CN109782585B

CN109782585B - 基于大数据的车内压力波动阀门风机协同主动控制系统

Info

Publication number: CN109782585B
Application number: CN201910091920.1A
Authority: CN
Inventors: 陈春俊; 林建辉; 屈国庆; 杨岗; 张敏; 陈朝文
Original assignee: Chengdu Tianyou Luhang Track Traffic Technology Co ltd
Current assignee: Jiangsu Luhang Rail Transit Technology Co ltd
Priority date: 2019-01-30
Filing date: 2019-01-30
Publication date: 2022-05-06
Anticipated expiration: 2039-01-30
Also published as: CN109782585A

Abstract

本发明公开了一种基于大数据的车内压力波动阀门风机协同主动控制系统，属于控制技术领域。该基于大数据的车内压力波动阀门风机协同主动控制系统通过传感器模块实时探测所述高速列车的位置、车速以及车内外压力信号，通过信号采集与处理模块对采集的信号进行转换处理并传输至基于大数据的控制模块，基于大数据的控制模块将车内外实测信号与历史信号进行匹配，调出数据库中历史相同隧道段的阀门和风机控制信号进行辨识处理并通过控制算法进行修正得到修正后的阀门和风机控制信号，再经由模拟输出模块送入阀门和风机，通过对阀门开度和风机频率进行调节改变高速列车车内压力，能够很好地实现可控自动调节的效果，节约控制成本。

Description

基于大数据的车内压力波动阀门风机协同主动控制系统

技术领域

本发明属于控制技术领域，具体涉及一种基于大数据的车内压力波动阀门风机协同主动控制系统。

背景技术

近些年来，随着我国高速列车的进一步提速，许多在高速列车低速运行时并不显著的空气动力学效应开始体现出来，并且人们对列车乘坐舒适性的要求也越来越高。快速性和舒适性是目前高速列车发展的主题，由于速度的提高以及高速列车并不是一个完全密闭的空间，在列车高速通过隧道时，由于气密缝隙和换气系统的影响会使得车外剧烈波动的隧道波传递到车内，引起车内压力变化，瞬间较大的车内压力变化会造成乘客耳鸣、耳痛等症状，影响乘客乘坐舒适度。传统的被动压力控制方式将很难满足乘客对高速列车的运行舒适性要求，因为高速列车在隧道中运行的过程中，被动控制采用关闭进气阀门和废排阀门的方式，对于隧道过长和过多的路况，其控制方式无法保证车内空气的新鲜。而主动压力控制方式采用高静压风机克服高速列车运行过程中从车外进新风和排废气时遇到的阻力，实现抑制车外压力波动向车内传递的功能，但其运行频率唯一确定，不具备自动调节功能，仅能保证车内压力在合适的范围内。在主动压力控制的基础上，采用变频风机的主动压力控制方式迅速发展起来，是近年来国内外研究的一个热点，采用变频风机的主动压力控制方式是针对系统的反应信息和车内外压力的变化情况，及时调整控制系统变频风机的频率，从而改善高速列车车内压力变化，实现高速列车通过隧道时车内压力波动的控制，保证乘客乘坐舒适性。

目前，这些传统意义上的车内压力被动控制和主动控制方式主要是抑制车内压力变化，但是车内压力保护系统中，阀门和风机作为执行器单独作用时，只能保证车内压力在一定范围内波动，并不能完全消除车内压力波动。随着人们对高速列车乘客乘坐舒适性提出了更高要求，高速列车通过隧道时车内气压的稳定性逐渐成为其主要性能指标，因此，如何更好地保持车内气压的稳定是亟待解决的问题。

发明内容

为了解决现有技术存在的上述问题，本发明提供了一种基于大数据的同时利用阀门开度和风机频率进行车内压力波动抑制的协同主动控制系统。

为了实现上述目的，本发明采用的技术方案如下：

一种基于大数据的车内压力波动阀门风机协同主动控制系统，包括数据库模块、传感器模块、信号采集与处理模块、基于大数据的控制模块和模拟输出模块；其中：

所述数据库模块用于接收并存储沿线的隧道工况数据以及高速列车在通过所述隧道时的历史运行数据；

所述传感器模块用于实时探测所述高速列车的位置、车速以及车内外压力，生成对应的实时位置模拟信号、实时车速模拟信号以及实时车内外压力模拟信号并传输至所述信号采集与处理模块；

