基于KNN算法的高速列车车内压力模糊控制研究

摘要

高速列车在通过隧道时,车外空气压力的剧烈变化会导致车内压力发生剧烈波动,对乘客乘坐舒适度带来影响.为研究换气风机频率控制初值对车内压力波动的影响,通过对高速列车车内外气压传递方式进行分析,建立车内外气压传递非线性数学模型,并利用实测车内外压力信号进行修正;采用KNN最小领域算法(KNN,K Nearest Neighbor)的思想,建立基于历史控制信息的初次控制信号提取方法,并根据模糊控制的基本原理,设计对换气风机运行频率进行控制的车内压力波动模糊控制器,并带入实测车内外压力信号进行仿真.仿真结果表明:基于KNN算法的高速列车车内压力模糊控制方法较好的改善了车内压力波动情况,降低了车内压力波动幅值,降低了车内压力波动1s变化率和3s变化率,有效提高了车内压力换气系统对车内压力波动的抑制能力,提高了乘坐舒适度.