高速列车部件风速加载控制系统设计与实现

闫中奎 李宁 张志强 李明 吴志豪

摘 要：随着高速列车行驶速度的不断提升，列车空气动力学效应越来越显著。为在实验室内模拟列车在运行过程中列车部件实测风速，并研究分析风速对列车部件振动、应变以及疲劳强度的影响，结合迭代学习控制算法和模糊控制算法，设计并建立高速列车部件风速加载控制系统，能够在线自整定PID迭代学习率参数。采用LabVIEW软件和NI-CompactRIO控制器对系统搭建以及控制算法的实现，同时能够实现数据的采集与存储、系统状态监控与预警以及系统在线监测分析的功能，具有较好的经济价值和实用价值。

关键词：高速列车；风速加载；迭代学习控制；模糊控制；LabVIEW软件

中图分类号：TB 文献标识码：Adoi：10.19311/j.cnki.1672-3198.2018.28.096

0 引言

随着高速列车行驶速度的不断提高，列车空气动力学效应也越来越显著。在列车高速行驶过程中，列车内外风挡、车窗、裙板以及设备仓等部件所承受的风速对其振动、应变以及疲劳强度影响较大，为研究实测风速对列车部件振动、应变的影响，研究列车部件的疲劳寿命强度，在实验室内设计一套列车部件风速加载控制系统用以还原并模拟列车实际线路运行时部件所承受的风速变化能够节省大量的人力物力，是十分有必要的。

基于设计需求，搭建一套实测风速模拟加载系统。考虑到本文研究的控制系统中的气动管路弯头的气动阻力、气动蝶阀的响应延迟等影响，系统具有非线性、大时滞和多扰动等特点，设计并建立参数自整定的模糊迭代控制系统，利用LabVIEW软件进行控制系统的搭建与功能实现。

1 风速加载控制系统设计

风速加载模拟控制系统主要包括气源模块、风速加载模块、控制模块、异常报警模块以及相关管路蝶阀等，系统结构示意图如图1所示。

氣源模块主要由鼓风机、变频器、正压缓冲罐以及气动蝶阀组成。在加载过程中，根据风速与风量需求，能够实时地调节风机的工作频率以及气动蝶阀的开度。由于从风机口出来的气流均匀性较差、湍流现象严重，在风机出口管道上安装正压缓冲罐，提高气流的均匀性，同时正压缓冲罐能够提升气流压力，提高控制精度。风速加载模块主要由风速活动管道以及风速传感器组成，风速活动管道能够根据被试件的固定位置和尺寸大小移动调整，便于安装收纳，通过布置在被试件的风速传感器实时地向控制器反馈实测风速值。

在风机出口处以及正压缓冲罐内安装压力传感器，在风机转轴处安装温度传感器，实时监控压力与温度变化，当压力值与温度超过限定值后，风机就会空转，气动蝶阀全部打开使管路与外界空气相通，达到泄压保护的目的。控制模块是风速加载系统的核心部分，根据系统加载需求，通过设计的控制算法调整风机工作频率，从而调节空气流速，进而达到期望风速加载的目的。

2 控制算法设计

2.1 控制算法选择

高速列车部件风速加载模拟控制系统具有非线性、时滞性等特点，难以建立精确的数学模型，同时加载过程具有周期重复性，选择迭代学习控制算法是比较合适的。针对加载风速参数的多样性，控制参数不具有普遍性、统一性，无法适应加载工况的变化，难以得到满意的控制效果，所以选择模糊控制算法对控制参数进行实时自整定，建立模糊迭代控制系统。

2.1.1 迭代学习控制算法

迭代学习控制（ILC）针对具有重复运动特性，并且精确数学模型难以建立的控制对象是十分合适的，可以在有限的时间内对目标完成跟踪，能够依据控制系统先前的控制经验对当前的控制进行不断的调整修正，使得系统的实际输出无限趋近于系统的期望量。迭代学习控制的算法流程图如图2所示。

如图2所示，其中k为迭代次数，ydt为期望值，控制系统的输出误差ekt=ydt-ykt。迭代学习控制的流程就是把本次（k）迭代的控制输入ukt赋予被控对象中，得到系统实际输出量ykt，通过ykt与ydt作比较得出本次迭代的误差量ekt，然后把误差ekt输入到迭代学习律uk+1（t）=uk（t）+L（ek（t），t）中，计算出下一次（k+1）迭代的被控系统的控制输入量uk+1t，直到满足迭代停止条件||ydt-ykt||<ε（ε为被控系统设计的允许跟踪精度）或者满足一定的最大迭代次数，迭代学习过程停止。

2.1.2 模糊控制算法

模糊控制算法主要由输入量的模糊化、模糊推理、模糊控制规则以及解模糊化等组成。模糊控制算法结构示意图如图3所示。

模糊化是把精确的实际输入量转化为模糊量。在实际工程应用当中，由测控系统的实际测试量与系统设定期望值作比较得出偏差信号e，通常情况下选取偏差信号e以及偏差信号的变化率ee作为模糊控制系统的输入量，模糊化的过程实质上就是把输入量e和ee转化为模糊量E和EE。通过模糊规则库以及数据库依据模糊推理进行模糊决策，从而得出输出信号的模糊控制量，然后经由解模糊得出精确的控制量，最后把控制量赋予控制系统的执行机构，进而实现被控对象的模糊控制。