所述信号采集与处理模块分别与所述传感器模块、所述数据库模块以及所述基于大数据的控制模块连接，用于对所述实时位置模拟信号、所述实时车速模拟信号以及所述实时车内外压力模拟信号进行采样，获得途径隧道的隧道位置模拟信号、隧道车速模拟信号和隧道车内外压力模拟信号；将所述隧道位置模拟信号、所述隧道车速模拟信号和所述隧道车内外压力模拟信号转换成对应的隧道位置数字信号、隧道车速数字信号和隧道车内外压力数字信号并分别传输至所述数据库模块和所述基于大数据的控制模块；

所述基于大数据的控制模块分别与所述数据库模块和所述信号采集与处理模块连接，用于基于所述隧道位置数字信号和所述隧道车速数字信号，利用大数据的工况辨识算法从所述数据库模块中找出与所述隧道位置数字信号和所述隧道车速数字信号匹配的所述历史运行数据；利用所述历史运行数据和所述隧道车内外压力数字信号通过迭代控制算法计算出当前风机控制数字信号和当前阀门控制数字信号；

所述模拟输出模块与所述基于大数据的控制模块连接，用于将所述当前风机控制数字信号和所述当前阀门控制数字信号分别转化成风机控制模拟信号和阀门控制模拟信号并输出。

在更进一步的实施方案中，所述隧道工况数据至少包括隧道名称、隧道长度和高速列车运行速度。

在更进一步的实施方案中，所述历史运行数据包括历次系统运行控制数据和历次系统运行状态数据。

在更进一步的实施方案中，所述历史系统运行控制数据包括阀门开度控制信号和风机转速控制信号；所述历史系统运行状态数据包括车外实际气压、车内实际气压、车内气压误差。

在更进一步的实施方案中，所述传感器模块包括测量电路和分别与所述测量电路连接的GPS模块、测速雷达、压力传感器；其中：

所述GPS模块用于实时探测所述高速列车的位置，生成所述实时位置模拟信号；

所述测速雷达用于实时探测所述高速列车的车速，生成所述实时车速模拟信号；

所述压力传感器用于实时探测所述高速列车的车内外压力，生成所述实时车内外压力模拟信号；

所述测量电路用于将所述实时位置模拟信号、所述实时车速模拟信号和所述实时车内外压力模拟信号传输至所述信号采集与处理模块。

在更进一步的实施方案中，所述信号采集与处理模块包括采样多路开关、采样保持器和A/D转换器；其中：

所述采样多路开关和所述采样保持器用于对所述实时位置模拟信号、所述实时车速模拟信号和所述实时车内外压力模拟信号进行采样，获得对应的所述隧道位置模拟信号、所述隧道车速模拟信号和所述隧道车内外压力模拟信号；

所述A/D转换器用于将所述隧道位置模拟信号、所述隧道车速模拟信号和所述隧道车内外压力模拟信号转换成对应的隧道位置数字信号、隧道车速数字信号和隧道车内外压力数字信号并分别传输至所述数据库模块和所述基于大数据的控制模块。

在更进一步的实施方案中，所述工况辨识算法为：

提取所述数据库中的所述历史数据，找出与所述隧道位置数字信号匹配的隧道历史数据，并通过将所述隧道车速数字信号ν_n与所述隧道历史数据中的历史运行速度ν_h进行对比，计算得到价值系数w_α，提取出有价值的所述历史数据，公式如下：

其中λ_α为速度权值控制因子；

遍历所述隧道历史数据，获得所有有价值的所述历史数据，构成有价值历史数据集。

在更进一步的实施方案中，所述迭代控制算法为：

式中：P_o(t)为高速列车车内期望压力；

P_k(t)为高速列车第k次通过该隧道时的车内实测压力；

e_k(t)为高速列车第k次通过该隧道时的车内压力误差；

u_k(t)为高速列车第k次通过隧道时的阀门风机控制量；

u_k+1(t)修正后的阀门风机控制量；

K_p、K_i、K_d分别为比例系数、积分系数和微分系数。

在更进一步的实施方案中，所述模拟输出模块包括隔离装置、D/A转换器、控制多路开关和控制保持器，其中，所述D/A转换器在所述隔离器保证电量隔离的条件下完成将所述当前风机控制数字信号和所述当前阀门控制数字信号分别转换成风机控制模拟信号和阀门控制模拟信号，并通过所述控制多路开关和所述控制保持器将所述风机控制模拟信号和所述阀门控制模拟信号分别准确送入对应的所述阀门和所述风机中。

