一种加权参数粘着控制方法及采用该方法的机车车辆技术

本发明专利技术涉及铁路机车车辆电力牵引与传动控制技术领域，具体公开了一种加权参数粘着控制方法及采用该方法的机车车辆。所述方法利用互联网技术让控制系统和铁路部门交换数据，从而及时获得机车将要经过的路段的路况，方便及时的得到前方铁轨和动轮之间的粘着力；另一方面，通过对各种路况下机车在铁轨上运行的状态进行收集分析，建立用于计算K值的神经网络模型，再结合获得的机车将要通行区域的各种数据，得出要通行区域铁轨路段的粘着系数K，以指导粘着器的工作，并通过传感器获取动轮在粘着器作用下的打滑情况，对神经网络进行训练，从而使得结果尽量准确。而使得结果尽量准确。而使得结果尽量准确。

【技术实现步骤摘要】
一种加权参数粘着控制方法及采用该方法的机车车辆


[0001]本专利技术涉及铁路机车车辆电力牵引与传动控制
，具体为一种加权参数粘着控制方法及采用该方法的机车车辆。

技术介绍

[0002]在机车车辆防空转滑行及粘着控制领域，常用的方案有差动继电器法、阈值法、多参数联合控制、增稳控制等方法。然而这些控制方法都采用侧重于对空转与滑行的识别和主动减载策略上，难以选取合适的减载时刻、减载率百分比及减载持续时间，均难以最大限度发挥粘着力。
[0003]公开号为CN111114562B的中国专利技术专利，公开了一种机车车辆及其加权参数粘着控制方法，通过机车运行状态获取牵引电机转矩给定值和加权粘着控制参考值，生成牵引电机转矩给定控制值并计算加权粘着控制反馈值；同时将加权粘着控制参考值与加权粘着控制反馈值在加权粘着控制闭环控制器中计算，得出加权粘着控制值；并依据加权粘着控制值和牵引电机转矩给定控制值二者中较小者控制牵引电机转矩；从而达到最大限度发挥机车车辆的粘着力，有效防止牵引空转或制动滑行，使机车车辆在当前的轨面状态下发挥最大的牵引力或制动力的目的。
[0004]该专利技术虽然解决了其在
技术介绍
中提出的问题，但在实际运用中，机车车辆和轨道之间的粘着力还受到铁轨表面状态的影响，而在本专利技术中，加权粘着控制参考值只和机车的牵引电机有关，因此对粘着力的控制不够精确；同时对铁轨路况的判断通常只能靠人力汇总，并利用经验公式推算，较为麻烦。因此，开发一种不同于现有技术的加权参数粘着控制方法。

