大數(shù)據(jù)高速列車車內(nèi)壓力波動仿真控制研究

閆中奎，陳春俊，孫　宇

（西南交通大學(xué)機(jī)械工程學(xué)院，四川 成都 610031）

大數(shù)據(jù)高速列車車內(nèi)壓力波動仿真控制研究

閆中奎，陳春俊，孫宇

（西南交通大學(xué)機(jī)械工程學(xué)院，四川 成都 610031）

為避免高速列車通過隧道時(shí)，列車表面的隧道壓力波通過車體縫隙以及換氣系統(tǒng)等傳入車內(nèi)，影響車內(nèi)乘客舒適度。該文基于高速列車行駛中海量數(shù)據(jù)的準(zhǔn)周期性以及重復(fù)性，建立基于大數(shù)據(jù)的PD型迭代學(xué)習(xí)控制系統(tǒng)，通過迭代學(xué)習(xí)尋求最優(yōu)換氣系統(tǒng)風(fēng)機(jī)工作頻率，實(shí)時(shí)調(diào)節(jié)風(fēng)機(jī)新風(fēng)量與廢排量來抑制車內(nèi)壓力波動。仿真分析表明：采用基于大數(shù)據(jù)的PD型迭代學(xué)習(xí)控制方式使得車內(nèi)壓力波動幅值、最大1s變化率以及最大3s變化率呈明顯下降趨勢，明顯優(yōu)于現(xiàn)有的主動控制（恒定風(fēng)機(jī)頻率）方式，能夠更加有效地抑制高速列車車內(nèi)壓力波動，提高乘客舒適度。

高速列車；車內(nèi)壓力波動；PD迭代學(xué)習(xí)控制；準(zhǔn)周期性；變頻風(fēng)機(jī)

0　引　言

高速列車高速通過隧道時(shí)，空氣動力學(xué)效應(yīng)特別顯著，隧道內(nèi)空氣發(fā)生劇烈波動，形成復(fù)雜的隧道波［1-2］。劇烈的車外壓力波動會通過車體縫隙、風(fēng)道以及空調(diào)系統(tǒng)等傳入車內(nèi)，瞬間的車內(nèi)壓力變化會造成乘客耳鳴、耳痛等癥狀，影響乘客的舒適度［3-4］。目前，控制高速列車車內(nèi)壓力波動的方式主要有主動式和被動式兩種［5］，主動式的風(fēng)機(jī)工作頻率是恒定的，沒有充分考慮隧道波的具體波動情況，被動式不適合在多隧道線路上使用。因此，在主動控制方式基礎(chǔ)上，設(shè)計(jì)一種依據(jù)列車實(shí)際運(yùn)行狀態(tài)實(shí)時(shí)調(diào)節(jié)換氣風(fēng)機(jī)運(yùn)行頻率的控制方式，能夠有效地抑制車內(nèi)壓力波動，提高乘客舒適度。

針對高速列車過隧道時(shí)誘發(fā)車內(nèi)氣壓波動的問題，國內(nèi)外學(xué)者進(jìn)行了深入研究。梅元貴［6］、丁浩［7］、邵煥霞等［8］學(xué)者都對高速列車通過隧道或者隧道會車時(shí)車內(nèi)壓力波動進(jìn)行數(shù)值分析，但大都針對某個(gè)特定工況進(jìn)行分析研究，沒有考慮高速列車在行駛中的準(zhǔn)周期性以及重復(fù)性，在高速列車行駛中需要不斷地調(diào)節(jié)適應(yīng)。本文基于大數(shù)據(jù)理論，高速列車在過隧道時(shí)形成的隧道壓力波具有準(zhǔn)周期性以及在特定線路上的重復(fù)性，采用車內(nèi)外氣壓傳遞非線性數(shù)學(xué)模型［9］，結(jié)合迭代學(xué)習(xí)控制，建立大數(shù)據(jù)迭代學(xué)習(xí)控制系統(tǒng)，來控制換氣風(fēng)機(jī)頻率，使得能夠?qū)崟r(shí)調(diào)節(jié)換氣系統(tǒng)的新風(fēng)量與廢排量，對高速列車過隧道時(shí)所產(chǎn)生的車內(nèi)壓力波動進(jìn)行控制仿真研究。