与现有技术相比，本发明提供的技术方案具有如下有益效果或优点：

本发明所提供的基于大数据的车内压力波动阀门风机协同主动控制系统通过传感器模块实时探测所述高速列车的位置、车速以及车内外压力模拟信号，通过信号采集与处理模块对采集的信号进行转换处理并传输至基于大数据的控制模块，基于大数据的控制模块将实测的车内外压力信号与历史信号进行匹配，调出数据库中历史相同隧道段的阀门和风机控制信号进行辨识处理后作为控制算法的初值并通过控制算法对初值进行修正得到修正后的阀门和风机控制信号，再经由模拟输出模块送入阀门和风机，通过对阀门开度和风机频率进行调节改变高速列车车内压力，从而使车内压力变化越来越小，无论高速列车运行环境如何变化，都不会对高速列车车内乘客的乘坐舒适性产生较大的影响，能够很好地实现可控自动调节的效果，具有很强的实用性，不会增加系统的结构复杂性，能够节约控制成本。

参照后文的说明和附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式。应该理解，本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本发明的实施方式包括许多改变、修改和等同。

针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。

应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。

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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的基于大数据的车内压力波动阀门风机协同主动控制系统的结构框图。

图2为本发明实施例中提取满足车内误差允许限的有价值历史数据的流程图。

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、完整地描述，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本发明实施例的描述中，需要说明的是，指示方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本发明实施例的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接连接，也可以通过中间媒介间接连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义型实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

如图1所示，本发明实施例提供了一种基于大数据的车内压力波动阀门风机协同主动控制系统，所述基于大数据的车内压力波动阀门风机协同主动控制系统包括数据库模块1、传感器模块2、信号采集与处理模块3、基于大数据的控制模块4和模拟输出模块5；其中：

数据库模块1用于接收并存储沿线的隧道工况数据以及高速列车在通过所述隧道时的历史运行数据；

传感器模块2用于实时探测所述高速列车的位置、车速以及车内外压力，生成对应的实时位置模拟信号、实时车速模拟信号以及实时车内外压力模拟信号并传输至信号采集与处理模块3；

信号采集与处理模块3分别与传感器模块2、数据库模块1以及基于大数据的控制模块4连接，用于对所述实时位置模拟信号、所述实时车速模拟信号以及所述实时车内外压力模拟信号进行采样，获得途径隧道的隧道位置模拟信号、隧道车速模拟信号和隧道车内外压力模拟信号；将所述隧道位置模拟信号、所述隧道车速模拟信号和所述隧道车内外压力模拟信号转换成对应的隧道位置数字信号、隧道车速数字信号和隧道车内外压力数字信号并分别传输至数据库模块1和基于大数据的控制模块4；

基于大数据的控制模块4分别与数据库模块1和信号采集与处理模块3连接，用于基于所述隧道位置数字信号和所述隧道车速数字信号，利用大数据的工况辨识算法从所述数据库模块中找出与所述隧道位置数字信号和所述隧道车速数字信号匹配的所述历史运行数据；利用所述历史运行数据和所述隧道车内外压力数字信号通过迭代控制算法计算出当前风机控制数字信号和当前阀门控制数字信号；

模拟输出模块5与基于大数据的控制模块4连接，用于将所述当前风机控制数字信号和所述当前阀门控制数字信号分别转化成风机控制模拟信号和阀门控制模拟信号并输出。

其中，数据库模块1中存储的所述隧道工况数据至少包括隧道名称、隧道长度和高速列车运行速度；所述历史运行数据包括历次系统运行控制数据和历次系统运行状态数据。进一步的，所述历史系统运行控制数据包括阀门开度控制信号和风机转速控制信号；所述历史系统运行状态数据包括车外实际气压、车内实际气压、车内气压误差。需要说明的是，此处的所述车内气压误差具体以车内气压无任何波动为基准。

在具体的实施过程中，为了能够实时探测所述高速列车的位置、车速以及车内外压力，作为优选的，本发明实施例中的传感器模块2包括测量电路21和分别与测量电路21连接的GPS模块22、测速雷达23、压力传感器45；其中：

