简化后的车辆数学模型，即可得到下一时刻的目标值动力，利用该目标值动力进行车辆制动控制就可以实现车辆制动对于线路坡道的自适应。

本发明提供的轨道车辆自适应坡度的制动控制方法，能够针对线路坡度条件不确定的参数对车辆制动进行优化，在车辆的实际运行过程中根据所反馈的车速(轴速)、车重(轴重)、制动缸压力等实时信息实现针对车辆制动力的闭环控制，从而提高车辆在实际制动过程中对于坡道条件不确定参数的适应性。其中，在不考虑滑行和轴重转移的情况下，轴速与车速相同，轴重与车重相同。

本发明提供的轨道车辆自适应坡度的制动控制方法，明确了其控制逻辑。如轨道车辆在坡度不确定的线路上运行时，当需要采取制动时，搭载在车辆制动系统上的该种制动控制方法，对车辆制动进行控制。该制动控制方法可以实现对坡度的自适应，即当制动指令给出时，无论轨道线路坡度条件如何，该控制系统都能控制制动系统，实现制动指令要求的制动性能，使车辆即使在坡道条件下实施制动，也能保证制动的精度，从而对坡度实现自适应。该轨道车辆自适应坡度的制动控制方法具有架控模式和轴控模式。

本发明实施例二提供了一种轨道车辆自适应坡度控制系统，参见图4，包括：估计单元21、计算单元22和控制单元23；

估计单元21，用于根据车辆当前的行驶状况估计出下一时刻的坡道信息；

计算单元22，用于根据估计出的坡道信息计算目标制动力；

控制单元23，用于将所述目标制动力作为控制反馈量，控制制动缸压力。

进一步地，所述估计单元21，具体用于：

建立车辆数学模型：

My+Mgb₀+Mg sinθ+F_brake＝0

将从车辆数学模型中提取出的影响车辆制动的坡道相关参数集合定义为参数a＝gb₀+gsinθ；

简化上述车辆数学模型，得到：

$y+a=-\frac{F_{brake}}{M}$

其中，y：车辆速度；M：车辆质量；g：重力加速度；b₀：车辆基本运行阻力；sinθ：坡道坡度；F_brake：总制动力；

利用一阶滤波器对简化后的车辆数学模型进行滤波处理，再利用卷积定理求解出滤波输出，得到车辆的线性化参数模型，然后进行坡度参数的在线估计，利用自适应控制理论中的在线参数估计，对参数a进行梯度参数估计，得到与坡度相关的车辆运行状态微分方程组；利用数值方法对微分方程组求解，得到下一时刻的参数a，也即估计出下一时刻的坡道信息。

进一步地，所述计算单元22具体用于：

将得到的下一时刻的参数a代入下述简化后的车辆数学模型中，得到下一时刻的目标制动力：

$y+a=-\frac{F_{brake}}{M}.$

本实施例提供的系统可以用于执行上述实施例所述的方法，其原理和技术效果类似，此处不再详述。

以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种轨道车辆自适应坡度控制方法，其特征在于，包括：

根据车辆当前的行驶状况估计出下一时刻的坡道信息；

根据估计出的坡道信息计算目标制动力；

将所述目标制动力作为控制反馈量，控制制动缸压力。

2.根据权利要求1所述的方法，其特征在于，所述根据车辆当前的行驶状况估计出下一时刻的坡道信息，包括：

S1.建立车辆数学模型：

My+Mgb₀+Mgsinθ+F_brake＝0

将从车辆数学模型中提取出的影响车辆制动的坡道相关参数集合定义为参数a＝gb₀+gsinθ；

S2.简化上述车辆数学模型，得到：

$y+a=-\frac{F_{brake}}{M}$

其中，y：车辆速度；M：车辆质量；g：重力加速度；b₀：车辆基本运行阻力；sinθ：坡道坡度；F_brake：总制动力；

S3.利用一阶滤波器对简化后的车辆数学模型进行滤波处理，再利用卷积定理求解出滤波输出，得到车辆的线性化参数模型，然后进行坡度参数的在线估计，利用自适应控制理论中的在线参数估计，对参数a进行梯度参数估计，得到与坡度相关的车辆运行状态微分方程组；利用数值方法对微分方程组求解，得到下一时刻的参数a，也即估计出下一时刻的坡道信息。

3.根据权利要求2所述的方法，其特征在于，所述根据估计出的坡道信息计算目标制动力，包括：

将得到的下一时刻的参数a代入下述简化后的车辆数学模型中，得到下一时刻的目标制动力：

$y+a=-\frac{F_{brake}}{M}.$

4.一种轨道车辆自适应坡度控制系统，其特征在于，包括：

估计单元，用于根据车辆当前的行驶状况估计出下一时刻的坡道信息；

计算单元，用于根据估计出的坡道信息计算目标制动力；

控制单元，用于将所述目标制动力作为控制反馈量，控制制动缸压力。

5.根据权利要求4所述的系统，其特征在于，所述估计单元，具体用于：

建立车辆数学模型：

My+Mgb₀+Mgsinθ+F_brake＝0

将从车辆数学模型中提取出的影响车辆制动的坡道相关参数集合定义为参数a＝gb₀+gsinθ；

简化上述车辆数学模型，得到：

$y+a=-\frac{F_{brake}}{M}$

其中，y：车辆速度；M：车辆质量；g：重力加速度；b₀：车辆基本运行阻力；sinθ：坡道坡度；F_brake：总制动力；

利用一阶滤波器对简化后的车辆数学模型进行滤波处理，再利用卷积定理求解出滤波输出，得到车辆的线性化参数模型，然后进行坡度参数的在线估计，利用自适应控制理论中的在线参数估计，对参数a进行梯度参数估计，得到与坡度相关的车辆运行状态微分方程组；利用数值方法对微分方程组求解，得到下一时刻的参数a，也即估计出下一时刻的坡道信息。

6.根据权利要求5所述的系统，其特征在于，所述计算单元具体用于：

将得到的下一时刻的参数a代入下述简化后的车辆数学模型中，得到下一时刻的目标制动力：

$y+a=-\frac{F_{brake}}{M}.$