1　車內(nèi)外氣壓傳遞關(guān)系

高速列車車內(nèi)壓力波動主要來自于車體氣密性泄露空氣量、新風(fēng)機(jī)提供新風(fēng)量以及廢排風(fēng)機(jī)排出廢氣量3個(gè)方面。由質(zhì)量守恒定律可知，當(dāng)前時(shí)刻車內(nèi)的空氣質(zhì)量為上一時(shí)刻時(shí)的車內(nèi)空氣質(zhì)量與時(shí)間間隔內(nèi)車內(nèi)空氣質(zhì)量的變化量之和。本文運(yùn)用文獻(xiàn)［9］中的車內(nèi)外氣壓傳遞非線性數(shù)學(xué)模型，結(jié)合高速列車過隧道實(shí)際情況，得出高速列車過隧道時(shí)的車內(nèi)外氣壓傳遞關(guān)系，即：

式中：Po（t）、Po（t-1）——當(dāng)前時(shí)刻和上一時(shí)刻車外氣壓，Pa；

Pi（t）、Pi（t-1）——當(dāng)前時(shí)刻和上一時(shí)刻的

車內(nèi)壓力，Pa；

C1=（f1/f0）2——新風(fēng)機(jī)調(diào)速比；

C2=（f2/f0）2——廢排風(fēng)機(jī)調(diào)速比；f0為風(fēng)機(jī)

額定初始頻率（取60 Hz），f1、f2分別為新風(fēng)機(jī)

與廢排風(fēng)當(dāng)前時(shí)刻工作頻率。

已知高速列車過隧道時(shí)的車外實(shí)測隧道壓力，通常情況下，車內(nèi)初始壓力要比車外壓力高30Pa，依據(jù)車內(nèi)外氣壓傳遞關(guān)系，通過不斷調(diào)試換氣風(fēng)機(jī)的工作頻率，借助MatLab軟件仿真出車內(nèi)氣壓波動，進(jìn)而對比、分析換氣風(fēng)機(jī)各工作頻率下的車內(nèi)氣壓波動抑制情況。

2　控制算法設(shè)計(jì)

2.1控制算法選擇

高速列車投入到線路運(yùn)行之后，將長時(shí)間重復(fù)在同線路上以相同速度、相同工況運(yùn)行。在不斷的重復(fù)運(yùn)行過程中，列車產(chǎn)生包括運(yùn)行狀態(tài)、會車壓力波以及隧道壓力波、列車振動及舒適度等海量的近似重復(fù)的數(shù)據(jù)，這些數(shù)據(jù)可稱作準(zhǔn)周期數(shù)據(jù)［10］。

本文主要研究高速列車過隧道時(shí)，換氣風(fēng)機(jī)變頻作用對車內(nèi)壓力波動的抑制情況。通過海量數(shù)據(jù)，對每次通過特定隧道時(shí)的換氣風(fēng)機(jī)變頻控制效果進(jìn)行比較、分析，尋求出對車內(nèi)壓力波動抑制效果最好的換氣風(fēng)機(jī)工作頻率。圖1為基于大數(shù)據(jù)的換氣風(fēng)機(jī)控制系統(tǒng)框圖。

圖1　基于大數(shù)據(jù)的換氣風(fēng)機(jī)控制系統(tǒng)框圖

由圖可知，通過車載標(biāo)準(zhǔn)傳感器實(shí)時(shí)監(jiān)測高速列車在運(yùn)行過程中的速度信息、位置信息以及氣壓波動信息等，可以判斷高速列車是否過隧道。當(dāng)檢測到列車過隧道時(shí)，控制決策系統(tǒng)開始工作，調(diào)用控制算法庫對換氣風(fēng)機(jī)的工作頻率進(jìn)行控制調(diào)節(jié)，記錄并分析車內(nèi)壓力波動抑制情況；當(dāng)高速列車再次以相同工況進(jìn)入相同隧道時(shí)，根據(jù)前次的控制結(jié)果進(jìn)行計(jì)算、分析，依據(jù)控制規(guī)則給出新的控制量，如此進(jìn)行不斷的控制調(diào)節(jié)，直到控制達(dá)到要求。

