CN111427263A - 基于调速经验库的货运列车的运行自适应速度模糊控制及高效节能运行方法 - Google Patents

Abstract

本发明公开一种基于货运列车集成模型的运行速度自适应控制算法以及一种高效节能运行方法。该方法针对HXD1型电力机车运行过程的非线性和参数的时变特征，将其描述为由线性自适应模型和非线性未建模动态补偿模型组成的集成模型。基于HXD1型电力机车的牵引特性曲线，采用递推最小二乘法建立自适应模型。针对系统未建模动态特性，应用基于经验库的自适应神经模糊推理系统ANFIS建立未建模动态补偿模型。并针对交流供电货运列车节能优化控制问题，提出以列车速度波动最小为优化目标，建立了考虑电分相的货运列车节能最优控制模型，得出了研究货运列车节能优化控制策略。

Description

基于调速经验库的货运列车的运行自适应速度模糊控制及高 效节能运行方法

技术领域

本发明涉及货运列车运行过程建模与速度预测跟踪控制方法以及节能优化控制研究，属于列车运行过程监测与自动控制技术领域。

背景技术

目前，列车是当前世界铁路货物运输发展的重要方向。铁路重载运输是最安全、环保且及时的大宗货物运输方式。对保证我国能源供应，促进我国东西部南北方经济均衡快速发展具有非常重要的意义。在我国货运铁路铁路运输普遍处于列车编组辆数高和载重量较大的情况下，增加列车运行密度是增加运能的必然措施。在运行密度大大增加的情况下，货运列车作为一个由复杂技术装备组成、在复杂环境中运行的非线性动力学系统，如何使货运列车的运行更加节能并对货运列车运行过程建立有效的模型和实施速度跟踪控制，对确保货运列车安全、节能运行尤为关键。

最早的自动驾驶系统采用经典的PID控制，通过将目标和控制系统的输出值的偏差按照比例、积分和微分进行稳态误差的处理，输出合适的控制量。PID 在处理工况转折点时，为实现速度的快速调整，需要经过大量的手柄级位的切换，导致平稳性较差。第一套采用智能算法的自动驾驶系统是一种首先估计下一步的 ATO(Automatic Train Operation)性能指标，然后采用模糊决策和评价的办法，来计算满足需求的控制量的专家系统。然而，该模型是基于专家规则的，即需要不断搜集并总结司机的驾驶经验。这种特性决定了该系统的不完整性，即搜集的司机驾驶经验并不能满足所有运行情况。难以对控制对象的模型进行精确描述，无法适用于编组方式相对灵活的重载列车。因此，为应对并解决专家系统的不完整性，学者们引入模糊神经网络控制系统并结合ATO系统，研究了系统的动态特性对加速误差的影响，但不是很完善。

发明内容

为解决货运列车自动驾驶系统稳定性差，完善程度低的特点，本发明提出了一种调速经验库的货运列车的运行自适应速度模糊控制及高效节能运行方法。

本发明首先推导出了货运列车运行过程中的动力学方程和关于速度的微分方程，并在此基础上将列车的运行划分为线性自适应模型和基于自适应神经模糊推理系统ANFIS的未建模动态补偿模型。然后在建立的模型基础上得出了货运列车速度控制闭环控制器方程。最后得出了一种使列车在给定时间内能耗最小的高效节能运行方法。

本发明的技术效果在于：解决了传统列车速度控制方法无法描述列车在快速运行时线性动态，非线性特征难以测量以及在运行模式的过渡阶段牵引/制动力急剧变化等不足，并提出了能有效降低损耗的节能优化控制方法。有助于解决我国日益增长的铁路运输需求量带来的问题。

附图说明

为了让读者更清晰地了解本专利实施地方案，下面将对本专利具体实施方式中的附图作简单介绍：

图1为采用自适应神经模糊推理系统ANFIS在线逼近

的结构图。

图2为含有未建模动态补偿器组成的货运列车运行过程非线性控制器示意图。

图3为货运列车原理模型示意图。

具体实施方式

本发明的技术方案是，基于HXD1型电力机车的牵引特性曲线，采用递推最小二乘法建立自适应模型。针对系统未建模动态特性，应用基于经验库的自适应神经模糊推理系统ANFIS建立未建模动态补偿模型。提出基于上述列车集成模型的运行速度自适应控制方法，实现对给定速度曲线的高精度跟踪控制。并针对交流供电货运列车节能优化控制问题，提出以列车速度波动最小为优化目标，以列车惰行工况通过电分相为约束条件，建立了考虑电分相的货运列车节能最优控制模型，得出了基于HXD1型货运电力机车列车节能优化控制策略。

本发明建立有效的货运列车运行过程模型和速度跟踪控制方法的步骤为：

1、将运行的货运列车看成一个质点，其动力学方程为：

式中：v为列车运行速度；χ为加速系数；β为列车受到的合力；u为列车牵引/ 制动力，为系统控制输入量；f_r为列车受到的阻力；α₀、α₁、α₂为阻力系数，三者均可随着列车运行环境的变化而改变。由式(1)可的得关于速度的微分方程为：

根据式(2)的模型结构，高速动车组运行过程可用线性自适应模型和非线性未建模动态补偿模型组成的集成模型表示，其离散化的模型为：

2、基于列车牵引和制动特性曲线及线路实际路况，采用递推最小二乘法建立线性自适应模型。

集成模型式(3)的参数估计方程为：

由辨识方程式(4)可得线性自适应模型参数的辨识方程为：

式中，

为k时刻基于辨识方程(5)的参数θ的估计值。

3、针对系统未建模动态特性，应用自适应神经模糊推理系统ANFIS建立未建模动态补偿模型。

非线性系统的未建模动态补偿模型为Γ[X(k)]，其估计值为

采用自适应神经模糊推理系统(ANFIS)在线逼近

的结构图如图1所示。该图中的 ANFIS是具有5层结构的前向网络，采用模糊推理规则描述未建模动态补偿模型，其模糊系统由m条模糊If-then规则组成的集合来表示。设系统有2n个输入 x₁,x₂,x_2n,单输出f则第i条模糊规则如下：

