CN117022204B - 轨道列车的制动控制系统和制动控制方法 - Google Patents

Abstract

本申请公开了轨道列车的制动控制系统和制动控制方法。一种轨道列车的制动控制系统，包括：控制模块、车轮转速获取模块、制动液压获取模块，以及制动液压调节模块。其中，列车速率获取模块、车轮转速获取模块、制动液压获取模块，以及制动液压调节模块分别与控制模块信号连接；控制模块根据列车在制动时。在本方案中，收集制动时，车轮的转动速率和制动片压力的历史制动数据，能够大致推断出每个车轮的制动片的磨损量，进而计算出每个计算出每个车轮的制动片的剩余磨损量；所以，在根据历史制动数据计算出的剩余磨损量的情况下，在巡检时的压力就可以比较小了。

Description

轨道列车的制动控制系统和制动控制方法

技术领域

本申请涉及列车制动控制领域，具体而言，涉及一种轨道列车的制动控制系统和制动控制方法。

背景技术

轨道列车是很常见的交通工具。但是，轨道列车的重量大，惯性大，所以有着很长的制动距离。但是，轨道交通因为有着比较严格的管制措施，所以轨道交通中，很少出现突发状况，大部分情况下，都是在预定地点开启制动系统，然后开始减速，直到最后滑行到站台上。列车在制动的过程中，会根据站台距离和当前速率，不断的控制刹车系统的制动力，保证列车停靠的准确性。

所以在列车的日常维护过程中，对于制动系统的巡检工作非常重要。目前，方案都是每天对列车的制动系统进行人工巡检，在发现制动系统出现问题之后，及时的进行维修。而制动片作为一个易损件，是重点的检修对象。

目前的制动系统中，虽然每个车轮的制动液压系统给予制动片的压力差不多相等，但是，因为需要考虑到防抱死的问题，所以每个车轮的制动液压系统会进行一定的调整；同时，加上其余的影响因素，各个车轮的刹车片的磨损情况并不一致；所以每个刹车片都有可能磨损严重，需要巡检人员仔细的核查每个刹车片的磨损情况，以对出现磨损问题的刹车片及时的更换。所以，巡检强度大，继而容易出现漏检的情况，而导致不合要求的刹车片没有及时更换，而引起的刹车片故障。

发明内容

本申请的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本申请的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

作为本申请的第一个方面，为了解决轨道列车上，刹车片磨损随机率高，巡检难度大的技术问题：本申请的一些实施例提供了：

一种轨道列车的制动控制系统，包括：控制模块、列车速率获取模块、车轮转速获取模块、制动液压获取模块，以及制动液压调节模块，其中，

车轮转速获取模块、制动液压获取模块，以及制动液压调节模块分别与控制模块信号连接；

车轮转速获取模块，用于获取列车在制动时，每个车轮的转动速率；

制动液压获取模块，用于获取列车在制动时，每个车轮的制动片压力；

控制模块获取列车的历史制动数据，历史制动数据包括每次列车在制动时，每个车轮的转动速率以及对应的持续时间，和每个车轮的制动片压力以及对应的持续时间；

控制模块，根据历史制动数据计算每个车轮当前的制动片厚度剩余量，以及

根据每个车轮的制动片厚度剩余量，计算列车在下次制动时，每个车轮的制动片压力工作值，以平衡所有车轮的制动片厚度剩余量；

制动液压控制模块，用于根据控制模块计算出的每个车轮的制动片压力工作值，控制每个车轮的制动片压力。

在本方案中，通过收集制动时车轮的转动速率和制动片压力的历史制动数据，并基于历史制动数据计算出每个车轮的制动片的磨损量，可以计算出每个车轮的制动片的剩余磨损量，不仅可以实现剩余磨损量自动检测，而且数据客观、可靠，因此，无需巡检人员进行人工巡检，即使巡检也只是基于安全保障的辅助性检查，劳动强度小。

