CN114802135A - 列车制动方法、装置及计算机可读存储介质 - Google Patents

Abstract

本发明适用于轨道车辆技术领域，提供了一种列车制动方法、装置及计算机可读存储介质。列车制动方法包括：列车每次制动后，获取列车各个车轴的摩擦系数曲线、以及列车在制动过程中的实际减速度和各个车轴的制动缸压力；根据列车在制动过程中的实际减速度和各个车轴的制动缸压力，更新列车各个车轴的摩擦系数曲线，根据实际制动距离和预设制动距离的差距，对制动缸压力控制系统进行实时制动距离补偿和自适应校正；其中，摩擦系数曲线为车速与车轴摩擦系数之间的关系曲线，更新后的各个车轴的摩擦系数曲线用于对列车进行下次制动。本发明实施例能够进一步提高列车的停车精准度。

Description

列车制动方法、装置及计算机可读存储介质

技术领域

本发明属于轨道车辆技术领域，尤其涉及一种列车制动方法、装置及计算机可读存储介质。

背景技术

目前轨道车辆的制动方式主要依赖轮轨黏着，在制动过程中根据车轴速度、车重等数据对制动力大小进行实时控制。然而车轴制动闸瓦(闸片)的摩擦系数随着列车速度的变化而不断变化，导致制动缸有一定的排气动作及部分车轴轴速变化，同时闸片的摩擦系数受气候环境影响，例如风雪霜露等潮湿天气时摩擦系数下降，造成列车的实际制动距离出现偏差，停车不精准。

发明内容

有鉴于此，本发明实施例提供了一种列车制动控制方法、装置及计算机可读存储介质，以进一步提高列车的停车精准度。

本发明实施例的第一方面提供了一种列车制动方法，包括：

列车每次制动后，获取列车各个车轴的摩擦系数曲线、以及列车在制动过程中的实际减速度和各个车轴的制动缸压力；

根据列车在制动过程中的实际减速度和各个车轴的制动缸压力，更新列车各个车轴的摩擦系数曲线；

其中，摩擦系数曲线为车速与车轴摩擦系数之间的关系曲线，更新后的各个车轴的摩擦系数曲线用于对列车进行下次制动。

可选的，根据列车在制动过程中的实际减速度和各个车轴的制动缸压力，更新列车各个车轴的摩擦系数曲线，包括：

根据实际减速度和各个车轴的制动缸压力，通过遗传算法寻找各个车轴的摩擦系数曲线的最优曲线参数；

基于各个摩擦系数曲线的最优曲线参数更新各个摩擦系数曲线。

可选的，通过遗传算法寻找各个车轴的摩擦系数曲线的最优曲线参数，包括：

步骤一、设定算法参数并初始化个体种群；其中，个体种群中的每个个体均为随机生成的各个车轴的摩擦系数曲线的曲线参数组合；

步骤二、根据各个车轴的制动缸压力计算个体种群中每个个体对应的减速度，根据每个个体对应的减速度与实际减速度的差值确定每个个体的适应度，并将全局适应度最大的个体确定为最优个体；其中，个体对应的减速度与实际减速度的差值越小，则个体的适应度越大；

步骤三、判断是否满足迭代终止条件；若满足，则根据最优个体确定各个车轴的摩擦系数曲线的最优曲线参数；若不满足，则对个体种群进行交叉变异后重新执行步骤二至步骤三，直至满足迭代终止条件。

