[发明专利]基于机器学习的弓网接触控制方法

说明书

本发明公开了一种基于机器学习的弓网接触控制方法，该方法在列车受电弓主体与碳滑板之间安装作动器和压力传感器，构建机器学习模块，以列车的行车位置及与行车位置对应的行车状态数据为输入，以作动器的控制参数为输出，以传感器检测到的弓网接触力为优化依据，通过多次行车不断进行学习，使机器学习模块输出的作动器控制参数能够主动适应接触网的情况，从而将弓网接触力控制在合理范围。

技术领域

本发明涉及铁路列车运行领域，具体涉及一种高速列车运行时受电弓和接触网之间接触力调节的弓网接触控制方法。

背景技术

随着我国高铁技术的快速发展，高速列车的运行时速已经达到300公里以上。列车运行时，通过受电弓与接触网接触来获取电流并驱动列车前进，受电弓具体是通过弓体末端的碳滑板与接触网接触的，因为接触网并非水平铺设而是具有起伏，而受电弓在列车运行时也会存在上下方向的位移，这导致弓网之间并不具有恒定的接触力，实际接触力会时大时小，如果列车低速运行，受电弓自身的机械结构经过多年发展已可以对接触力进行调整，使弓网接触力保持在合理范围，从而对受电弓和接触网不会造成过度损害。但是，在列车高速运行如超过300公里的时速时，单纯靠受电弓自身机械结构和性能来调节弓网之间的接触力越来越具有滞后性，即当接触力过大需要减小或过小需要增加时，受电弓反应并做出动作后，列车早已更新弓网接触位置从而产生了新的弓网接触力，受电弓的反应动作即失去了效用，而过大的接触力不能及时调小会对接触网和碳滑板均造成损害，而弓网脱离则会造成拉弧燃烧等问题，同样对接触网和受电弓造成损害。发明专利CN110333662B公开了一种受电弓弓网自适应控制系统及方法，该方法可根据运行路线、运行方向，自动判断跨网区域，并针对性产生受电弓控制信号，控制受电弓升降以适应接触网。该方法通过两个GPS单元分别采集跨网区域轨道路径的GPS信息和列车行驶的GPS信息，然后由控制器进行匹配计算，从而使受电弓适应不同网区接触网的高度。该方法仅解决列车跨网区运行时的弓网适应，实际上在同一网区当列车高速运行时也需要解决弓网适应的问题，但现有技术并不能给出令人满意的解决方案。

发明内容

本发明的目的是提供一种基于机器学习的弓网接触控制方法，该方法充分运用列车以往运行数据，采用机器学习的方法不断优化弓网接触力，使列车在高速运行时受电弓能够在主动及时适应接触网，以此将弓网接触力保持在合理范围。

为实现上述目的，本发明采取以下技术方案：

一种基于机器学习的弓网接触控制方法，包括如下步骤：

步骤S1：在列车受电弓主体与碳滑板之间安装作动器，所述作动器用于驱动碳滑板上下运动，设置传感器用于检测碳滑板与接触网之间的弓网接触力；

步骤S2：构建机器学习模块，所述机器学习模块以列车的行车位置及与所述行车位置对应的行车状态数据为输入，以作动器的控制参数为输出，以传感器检测到的弓网接触力为优化依据；

步骤S3：列车在行车区间运行并通过作动器调节弓网接触力，所述机器学习模块根据行车位置和行车状态数据生成作动器的控制参数，所述作动器根据所述控制参数进行输出以调节弓网接触力，所述传感器检测弓网接触力并反馈给所述机器学习模块，所述机器学习模块根据反馈进行自身优化。

优选的，所述步骤S3包括：

步骤S31：列车在行车区间首次运行时保持作动器静止并通过传感器检测与行车位置对应的弓网接触力，计算弓网接触力与标准弓网接触力的差值得到接触力残差；

步骤S32：列车在行车区间第二次运行时通过作动器调节弓网接触力，所述机器学习模块根据行车位置和行车状态数据生成作动器的控制参数，所述作动器根据所述控制参数进行输出以期减小所述接触力残差，所述传感器检测弓网接触力以计算新的接触力残差并反馈给机器学习模块，所述机器学习模块根据反馈进行自身优化；

步骤S33：列车在行车区间第三次及以后各次运行时重复步骤S32所述的第二次运行时的操作。