同时，本方案中，还会在制动时，合理的分配每个车轮的制动片压力，平衡所有车轮制动片厚度剩余量，所以每个车轮的制动片的磨损情况基本都相同，在被检查到的制动片符合使用需求的情况下，即使漏检也不会存在因某制动片磨损过大而引发安全事故的情况，而且如此还可以保证所有制动片基本上可以实现同步更换。也就是，巡检人员在发现一块制动片达到更换要求时，其余车轮的制动片也会基本达到更换要求，进而对这些制动片同步进行更换即可。

如此，在本方案中，巡检人员一方面可以知道所有的制动片的预计剩余磨损量，减少了巡检压力，另一方面制动片基本上是同步老化、同步更换，所以极大地避免了，现有的方案中，因为只有一两个制动片会存在老化问题，而导致的巡检难度大，巡检压力大的问题。

为了收集，制动时，车轮的转动速率，本申请提供如下技术方案：

车轮转速模块包括信号接收器和信号发射器，信号发射器固定在车轮上，信号接收器设置在车轮的一侧；信号发射器转动时，周期性的向信号接收器发送信号。

本方案中，通过在车轮上设置信号发射器，在车轮的一侧设置信号接收器，信号发射器在车轮转动的过程中，周期性的给信号接收器发射，进而根据信号接收器接收到的信号的频率，判断出车轮的转速。

在对车辆制动的过程中，需要通过液压控制系统，来通过液压的方式，推动制动片与制动盘接触，起到刹车的作用。所以，制动片与制动盘的压力可以通过，液压系统内推动制动片的液压来表示。如此，需要收集液压系统的压力，针对这一问题，本申请提供如下技术方案：

制动液压获取模块包括压力检测器，压力检测器用于获取推动每个车轮的液压推杆的液压。

本方案中，通过压力检测器能够获取每个车轮的制动片分别被液压系统施加了多大的压力。进而，便于控制模块收集每个车轮的制动片的压力信息。

一般而言，制动片的剩余厚度与多种因素相关，并不是与某个具体的相关量存在一个线性、或者非线性的显著关系。所以与制动片的剩余厚度的预测难度大。

针对这一问题，本申请提供如下技术方案：控制模块内置有神经网络模型，根据神经网络模型预测每个车轮的制动片厚度剩余量。

本方案中，在控制模块内置的预测模型为神经网络模型，而神经网络模型需要进行大量的数据训练。所以在神经网络模型完成训练之后，能够更加准确的预测每个车轮的制动片厚度剩余量。

作为本申请的第二个方面，为了解决轨道列车上，刹车片磨损随机率高，巡检难度大的技术问题。本申请的一些实施例提供了：一种轨道列车的制动控制方法，包括如下步骤：

步骤1：控制模块获取每个车轮的历史制动数据，历史制动数据包括列车在制动时，每个车轮的转动速率以及对应的持续时间，和每个车轮的制动片压力以及对应的持续时间;步骤2：控制模块收集每个车轮的历史制动数据，并根据预测模型，预测每个车轮的制动片厚度剩余量；

步骤3：根据每个车轮的制动片厚度剩余量，计算列车在下次制动时，每个车轮的制动片压力工作值，调整每个车轮的制动片压力，以平衡所有车轮的制动片厚度剩余量。

本方案中，根据每个车轮在制动过程中，制动片压力、车轮的转动速率，输入到预测模型，能够预测制动片的剩余厚度。其原因在于：列车在制动过程中，制动片与制动盘之间其实是一个动摩擦的关系。所以制动片的磨损情况和制动片与制动片之间的摩擦力和磨损距离有关。而因为是动摩擦的关系，制动片与制动盘之间的摩擦力，只和制动片压力有关；而磨损距离，则是制动片与制动盘相对运动的距离，这一因素则与制动时，车轮的转动速率有关。如此，本方案中，收集了每个车轮的历史制动数据，并输入至预测模型内，从而可以计算出每个车轮的制动片厚度剩余量，进而在下次制动时，合理的分配每个车轮的制动片的压力，从而达到了所有的制动片能够同步磨损的效果；如此，避免列车的刹车片磨损随机率高，巡检难度大的问题。

