基于BP神经网络的列车制动控制仿真研究.pdfVIP

基于BP神经 网络的列车制动控制仿真研究——幸 甚 陶慧汇 43 基于BP神经网络的列车制动控制仿真研究 幸 甚 陶慧汇 (华东交通大学 电气与电子工程学院 南昌 330013) 摘 要 针对列车制动过程存在 的复杂性 、非线性 、时变性 、不确定性等 因素 ，通过分析影 响建立 BP 神经网络模型的主要因素，建立 了用于列车制动控制的BP神经网络模型。以货物列车为仿真对象， 在 Matlab环境 中进行了仿真研究。仿真结果表明，该方法控制安全性好、停车误差小，基于 BP神经 网络的智能算法运用于列车制动控制是可行的。 关键词 列车制动 ；BP神经网络 ；建模 中图分类号 ：U260．35 文献标志码 ：A DOI：10．3963／j．ISSN 1674—4861．2010．02．010 长期 以来列车制动问题 的解算 以力学为基 反外力迫使列车减速直至停车 的过程[4]，在这个 础，根据列车受力条件计算制动距离。但实际上 ， 过程中走行的距离 即为制动距离，由空走距离和 影响列车制动过程的因素很多口]，复杂性高，很难 有效制动距离组成。 从理论上推导出精确 的计算公式 ，在实践 中只能 s +se一罴+t=l 毫 采用近似的方法计算。而且列车制动过程复杂， 受多种因素影响 ，如线路条件 、环境因素、列车司 (1) 机熟练操作程度等 。在不 同条件下，列车制动特 tk：==(3．6+ 0．00176rn)(1— 0．032i，) (2) 性会发生很大变化 ，采取的控制策略也不相同_2]， _ O．356 + o．O007(110 ) 这些差异很难通过牵引计算理论反映出来。所 以 (3) 基于牵引计算理论的传统控制方法不仅很难处理 式 中：S 为走行过程总制动距离 ；S 为空走距离； 列车制动中的不确定性 问题 ，而且也很难适合我 S 为有效制动距离 ；。为制动初速度 ；t为空走 国铁路未来发展 的需要。因此，需要发展新 的制 时间； 、 分别为第 i区间和第 i+1区间的速 动控制方法解决传统方法 中存在的不足 。 度 ； 为换算摩擦 因数 ； 为列车制动系数 ；。为 BP神经 网络是 1种多层前向神经 网络[3]，不 列车运行单位基本阻力 ；ij为加算坡道千分数 ；0 需要建立被控对象精确 的数学模型，具有很好的 为列车换算制动率；r为列车管减压量 ，kPa；为 函数逼近能力 ，它可将过程看成 1个黑箱子，通 牵引辆数。 过测量系统输入 、输 出特性 ，然后利用所得实际 1．2 确定 BP神经网络模型的输入输出 过程的输入 、输出数据训练 1个神经网络 ，使其输 从式 (1)可见影响总制动距离 S 的参数主要 出对输入的响应特性具有与被辨识的过程相 同的 有 、r、、i、0。为使模型简单 ，下面对不同参数 外部特性。本文