[发明专利]一种基于极大似然法的机车粘着性能参数估计方法

说明书

本发明公开了一种估计机车粘着性能参数的方法，可用于机车的粘着控制。通过机车传感器获取的数据，结合极大似然估计方法，构建出机车粘着性能模型的对数似然函数；以似然函数为基础，构建出机车粘着性能参数估计算法的实现流程；在上述流程中加入遗忘因子以及递推实现方法，构建出应用于机车粘着性能参数估计的递推算法。本发明采用极大似然原理和递推估计方法，应用于机车的粘着性能参数估计。

技术领域

本发明属于系统辨识领域，具体地说，涉及对重载机车粘着性能参数的估计。

背景技术

轨面辨识是指通过机车的一些状态量来估计机车轮轨间关系的一种模型辨识方法。正确实时的轮轨面关系模型建立，可以实现在线调整粘着控制器的参数，提高机车粘着利用率并降低轮对出现空转、打滑现象的几率。

由于机车暴露在开放环境中，轮轨间的粘着行为是一个难以建立精确模型的复杂行为。轮轨间的粘着力是依赖于蠕滑运动而产生的，纯滚动产生不了粘着力。除此之外，机车轴重、第三介质、环境温度、湿度等对粘着力的影响也较大。尤其是水膜、冰雪、油膜、撒砂等第三介质，对轮轨间的粘着力有较大程度的影响。例如水介质下的粘着系数相比干态下降低了40％。轮轨间的粘着力还受到一些“连续变化量”如湿度、温度等的影响，粘着力会随着这些连续量的变化而连续变化。

轮轨间的粘着模型除了受到轮对与轨面状态的影响，还受到温度、湿度、轨面清洁程度等不确定性因素的影响，这导致了很难得到精确描述的粘着模型。目前关于蠕滑速度和粘着力的机理模型有线性模型、非线性模型，有基于二维滚动接触、三维滚动接触的模型。有些模型理论值和实际值非常吻合但要求可测的变量较多计算复杂。

目前，对粘着性能参数估计的方法有使用搜索加递推的最小二乘法和模糊逻辑方法。最小二乘法对适应模型动态变化具有一定适应能力，但对噪音的考虑有所欠缺。模糊逻辑方法对粘着性能的考量仅考虑了干燥、潮湿等对粘着性能影响大的因素，对性能参数的估计精准度不够。

极大似然估计方法对于动态系统的参数估计而言是一种具有良好统计性质的估计方法。极大似然算法通过构造一个似然函数，并极大化似然函数获得未知参数的估计值，满足一致性和渐进性等统计性质。

若能实时建立当前轨面条件下的粘着性能模型，得到对应的最佳蠕滑速度和粘着系数，然后控制电机使机车运行在最佳蠕滑点附近，这样就避免了微分运算对干扰的敏感。最优蠕滑的关键在于获取列车当前轮轨状态下的粘着性能参数。在仅考虑列车纵向牵引力前提下，设列车的轮轨间粘着模型为u＝f(λ,θ)，u为粘着系数，λ为蠕滑率，θ为描述模型的参数。如果能得到列车当前轮轨下的参数θ，就能对模型u＝f(λ,θ)求极值从而获得当前轮轨下的粘着峰值点，进而应用最优蠕滑方法对机车进行粘着控制。

发明内容

为了解决现有技术中粘着性能模型难以精确描述的问题，使用固定的参数难以描述轮轨间的粘着特性，例如干燥轨面切换到潮湿轨面时，粘着特性参数将会发生突变。空气湿度变化时，粘着特性参数将会发生缓慢的变化。因此，对粘着性能参数的精确获取需要算法能对轮轨环境的变化进行实时调整。

本发明的目的在于构建一种重载机车粘着性能参数的估计方法，用以解决现有技术中参数估计不准确以及不能快速实时适应参数变化的缺点，通过准确的参数估计获得最佳蠕滑速度和粘着系数，从而建立准确的粘着性能模型。

本发明提供了一种重载机车粘着性能参数的估计方法，利用机车传感器的在线测量数据，使用极大似然方法，达到估计列车粘着性能参数的目的。

本发明的技术解决方案如下：

一种基于极大似然法的机车粘着性能参数估计方法，包括以下步骤：

轮轨模型建立：

采用kiencke粘着模型描述轮轨间的粘着行为；