技术实现思路

>[0005]本专利技术的目的之一在于提供一种加权参数粘着控制方法，利用互联网技术让控制系统和铁路部门交换数据，获得机车将要经过的路段的路况并得到前方轨道实时粘着力的方式，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种加权参数粘着控制方法，该方法步骤如下：步骤一：通过对各种铁轨路况下机车的运行状态的实验，构建用于计算粘黏系数K的函数曲线，并建立对应的神经网络模型；步骤二：通过该机车所使用的牵引电机的型号，获得其能够输出至轮毂上的最大扭矩值NM；步骤三：根据前方铁轨所在区域的天气情况等数据，确定铁轨的粘着系数K；步骤四：根据粘着系数K和机车的自重，得出机车运行需要的最大牵引力F；步骤五：通过最大牵引力F和轮毂的半径r，得出轮毂应当接收的计算扭矩NJ，并得出NM和NJ之间的比值A；
步骤六：以比值A为控制参数，通过控制机车粘着器的运行，输出合适的动态扭矩ND。
[0007]更进一步的，步骤六中所述的机车粘着器设置有多个，每个机车粘着器分别和一对机车动轮相对对应，同时每个机车粘着器的两侧分别设置有一个转速传感器，每个所述转速传感器的信号采集端分别对准一个机车动轮。
[0008]更进一步的，步骤六中所述的转速传感器根据机车动轮的转动情况，将信号送入用于计算K值的神经网络模型，所述神经网络模型中设置有数值对比模块，将输入的动轮转速进行排序。
[0009]更进一步的，步骤六中的所述神经网络模型会将转速较低的动轮视为空转动轮，并计算空转动轮数量和所有动轮数量之间的比值，作为本次粘着系数K值计算的误差率，并以此作为回馈，对神经网络模型进行训练。
[0010]更进一步的，步骤六中所述动态扭矩ND为各组动轮所对应的牵引电机的输出扭矩N和控制参数A的乘积，每个所述牵引电机都要将自身的实时输出扭矩N输入系统中的一阶滤波器中。
[0011]更进一步的，步骤六中所述一阶滤波器中写入有传递函数G（x）,从而确保所述牵引电机的实时输出扭矩N的真实性，并得出各组所述机车动轮的动态扭矩ND，并传递给各个粘着器。
[0012]更进一步的，步骤六中各个所述粘着器中各自设置有一个加压气缸，每个所述加压气缸的输出端皆和对应的机车动轮所在的支架表面相接触，并和对应的粘着器电性连接。
[0013]更进一步的，步骤六中各个所述粘着器在接收到对应的机车动轮所应当具有的动态扭矩ND，并控制与之电性连接的加压气缸向对应的机车动轮支架施压，从而提升对应动轮的粘着力。
[0014]更进一步的，步骤三中的所述神经网络模型通过互联网和铁路系统的数据库进行数据传递，从而获得前方待经过路段的路况信息，作为神经网络模型计算的数据。
[0015]本专利技术的目的之二在于提供一种机车车辆，采用上述加权参数粘着控制方法。
[0016]与现有技术相比，本专利技术的有益效果是：该加权参数粘着控制方法，利用互联网技术让控制系统和铁路部门交换数据，从而及时获得机车将要经过的路段的路况，方便及时的得到前方铁轨和动轮之间的粘着力；同时，通过反复实验的数据构建出计算K值的神经网络模型，对路况的信息进行计算，以得出粘着系数K的数值，以指导粘着器的工作，并通过传感器获取动轮在粘着器作用下的打滑情况，对神经网络进行训练，从而使得结果尽量准确。
附图说明
[0017]图1为本专利技术的加权参数粘着控制方法的流程示意图；图2为本专利技术的扭矩控制流程框图；图3为本专利技术的粘着系数计算流程框图；图4为本专利技术的机车数据处理流程框图；图5为本专利技术的动轮扭矩控制流程框体。
具体实施方式
[0018]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0019]应注意的是，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义或说明，则在随后的附图的说明中将不需要再对其进行进一步的具体讨论和描述。
[0020]实施例1：如图1所示，本实施例提供一种加权参数粘着控制方法，该方法步骤如下：步骤一：通过对各种铁轨路况下机车的运行状态的实验，构建用于计算粘黏系数K的函数曲线，并建立对应的神经网络模型；神经网络模型是一种为了模拟人类实际神经网络的数学方法，其中包括大量的、简单的处理单元，一般被称为神经元，并且广泛地互相连接，从而形成的复杂网络系统，反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题；而粘着系数K是指有关计算机车粘着牵引力的系数，指机车粘着牵引力与机车粘着重量之比,可以看出，粘着系数K属于机车动轮和铁轨之间的静摩擦力，同时因机车振动、轮对蛇行运动、轮对与轨两非点接触和各动轮轮径的差异等原因，轮轨间实际上存在着微小滑动，对粘着系数K也有着影响，因此，影响粘着系数的因素很多，如机车类型、轴重、轴重转移、轮箍与钢轨的材料以及它们的表面状态等，且它们之间的关系极为复杂，导致目前没有确定的、用于计算粘着系数K的公式，唯有靠大量的实验来确定各种情况下粘着系数K的数值，由此可见，粘着系数K的计算正是需要同时考虑许多因素和条件的、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种加权参数粘着控制方法，其特征在于：该方法步骤如下：步骤一：通过对各种铁轨路况下机车的运行状态的实验，构建用于计算粘黏系数K的函数曲线，并建立对应的神经网络模型；步骤二：通过该机车所使用的牵引电机的型号，获得其能够输出至轮毂上的最大扭矩值NM；步骤三：根据前方铁轨所在区域的天气情况数据，确定铁轨的粘着系数K；步骤四：根据粘着系数K和机车的自重，得出机车运行需要的最大牵引力F；步骤五：通过最大牵引力F和轮毂的半径r，得出轮毂应当接收的计算扭矩NJ，并得出NM和NJ之间的比值A；步骤六：以比值A为控制参数，通过控制机车粘着器的运行，输出合适的动态扭矩ND。2.根据权利要求1所述的一种加权参数粘着控制方法，其特征在于：步骤六中所述的机车粘着器设置有多个，每个机车粘着器分别和一对机车动轮相对对应，同时每个机车粘着器的两侧分别设置有一个转速传感器，每个所述转速传感器的信号采集端分别对准一个机车动轮。3.根据权利要求2所述的一种加权参数粘着控制方法，其特征在于：步骤六中所述的转速传感器根据机车动轮的转动情况，将信号送入用于计算K值的神经网络模型，所述神经网络模型中设置有数值对比模块，将输入的动轮转速进行排序。4.根据权利要求3所述的一种加权参数粘着控制方法，其特征在于：步骤六中的所述神经网络模型会将转速较低的动轮视为空转动轮，并计算空转动轮数量和所有动轮数量之间的比值，作为本次粘着系数K值计算的...

【专利技术属性】
技术研发人员：许峰，李帅，刘小刚，董英水，胡雨林，
申请(专利权)人：成都铁马机车车辆实业有限公司，
类型：发明
国别省市：