式中：

是输入量x_2n的模糊子集；

为连接权重；i＝1,2,…,2n。

4、货运列车的自适应速度跟踪控制方法的提出，提出过程为：

针对货运列车的运行特点，采用如图2所示的含有未建模动态补偿器组成的货运列车运行过程非线性控制器。图中ω(k)为货运列车跟踪的给定速度，y(k)为系统输出速度。控制器u(k)方程可表示为：

将式(6)代入被控对象(3)可得闭环系统方程为：

从式(7)可以看出，通过选择R(z^-1)、

和

可以消除非线性项对输出的影响，实现y(k)对指定值ω(k)的跟踪。

选择如下指标来确定控制器参数：

J＝[P(z^-1)y(k+1)-R(z^-1)ω(k+1)+Q(z^-1)u(k)+K(z^-1)Γ[·]]² (8)

式中ω(k+1)为给定参考输入；P(z^-1)、Q(z^-1)、R(z^-1)和K(z^-1)均为关于z^-1的加权多项式。加权项选择方法如下：

本发明提出的货运列车节能优化控制策略步骤如下：

1、建立列车微分控制模型：将列车整体视为单个质点，简化各个车厢间的受力分析，从而得到列车的动力学模型，其基本原理如图3所示。列车运行过程中受到的外力主要有：列车牵引力F_t(v)，列车制动力F_b(v)，列车单位运行阻力 w(v)。其中v为列车运行速度；x为列车重心位置。

根据牛顿运动定律，建立列车受力模型，得列车优化节能控制原理模型如下：

式中t为列车运行时间。

设列车区间运行的初始位置为0，末端位置为X，列车在初始位置和末端位置的速度都为0，且运行时间为T，故约束条件：

v(0)＝0 v(X)＝0 (12)

t(0)＝0 t(X)＝T (13)

列车的牵引力和制动力的约束为：

0≤F_t(v(x))≤F₁(v(x)) (14)

0≤F_b(v(x))≤F₂(v(x)) (15)

式中F₁(v(x))为列车最大牵引力，F₂(v(x))为列车最大制动力。最大牵引力取正值，随速度的增加而减少；最制动力取负值，也是随速度的增加而减少。

列车节能优化控制系统的优化目标为：

J为耗能函数，即列车牵引力做的功，本发明的目标是使列车在运行时间内耗能函数J最小。

2、在1的模型下采用庞特里亚金极大值原理对列车控制策略求解：设T_min是列车区间运行的最小时间，根据庞特里亚金极大值原理，结合状态方程式(10)、 (11)，构造哈密顿函数，使得式(16)最小，且满足v(0)＝v(X)＝0、t(0)＝t(X)＝T：

式中伴随变量α＝α(x)和β＝β(x)满足：

由于哈密顿传递函数与时间t无关，故α'＝0。若令θ＝η_tβ/v，式(17)可化为：

由极大值原理知，为使式(16)取得最小值，式(19)应该取最大值。如表1所示。

Claims (5)

1.基于调速经验库的货运列车的运行自适应速度模糊控制及高效节能运行方法，其特征是，所述方法首先推导出了货运列车运行过程中的动力学方程和关于速度的微分方程，并在此基础上将列车的运行划分为线性自适应模型和基于自适应神经模糊推理系统ANFIS的未建模动态补偿模型，然后在建立的模型基础上得出了货运列车速度控制闭环控制器方程；得出了一种使列车在给定时间内能耗最小的高效节能运行方法。

2.根据权利要求1中所述的基于调速经验库的货运列车的运行自适应速度模糊控制及高效节能运行方法，其特征是，货运列车运行过程中的动力学方程和微分方程为：

3.根据权利要求1中所述的基于调速经验库的货运列车的运行自适应速度模糊控制及高效节能运行方法，其特征是，线性自适应模型参数的辨识方程为：

为k时刻基于辨识方程的参数θ的估计值，其辨识算法为：(式中，ε>0，为预先指定的误差界)

4.根据权利要求1中所述的基于调速经验库的货运列车的运行自适应速度模糊控制及高效节能运行方法，其特征是，非线性系统的未建模动态补偿模型为Γ[X(k)]，其估计值为

采用自适应神经模糊推理系统(ANFIS)在线逼近

的结构图如图1所示。该图中的ANFIS是具有5层结构的前向网络，采用模糊推理规则描述未建模动态补偿模型，其模糊系统由m条模糊If-then规则组成的集合来表示。设系统有2n个输入x₁,x₂,x_2n,单输出f则第i条模糊规则如下：

式中：

是输入量x_2n的模糊子集；

为连接权重；i＝1,2,…,2n。

5.根据权利要求1中所述的基于调速经验库的货运列车的运行自适应速度模糊控制及高效节能运行方法，其特征是，货运列车的自适应速度跟踪控制方法的控制器方程为：

选择如下指标来确定控制器参数：

J＝[P(z^-1)y(k+1)-R(z^-1)ω(k+1)+Q(z^-1)u(k)+K(z^-1)Γ[·]]²

式中ω(k+1)为给定参考输入；P(z^-1)、Q(z^-1)、R(z^-1)和K(z^-1)均为关于z^-1的加权多项式。加权项选择方法如下：

Images