可选的，个体种群中每个个体对应的减速度通过如下公式计算：

式中，A为减速度；N为车轴数量；F_i为第i个车轴的制动缸压力；f_i(v)为第i个车轴的摩擦系数曲线函数；c为预设换算值；M为列车总质量。

可选的，列车制动方法还包括：

下次制动时，根据更新后的各个车轴的摩擦系数曲线以及列车的减速度需求量，计算列车各个车轴的制动缸压力目标量；

基于各个车轴的制动缸压力目标量对列车进行制动。

可选的，列车制动方法还包括：

在列车制动过程中，实时获取当前实际制动距离与预计制动距离的偏差，并在偏差超过预设阈值时，根据偏差对列车的减速度进行调整。

可选的，根据偏差对列车的减速度进行调整，包括：

调整减速度的大小以消除偏差；

以及，在偏差消除后，将减速度的大小恢复为原设定值。

可选的，调整减速度的大小以消除偏差，包括：

根据偏差确定减速度调整量；

根据减速度调整量和列车各个车轴的摩擦系数曲线，确定列车各个车轴的制动缸压力调整量以对列车的减速度进行调整；

以及在减速度调整后，实时计算所述列车的实际制动距离与目标制动距离的差值，并根据所述差值对所述减速度调整量进行自适应校正。

本发明实施例的第二方面提供了一种列车制动装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面的列车制动方法的步骤。

本发明实施例的第三方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面的列车制动方法的步骤。

本发明实施例与现有技术相比存在的有益效果是：

本发明实施例通过在列车每次制动后，根据列车在制动过程中的实际减速度和各个车轴的制动缸压力，优化更新列车各个车轴的摩擦系数曲线，使得摩擦系数曲线更加精确，进而后续在使用摩擦系数曲线进行列车制动控制时，能够避免控制不准确、低速滑行等问题，实现列车精准停车。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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，对于本领域普通技术人员来讲，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是本发明实施例提供的列车制动方法的流程示意图；

图2是本发明实施例提供的摩擦系数曲线的示意图；

图3是本发明实施例提供的列车速度曲线的示意图；

图4是本发明实施例提供的列车制动过程示意图；

图5是本发明实施例提供的列车减速度调整过程示意图；

图6是本发明实施例提供的一种列车减速度曲线示意图；

图7是本发明实施例提供的一种列车速度曲线示意图；

图8是本发明实施例提供的列车整体制动过程示意图；

图9是本发明实施例提供的列车制动装置的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

针对列车停车不精准的问题，现有技术一在列车行驶过程中，通过列车上的光接收模块接收光发送模块发送的光发送模块的编号，并通过列车上的称重传感器获取列车的当前质量；根据光发送模块的编号从数据存储模块中查询出光发送模块距离停车点的距离，根据光发送模块距离停车点的距离确定列车距离所述停车点的当前距离；根据列车的当前质量和当前速度，计算列车的制动距离，根据制动距离和当前距离对列车进行控制，使得列车在停车点处停车。现有技术一的方案存在以下缺点：没有考虑摩擦系数变化的影响；需要安装多个光发送模块和称重传感器，根据当前的实际车重对制动距离进行控制；需要预先确定当前质量、列车待调整到的速度和加速度与列车的制动距离之间的关联关系，确定列车的制动距离，参数频繁变化导致关联关系确定困难。

因此，本发明实施例提供了一种列车制动方法，参见图1所示，该方法包括以下步骤：

步骤S101，列车每次制动后，获取列车各个车轴的摩擦系数曲线、以及列车在制动过程中的实际减速度和各个车轴的制动缸压力。

步骤S102，根据列车在制动过程中的实际减速度和各个车轴的制动缸压力，更新列车各个车轴的摩擦系数曲线。

其中，摩擦系数曲线为车速与车轴摩擦系数之间的关系曲线，更新后的各个车轴的摩擦系数曲线用于对列车进行下次制动。

在本发明实施例中，通过试验证明车轴闸片的摩擦系数随着列车速度的变化而不断变化，如图2所示。根据曲线特性，可以利用一元多次函数表示摩擦系数与列车速度的关系，如下：

μ＝f(v)＝av³+bv²+cv+d

式中，μ表示摩擦系数，v表示列车速度，a、b、c、d为曲线参数。

在本实施例中，各个车轴初始的摩擦系数曲线可以通过对车轴的摩擦系数试验数据进行最小二乘拟合得到，曲线函数表示为μ_i＝f_i(v)＝a_iv³+b_iv²+c_iv+d_i，i＝1,2,...N，N表示列车的车轴数，拟合求解该曲线函数的过程如下：

