閆中奎 李寧 張志強 李明 吳志豪

摘 要：隨著高速列車行駛速度的不斷提升，列車空氣動力學效應越來越顯著。為在實驗室內模擬列車在運行過程中列車部件實測風速，并研究分析風速對列車部件振動、應變以及疲勞強度的影響，結合迭代學習控制算法和模糊控制算法，設計并建立高速列車部件風速加載控制系統(tǒng)，能夠在線自整定PID迭代學習率參數(shù)。采用LabVIEW軟件和NI-CompactRIO控制器對系統(tǒng)搭建以及控制算法的實現(xiàn)，同時能夠實現(xiàn)數(shù)據(jù)的采集與存儲、系統(tǒng)狀態(tài)監(jiān)控與預警以及系統(tǒng)在線監(jiān)測分析的功能，具有較好的經(jīng)濟價值和實用價值。

關鍵詞：高速列車；風速加載；迭代學習控制；模糊控制；LabVIEW軟件

中圖分類號：TB 文獻標識碼：Adoi：10.19311/j.cnki.1672-3198.2018.28.096

0 引言

隨著高速列車行駛速度的不斷提高，列車空氣動力學效應也越來越顯著。在列車高速行駛過程中，列車內外風擋、車窗、裙板以及設備倉等部件所承受的風速對其振動、應變以及疲勞強度影響較大，為研究實測風速對列車部件振動、應變的影響，研究列車部件的疲勞壽命強度，在實驗室內設計一套列車部件風速加載控制系統(tǒng)用以還原并模擬列車實際線路運行時部件所承受的風速變化能夠節(jié)省大量的人力物力，是十分有必要的。

基于設計需求，搭建一套實測風速模擬加載系統(tǒng)?？紤]到本文研究的控制系統(tǒng)中的氣動管路彎頭的氣動阻力、氣動蝶閥的響應延遲等影響，系統(tǒng)具有非線性、大時滯和多擾動等特點，設計并建立參數(shù)自整定的模糊迭代控制系統(tǒng)，利用LabVIEW軟件進行控制系統(tǒng)的搭建與功能實現(xiàn)。

1 風速加載控制系統(tǒng)設計

風速加載模擬控制系統(tǒng)主要包括氣源模塊、風速加載模塊、控制模塊、異常報警模塊以及相關管路蝶閥等，系統(tǒng)結構示意圖如圖1所示。

氣源模塊主要由鼓風機、變頻器、正壓緩沖罐以及氣動蝶閥組成。在加載過程中，根據(jù)風速與風量需求，能夠實時地調節(jié)風機的工作頻率以及氣動蝶閥的開度。由于從風機口出來的氣流均勻性較差、湍流現(xiàn)象嚴重，在風機出口管道上安裝正壓緩沖罐，提高氣流的均勻性，同時正壓緩沖罐能夠提升氣流壓力，提高控制精度。風速加載模塊主要由風速活動管道以及風速傳感器組成，風速活動管道能夠根據(jù)被試件的固定位置和尺寸大小移動調整，便于安裝收納，通過布置在被試件的風速傳感器實時地向控制器反饋實測風速值。

在風機出口處以及正壓緩沖罐內安裝壓力傳感器，在風機轉軸處安裝溫度傳感器，實時監(jiān)控壓力與溫度變化，當壓力值與溫度超過限定值后，風機就會空轉，氣動蝶閥全部打開使管路與外界空氣相通，達到泄壓保護的目的?？刂颇K是風速加載系統(tǒng)的核心部分，根據(jù)系統(tǒng)加載需求，通過設計的控制算法調整風機工作頻率，從而調節(jié)空氣流速，進而達到期望風速加載的目的。

2 控制算法設計

2.1 控制算法選擇

高速列車部件風速加載模擬控制系統(tǒng)具有非線性、時滯性等特點，難以建立精確的數(shù)學模型，同時加載過程具有周期重復性，選擇迭代學習控制算法是比較合適的。針對加載風速參數(shù)的多樣性，控制參數(shù)不具有普遍性、統(tǒng)一性，無法適應加載工況的變化，難以得到滿意的控制效果，所以選擇模糊控制算法對控制參數(shù)進行實時自整定，建立模糊迭代控制系統(tǒng)。

