[发明专利]重载列车空气制动力预测方法、装置、设备及介质在审

专利信息
申请号: 202210040390.X 申请日: 2022-01-14
公开(公告)号: CN116484706A 公开(公告)日: 2023-07-25
发明(设计)人: 梅文庆;史可;张征方;蒋杰 申请(专利权)人: 中车株洲电力机车研究所有限公司
主分类号: G06F30/27 分类号: G06F30/27;G06F30/15;G06F18/22;B61H11/06;B60T13/24;G06F30/28;G06F119/14
代理公司: 北京聿宏知识产权代理有限公司 11372 代理人: 陈超德;吴昊
地址: 412001 湖*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 重载 列车 空气 制动 预测 方法 装置 设备 介质
【说明书】:

本申请提供一种重载列车空气制动力预测方法、装置、设备及介质,属于列车操纵技术领域。该重载列车空气制动力预测方法包括:获取当前特征变量值;基于模糊逻辑的匹配规则确定所述当前特征变量值对应的当前空气制动力模糊预测规则;根据所述当前特征变量值和所述当前空气制动力模糊预测规则,得到重载列车当前空气制动力预测值。本申请由于利用基于径向基神经网络的空气制动力模糊预测规则训练,从而通过基于模糊神经网络的重载列车空气制动力预测,能够从空气制动模型和空气制动力预测计算两个方面提高精度,以便于达到精确预测重载列车空气制动力的技术效果。

技术领域

本申请涉及列车操纵技术领域,具体而言,涉及一种重载列车空气制动力预测方法、装置、设备及介质。

背景技术

重载列车的自动驾驶是列车自动驾驶的重要应用方向,是未来列车发展的重要技术之一,而重载列车自动驾驶的空气制动控制问题是研发和设计自动驾驶系统的重点和难点之一,若不能兼顾自动驾驶的空气制动中各种因素的影响,就会导致重载列车的超速、车钩断裂等现象,严重时列车将有脱轨危险,这种现象在循环空气制动时体现得尤为突出。

重载列车相较于一般的货运列车和客运列车,其空气制动具有两方面突出特点,一方面,重载列车的空气制动模型具有强非线性、大时滞性的特点,使得重载列车的空气制动模型的精确度难以保证,进而对重载列车空气制动力的计算精度造成较大影响。另一方面,重载列车在具有长大下坡的线路上运行时的循环空气制动控制中具有反馈减压量误差较大,以及充排风时间与减压过程之间的耦合等特点,使得重载列车空气制动力的计算精度难以保证,进而影响重载列车的操纵安全。

现有技术中方案普遍采用重载列车的物理模型,并缺乏有效的非线性控制策略,存在以下缺点:

1、现有的技术较多地利用重载列车的机理关系来搭建物理模型,这对具有强非线性、大时滞性的重载列车的模型来说是不准确的;

2、现有国内外的技术能够在一定程度上预测重载列车在部分场景下空气制动力。但是,对于影响重载列车循环空气制动力强弱因素缺乏系统的研究,难以使用合适的非线性控制策略完成空气制动力的精确预测。

因此,如何使得重载列车在循环空气制动过程中具有精确的空气制动模型,采用合适的非线性控制策略,实现自动驾驶系统对空气制动力的精准预测是重载列车操纵技术领域的一个技术难题。

发明内容

本申请实施例提供重载列车空气制动力预测方法、装置、设备及介质,能够实现对空气制动力的精准预测。

为达到上述目的,本申请采用如下技术方案:

第一方面,提供一种重载列车空气制动力预测方法。该重载列车空气制动力预测方法,包括:

获取当前特征变量值;

基于模糊逻辑的匹配规则确定所述当前特征变量值对应的当前空气制动力模糊预测规则;

根据所述当前特征变量值和所述当前空气制动力模糊预测规则,得到重载列车当前空气制动力预测值。

根据第一方面所述的方法可知,由于通过模糊逻辑匹配到当前对应的空气制动力模糊预测规则,从而使得本申请对重载列车具有覆盖全线路全工况的特点,进而有效提高了空气制动力的预测精度,以实现精确预测重载列车空气制动力的技术效果。

一种可能的设计方案中,在所述获取当前特征变量值之前,所述方法还包括:

基于径向基神经网络的空气制动力模糊预测规则训练,输出空气制动力模糊预测规则以及特征变量与所述空气制动力模糊预测规则的匹配规则。

根据上述设计方案可知,由于利用基于径向基神经网络的空气制动力模糊预测规则训练,从而通过基于模糊神经网络的重载列车空气制动力预测,能够从空气制动模型和空气制动力预测计算两个方面提高精度,以便于达到精确预测重载列车空气制动力的技术效果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中车株洲电力机车研究所有限公司,未经中车株洲电力机车研究所有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210040390.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top