(1)获取试验得到的摩擦系数数据和运行速度数据，V表示运行速度数据向量(v₁,v₁,...v_P)，U表示摩擦系数数据向量(μ₁,μ₁,...μ_P)，P表示数据量。

(2)构造残差函数

(3)将残差函数对参数a、b、c、d求偏导，构造偏导等于0的等式，形成关于a、b、c、d的四元一次方程组：

对四元一次方程组进行求解得到参数a、b、c、d的值，即为最优曲线参数。

在本实施例中，列车的减速度、各个车轴的制动缸压力、各个车轴的摩擦系数之间满足以下关系式：

A为减速度，N为车轴数量，F_i为第i个车轴的制动缸压力，f_i(v)为第i个车轴的摩擦系数曲线函数，c为预设换算值，M为列车总质量。因此，在列车每次制动后，可以根据制动过程中列车实际的减速度和各个车轴的制动缸压力，调整、修正各个车轴摩擦系数曲线的曲线参数，以保证各个车轴摩擦系数曲线的准确度。

可见，本发明实施例通过在列车每次制动后，根据列车在制动过程中的实际减速度和各个车轴的制动缸压力，优化更新列车各个车轴的摩擦系数曲线，使得摩擦系数曲线更加精确，进而后续在使用摩擦系数曲线进行列车制动控制时，能够避免控制不准确、低速滑行等问题，实现列车精准停车。

作为一种可能的实现方式，步骤S102中根据列车在制动过程中的实际减速度和各个车轴的制动缸压力，更新列车各个车轴的摩擦系数曲线，包括：

根据实际减速度和各个车轴的制动缸压力，通过遗传算法寻找各个车轴的摩擦系数曲线的最优曲线参数；

基于各个摩擦系数曲线的最优曲线参数更新各个摩擦系数曲线。

在本发明实施例中，列车运行过程中闸片的摩擦系数曲线可能发生变化，摩擦系数曲线的变化具有遗传特性，通过浮点数编码方法对各轴摩擦系数曲线的曲线参数(a_i、b_i、c_i、d_i)进行编码，在每次制动过程中记录列车实际减速度和各轴制动缸压力的数据，在制动过程完成后，通过遗传算法，对各轴摩擦系数曲线的曲线参数进行优化更新，从而获取更准确的各轴摩擦系数曲线。

作为一种可能的实现方式，通过遗传算法(也可以采用其它寻优算法，对此不作限定)寻找各个车轴的摩擦系数曲线的最优曲线参数包括：

步骤一、设定算法参数并初始化个体种群；其中，个体种群中的每个个体均为随机生成的各个车轴的摩擦系数曲线的曲线参数组合；

步骤二、根据各个车轴的制动缸压力计算个体种群中每个个体对应的减速度，根据每个个体对应的减速度与实际减速度的差值确定每个个体的适应度，并将全局适应度最大的个体确定为最优个体；其中，个体对应的减速度与实际减速度的差值越小，则个体的适应度越大；

步骤三、判断是否满足迭代终止条件；若满足，则根据最优个体确定各个车轴的摩擦系数曲线的最优曲线参数；若不满足，则对个体种群进行交叉变异后重新执行步骤二至步骤三，直至满足迭代终止条件。

在本发明实施例中，通过速度差分得到列车的实际减速度A_R，通过传感器采集各轴制动缸压力F_i，并根据如下步骤对f(v_i)的曲线参数进行优化：

(1)设定算法的迭代次数等参数，并生成第一代个体种群。可以将试验得到的各个车轴对应的曲线参数a_i，0、b_i，0、c_i，0、d_i，0(i＝1,2,...N)作为一个初始个体，根据式a_i,1＝a_i,0+k_a*r不断变异直到产生100个个体，形成第一代个体种群，k_a为常数，表示参数a的变化幅度限制，r为0～1之间的随机数。