GPS模块22用于实时探测所述高速列车的位置，生成所述实时位置模拟信号；

测速雷达23用于实时探测所述高速列车的车速，生成所述实时车速模拟信号；

压力传感器24用于实时探测所述高速列车的车内外压力，生成所述实时车内外压力模拟信号；

测量电路21用于将所述实时位置模拟信号、所述实时车速模拟信号和所述实时车内外压力模拟信号传输至信号采集与处理模块3。

通过GPS模块22、测速雷达23、压力传感器45能够实现对所述高速列车的位置、车速以及车内外压力的实施探测，通过测量电路21能够及时地将所述实时位置模拟信号、所述实时车速模拟信号和所述实时车内外压力模拟信号传输至信号采集与处理模块3。

在具体的实施过程中，本发明实施例中的信号采集与处理模块3具体包括采样多路开关31、采样保持器32和A/D转换器33；其中：

采样多路开关31和采样保持器32用于对所述实时位置模拟信号、所述实时车速模拟信号和所述实时车内外压力模拟信号进行采样，获得对应的所述隧道位置模拟信号、所述隧道车速模拟信号和所述隧道车内外压力模拟信号；

A/D转换器33用于将所述隧道位置模拟信号、所述隧道车速模拟信号和所述隧道车内外压力模拟信号转换成对应的隧道位置数字信号、隧道车速数字信号和隧道车内外压力数字信号并分别传输至所述数据库模块和所述基于大数据的控制模块4。

在具体的实施过程中，基于大数据的控制模块4在利用大数据的工况辨识算法从所述数据库模块中找出与所述隧道位置数字信号和所述隧道车速数字信号匹配的所述历史运行数据时，采用的工况辨识算法具体如下：

其中λ_α为速度权值控制因子；

在具体的实施过程中，由于有价值历史数据集中的历史数据较多，为了进一步保证利用筛选出来的历史数据计算出的阀门和风机的控制信号能起到较好的车内压力控制效果，在计算阀门和风机控制信号之前，本发明实施例对所述有价值历史数据集中的有价值历史数据进行误差数据筛选，提取出满足车内误差允许限的有价值历史数据，具体流程如图2所示，图中||e_ch||为历史运行数据的车体控制误差范数；e_cnok为当前操作工况车体控制允许误差限；λ_e为误差权值控制因子，u_i为第i次的加权结果，i＝1,2，…，n，其中n为加权计算次数，与有价值数据的数量相等；

为前i-1次的权值之和；w_e,i为第i次的权值；u_h,i为第i次需要加权的历史运行数据的控制信号。

获得误差允许限的有价值历史数据后，通过迭代控制算法计算出当前风机控制数字信号和当前阀门控制数字信号。其中，所述迭代控制算法为：

式中：P_o(t)为高速列车车内期望压力；

P_k(t)为高速列车第k次通过该隧道时的车内实测压力；

e_k(t)为高速列车第k次通过该隧道时的车内压力误差；

u_k(t)为高速列车第k次通过隧道时的阀门控制量/风机控制量；

u_k+1(t)修正后的阀门控制量/风机控制量；

K_p、K_i、K_d分别为比例系数、积分系数和微分系数。

获得当前风机控制数字信号和当前阀门控制数字信号后，基于大数据的控制模块4将所述当前风机控制数字信号和所述当前阀门控制数字信号分别传输给模拟输出模块5和数据库模块1。

在具体实施过程中，模拟输出模块5包括隔离装置51、D/A转换器52、控制多路开关53和控制保持器54，其中，D/A转换器52在隔离装置51保证电量隔离的条件下完成将所述当前风机控制数字信号和所述当前阀门控制数字信号分别转换成风机控制模拟信号和阀门控制模拟信号，并通过控制多路开关53和控制保持器54将所述风机控制模拟信号和所述阀门控制模拟信号分别准确送入对应的所述阀门和所述风机中。

本发明实施例所提供的基于大数据的车内压力波动阀门风机协同主动控制系统通过传感器模块实时探测所述高速列车的位置、车速以及车内外压力模拟信号，通过信号采集与处理模块对采集的信号进行转换处理并传输至基于大数据的控制模块，基于大数据的控制模块将实测的车内外压力信号与历史信号进行匹配，调出数据库中历史相同隧道段的阀门和风机控制信号进行辨识处理后作为控制算法的初值并通过控制算法对初值进行修正得到修正后的阀门和风机控制信号，修正后的阀门和风机控制信号，再经由模拟输出模块送入阀门和风机，通过对阀门开度和风机频率进行调节改变高速列车车内压力，从而使车内压力变化越来越小，无论高速列车运行环境如何变化，都不会对高速列车车内乘客的乘坐舒适性产生较大的影响，能够很好地实现可控自动调节的效果，具有很强的实用性，不会增加系统的结构复杂性，能够节约控制成本。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims

