详情

原文传递一种城轨列车动力学模型参数自动调整方法

专利名称：	一种城轨列车动力学模型参数自动调整方法
摘要：	一种城轨列车动力学模型参数自动调整方法，包括如下步骤：1)结合城轨列车运动的物理过程、列车控制器的特点以及列车运行数据的特点，建立了城轨列车动力学模型，将其分别为惰行阶段、低速牵引建立阶段、高速牵引建立阶段、牵引切除阶段、制动阶段；2)选择参数少、搜索速度快的果蝇优化算法进行参数辨识，实现城轨列车动力学模型参数的自动调整，该方法具有广泛的应用空间，并对工程实际具有一定的指导作用。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京交通大学
发明人：	曹芳;唐涛;王康;赵帅
专利状态：	有效
申请日期：	2019-05-28T00:00:00+0800
发布日期：	2019-08-23T00:00:00+0800
申请号：	CN201910449434.2
公开号：	CN110155089A
代理机构：	北京航智知识产权代理事务所(普通合伙)
代理人：	黄川;史继颖
分类号：	B61C17/00(2006.01);B;B61;B61C;B61C17
申请人地址：	100044 北京市海淀区西直门外上园村3号
主权项：	1.一种城轨列车动力学模型参数自动调整方法，其特征在于，包括如下步骤： 1)结合城轨列车运动的物理过程、列车控制器的特点以及列车运行数据的特点，建立了城轨列车动力学模型，将其分别为惰行阶段、低速牵引建立阶段、高速牵引建立阶段、牵引切除阶段、制动阶段； 2)使用参数少、搜索速度快的果蝇优化算法进行参数辨识，实现城轨列车动力学模型参数的自动调整。 2.如权利要求1所述的调整方法，其特征在于：列车惰行阶段的模型为： Fres＝(Fb+Fs)·9.18·M/1000 其中Fb表示列车受到的基本阻力；Fs表示列车受到的坡道阻力；带入基本公式则有： Fres＝(Dav2+Dbv+Dc+slope)·9.81·M/1000 根据牛顿第二定律及运动方程有惰性阶段的动力模型： Fres＝(Dav2+Dbv+Dc+slope)·9.81·M/1000 -Fres＝Ma v＝v'+aT s＝s′+vT 其中Fres为列车基本阻力；M为列车的重量；Da，Db，Dc为戴维斯基本阻力公式系数；slope为坡度，单位为‰；a为合计加速度；v为列车速度；v’为上一时刻列车速度；s为列车位移；s’为上一时刻列车位移；T为数据间隔时间。 3.如权利要求1或2所述的调整方法，其特征在于：对于低速牵引建立阶段和高速牵引建立阶段采用三时间参数的模型，并同时计算牵引建立列车牵引电机效率。优选的，对低速牵引建立阶段和高速牵引建立阶段分别拟合，其中低速牵引建立阶段或高速牵引建立阶段的动力学模型如下式： Ftra＝αv3+βv2+γv+ψ Fres＝(Dav2+Dbv+Dc+slope)·9.81·M/1000 pFtra-Fres＝Ma v＝v'+arealT s＝s'+vT 其中，Ftra为牵引力；α，β，γ，ψ为列车的牵引力公式中的参数；p为牵引电机的效率；Fres为列车基本阻力；M为列车的重量；Da，Db，Dc为戴维斯基本阻力公式系数；slope为坡度，单位为‰；areal为实际加速度；v为列车速度；v’为上一时刻列车速度；s为列车位移；s’为上一时刻列车位移；T1为牵引建立阶段系统传输时间参数；T2为牵引建立阶段系统响应时间参数；T3为牵引建立阶段系统舒适性时间参数；T为数据间隔时间，t表示时间。 4.如权利要求1或3所述的调整方法，其特征在于：对牵引切除阶段采用两时间参数表征列车运行物理模型，并计算牵引切除下列车牵引电机效率。