(2)根据

计算每个个体对应的减速度A_j(j＝1～100)，根据

计算每个个体的适应度Q_j，并确定全局最大适应度Q_max对应的个体为最优个体，个体对应的减速度与实际减速度越接近适应度越大。

(3)交叉计算：根据个体适应度大小占比作为选择概率，随机选择50组个体进行交叉计算，形成100个新的个体，如下：

a_i,101＝βa_i,0+(1-β)a_i,1

a_i,102＝(1-β)a_i,0+βa_i,1

式中，β为交叉计算常数，取值(0,1)。

(4)变异计算：根据个体适应度大小占比作为选择概率，随机选择100个体进行变异，形成100个新的个体，如下：

a_i,201＝a_i,0+k_a*r

式中，k_a为常数，表示参数a的变化幅度限制，r为0～1之间的随机数。

(5)从300个个体中根据个体适应度大小占比作为选择概率，随机选择100个个体形成下一代。

(6)若迭代次数超过50代或者Q_max>50则满足迭代终止条件，停止迭代，Q_max对应的个体即为最优曲线参数；否则重复2-6的步骤。

作为一种可能的实现方式，列车制动方法还包括：

下次制动时，根据更新后的各个车轴的摩擦系数曲线以及列车的减速度需求量，计算列车各个车轴的制动缸压力目标量；

基于各个车轴的制动缸压力目标量对列车进行制动。

在本发明实施例中，下次制动时，可以根据最新更新的摩擦系数曲线以及列车的减速度需求量计算各个车轴的制动缸压力目标量实现制动控制，由于摩擦系数曲线更准确了，所以制动控制的精确度得到了明显提高。

作为一种可能的实现方式，列车制动方法还包括：

在列车制动过程中，实时获取当前实际制动距离与预计制动距离的偏差，并在偏差超过预设阈值时，根据偏差对列车的减速度进行调整。

在本发明实施例中，如图3所示，列车速度按照预设速度减小曲线进行减速制动，根据预设速度减小曲线可以计算预设制动距离。当列车制动过程出现滑行或其他突发情况，实际速度会与设定值产生一定偏差，导致实际制动距离与预设值偏差持续增大，且制动时间延长，造成制动安全隐患。本实施例根据实际制动距离和预设制动距离的差距，对制动缸压力控制系统进行实时反馈校正，解决由于工况等变化导致的制动距离不准确的问题。

作为一种可能的实现方式，根据偏差对列车的减速度进行调整，可以详述为：

调整减速度的大小以消除偏差；

以及，在偏差消除后，将减速度的大小恢复为原设定值。

作为一种可能的实现方式，调整减速度的大小以消除偏差，可以详述为：

根据偏差确定减速度调整量；

根据减速度调整量和列车各个车轴的摩擦系数曲线，确定列车各个车轴的制动缸压力调整量以对列车的减速度进行调整；

以及在减速度调整后，实时计算所述列车的实际制动距离与目标制动距离的差值，并根据所述差值对所述减速度调整量进行自适应校正。

在本发明实施例中，列车制动过程如图4所示，列车根据减速度设定值、摩擦系数曲线计算制动缸压力设定值，根据制动缸压力设定值进行控制使减速度达到目标减速度。列车减速度调整的过程如图5所示，通过制动距离补偿方法和PI自适应校正方法对减速度指令进行调整，实现预设制动距离与实际制动距离偏差快速减小至0，保证减速度指令整体基本不变的情况下，在局部进行调整，使制动距离补偿后实际速度曲线与预设速度曲线再次重合，从指令源头对制动距离偏差进行快速补偿。其中，制动距离补偿计算能够根据偏差大小，直接给出调整后的减速度曲线，在后续的制动过程中调整后的减速度曲线是不变的，是一种开环控制，虽然可以快速减小距离偏差，但是不能消除偏差。而PI校正虽然减小偏差的速度慢，但是是一种闭环控制，可以最终消除制动距离偏差。因此将制动距离补偿计算与PI校正相结合，最终实现快速减小制动距离偏差且最终消除制动距离偏差的目的。

