基于Levenberg Marquardt算法的列车最优黏着控制研究

摘要

电空制动是轨道车辆应用最广泛的黏着制动方式,其制动性能主要受制于轮轨间的黏着状态。在复杂低黏着条件下,传统制动控制系统面临的最大问题是无法使黏着时刻保持最优。因此,基于轮轨黏滑特性和车辆动力学理论,本文首先建立以黏着观测器为核心的蠕滑寻优模型;其次提出以Levenberg Marquardt(L-M)算法为核心的神经网络控制器,完成最优黏着控制系统;最后使用Matlab/Simulink平台分别对基于多交替轨面和实验低黏着轨面的列车黏着控制进行仿真模拟,并与传统比例积分微分控制器(PID)作用下的黏着情况做对比。结果表明,即使面对具有不同特性的低黏着轨面,轮轨黏着在控制系统作用下都能迅速维持在当前轨面下的最优值,有效缩短了制动距离和时间。相比传统PID控制,本文提出的控制系统在制动时间和制动距离上同比减小4.9%与4.1%,调控能力更强,适用于低黏着和大蠕滑下的列车制动工况。