由于高速列車在運(yùn)行過程中所產(chǎn)生的大數(shù)據(jù)具有準(zhǔn)周期性以及特定線路上的重復(fù)性。在現(xiàn)有的眾多控制算法當(dāng)中，迭代學(xué)習(xí)控制最適合于處理具有重復(fù)特性的系統(tǒng)。因此，將大數(shù)據(jù)與迭代學(xué)習(xí)控制方法相結(jié)合，提出基于大數(shù)據(jù)的車內(nèi)氣壓波動迭代學(xué)習(xí)控制系統(tǒng)。

2.2迭代學(xué)習(xí)控制算法

迭代學(xué)習(xí)控制針對重復(fù)作業(yè)的被控對象非常適合，在有限的控制時(shí)間內(nèi)，根據(jù)控制系統(tǒng)先前的控制經(jīng)驗(yàn)對當(dāng)前控制不斷進(jìn)行修正，使得系統(tǒng)的實(shí)際輸出無限趨近于系統(tǒng)期望輸出［11-12］。

迭代學(xué)習(xí)控制以系統(tǒng)實(shí)際輸出信號與系統(tǒng)期望信號的偏差來修正不理想的系統(tǒng)控制信號，使得系統(tǒng)的跟蹤性能得以提高。定義系統(tǒng)的跟蹤誤差為

由當(dāng)前的控制信息uk（t）和跟蹤誤差信息ek（t）構(gòu)成學(xué)習(xí)律，產(chǎn)生下一次迭代的控制信息uk+1（t），即：

式中L為給定映射，通常為線性函數(shù)。

本文針對某特定隧道的車內(nèi)外氣壓進(jìn)行仿真分析研究。由于高速列車在特定線路上過隧道時(shí)的車外隧道壓力波動具有準(zhǔn)周期性和重復(fù)性。文中以高速列車過一次隧道作為一次迭代控制，根據(jù)上一次通過隧道時(shí)的車內(nèi)壓力波動抑制效果分析計(jì)算，依據(jù)迭代學(xué)習(xí)律給出新的風(fēng)機(jī)工作頻率控制量。通過不斷地迭代控制調(diào)節(jié)換氣系統(tǒng)的風(fēng)機(jī)頻率，從而達(dá)到有效抑制車內(nèi)壓力波動的目的。

本控制系統(tǒng)的車內(nèi)期望壓力波動為P0（t），迭代k次（即第k次通過隧道）車內(nèi)壓力波動為Pk（t），則系統(tǒng)的跟蹤誤差為

本文選用的學(xué)習(xí)律為開環(huán)PD型：第k+1次的換氣風(fēng)機(jī)頻率等于第k次的風(fēng)機(jī)頻率加上第k次的跟蹤誤差的PD校正項(xiàng)，即：

Kp、Kd——PD定常增益矩陣。

高速列車車內(nèi)氣壓仿真控制模型框圖如圖2所示。

圖2　車內(nèi)外氣壓迭代控制仿真模型圖

3　仿真分析

結(jié)合高速列車換氣風(fēng)機(jī)的實(shí)際運(yùn)轉(zhuǎn)情況，在本文仿真過程中，設(shè)置風(fēng)機(jī)變頻控制周期Tc=2s，風(fēng)機(jī)最高頻率fmax=70Hz，最低頻率fmin=0.5 Hz，使得頻率在此期間變化。

本文仿真以高速列車頭車300km/h通過某隧道的隧道上行波為例，借助Matlab軟件，進(jìn)行連續(xù)的迭代控制。仿真時(shí)設(shè)置車內(nèi)壓力期望值P0=0 Pa，以車內(nèi)壓力偏差為迭代判斷條件，通過不斷調(diào)節(jié)PD型學(xué)習(xí)律的定常增益矩陣，車內(nèi)壓力偏差隨迭代次數(shù)變化如圖3所示。

圖3　車內(nèi)壓力偏差隨迭代次數(shù)變化圖

由圖可知，當(dāng)Kp=0.73、Kd=8時(shí)，雖然經(jīng)過大約40次迭代之后，車內(nèi)氣壓偏差趨于收斂，但是迭代前期車內(nèi)氣壓偏差波動太大，不可取，需要繼續(xù)調(diào)節(jié)PD學(xué)習(xí)律系數(shù)?？紤]到迭代開始車內(nèi)氣壓偏差較大，P環(huán)節(jié)對迭代控制對有較大影響，接下來需調(diào)小Kp，Kp=0.02，迭代收斂性很好；繼續(xù)微調(diào)D環(huán)節(jié)系數(shù)，當(dāng)Kd=34時(shí)迭代收斂性以及收斂速度最優(yōu)，從第18次迭代已近似收斂，當(dāng)?shù)?1次（高速列車第41次通過隧道）已經(jīng)完全收斂，此時(shí)車內(nèi)氣壓偏差很小，僅有e35=56.29Pa，完全符合車內(nèi)乘客舒適度要求。