2.1.1 迭代學習控制算法

迭代學習控制（ILC）針對具有重復運動特性，并且精確數(shù)學模型難以建立的控制對象是十分合適的，可以在有限的時間內對目標完成跟蹤，能夠依據(jù)控制系統(tǒng)先前的控制經(jīng)驗對當前的控制進行不斷的調整修正，使得系統(tǒng)的實際輸出無限趨近于系統(tǒng)的期望量。迭代學習控制的算法流程圖如圖2所示。

如圖2所示，其中k為迭代次數(shù)，ydt為期望值，控制系統(tǒng)的輸出誤差ekt=ydt-ykt。迭代學習控制的流程就是把本次（k）迭代的控制輸入ukt賦予被控對象中，得到系統(tǒng)實際輸出量ykt，通過ykt與ydt作比較得出本次迭代的誤差量ekt，然后把誤差ekt輸入到迭代學習律uk+1（t）=uk（t）+L（ek（t），t）中，計算出下一次（k+1）迭代的被控系統(tǒng)的控制輸入量uk+1t，直到滿足迭代停止條件||ydt-ykt||<ε（ε為被控系統(tǒng)設計的允許跟蹤精度）或者滿足一定的最大迭代次數(shù)，迭代學習過程停止。

2.1.2 模糊控制算法

模糊控制算法主要由輸入量的模糊化、模糊推理、模糊控制規(guī)則以及解模糊化等組成。模糊控制算法結構示意圖如圖3所示。

模糊化是把精確的實際輸入量轉化為模糊量。在實際工程應用當中，由測控系統(tǒng)的實際測試量與系統(tǒng)設定期望值作比較得出偏差信號e，通常情況下選取偏差信號e以及偏差信號的變化率ee作為模糊控制系統(tǒng)的輸入量，模糊化的過程實質上就是把輸入量e和ee轉化為模糊量E和EE。通過模糊規(guī)則庫以及數(shù)據(jù)庫依據(jù)模糊推理進行模糊決策，從而得出輸出信號的模糊控制量，然后經(jīng)由解模糊得出精確的控制量，最后把控制量賦予控制系統(tǒng)的執(zhí)行機構，進而實現(xiàn)被控對象的模糊控制。

2.2 模糊迭代控制系統(tǒng)設計

模糊迭代控制系統(tǒng)的工作原理：以實際測量風速與設定期望風速的誤差e為迭代學習控制輸入，經(jīng)由PID迭代學習率得出迭代學習的控制輸出，并把控制輸出值賦予變頻風機，通過調節(jié)變頻風機的工作頻率改變實際風速值，使得實際風速無限趨近于期望風速；與此同時，把誤差e以及誤差變化率ee作為模糊控制的輸入量，通過模糊化、模糊推理以及解模糊處理，得出PID迭代學習率的參數(shù)kp、ki、kd，能夠滿足不同時刻下控制系統(tǒng)對學習率參數(shù)的需求。模糊迭代控制系統(tǒng)結構示意圖如圖4所示。

風速加載控制系統(tǒng)選用的迭代學習率為典型的開環(huán)PID型，即第k+1次的變頻風機工作頻率等于第k次的風機工作頻率加上第k次的系統(tǒng)誤差的PID校正項，如式1所示。

通過迭代學習控制算法與模糊控制算法相結合，既解決了被控對象精確數(shù)學模型難以建立的問題，又能夠實時調整PID迭代學習率參數(shù)值，實現(xiàn)迭代學習率在線自整定，達到了快速、精確控制的目的，從而使得風速加載控制系統(tǒng)具有良好的普遍性和統(tǒng)一性，能夠適用于不同風速工況的加載。

3 功能實現(xiàn)

LabVIEW軟件擁有強大的圖形用戶界面，具有很好的實時性，能夠靈活的顯示采集到的數(shù)據(jù)、分析控制過程以及控制結果?；贚abVIEW強大的優(yōu)點，本文應用LabVIEW軟件搭建高速列車部件風速加載控制系統(tǒng)。同時，采用NI-CompactRIO控制器實現(xiàn)數(shù)據(jù)采集與控制的功能。風速加載控制系統(tǒng)控制界面如圖5所示。

由圖5可知，風速加載控制系統(tǒng)主要包括系統(tǒng)控制參數(shù)設置、數(shù)據(jù)顯示與存儲、系統(tǒng)加載狀態(tài)指示與預警以及系統(tǒng)監(jiān)測分析等。