制动距离补偿计算是实时计算预设制动距离与实际制动距离之间的偏差，当偏差超过一定限值时，按照如图6所示曲线对减速度进行调整补偿，即根据偏差计算补偿量，对减速度设定值进行调整，输出指令1如图7所示，使制动距离偏差按照图7所示趋势快速减小。另外，考虑到乘坐舒适性，可以设定减速度均匀变化，如图6所示，图中减速度变化的几个阶段的斜率绝对值相等，且满足a₁-a₀＝a₀-a₂，斜率绝对值设为k，设Δt＝t₂-t₁，则t₃-t₂＝2Δt、t₄-t₃＝Δt，由于减速度曲线的最大值a₁不能超过紧急制动的减速度值a_max，可以取值a₁＝a_max，由于a₀、a₁已知，求出k和Δt即可得到减速度设定曲线，k和Δt关系为a₀+kΔt＝a_max。设制动距离偏差超过限制时，预设制动距离与实际制动距离之间的偏差为S，将实际速度曲线对时间的积分与预设速度曲线对时间的积分相减可得到S。t₁到t₂之间的实际制动距离为S₂，t₂到t₃之间的实际制动距离为S₃，t₃到t₄之间的实际制动距离为S₄，则计算公式如下：

设S₁为预设速度曲线在t₁到t₄之间产生的制动距离：S₁＝4v₁Δt-8a₀Δt²。

t₁到t₄之间的实际制动距离与预设制动距离的偏差与原偏差应该相互抵消，可得：S₁-(S₂+S₃+S₄)＝S。

整理可得方程组

未知数是Δt和k，解方程组即可得到Δt和k的值：

获得减速度设定曲线。

PI自适应校正是对制动距离补偿后的指令1进一步校正。根据指令1计算目标制动距离，计算目标制动距离与实际制动距离的偏差，将偏差输入PI控制器对减速度指令1进行自适应校正，得到指令2，实现闭环控制。

下面通过一个具体实施示例对上述的列车制动方法进行说明。参见图8所示，在该实施示例中，列车制动控制流程如下。

(1)列车开始制动；

(2)在列车制动过程中，实时计算实际制动距离与预设制动距离的偏差；

(3)判断偏差是否超限，若没有，则保持根据减速度指令、摩擦系数等计算的目标制动缸压力，通过制动装置对列车进行制动；

(4)若偏差超限，则通过距离补偿计算和PI自适应校正，对减速度指令进行调整(增大或减小)以快速修正偏差；

(5)在制动过程中，记录列车速度和各制动缸压力数据，并在制动完成后，通过遗传算法对列车各个车轴的摩擦系数曲线进行更新；

(6)更新后的摩擦系数曲线用来进行下一次制动缸压力计算(各个车轴初始的摩擦系数曲线可以由实验数据进行最小二乘拟合得到)。

本发明实施例利用列车运行中的实测减速度和各轴制动缸压力数据，采用遗传算法对车轴闸片摩擦系数曲线进行更新，解决列车在制动过程中由于摩擦系数变化导致减速度控制不准确、列车低速滑行等问题。根据实际制动距离和预设制动距离的差距，利用制动距离补偿和自适应校正，实现制动距离快速恢复为预设制动距离，保证制动安全，解决由于工况等变化导致的制动距离不准确的问题，且保证了制动过程乘客的舒适性。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

图9是本发明一实施例提供的列车制动装置90的示意图。如图9所示，该实施例的列车制动装置90包括：处理器91、存储器92以及存储在存储器92中并可在处理器91上运行的计算机程序93，例如列车制动程序。处理器91执行计算机程序93时实现上述各个列车制动方法实施例中的步骤，例如图1所示的步骤S101至S102。

示例性的，计算机程序93可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器92中，并由处理器91执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序93在列车制动装置90中的执行过程。

列车制动装置90可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。列车制动装置90可包括，但不仅限于，处理器91、存储器92。本领域技术人员可以理解，图9仅仅是列车制动装置90的示例，并不构成对列车制动装置90的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如列车制动装置90还可以包括输入输出设备、网络接入设备、总线等。