通過不斷的迭代控制，第41次迭代已完全收斂，迭代控制仿真時(shí)不考慮頻率改變后風(fēng)機(jī)的響應(yīng)時(shí)間，本文仿真所設(shè)置的頻率控制方式為每一次迭代過程中在40s的隧道內(nèi)對采樣率為1kHz的氣壓值進(jìn)行逐點(diǎn)控制，可知第41次迭代之后的風(fēng)機(jī)頻率變化曲線如圖4所示。

圖4　第41次迭代后風(fēng)機(jī)頻率變化曲線圖

風(fēng)機(jī)頻率實(shí)時(shí)控制換氣系統(tǒng)，不斷地抑制車內(nèi)壓力波動，經(jīng)過41次迭代后，車內(nèi)壓力波動已趨于期望壓力波動。高速列車頭車通過隧道時(shí)，在迭代控制與主動控制作用下的車內(nèi)壓力波動仿真情況如圖5所示，波動幅值、1s變化率最大值與3s變化率最大值對比情況如表1所示。

圖5　頭車通過隧道迭代控制與主動控制對比圖

表1　頭車通過隧道時(shí)車內(nèi)壓力波動參數(shù)表

由圖可知，迭代控制下的車內(nèi)壓力波動情況明顯優(yōu)于現(xiàn)有的主動控制方式。由表1可知，換氣系統(tǒng)控制方式改為迭代控制之后，波動幅值由原有的789.66Pa降為205.45Pa，性能改善了73.98%，1s變化率的最大值由原有的99.99Pa降為48.07Pa，性能改善了51.93%，3 s變化率的最大值也由原有的288.46Pa降為120.03Pa，性能改善了58.39%。由此可知，換氣系統(tǒng)控制方式改為迭代控制之后，更加有效地抑制了車內(nèi)壓力波動。

同樣，對高速列車尾車通過隧道時(shí)的車內(nèi)壓力波動情況進(jìn)行仿真分析，迭代控制與主動控制作用下的車內(nèi)壓力波動情況如圖6所示，車內(nèi)壓力波動對比參數(shù)如表2所示。

圖6　尾車通過隧道迭代控制與主動控制對比圖

表2　尾車通過隧道時(shí)車內(nèi)壓力波動參數(shù)表

由圖可知，高速列車尾車通過隧道時(shí)，迭代控制方式要明顯優(yōu)于現(xiàn)有主動控制方式。由表2可知，在迭代控制方式作用下，車內(nèi)波動幅值由1040.57Pa降為335.12Pa，性能改善了67.79%，1s變化率最大值由93.71 Pa降為67.98 Pa，性能改善了27.46%，3 s變化率最大值由262.98Pa降為169.83Pa，性能改善了35.42%。可知，換氣系統(tǒng)控制方式改為迭代控制之后，更加有效地抑制了車內(nèi)壓力波動。

4　結(jié)束語

1）本文采用車內(nèi)外氣壓傳遞非線性數(shù)學(xué)模型，基于高速列車重復(fù)運(yùn)行過程中海量數(shù)據(jù)的準(zhǔn)周期性，提出基于大數(shù)據(jù)的PD性迭代學(xué)習(xí)控制系統(tǒng)，并對系統(tǒng)進(jìn)行仿真分析。

2）使用所建立的控制系統(tǒng)，實(shí)時(shí)地調(diào)節(jié)換氣系統(tǒng)風(fēng)機(jī)工作頻率，通過對高速列車進(jìn)出隧道進(jìn)行仿真分析，結(jié)果顯示相對現(xiàn)有的主動控制方式，基于大數(shù)據(jù)的PD型迭代控制方式更能有效地抑制車內(nèi)氣壓波動，提高乘客的舒適度。同時(shí)，由于不斷根據(jù)車內(nèi)壓力波動情況實(shí)時(shí)地調(diào)節(jié)風(fēng)機(jī)頻率，不僅可以提高風(fēng)機(jī)的工作效率、還可以節(jié)約能源。

［1］李人憲，袁磊.高速列車通過隧道時(shí)的壓力波動問題［J］.機(jī)械工程學(xué)報(bào)，2014（24）：115-121.

