[发明专利]一种可静止起浮的超导电动悬浮列车的控制方法

说明书

一种可静止起浮的超导电动悬浮列车的控制方法，步骤如下：通过场‑路‑运动耦合理论计算出模拟列车运动时超导磁体在8字形零磁通线圈中产生的感应电流数据，得到不同运行状态下的状态样本库；列车运行时，车载、地面传感器实时检测列车运行状态，其信号传输至中央控制机构，将其与状态样本库进行比对，并从中选择出与此刻列车运行状态相符的状态数据，控制区间供电站以一定相序通入至上述线圈中产生行波磁场使列车悬浮；列车处于静止状态时，上述线圈由区间供电站通入直流电；当列车速度小于车体起浮速度，区间供电站为8字形零磁通线圈供电；否则，不供电；本发明克服了电动悬浮列车不能在静止或低速下悬浮的缺陷，并能实现对列车的控制。

技术领域

本发明涉及磁浮交通、控制工程、超导磁体等领域，具体涉及一种可实现静止起浮的超导电动悬浮列车的控制方法。

背景技术

电动悬浮(简称EDS)列车基于动生原理，列车运行时，车载磁体磁力线切割轨道线圈产生感应电流，二者相互作用产生磁升力平衡重力实现车体悬浮，并且磁升力随着车速增加而增大，当列车达到一定速度后，磁升力能够平衡重力，车体起浮。车载磁体可同时实现悬浮、导向和推进，系统具有自稳定恢复能力。

电动悬浮按地面轨道类型可分为感应板式与零磁通线圈式。零磁通式一般采用8字形轨道线圈与车载超导磁体相结合的结构，相较于感应板式，零磁通式具有浮阻比高、悬浮间隙大、自稳定性好的优点，被应用于以日本山梨线为代表的磁浮交通系统中。

动态电路理论最早由美国阿贡实验室于1993年提出并建立了线路动态模型，被用于计算线圈式电动悬浮列车电磁力，该法将车载磁体与地面短路线圈电磁耦合关系等效为电路关系，用互感耦合程度刻画动生电流，以等效动态电路结合电磁场能量法计算车载磁体受力。

机器学习(Machine Learning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论等多门学科，被用于研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。简单来说，机器学习是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的方法。

传统电动悬浮列车的应用主要以日本低温超导山梨试验线为代表，采用8字形零磁通线圈作为地面轨道线圈，列车静止或低速时不能产生足够悬浮力，依靠安装在车体底部的橡胶辅助轮支撑，只有在达到一定速度后悬浮力才能平衡重力实现车体起浮。

发明内容

针对现有技术的缺陷，本发明提供一种可静止起浮的超导电动悬浮列车的控制方法，以解决传统电动悬浮列车不能在静止或低速下悬浮的问题。

本发明的目的是这样实现的：一种可静止起浮的超导电动悬浮列车的控制方法，包括以下步骤：通过场-路-运动耦合理论计算出模拟列车运动时超导磁体在8字形零磁通线圈中产生的感应电流数据，对大量不同运行状态计算后得到状态样本库；

通过机器学习的方式对系统进行训练学习，提高系统检测准确度；

列车运行时，列车车载传感器及地面传感器实时检测包含列车载重、悬浮高度、运行速度等参数的列车运行状态，其信号传输至中央控制机构，将列车运行状态与状态样本库进行比对；从状态样本库中选择出与此刻列车运行状态相符的状态数据，由此来匹配相应的电流信号传输给中央控制机构，控制列车所在区间供电站输出相应电流，并将其以一定相序通入至8字形零磁通线圈中，产生行波磁场，该电流产生的磁场与超导磁体作用后能产生足够大的磁升力使得列车悬浮；同时利用机器学习的方式对列车运行状态在线监测判断是否故障，当检测到失稳风险后，及时对8字形零磁通线圈实施主动电流控制，调整列车运行状态；