NI-CompactRIO控制器能夠實現(xiàn)模擬量的輸入與輸出、數(shù)字量的輸出以及控制算法的編寫計算。通過模擬輸入模塊NI-9208對部件表面風速、緩沖罐內和風機出口壓力以及風機軸溫的采集，通過數(shù)字輸出模塊NI-9485對風機的啟停進行控制，通過模擬輸出模塊NI-9265對風機工作頻率以及氣動蝶閥開度的調節(jié)進行控制。同時，NI-CompactRIO控制器通過以太網(wǎng)采用DataSocket通信方式與計算機進行數(shù)據(jù)交互，計算機實現(xiàn)人機界面，實現(xiàn)數(shù)據(jù)的顯示與存儲，并向NI-CompactRIO控制器下達參數(shù)配置信息，NI-CompactRIO控制器主要進行控制算法的實現(xiàn)、數(shù)據(jù)采集以及控制量的下達，同時向計算機上傳數(shù)據(jù)。NI-CompactRIO控制器測控結構示意圖如圖6所示。

上文所設計的模糊迭代控制算法主要在NI-CompactRIO控制器內實現(xiàn)，通過NI-9208模塊實時采集風速，經(jīng)由控制算法計算出控制量，即風機工作頻率，并通過NI-9265模塊賦予風機變頻器，經(jīng)過不斷的調節(jié)控制，從而使得實測風速無限趨近于期望風速，達到控制的目的，模糊迭代控制算法程序框圖如圖7所示。

為了避免緩沖罐和風機口超壓、風機軸溫過高帶來的危害，在系統(tǒng)加載過程中，對緩沖罐、風機口壓力以及風機軸溫進行實時監(jiān)測，當出現(xiàn)異常情況，系統(tǒng)會發(fā)出報警信號，同時風機會空轉、所有氣動蝶閥打開，與外界空氣相通泄壓，以確保實驗人員和系統(tǒng)設備的安全，系統(tǒng)異常報警模塊程序界面如圖8所示。

為了后續(xù)試驗分析，在系統(tǒng)加載過程中，可以針對有效數(shù)據(jù)選擇性存儲為TDMS文件，并且以試驗時間命名，方便查看，數(shù)據(jù)存儲程序框圖如圖9所示。

4 結束語

（1）為在實驗室內模擬高速列車在實際運行過程中部件所承受風速對其振動、應變以及疲勞壽命的影響，結合迭代學習控制算法和模糊控制算法，設計并搭建模糊迭代控制系統(tǒng)，該系統(tǒng)能夠在線自整定PID迭代學習率參數(shù)。

（2）采用LabVIEW軟件和NI-CompactRIO控制器實現(xiàn)高速列車部件風速加載控制系統(tǒng)的搭建與功能實現(xiàn)，能夠實現(xiàn)對風速的精準控制，并包含數(shù)據(jù)的采集與存儲、系統(tǒng)異常狀態(tài)預警與指示以及在線監(jiān)測分析等功能。該系統(tǒng)能夠在實驗室內模擬高速列車部件實測風速并對其部件展開分析研究，節(jié)省大量的人力物力，具有較好的經(jīng)濟價值和實用價值。

參考文獻

[1]田紅旗.中國高速軌道交通空氣動力學研究進展及發(fā)展思考[J].中國工程科學，2015，17（04）：30-41.

[2]郗艷紅，毛軍，高亮，楊國偉，曲文強.橫風作用下高速列車安全運行速度限值的研究[J].鐵道學報，2012，34（06）：8-14.

[3]牛紀強，梁習鋒，熊小慧，劉峰.車輛外風擋結構對高速列車橫風氣動性能影響[J].山東大學學報（工學版），2016，46（02）：108-115.

[4]李廣全，劉志明，咼如兵，徐寧.高速列車齒輪箱應力響應與疲勞損傷評估[J].交通運輸工程學報，2018，18（01）：79-88.

[5]方靜賽，戴煥云.高速動車組裙板振動疲勞特性研究[J].機械工程與自動化，2016（02）：24-26.

[6]于少娟，齊向東.吳聚華.迭代學習控制理論及應用[M].北京：機械工業(yè)出版社，2005.

[7]郭豪，李寶慧，趙樹忠.基于模糊PID控制的步進電機建模與仿真[J].機械工程與自動化，2018（02）：167-168.

[8]雷振山，肖成勇，魏麗，趙晨光 LabVIEW高級編程與虛擬儀器[M].北京：中國鐵道出版社，2013：70-92.