[发明专利]一种基于模糊交互式多模型滤波的机车车速估计方法

说明书

本发明公开了一种基于模糊交互式多模型滤波的机车车速估计方法，包括与每个轴对应的交互式多模型滤波器模型i和模糊系统模型i；将第i个轴在第k+1时刻的轮角速度值与转矩指令作为交互式多模型滤波模型i的输入，输出为第k+1时刻第i个轮对的估计机车状态；计算出第k+1时刻第i轴轮加速度及蠕滑速度，作为模糊系统i的输入，输出为第i轴机车估计速度的权重系数；最后通过数据融合计算，得到第k+1时刻机车参考速度。本发明能实现在不同轨面状态下机车车速的准确估计，不但能够提高传统单轴车速估计方法的准确性，而且能够降低轨面不确定性的影响，提高车速估计方法的可靠性。

技术领域

本发明涉及重载机车状态估计，尤其涉及到重载机车车速估计，具体涉及一种基于模糊交互式多模型滤波的机车车速估计方法。

背景技术

对于重载机车来说，机车车速的准确与否对牵引控制系统的性能有着重要的影响。影响机车运行速度的因素有很多，其中决定机车运行速度的关键因素之一是机车的牵引力和制动力。而牵引力和制动力的产生依赖于轮轨间的粘着。钢轨受到轮对传递的垂直压力及水平压力，使得轮轨接触部分发生弹性形变，形成椭圆形的接触区。具体来说，当轮对上的驱动力矩驱动轮对转动时，该椭圆形的接触区可具体分为两个部分，即滚动区和滑动区。这种接触状态在机车运行过程中称为粘着现象。大量的研究和试验表明，粘着特性通常可由如图1的粘着特性曲线来表示。图中显示了三种不同轨面下的粘着特性，分别为干燥轨面、潮湿轨面与冰雪轨面。同一蠕滑速度值对应不同轨面下粘着系数不同，转矩一定情况下，运行轨面的变化使得机车获得的粘着力也大不相同。实际中机车运行轨面是未知的，因此在该情况下如何精确估计车速非常重要。

目前来讲，获得机车在实际运行过程中的速度主要有直接测量和间接估计两类方法。直接获得车速的方法例如安装GPS或测速雷达，由于机车运行环境复杂，通常在隧道内或恶劣天气下直接测量车速难以满足实际运用的精度要求。因此，间接车速估计方法仍然是目前得到机车运行速度的主要方法。轮速估计法利用机车所有轴中蠕滑速度小的车轮转速估计车速，但是该方法只适用于车轮未空转或滑行，一旦车轮发生空转或者滑行此方法会存在较大误差。间接估计车速方法中还涉及到一系列的非线性滤波器估计方法，例如利用扩展卡尔曼滤波器、容积卡尔曼滤波器等对机车车速进行估计。利用单轴估计时，滤波器算法在蠕滑速度较大时能精确估计车速，并且在一定程度上能估计出车轮发生空转时机车运行速度，但是因为粘着系数高度非线性，仅利用单轴滤波算法估计准确性不够。

发明内容

为了克服现有技术的上述缺点，本发明提出了一种基于模糊交互式多模型滤波的机车车速估计方法，在各种轨面条件下都能实现对列车运行速度的准确估计。本发明利用交互式多模型滤波算法分别得到对应轴估计的车轮转速和机车速度；利用估计轮速与估计机车速度计算对应轴车轮加速度以及蠕滑值；将各轴对应轮对加速度以及蠕滑值作为模糊系统的输入，模糊系统输出为每个估计机车速度的权重系数，最后根据权重分配结果和各轴估计的机车速度融合得到机车运行速度。

本发明解决其技术问题所采用的技术方案是：一种基于模糊交互式多模型滤波的机车车速估计方法，包括与每个轴对应的交互式多模型滤波器模型i和模糊系统模型i；将第i个轴在第k+1时刻的轮角速度值ω_di(k+1)与转矩指令T_mi(k+1)作为交互式多模型滤波模型i的输入，输出为第k+1时刻第i个轮对的估计机车状态由与轮子半径r计算得到第k+1时刻第i轴轮加速度a_i(k+1)及蠕滑速度v_si(k+1)，作为模糊系统i的输入，输出为第i轴机车估计速度的权重系数C_i；最后通过数据融合计算，得到第k+1时刻机车参考速度V_k+1。

与现有技术相比，本发明的积极效果是：

1)本发明提出了一种基于模糊交互式多模型滤波的机车车速估计方法，能实现在不同轨面状态下机车车速的准确估计。

2)本发明设计了基于神经网络的三维粘着特性模型，采用仿真数据和试验数据融合的训练算法，粘着特性更能表征轨面状态的实际情况。