预测模型在使用之前，需要使用足够的样本数据，对预测模型进行训练。但是，如果直接将制动片的磨损量与制动片压力、转动速率，以及对应的持续时间用作训练数据，因为制动片的磨损量的数据比较复杂，数据平稳性不佳，很难体现出制动片压力，车轮转动速率的关系，如此会导致预测模型，最终的预测效果准确度低。

针对这一问题，本申请提供如下技术方案：

步骤21：预先收集数据集，数据集包括制动片的磨损量与制动片压力和制动片压力持续时间、车轮转速和车轮转速的持续时间的关系；

步骤22：将制动片压力和制动片压力持续时间的乘积作为第一变量m，将车轮转速和转速持续时间作为第二变量n；

步骤23：将制动片的磨损量组成一个时间序列X（t）；

步骤24：对时间序列X（t）进行采用数据分解，得到k个相对平稳的子序列IMF；

步骤25：将分解得到的IMF分量与对应的第一变量m和第二变量n进行归一化处理；然后将处理好的数据集划分为训练数据集和验证数据集，将训练数据集发送到预测模型中进行训练，对预测模型完成训练之后，用验证数据集验证；

步骤26：列车在每次制动之后，收集第一变量m，第二变量n，将第一变量m和第二变量n，输入至预测模型中，得到每个制动片的预计厚度。

在本方案中：在对制动片厚度的数据，采用数据分解的方式，分解成了k个相对平稳的子序列，所以制动片的磨损数据在经过处理之后，平稳性将会更高，在经过归一化处理之后，用于预测模型的训练数据，将会有着更好的效果。

并且，针对原先复杂的制动片压力和制动片压力持续时间，会被处理为第一变量，车轮转速和转速持续时间被处理为第二变量。所以，原先4个变量，则会被处理为两个变量，如此简化了数据处理的难度，进而增加了预测模型预测的准确性。

在将制动片厚度的数据采用非凸函数或具有尖锐不连续点的函数，优化问题可能更加复杂，进而导致最终对于预测模型的训练情况不理想。

本方案中，采用的方式如下：

进一步的：

分解X（t）的方案如下：

S1:设置分解参数：设置分解的参数，包括迭代次数、正则化参数；

S2：设置目标函数：分解的目标函数定义如下：

J(u, φ) = ∫[∑(uk*φk - x(t))^dα * Ψ(u)] dt；

其中，u表示IMF函数集合，φ表示调制函数，k表示IMF的索引，α表示正则化参数，Ψ(u)表示正则化项，d=2；

S3：迭代求解：通过迭代优化的方式求解上述目标函数，迭代过程中，不断更新IMF函数集合u和调制函数φ，使目标函数逐步减小；

S4：停止准则：根据停止准则判断是否终止迭代；

S5输出结果：最终输出得到多个IMF函数，表示原始时间序列的不同频率成分。

本方案中，目标函数，属于二次函数，二次函数具有平滑的特性，其导数连续且变化较为温和。这种平滑性使得优化算法更容易找到全局最优解或者局部最优解。同时，是采用目标函数进行多次迭代进行分解，分解停止的准则，则是通过预先设置的迭代次数，达到迭代次数之后，停止分解。所以在实际中，可以通过多次实验的方式，获得最佳的迭代次数，然后在后续的模型建立中，设置稳定的迭代次数。如此，保证最终得到的数据优化的效果更好，在用于预测模型的训练时，能够让模型的准确性变得更高。

进一步的，预测模型为神经网络模型。

进一步的，步骤26中，列车在收集到第一变量m和第二变量n之后，进行归一化处理，然后输入至预测模型中。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。

另外，贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

在附图中：

图1为轨道列车的制动控制系统的结构示意图。

图2为轨道列车的制动控制方法的流程图。

图3为步骤2中，制动片厚度剩余量计算的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现， 而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本公开。

参照图1， 一种轨道列车的制动控制系统，包括控制模块、车轮转速获取模块、制动液压获取模块，以及制动液压调节模块。车轮转速获取模块、制动液压获取模块，以及制动液压调节模块分别与控制模块信号连接；

