大数据高速列车车内压力波动仿真控制研究

摘要

为避免高速列车通过隧道时,列车表面的隧道压力波通过车体缝隙以及换气系统等传入车内,影响车内乘客舒适度.该文基于高速列车行驶中海量数据的准周期性以及重复性,建立基于大数据的PD型迭代学习控制系统,通过迭代学习寻求最优换气系统风机工作频率,实时调节风机新风量与废排量来抑制车内压力波动.仿真分析表明:采用基于大数据的PD型迭代学习控制方式使得车内压力波动幅值、最大1s变化率以及最大3s变化率呈明显下降趋势,明显优于现有的主动控制(恒定风机频率)方式,能够更加有效地抑制高速列车车内压力波动,提高乘客舒适度.