论文题名: | 基于神经网络的车辆横向半主动悬挂控制 |
关键词: | 半主动悬挂;轨道不平顺;BP神经网络;预测控制;数值模拟 |
摘要: | 在高速列车运行过程中,列车的横向平稳性能对列车运行的安全性和旅客的乘坐舒适度影响很大,如何提高列车运行中的横向平稳性能是目前亟待解决的问题。列车车辆的横向悬挂系统分为主动悬挂和被动悬挂两种形式,其中半主动悬挂是主动悬挂的一种特殊形式。被动悬挂系统的参数在车辆运行中无法进行调节,因而不能适应车辆运行中对横向平稳性能的要求;主动悬挂系统的参数在车辆运行中可以进行实时调节,但主动悬挂系统结构复杂而且造价成本高,难以在实际中应用;半主动悬挂系统具有结构简单、造价成本低和失效导向安全性好等特点,是改善列车运行平稳性的有效方法。本文将神经网络预测控制应用于半主动悬挂系统中,来改善车辆运行平稳性,主要做了以下研究: 研究了车辆横向半主动悬挂的多种不同自由度的动力学模型的优缺点,选取了能够较好地表现车辆运行状态的十七自由度动力学模型作为被控对象模型,并运用MATLAB/SIMULINK软件建立了其仿真模型。 研究了轨道线路不平顺激扰的数值模拟方法,并模拟出了具有较高精度的德国高速低干扰线路谱。 通过对采用无摇枕转向架的某高速客车横向半主动悬挂模型的仿真实验,研究了神经网络预测控制改善车辆运行平稳性的有效性。仿真结果表明,与被动悬挂相比,运用天棚阻尼控制原理,车体横向加速度的均方根值降低40%左右,加速度峰值降低30%~40%,横向平稳性指标降低14%左右。 通过对不同速度下的车辆横向半主动悬挂模型的仿真实验,研究了神经网络预测控制方法的鲁棒性。仿真结果表明,随着车辆运行速度的提高,被动悬挂和半主动悬挂的平稳性指标都有所增大,但是控制后的车辆运行平稳性指标依然能比被动悬挂的车辆运行平稳性降低14%~15%。这表明神经网络预测控制方法的鲁棒性是较强的。 |
作者: | 薛飞 |
专业: | 检测技术与自动化装置 |
导师: | 金炜东 |
授予学位: | 硕士 |
授予学位单位: | 西南交通大学 |
学位年度: | 2010 |
正文语种: | 中文 |