优选的，牵引切除阶段的动力学模型如下式： Ftra＝αv3+βv2+γv+ψ Fres＝(Dav2+Dbv+Dc+slope)·9.81·M/1000 pFtra-Fres＝Ma v＝v'+arealT s＝s'+vT 其中，Ftra为牵引力；α，β，γ，ψ为列车的牵引力公式中的参数；p为牵引电机的效率；Fres为列车基本阻力；M为列车的重量；Da，Db，Dc为戴维斯基本阻力公式系数；slope为坡度，单位为‰；areal为实际加速度；v为列车速度；v’为上一时刻列车速度；s为列车位移；s’为上一时刻列车位移；T4为牵引切除阶段系统传输时间参数；T5为牵引切除阶段系统响应时间参数；T为数据间隔时间，t表示时间。 5.如权利要求1或4所述的调整方法，其特征在于：制动阶段采用两时间参数表征列车运行物理模型，并同时计算制动状态下列车电机效率。优选的，列车制动阶段的动力学模型如下式： Fres＝(Dav2+Dbv+Dc+slope)·9.81·M/1000 pFbra-Fres＝Ma a＝at-ares v＝v'+arealT s＝s'+vT 其中，Fbra为牵引力；α，β，γ，ψ为列车的制动力公式中的参数；p为制动系数；Fres为列车基本阻力；M为列车的重量；Da，Db，Dc为戴维斯基本阻力公式系数；slope为坡度，单位为‰；at为延时后的牵引加速度，abra为制动加速度，ares为阻力加速度，areal为实际加速度；v为列车速度；v’为上一时刻列车速度；s为列车位移；s’为上一时刻列车位移；T6为制动阶段系统传输时间参数；T7为制动阶段系统响应时间参数；T为数据间隔时间。优选的，数据间隔时间T＝0.2s。 6.如权利要求1-5任一项所述的调整方法，其特征在于：果蝇优化算法的步骤如下： (1)算法初始化，根据问题的复杂情况确定果蝇初始中的规模Sizepop、果蝇种群中每个个体的初始位置(Xij，Yij)以及算法的最大迭代次数Maxgen，其中i，j分别代表当前迭代的代数和个体编号,其中：0≤i≤Sizepop,0≤j≤Maxgen (2)嗅觉搜索的方向和距离，随机产生每个果蝇的搜索的方向和距离,更新果蝇个体的位置； (3)计算果蝇个体与原点的距离D和食物味道浓度判定值S； (4)计算每个果蝇个体的气味浓度值； (5)确定气味浓度最大果蝇个体的位置，对气味浓度最大值进行记录，反向求解出最佳果蝇个体位置； (6)视觉定位，保存好到目前为止为佳浓度值BestSmell和该果蝇个体的坐标(XiBest，YiBest)； (7)进入迭代寻优搜索，判断当前迭代代数是否符合迭代终止条件g＝Maxgen，如果满足，则退出运算，否则重复上述步骤(2)-步骤(5)，并判断味道浓度值是否优于上一代的最佳浓度值，如果优于，则执行步骤(6)，否则继续重复步骤(2)-步骤(5)，循环该过程，直到满足当前迭代代数等于最大迭代代数，并退出运算。 7.如权利要求6所述的调整方法，其特征在于：所述步骤(1)中位置更新的公式如下： Xij+1＝Xij+RandomX Yij+1＝Yij+RandomY 其中RandomX代表X方向的随机搜索步进值，RandomY代表Y方向的随机搜索步进值。 8.如权利要求7所述的调整方法，其特征在于：所述步骤(3)具体计算公式为： 9.如权利要求8所述的调整方法，其特征在于：所述步骤(4)具体为将计算得到的味道浓度判断值带入到味道浓度判断函数，计算气味浓度值Smell： 10.如权利要求9所述的调整方法，其特征在于：所述步骤(6)中整个果蝇种群将利用敏锐的视觉聚集在最佳位置附近： BestSmell＝SmellBest XiBest＝X(BestIndex) YiBest＝Y(BestIndex) [BestSmell,BestIndex]＝max(Smell)。
所属类别：	发明专利