其中，

车轮转速获取模块、制动液压获取模块，以及制动液压调节模块分别与控制模块信号连接；

车轮转速获取模块，用于获取列车在制动时，每个车轮的转动速率；

制动液压获取模块，用于获取列车在制动时，每个车轮的制动片压力；

控制模块获取列车的历史制动数据，历史制动数据包括每次列车在制动时，每个车轮的转动速率以及对应的持续时间，和每个车轮的制动片压力以及对应的持续时间；

控制模块，根据历史制动数据计算每个车轮当前的制动片厚度剩余量，以及

根据每个车轮的制动片厚度剩余量，计算列车在下次制动时，每个车轮的制动片压力工作值，以平衡所有车轮的制动片厚度剩余量；

制动液压控制模块，用于根据控制模块计算出的每个车轮的制动片压力工作值，控制每个车轮的制动片压力。

在一辆列车中，都有若干轮子，这些轮子中一部分，或者全部都设置有液压制动系统。液压制动系统一般包括制动盘、制动片，以及液压推杆。制动盘与列车的车轮固定连接，制动片活动设置在制动盘的一侧，液压推杆能够在液压作用下，推动制动片，以让制动片卡紧制动盘；制动片为橡胶材质，与制动盘之间具有很大摩擦力。当需要，制动时，液压推杆推动制动片，使得制动片卡紧制动盘，进而通过制动盘和制动片之间的相互摩擦，而让列车减速。列车减速的过程，可以简化为，将列车的动能通过制动盘和制动片之间的摩擦，转化热能的过程。所以，在制动过程中，需要控制制动片与制动盘之间具有足够的压力，以让制动片和制动盘之间能够相对摩擦，起到将动能转化为热能的效果；同时，还需要避免制动片与制动盘之间的压力太大，而导致将车轮抱死，使得制动盘与制动片，之间无法相对运动。所以制动片的磨损情况，主要与制动片的压力，以及对应压力的持续时间，还有制动时，车轮转动的圈数有关。制动片的压力反应制动片与制动盘直接相互接触部分的压力，而车轮转动圈数，则反应了制动片与制动盘相对运动的距离。

同时，在列车属于轨道交通，轨道交通的路况并不复杂，很少出现紧急制动的情况，一般都是列车达到相应的减速点之后，去掉动力输出，列车开始滑行，当快要进站时，为了保证列车在站内停靠的准确性，会事先利用制动系统，给列车减速，直到列车停止。所以，列车的制动，是事先知道制动开始的位置，最终要求的停靠点，所以，列车在制动时，是可以选择给不同的制动片提供不同的压力，以调整不同制动片的磨损情况，让所有制动片厚度剩余量相一致的。

至于如何让列车的每个车轮的液压制动系统为单独控制，只需要给每个车轮的液压控制系统，单独设置一个液压源，或者所有的车轮共用的液压源时，通过一套分压系统，给每个车轮的制动片分配不同的液压既可。无论那种方式，都能够实现对每个列车的制动片单独控制的作用，这里不再进行赘述。

影响制动片磨损情况的因素有很多，但主要是制动片的压力，以及在该压力作用下，制动片相对制动片转动的距离（磨损距离），所以需要检测制动片的压力和该压力的持续时间，以及车轮的转速和该转速的持续时间。车轮的转速和该转速的持续时间，则能够计算出制动片相对制动片相对移动的距离。

为此：车轮转速模块包括信号接收器和信号发射器，信号发射器固定在车轮上，信号接收器设置在车轮的一侧；信号发射器转动时，周期性的向信号接收器发送信号。一般而言，信号接收器可以时磁钢，信号接收器可以是霍尔元件，磁钢在随着车轮转动的过程中，会不断的靠近、远离霍尔元件，进而霍尔元件产生脉冲信号，根据这些脉冲信号测量车轮转速。

进一步的，为了获取每个车轮的制动片压力，制动液压获取模块包括压力检测器，压力检测器用于获取推动每个车轮的液压推杆的液压。

压力检测器就是液压传感器，可以采集每个车轮的液压推杆的液压，进而发送给控制模块。

进一步的，控制模块内置有预测模型，根据预测模型预测每个车轮的制动片厚度剩余量。预测模型为神经网络模型，能够根据接收到的，制动片的压力，以及在该压力作用下，制动片相对制动片转动的距离（磨损距离），计算出制动片厚度剩余量。

