-
题名大数据高速列车车内压力波动仿真控制研究
被引量：5
- 1
-
-
作者
闫中奎
陈春俊
孙宇
-
机构
西南交通大学机械工程学院
-
出处
《中国测试》
CAS
北大核心
2016年第5期93-97,共5页
-
基金
国家自然科学基金项目(51475387
51375403)
-
文摘
为避免高速列车通过隧道时,列车表面的隧道压力波通过车体缝隙以及换气系统等传入车内,影响车内乘客舒适度。该文基于高速列车行驶中海量数据的准周期性以及重复性,建立基于大数据的PD型迭代学习控制系统,通过迭代学习寻求最优换气系统风机工作频率,实时调节风机新风量与废排量来抑制车内压力波动。仿真分析表明:采用基于大数据的PD型迭代学习控制方式使得车内压力波动幅值、最大1 s变化率以及最大3 s变化率呈明显下降趋势,明显优于现有的主动控制(恒定风机频率)方式,能够更加有效地抑制高速列车车内压力波动,提高乘客舒适度。
-
关键词
高速列车
车内压力波动
PD迭代学习控制
准周期性
变频风机
-
Keywords
high-speed train
pressure fluctuation inside train
PD iterative learning control
quasiperiodicity
frequency conversion fan
-
分类号
U292.914
[交通运输工程—交通运输规划与管理]
-
-
题名基于KNN算法的高速列车车内压力模糊控制研究
被引量：3
- 2
-
-
作者
陈朝文
陈春俊
王东威
-
机构
西南交通大学机械工程学院
轨道交通运维技术与装备四川省重点实验室
-
出处
《铁道机车车辆》
北大核心
2020年第6期58-63,共6页
-
基金
国家自然科学基金资助项目(51975487)。
-
文摘
高速列车在通过隧道时,车外空气压力的剧烈变化会导致车内压力发生剧烈波动,对乘客乘坐舒适度带来影响。为研究换气风机频率控制初值对车内压力波动的影响,通过对高速列车车内外气压传递方式进行分析,建立车内外气压传递非线性数学模型,并利用实测车内外压力信号进行修正;采用KNN最小领域算法(KNN,K Nearest Neighbor)的思想,建立基于历史控制信息的初次控制信号提取方法,并根据模糊控制的基本原理,设计对换气风机运行频率进行控制的车内压力波动模糊控制器,并带入实测车内外压力信号进行仿真。仿真结果表明:基于KNN算法的高速列车车内压力模糊控制方法较好的改善了车内压力波动情况,降低了车内压力波动幅值,降低了车内压力波动1 s变化率和3 s变化率,有效提高了车内压力换气系统对车内压力波动的抑制能力,提高了乘坐舒适度。
-
关键词
高速列车
车内压力波动
风机频率
KNN算法
模糊控制
-
Keywords
High-speed train
pressure fluctuation inside train
fan frequency
KNN algorithm
fuzzy control
-
分类号
U260.16
[机械工程—车辆工程]
-