所称处理器91可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器92可以是列车制动装置90的内部存储单元，例如列车制动装置90的硬盘或内存。存储器92也可以是列车制动装置90的外部存储设备，例如列车制动装置90上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器92还可以既包括列车制动装置90的内部存储单元也包括外部存储设备。存储器92用于存储计算机程序以及列车制动装置90所需的其他程序和数据。存储器92还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/列车制动装置和方法，可以通过其它的方式实现。例如，以上所描述的装置/列车制动装置实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上实施例仅用以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；而这些修改或者替换，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，均应包含在本发明的保护范围之内。

Claims (10)

1.一种列车制动方法，其特征在于，包括：

列车每次制动后，获取所述列车各个车轴的摩擦系数曲线、以及所述列车在制动过程中的实际减速度和各个车轴的制动缸压力；

根据所述列车在制动过程中的实际减速度和各个车轴的制动缸压力，更新所述列车各个车轴的摩擦系数曲线；

其中，所述摩擦系数曲线为车速与车轴摩擦系数之间的关系曲线，更新后的各个车轴的摩擦系数曲线用于对所述列车进行下次制动。

2.如权利要求1所述的列车制动方法，其特征在于，根据所述列车在制动过程中的实际减速度和各个车轴的制动缸压力，更新所述列车各个车轴的摩擦系数曲线，包括：

根据所述实际减速度和各个车轴的制动缸压力，通过遗传算法寻找各个车轴的摩擦系数曲线的最优曲线参数；

基于各个摩擦系数曲线的最优曲线参数更新各个摩擦系数曲线。

3.如权利要求1所述的列车制动方法，其特征在于，通过遗传算法寻找各个车轴的摩擦系数曲线的最优曲线参数，包括：

步骤一、设定算法参数并初始化个体种群；其中，所述个体种群中的每个个体均为随机生成的各个车轴的摩擦系数曲线的曲线参数组合；

步骤二、根据各个车轴的制动缸压力计算所述个体种群中每个个体对应的减速度，根据每个个体对应的减速度与所述实际减速度的差值确定每个个体的适应度，并将全局适应度最大的个体确定为最优个体；其中，个体对应的减速度与所述实际减速度的差值越小，则个体的适应度越大；

步骤三、判断是否满足迭代终止条件；若满足，则根据所述最优个体确定各个车轴的摩擦系数曲线的最优曲线参数；若不满足，则对所述个体种群进行交叉变异后重新执行步骤二至步骤三，直至满足所述迭代终止条件。

4.如权利要求3所述的列车制动方法，其特征在于，所述个体种群中每个个体对应的减速度通过如下公式计算：

式中，A为减速度；N为车轴数量；F_i为第i个车轴的制动缸压力；f_i(v)为第i个车轴的摩擦系数曲线函数；c为预设换算值；M为列车总质量。

5.如权利要求1-4任一项所述的列车制动方法，其特征在于，还包括：

下次制动时，根据更新后的各个车轴的摩擦系数曲线以及所述列车的减速度需求量，计算所述列车各个车轴的制动缸压力目标量；

基于各个车轴的制动缸压力目标量对所述列车进行制动。

6.如权利要求5所述的列车制动方法，其特征在于，还包括：

在列车制动过程中，实时获取当前实际制动距离与预计制动距离的偏差，并在所述偏差超过预设阈值时，根据所述偏差对列车的减速度进行调整。

7.如权利要求6所述的列车制动方法，其特征在于，根据所述偏差对列车的减速度进行调整，包括：

调整所述减速度的大小以消除所述偏差；

以及，在所述偏差消除后，将所述减速度的大小恢复为原设定值。

8.如权利要求7所述的列车制动方法，其特征在于，调整所述减速度的大小以消除所述偏差，包括：

根据所述偏差确定减速度调整量；

根据所述减速度调整量和所述列车各个车轴的摩擦系数曲线，确定所述列车各个车轴的制动缸压力调整量以对列车的减速度进行调整；

以及在减速度调整后，实时计算所述列车的实际制动距离与目标制动距离的差值，并根据所述差值对所述减速度调整量进行自适应校正。

9.一种列车制动装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。

Images