隧道压力波模拟加载系统遗忘开闭环高阶控制

为研究高速列车通过隧道时产生的压力波对车体气密性和车内压力舒适度的影响,建立隧道压力波模拟加载系统。该系统具有非线性、多扰动、多容耦合以及加载的压力波幅值大和变化剧烈等特点,带来控制速度和精度上的难度。为准确模拟加载隧道压力波,采用遗忘开闭环高阶迭代学习控制算法进行控制,利用AMESim和Simulink联合仿真平台进行控制仿真,并对比几种不同学习律的控制效果。仿真结果表明:遗忘开闭环高阶学习律在第7个周期时,压力控制最大误差绝对值已降低到0.358 2 kPa,相对于开环PID和遗忘因子开环PID型学习律的1.23 kPa和0.946 2 kPa,分别减少70.87%和62.14%,该算法可增加系统稳定性,使得隧道压力波的加载更加快速准确。     

高速列车车体疲劳试验压力加载控制仿真研究

高速列车在隧道通过或明线交会时,列车表面会产生较大的气压波动,此压力波动通过车体传递到车内也会影响车内压力波动,加之运行速度的不断提高,可引起车体表面材料疲劳甚至断裂;为研究高速列车在复杂工况下车内、外压力波动对车体材料疲劳性能的影响,设计了一种能同时对车内及车外进行压力加载的试验系统;利用AMESIM与SIMULINK接口技术进行联合仿真平台的构建,并进行车内、外压力控制仿真;针对系统数学模型难以建立,且存在大容量、大时滞、非线性及多扰动等特点,采用基于前馈补偿的高阶非因果型迭代PI型控制算法实现车内及车外压力的精确控制;仿真结果表明该算法控制误差较PI型控制算法小,控制效果更理想。     

高速列车隧道会车时气动载荷的研究

由于高速列车气动载荷是隧道会车时列车行车安全的重要因素之一,而其在实车试验中又难以测量,提出采用基于计算流体力学的数值模拟方法。通过空气动力学仿真获取列车的表面压力分布,对列车压力和粘性力积分合成,得到列车的气动载荷,即阻力、侧向力、升力、侧滚力矩、点头力矩和摇头力矩。全面分析了气动载荷的构成和变化特点,及其在不同速度下的变化特性。结果表明,列车隧道会车时,气动载荷主要是由压力构成;列车在隧道会车时气动载荷出现剧烈波动;气动载荷的幅值与速度呈二次函数的变化规律。研究结果可为列车系统动力学分析提供气动载荷依据。     

一种高速列车空气动力学测试方案的设计

针对测试列车表面空气压力分布时用到带共模输出的小灵敏度气压传感器提出一种测试方案.首先消除信号共模输出,再进行信号放大,去除共模信号的影响;其次提升信号基准,保证测试信号的双向性;然后引入线路气压信号,消除线路气压趋势;最终测出列车表面相对气压分布情况.给出测试方案硬件设计思路及软件设计流程,并通过实车在线测试验证,取得较好效果.     

基于HHT能量和最大Lyapunov指数的蛇行分类方法

现有蛇行监测标准仅考虑构架横向加速度信号的时域幅值信息,通过单一的固定值去评判列车是否蛇行,没有定量反映蛇行失稳对列车的影响程度。针对以上问题,提出基于HHT的能量法,该方法从信号频域主频的大小,频谱的集中性以及频率值等方面来判断高速列车是否发生蛇行运动。在此基础上提出快速蛇行收敛的概念,此类情况对车辆系统运行安全影响较小,因此将其认为是不影响车辆系统安全的信号,并对其进行识别。利用最大Lyapunov指数表征信号的周期性从而区分快速蛇行收敛和蛇行失稳(小幅蛇行和大幅蛇行)。结果表明,通过HHT能量法与最大Lyapunov指数相结合可以对高速列车正常运行、快速蛇行收敛、小幅蛇行和大幅蛇行的四种运行状态进行定性识别,且通过HHT能量值定量反映蛇行程度的大小。最后通过实测线路数据验证了方法的可行性。     

PID温度控制装置的电路设计

本文介绍了过程温度控制PID电路和可控硅触发电路的设计及其工作原理，作者在设计电路的基础上开发了温度控制装置，并用该套温控装置进行水温控制试验，取得较为满意的效果。     

交流电机转速测控实验仪的设计

本文针对高校控制理论课程开设实验的困难，开发单相电容式齿轮减速电机转速测控实验仪，对其工作原理和功能及误差进行设计与分析。     

基于平均自相关和优化VMD的轴箱轴承故障诊断

针对动车组运行过程中轴箱轴承振动加速度信号非平稳特性以及较大的背景噪声导致故障特征难以提取的问题,提出一种平均自相关结合参数优化变分模态分解（variational mode decomposition,简称VMD）的轴箱轴承故障诊断方法。首先,利用平均自相关对原始信号进行降噪,增强故障周期性冲击信息;其次,以故障特征频率能量比相反数为适应度函数,利用哈里斯鹰优化算法（Harris hawks optimization,简称HHO）优化VMD的模态分量数和二次惩罚系数,实现对降噪信号的自适应分解并提取出最佳模态分量;最后,计算其平方包络谱进行故障诊断分析。仿真和试验结果表明：该方法能够有效地降低背景噪声的影响,稳定地提取出周期性故障冲击成分,实现轴箱轴承故障的准确诊断。     

一种欠定混合情形下的信源数目盲估计方法

准确估计信源数目是盲源分离实现有效分离的重要前提之一。针对源信号数目未知且少于观测信号数目的欠定问题,提出了一种有效的信源数目盲估计方法。该方法基于经验模态分解,并结合协方差矩阵的奇异值分解,采用拉氏逼近的贝叶斯选择原理来估计源信号数目。在对观测信号进行经验模态分解前,为了消除本征模态函数的模态混合现象,引入卡尔曼滤波算法对观测信号进行了消噪处理。分别采用仿真信号和实测信号对该方法进行验证,研究表明,方法能够准确估计出源信号数目,为盲源分离提供准确的先验信息。     

基于独立分量分析的动车组模型噪声分离

研究表明高速列车的噪声由多种因素混合而成,有效的分离出各种噪声对列车的减振降噪具有重要意义。针对动车组模型试验提出一种适用于分离试验段观测噪声的盲源分离方法。对观测噪声进行EEMD分解,使单通道欠定问题转化为正定问题;利用主成分分析进行源信号数目的估计,提出利用至少包含源信号信息90%的主成分重构观测信号;对重构的观测信号利用独立分量分析进行分离。仿真实验说明该方法可有效的分离出源信号。在动车组模型风洞试验中,试验段传声器的观测信号主要是由气动噪声和风机振动噪声混合而成,所估计的源信号数目与试验条件一致。分离出的气动噪声和风机振动噪声源信号与原始源信号的主要频率一致,相关系数都大于0.65,属于强相关,说明了该方法对动车组模型试验噪声分离的有效性。