需要注意的是，本方案中，因为时需要让列车上所有的制动片的磨损速率差不多一致。所以可能会导致在检修时，需要同时更换所有列车的制动片。这可能导致在管理时，难度很大。因为巡检工作一般是在晚上进行，一晚上很难同时更换所有列车的制动片。关于这一点，可以在实际使用中，将每节车厢的制车片划分为一组进行控制。所以，每节车厢的制动片的磨损速率并不一致既可，所以工人只需要周期性的更换对应车厢的制动片既可，不会出现很长的一段时间不需要更换刹车片，然后又突然需要更换大量刹车片的情况。

参考图2，实施例2：本申请还提供了轨道列车的制动控制方法，该控制方法采用前述的轨道列车的制动控制系统实现。具体的：

轨道列车的制动控制方法包括如下步骤：

步骤1：控制模块获取每个车轮的历史制动数据，历史制动数据包括列车在制动时，每个车轮的转动速率以及对应的持续时间，和每个车轮的制动片压力以及对应的持续时间。

步骤1中：控制模块是通过车轮转速获取模块、制动液压获取模块检测轨道列车在行驶过程中的数据。

因为列车在刹车时，需要发送指令给液压制动系统，所以通过制动液压获取模块，能够判断出列车开始的时间，进而开始收集我们所需要的数据。

参考图3，步骤2：控制模块收集每个车轮的历史制动数据，并根据预测模型，预测每个车轮的制动片厚度剩余量。

步骤2中，根据车轮的历史制动数据，预测制动片厚度剩余量的方案如下：

步骤21：预先收集数据集，数据集包括制动片的磨损量与制动片压力和制动片压力持续时间、车轮转速和车轮转速的持续时间的关系。

步骤21中，是通过实时测试的方式来获取这些历史制动数据，或者在每次列车停靠时，通过检测制动片的磨损情况，得到这些数据。因为已经在列车的几个关键部位设置了这些传感器，

下图为：每次列车在停靠时，所得到的相关数据：

因为测量只能够测量到制动片厚度，所以需要将制动片厚度换算为制动片的磨损量。计算方式为：用初始厚度减去测量得到的制动片厚度既可。

步骤22：将制动片压力和制动片压力持续时间的乘积作为第一变量m，将车轮转速和转速持续时间作为第二变量n。

步骤23：将制动片的磨损量组成一个时间序列X（t）。

因为列车在每次制动时，制动的距离基本相同，所以每次磨损的情况，大致在一个比较平稳的范围内，只是每个不同的刹车片之间存在一定的差异。为此，本方案中，将列车每次制动完成之后的制动片厚度，制作出一个时间序列。