2.2 模糊迭代控制系统设计

模糊迭代控制系统的工作原理：以实际测量风速与设定期望风速的误差e为迭代学习控制输入，经由PID迭代学习率得出迭代学习的控制输出，并把控制输出值赋予变频风机，通过调节变频风机的工作频率改变实际风速值，使得实际风速无限趋近于期望风速；与此同时，把误差e以及误差变化率ee作为模糊控制的输入量，通过模糊化、模糊推理以及解模糊处理，得出PID迭代学习率的参数kp、ki、kd，能够满足不同时刻下控制系统对学习率参数的需求。模糊迭代控制系统结构示意图如图4所示。

风速加载控制系统选用的迭代学习率为典型的开环PID型，即第k+1次的变频风机工作频率等于第k次的风机工作频率加上第k次的系统误差的PID校正项，如式1所示。

通过迭代学习控制算法与模糊控制算法相结合，既解决了被控对象精确数学模型难以建立的问题，又能够实时调整PID迭代学习率参数值，实现迭代学习率在线自整定，达到了快速、精确控制的目的，从而使得风速加载控制系统具有良好的普遍性和统一性，能够适用于不同风速工况的加载。

3 功能实现

LabVIEW软件拥有强大的图形用户界面，具有很好的实时性，能够灵活的显示采集到的数据、分析控制过程以及控制结果。基于LabVIEW强大的优点，本文应用LabVIEW软件搭建高速列车部件风速加载控制系统。同时，采用NI-CompactRIO控制器实现数据采集与控制的功能。风速加载控制系统控制界面如图5所示。

由图5可知，风速加载控制系统主要包括系统控制参数设置、数据显示与存储、系统加载状态指示与预警以及系统监测分析等。

NI-CompactRIO控制器能够实现模拟量的输入与输出、数字量的输出以及控制算法的编写计算。通过模拟输入模块NI-9208对部件表面风速、缓冲罐内和风机出口压力以及风机轴温的采集，通过数字输出模块NI-9485对风机的启停进行控制，通过模拟输出模块NI-9265对风机工作频率以及气动蝶阀开度的调节进行控制。同时，NI-CompactRIO控制器通过以太网采用DataSocket通信方式与计算机进行数据交互，计算机实现人机界面，实现数据的显示与存储，并向NI-CompactRIO控制器下达参数配置信息，NI-CompactRIO控制器主要进行控制算法的实现、数据采集以及控制量的下达，同时向计算机上传数据。NI-CompactRIO控制器测控结构示意图如图6所示。

上文所设计的模糊迭代控制算法主要在NI-CompactRIO控制器内实现，通过NI-9208模块实时采集风速，经由控制算法计算出控制量，即风机工作频率，并通过NI-9265模块赋予风机变频器，经过不断的调节控制，从而使得实测风速无限趋近于期望风速，达到控制的目的，模糊迭代控制算法程序框图如图7所示。

为了避免缓冲罐和风机口超压、风机轴温过高带来的危害，在系统加载过程中，对缓冲罐、风机口压力以及风机轴温进行实时监测，当出现异常情况，系统会发出报警信号，同时风机会空转、所有气动蝶阀打开，与外界空气相通泄压，以确保实验人员和系统设备的安全，系统异常报警模块程序界面如图8所示。

为了后续试验分析，在系统加载过程中，可以针对有效数据选择性存储为TDMS文件，并且以试验时间命名，方便查看，数据存储程序框图如图9所示。

4 结束语

（1）为在实验室内模拟高速列车在实际运行过程中部件所承受风速对其振动、应变以及疲劳寿命的影响，结合迭代学习控制算法和模糊控制算法，设计并搭建模糊迭代控制系统，该系統能够在线自整定PID迭代学习率参数。

（2）采用LabVIEW软件和NI-CompactRIO控制器实现高速列车部件风速加载控制系统的搭建与功能实现，能够实现对风速的精准控制，并包含数据的采集与存储、系统异常状态预警与指示以及在线监测分析等功能。该系统能够在实验室内模拟高速列车部件实测风速并对其部件展开分析研究，节省大量的人力物力，具有较好的经济价值和实用价值。

参考文献

[1]田红旗.中国高速轨道交通空气动力学研究进展及发展思考[J].中国工程科学，2015，17（04）：30-41.

[2]郗艳红，毛军，高亮，杨国伟，曲文强.横风作用下高速列车安全运行速度限值的研究[J].铁道学报，2012，34（06）：8-14.

[3]牛纪强，梁习锋，熊小慧，刘峰.车辆外风挡结构对高速列车横风气动性能影响[J].山东大学学报（工学版），2016，46（02）：108-115.

[4]李广全，刘志明，呙如兵，徐宁.高速列车齿轮箱应力响应与疲劳损伤评估[J].交通运输工程学报，2018，18（01）：79-88.

[5]方静赛，戴焕云.高速动车组裙板振动疲劳特性研究[J].机械工程与自动化，2016（02）：24-26.

[6]于少娟，齐向东.吴聚华.迭代学习控制理论及应用[M].北京：机械工业出版社，2005.

[7]郭豪，李宝慧，赵树忠.基于模糊PID控制的步进电机建模与仿真[J].机械工程与自动化，2018（02）：167-168.

[8]雷振山，肖成勇，魏丽，赵晨光 LabVIEW高级编程与虚拟仪器[M].北京：中国铁道出版社，2013：70-92.