1.一种基于大数据的车内压力波动阀门风机协同主动控制系统，其特征在于，所述主动控制系统的控制对象为线路实际运行过程中的高速列车车内压力，所述系统包括数据库模块、传感器模块、信号采集与处理模块、基于大数据的控制模块和模拟输出模块；其中：

所述信号采集与处理模块分别与所述传感器模块、所述数据库模块以及所述基于大数据的控制模块连接，用于对所述实时位置模拟信号、所述实时车速模拟信号以及所述实时车内外压力模拟信号进行采样，获得途经隧道的隧道位置模拟信号、隧道车速模拟信号和隧道车内外压力模拟信号；将所述隧道位置模拟信号、所述隧道车速模拟信号和所述隧道车内外压力模拟信号转换成对应的隧道位置数字信号、隧道车速数字信号和隧道车内外压力数字信号并分别传输至所述数据库模块和所述基于大数据的控制模块；

所述模拟输出模块与所述基于大数据的控制模块连接，用于将所述当前风机控制数字信号和所述当前阀门控制数字信号分别转化成高速列车空调系统的风机控制模拟信号和新风、废排阀门控制模拟信号并输出；

所述传感器模块包括测量电路和分别与所述测量电路连接的GPS模块、测速雷达、压力传感器；其中：

所述测量电路用于将所述实时位置模拟信号、所述实时车速模拟信号和所述实时车内外压力模拟信号传输至所述信号采集与处理模块；

所述工况辨识算法为：

提取所述数据库中的所述历史运行数据，找出与所述隧道位置数字信号匹配的隧道历史运行数据，并通过将所述隧道车速数字信号ν_n与隧道历史运行数据中的历史运行速度ν_h进行对比，计算得到价值系数w_α，提取出有价值的历史运行数据，公式如下：

其中λ_α为速度权值控制因子；

遍历隧道历史运行数据，获得所有有价值的历史运行数据，构成有价值历史运行数据集。

2.根据权利要求1所述的基于大数据的车内压力波动阀门风机协同主动控制系统，其特征在于，所述隧道工况数据至少包括隧道名称、隧道长度和高速列车运行速度。

3.根据权利要求1所述的基于大数据的车内压力波动阀门风机协同主动控制系统，其特征在于，所述历史运行数据包括历史系统运行控制数据和历史系统运行状态数据。

4.根据权利要求3所述的基于大数据的车内压力波动阀门风机协同主动控制系统，其特征在于，所述历史系统运行控制数据包括阀门开度控制信号和风机转速控制信号；所述历史系统运行状态数据包括车外实际气压、车内实际气压、车内气压误差。

5.根据权利要求1所述的基于大数据的车内压力波动阀门风机协同主动控制系统，其特征在于，所述信号采集与处理模块包括采样多路开关、采样保持器和A/D转换器；其中：

所述多路开关和所述采样保持器用于对所述实时位置模拟信号、所述实时车速模拟信号和所述实时车内外压力模拟信号进行采样，获得对应的所述隧道位置模拟信号、所述隧道车速模拟信号和所述隧道车内外压力模拟信号；

6.根据权利要求1所述的基于大数据的车内压力波动阀门风机协同主动控制系统，其特征在于，所述迭代控制算法为：

式中：P_o(t)为高速列车车内期望压力；

P_k(t)为高速列车第k次通过该隧道时的车内实测压力；

e_k(t)为高速列车第k次通过该隧道时的车内压力误差；

u_k+1(t)修正后的阀门控制量/风机控制量；

K_p、K_i、K_d分别为比例系数、积分系数和微分系数。

7.根据权利要求1所述的基于大数据的车内压力波动阀门风机协同主动控制系统，其特征在于，所述模拟输出模块包括隔离装置、D/A转换器、控制多路开关和控制保持器，其中，所述D/A转换器在所述隔离装置保证电量隔离的条件下完成将所述当前风机控制数字信号和所述当前阀门控制数字信号分别转换成风机控制模拟信号和阀门控制模拟信号，并通过所述控制多路开关和所述控制保持器将所述风机控制模拟信号和所述阀门控制模拟信号分别准确送入对应的所述阀门和所述风机中。