步骤24：对时间序列X（t）进行采用数据分解，得到k个相对平稳的子序列IMF。

步骤24中，分解X（t）的方案如下：

S1:设置分解参数：设置分解的参数，包括迭代次数、正则化参数。

S2：设置目标函数：分解的目标函数定义如下：

J(u, φ) = ∫[∑(uk*φk - x(t))^dα * Ψ(u)] dt；

其中，u表示IMF函数集合，φ表示调制函数，k表示IMF的索引，α表示正则化参数，Ψ(u)表示正则化项；

S3：迭代求解：通过迭代优化的方式求解上述目标函数，迭代过程中，不断更新IMF函数集合u和调制函数φ，使目标函数逐步减小。

S4：停止准则：根据停止准则判断是否终止迭代。

常见的停止准则包括目标函数的收敛性、迭代次数等；在本方案中，通过设置迭代次数进行停止。

S5：输出结果：最终输出得到多个IMF函数，表示原始时间序列的不同频率成分。

其中，分解得到的IMF函数分别为IMF₁、IMF₂、IMF₃、……、IMF_k。其中，IMF_k表示最后一个IMF函数。

所以将时间序列x（t）按照上述方案进行分解之后，就能够得到我们所需要的IMF函数。如此，可以将原先比较复杂的数据，进行了简化处理。

如此，通过上述步骤，原始的制动片磨损情况，的原始信号强度，被分解为了k个IMF函数。

则有X（t）=IMF₁+IMF₂₊…+IMF_k。

步骤23和步骤24的具体方式如下：

下面为假设的制动片磨损情况表：

我们将刹车次数作为一个横坐标，将制动片磨损情况作为纵坐标，得到一个二维数据点集。然后，将这些数据点按照时间顺序连接起来，形成一个单一的时间序列。按照步骤24的记载进行了分解。假设我们设置了迭代次数为100，正则化参数为0.1。经过VMD的迭代求解后，得到以下IMF函数：

IMF1: [0.2, 0.3, 0.4, 0.6]

IMF2: [0.4, 0.5, 0.58, 0.65]

IMF3: [0.35, 0.28, 0.2, 0.12]

IMF4: [0.25, 0.15, 0.08, 0.02]。

步骤25：将分解得到的IMF分量与对应的第一变量m和第二变量n进行归一化处理；然后将处理好的数据集划分为训练数据集和验证数据集，将训练数据集发送到预测模型中进行训练，对预测模型完成训练之后，用验证数据集验证。

步骤25中，所有的IMF分量、第一变量m，以及第二变量n，在一一对应之后，都进行归一化处理，然后再分化为训练数据集和验证数据集。

步骤25中：预测模型为：回归模型、分类模型，或者神经网络模型。

步骤26：列车在每次制动之后，收集第一变量m，第二变量n，将第一变量m和第二变量n，输入至预测模型中，得到每个制动片的预计厚度。

步骤26中，列车在收集到第一变量m和第二变量n之后，进行归一化处理，然后输入至预测模型。

步骤26中，预测模型计算得到的数据为本次刹车之后，刹车片的磨损量，所以需要换算一下，才能够得到制动片的预计厚度。进而计算出每个车轮的制动片厚度剩余量。具体的：

假设，全新的制动片为30mm，厚度达到10mm之后，基本就达到了更换标准。所以，在最后一次刹车中，计算得到的磨损量为0.01mm，则将前一次得到的制动片厚度剩余量，减去0.01mm就能够得到。而如果，需要计算当前的厚度，则将制动片厚度剩余量加上初始值既可。

设预测模型预测厚度为y，预计厚度为R,，磨损速率为v。R=（30-y）/v。

所以制动片的预期厚度剩余量就与磨损速率v相关，而磨损速率v为第一变量m和第二变量n具有相关性。所以，控制模块能够根据训练好的预测模型，得到控制磨损速率v的先决条件。

步骤3：根据每个车轮的制动片厚度剩余量，调控每个车轮的制动片压力，以平衡每个车轮的制动片厚度剩余量。

步骤3中：为了减少计算难度，每个车轮的制动片厚度剩余量的差值存在一个允许误差，允许误差根据需要进行设置。在本实施例中为0.05mm。

例如，共有4个轮子，这四个轮子的制动片，根据历史制动数据计算得到的厚度分别为4.22mm、4.02mm、3.98mm、4.25mm。

下次制动时，如果不对制动片的制动片压力进行干预，还是依据上一次的制动片压力进行制动，则可以通过预测模型，预测出下次制动完成之后，4个轮子的制动片的预计厚度剩余量。

然后，对每个制动片的压力进行调整，制动片比较厚的制动片压力增加，制动片比较爆的压力减少，这样就能够得到一组新的制动片压力数据，然后输入到预测模型中，进行预测。重复多次之后，使得4个轮子的刹车片的预计厚度剩余量不断的接近。

在实际中，因为在知道了2个制动片的预计厚度只差之后，很容易通过预测模型推算出，这两个制动片在采用多大的压力差下，进行下次制动，以让两者之间的制动片厚度不断接近。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (7)