［2］楊偉芳，陳春俊，鄧力.高速列車隧道壓力波模擬系統(tǒng)仿真控制研究［J］.中國測試，2014，40（2）：101-104.

［3］鈴木浩明，高魁源.車內(nèi)壓力波動引起耳鳴的研究［J］.國外鐵道車輛，1999（5）：15-18.

［4］程虎，伍川輝.高速列車表面壓力測試設(shè)計(jì)［J］.中國測試，2012，38（4）：96-98.

［5］李樹典，周新喜.CRH2型200km/h動車組車內(nèi)壓力波動控制研究［J］.機(jī)車電傳動，2009（2）：6-7.

［6］梅元貴，周朝暉.高速列車通過隧道時(shí)誘發(fā)車廂內(nèi)壓力波動的數(shù)值分析［J］.鐵道學(xué)報(bào)，2005（5）：36-40.

［7］丁浩，李人憲，劉杰.換氣風(fēng)機(jī)對高速列車內(nèi)部壓力波動的影響分析［J］.機(jī)械工程與自動化，2013（4）：1-3.

［8］邵煥霞，梅元貴，周朝暉.高速空調(diào)客車通過隧道時(shí)車內(nèi)壓力波數(shù)值方法初探［J］.鐵道機(jī)車車輛，2006（1）：31-33.

［9］熊文偉，陳春俊，方超.高速列車車內(nèi)壓力波動模糊控制研究［J］.計(jì)算機(jī)測量與控制，2014（9）：2781-2783.

［10］李國杰，程學(xué)旗.大數(shù)據(jù)研究：未來科技及經(jīng)濟(jì)社會發(fā)展的重大戰(zhàn)略領(lǐng)域——大數(shù)據(jù)的研究現(xiàn)狀與科學(xué)思考［J］.中國科學(xué)院院刊，2012（6）：647-657.

［11］李仁俊，韓正之.迭代學(xué)習(xí)控制綜述［J］.控制與決策，2005（9）：961-966.

［12］于少娟，齊向東，吳聚華.迭代學(xué)習(xí)控制理論及應(yīng)用［M］.北京：機(jī)械工業(yè)出版社，2005：76-92.

（編輯：莫婕）

Simulation and control research of air pressure fluctuation in high-speed train based on big data

YAN Zhongkui，CHEN Chunjun，SUN Yu
（School of Mechanical Engineering，Southwest Jiaotong University，Chengdu 610031，China）

In order to avoid the tunnel pressure wave generated on the train surface transmit into the interior of the train through its body gap and ventilation system so as to influence the comfort of passengers，when the high-speed train passes through the tunnel.A PD iterative learning control system was established based on big data as well as the quasi-periodicity and repeatability of massive data generated in the running process of high-speed trains.The iterative learning method was applied to work out the optimal working frequency of ventilation fans and the fresh air volume of the ventilation fans were adjusted to restrain the pressure fluctuation inside the train in real-time.The simulation results show that the proposed method has significantly reduced the pressure fluctuation amplitude as well as the maximum 1 s change rate and the maximum 3 s change rate.It is superior to existing active control methods（constant ventilation fan frequency）andmoreefficient inminimizingthe airpressurefluctuationandimprovingthecomfortof passengers.

high-speed train；pressure fluctuation inside train；PD iterative learning control；quasiperiodicity；frequency conversion fan

A

1674-5124（2016）05-0093-05

10.11857/j.issn.1674-5124.2016.05.020

2015-10-12；

2015-11-23

國家自然科學(xué)基金項(xiàng)目（51475387，51375403）

閆中奎（1990-），男，山東濟(jì)寧市人，碩士研究生，專業(yè)方向?yàn)樽詣踊刂婆c檢測。

陳春?。?967-），男，四川蒲江縣人，教授，博士，主要從事計(jì)量測試技術(shù)、自動化控制、空氣動力學(xué)方向的研究。