1.一种轨道列车的制动控制系统，其特征在于，包括：控制模块、车轮转速获取模块、制动液压获取模块，以及制动液压调节模块；

其中，

车轮转速获取模块、制动液压获取模块，以及制动液压调节模块分别与控制模块信号连接；

车轮转速获取模块，用于获取列车在制动时，每个车轮的转动速率；

制动液压获取模块，用于获取列车在制动时，每个车轮的制动片压力；

控制模块获取列车的历史制动数据，历史制动数据包括每次列车在制动时，每个车轮的转动速率以及对应的持续时间，和每个车轮的制动片压力以及对应的持续时间；

控制模块，根据历史制动数据计算每个车轮当前的制动片厚度剩余量，以及

根据每个车轮的制动片厚度剩余量，计算列车在下次制动时，每个车轮的制动片压力工作值，以平衡所有车轮的制动片厚度剩余量；

制动液压调节模块，用于根据控制模块计算出的每个车轮的制动片压力工作值，控制每个车轮的制动片压力；

控制模块采用如下方法计算制动片厚度剩余量：

预先收集数据集，数据集包括制动片的磨损量与制动片压力和制动片压力持续时间、车轮转速和车轮转速的持续时间的关系；

将制动片压力和制动片压力持续时间的乘积作为第一变量m，将车轮转速和转速持续时间作为第二变量n；

将制动片的磨损量组成一个时间序列X（t）；

对时间序列X（t）进行数据分解，得到k个相对平稳的子序列IMF；

将分解得到的IMF分量与对应的第一变量m和第二变量n进行归一化处理；然后将处理好的数据集划分为训练数据集和验证数据集，将训练数据集发送到预测模型中进行训练，对预测模型完成训练之后，用验证数据集验证；

列车在每次制动之后，收集第一变量m，第二变量n，将第一变量m和第二变量n，输入至预测模型中，得到每个车轮的制动片厚度剩余量。

2.根据权利要求1所述的轨道列车的制动控制系统，其特征在于：车轮转速获取模块包括信号接收器和信号发射器，信号发射器固定在车轮上，信号接收器设置在车轮的一侧；信号发射器转动时，周期性的向信号接收器发送信号。

3.根据权利要求1所述的轨道列车的制动控制系统，其特征在于：制动液压获取模块包括压力检测器，压力检测器用于获取推动每个车轮的液压推杆的液压。

4.根据权利要求1所述的轨道列车的制动控制系统，其特征在于：控制模块内置有预测模型，根据预测模型预测每个车轮的制动片厚度剩余量。

5.一种轨道列车的制动控制方法，其特征在于，包括如下步骤：

步骤1：控制模块获取每个车轮的历史制动数据，历史制动数据包括列车在制动时，每个车轮的转动速率以及对应的持续时间，和每个车轮的制动片压力以及对应的持续时间；

步骤2：控制模块收集每个车轮的历史制动数据，并根据预测模型，预测每个车轮的制动片厚度剩余量；

步骤3：根据每个车轮的制动片厚度剩余量，调控每个车轮的制动片压力，以平衡每个车轮的制动片厚度剩余量；

步骤2包括如下步骤：

步骤21：预先收集数据集，数据集包括制动片的磨损量与制动片压力和制动片压力持续时间、车轮转速和车轮转速的持续时间的关系；

步骤22：将制动片压力和制动片压力持续时间的乘积作为第一变量m，将车轮转速和转速持续时间作为第二变量n；

步骤23：将制动片的磨损量组成一个时间序列X（t）；

步骤24：对时间序列X（t）进行数据分解，得到k个相对平稳的子序列IMF；

步骤25：将分解得到的IMF分量与对应的第一变量m和第二变量n进行归一化处理；然后将处理好的数据集划分为训练数据集和验证数据集，将训练数据集发送到预测模型中进行训练，对预测模型完成训练之后，用验证数据集验证；

步骤26：列车在每次制动之后，收集第一变量m，第二变量n，将第一变量m和第二变量n，输入至预测模型中，得到每个车轮的制动片厚度剩余量。

6.根据权利要求5所述的轨道列车的制动控制方法，其特征在于：步骤25中：预测模型为神经网络模型。

7.根据权利要求5所述的轨道列车的制动控制方法，其特征在于：步骤26中，列车在收集到第一变量m和第二变量n之后，进行归一化处理，然后输入至预测模型中。