周超 李樊 杜呈欣
摘 要:在嚴(yán)寒地區(qū),惡劣的環(huán)境會對軌道交通站臺門系統(tǒng)的使用產(chǎn)生不良影響,因此需采用預(yù)熱控制系統(tǒng)保障設(shè)備的穩(wěn)定運行。針對站臺門預(yù)熱控制系統(tǒng)難以使用精確的數(shù)學(xué)模型建模,系統(tǒng)控制參數(shù)設(shè)定困難,導(dǎo)致預(yù)熱效果不穩(wěn)定、安全性和可靠性降低的問題,文章將傳統(tǒng) PID(比例-積分-微分)控制、模糊控制和 RBF神經(jīng)網(wǎng)絡(luò) 3 種算法相融合,構(gòu)建出一種智能、高效的控制算法;并通過仿真及試驗證明該算法可以實現(xiàn)預(yù)熱控制參數(shù)自動、快速迭代優(yōu)化,具有較好的溫度控制效果,可改良傳統(tǒng) PID 控制算法的動態(tài)控制性能及對非線性對象的控制穩(wěn)定性,有一定的實際應(yīng)用參考價值。
關(guān)鍵詞:軌道交通;站臺門系統(tǒng);預(yù)熱控制;模糊控制;RBF 神經(jīng)網(wǎng)絡(luò)
中圖分類號:TP273
1 研究背景
站臺門系統(tǒng)是重要的軌道交通安全防護(hù)設(shè)備。在嚴(yán)寒工況下,站臺門系統(tǒng)會出現(xiàn)門機(jī)結(jié)構(gòu)低溫特性變化、靜態(tài)阻力矩突變等問題,進(jìn)而產(chǎn)生故障,影響列車進(jìn)出站及其與信號系統(tǒng)的車地聯(lián)動功能,導(dǎo)致列車降級運行,甚至停運。因此,必須為嚴(yán)寒工況下的站臺門系統(tǒng)安裝輔助加熱系統(tǒng),即站臺門預(yù)熱控制系統(tǒng)。但由于站臺門系統(tǒng)結(jié)構(gòu)復(fù)雜,空間不規(guī)則,具有非線性和非封閉性的特點,利用常規(guī)理論無法對其進(jìn)行準(zhǔn)確的數(shù)學(xué)建模,所以傳統(tǒng)的控制策略在實際應(yīng)用中往往達(dá)不到預(yù)期效果,會對軌道交通的正常運營造成一定的安全風(fēng)險。
而神經(jīng)網(wǎng)絡(luò)可以用于控制復(fù)雜系統(tǒng),具有較高的實時性。其中,徑向基(RBF)神經(jīng)網(wǎng)絡(luò)是一種具有優(yōu)良特性的前饋型神經(jīng)網(wǎng)絡(luò),在泛化能力和學(xué)習(xí)速率方面具有突出優(yōu)勢;模糊控制可有效控制非線性、模糊性強(qiáng)、難以建模的被控對象,但存在推理計算較慢,精度較低的問題。將這2種算法相結(jié)合,構(gòu)建模糊RBF神經(jīng)網(wǎng)絡(luò),可使控制系統(tǒng)同時具備2種控制策略的優(yōu)點,不僅可對非線性模型進(jìn)行模糊處理分析,同時也具備較強(qiáng)的全局逼近能力和逼近精度。此方法可解決一般神經(jīng)網(wǎng)絡(luò)算法下存在局部最優(yōu)解的問題,并具有網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)清晰、參數(shù)可分離學(xué)習(xí)、控制收斂快的特點。本文將此方法應(yīng)用于預(yù)熱控制系統(tǒng)中,實現(xiàn)了控制參數(shù)自動快速迭代調(diào)整至最優(yōu),從而提高了站臺門預(yù)熱控制系統(tǒng)的控制效果和控制穩(wěn)定性。
2 預(yù)熱控制系統(tǒng)總體設(shè)計
站臺門預(yù)熱控制系統(tǒng)由溫度傳感器、溫度巡檢模塊、加熱設(shè)備(加熱帶)和控制柜(含可編程邏輯控制器PLC)組成。溫度傳感器和溫度巡檢模塊分別對站臺門內(nèi)壁溫度及其工作環(huán)境溫度進(jìn)行實時采集;控制器根據(jù)智能控制策略對加熱帶工作時間進(jìn)行控制,當(dāng)站臺門的工作溫度可長時間保持在適宜范圍內(nèi)時,完成對站臺門的預(yù)熱工作;遠(yuǎn)程監(jiān)視主機(jī)采用Modbus現(xiàn)場總線實現(xiàn)對系統(tǒng)的遠(yuǎn)程監(jiān)控功能。預(yù)熱控制系統(tǒng)電氣架構(gòu)示意圖如圖 1所示。
在站臺門頂箱的軌道側(cè)增加由保溫材料制成的保溫層,以減少站臺門頂箱內(nèi)部的熱量流失,從而延長頂箱內(nèi)側(cè)的保溫時間,降低能源消耗。站臺門頂箱保溫層如圖2所示。
該預(yù)熱控制系統(tǒng)方案在溫度傳感器、溫度巡檢模塊失效,且遠(yuǎn)程監(jiān)視主機(jī)沒有監(jiān)測出設(shè)備故障時,可能存在低溫時系統(tǒng)未啟動加熱、溫度足夠高時系統(tǒng)未停止加熱的情況。若加熱帶在低溫時未自動啟動,可能導(dǎo)致站臺門系統(tǒng)在短時間內(nèi)無法正常工作,此時可由站臺工作人員手動開啟加熱帶,并及時更換失效的溫度傳感器;若加熱帶在溫度足夠高時未停止加熱,考慮到其最高加熱溫度為100 ℃(由加熱帶本身性能決定),低于站臺門系統(tǒng)可承受的最高溫度,不會對系統(tǒng)產(chǎn)生安全影響,因此該系統(tǒng)總體設(shè)計安全。
3 模糊 RBF 神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)設(shè)計
模糊RBF神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)將設(shè)定的目標(biāo)門機(jī)系統(tǒng)溫度r(t)與實際門機(jī)系統(tǒng)溫度y(t)之間的偏差(即溫度控制偏差)e和實際門機(jī)系統(tǒng)溫度T作為模糊RBF神經(jīng)網(wǎng)絡(luò)算法的輸入項,通過該算法快速地動態(tài)調(diào)整PID控制器參數(shù),調(diào)節(jié)加熱時間u(t),實現(xiàn)對目標(biāo)門機(jī)系統(tǒng)溫度的快速跟蹤,其結(jié)構(gòu)框圖如圖 3所示。
3.1 模糊 RBF 神經(jīng)網(wǎng)絡(luò)設(shè)計
根據(jù)上述控制系統(tǒng)結(jié)構(gòu)框圖,構(gòu)建具有4層網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的模糊RBF神經(jīng)網(wǎng)絡(luò),如圖4所示。輸入層由2 個輸入節(jié)點組成,分別是實際門機(jī)系統(tǒng)溫度T和溫度控制偏差e;模糊化層包括6個節(jié)點,可實現(xiàn)將輸入?yún)?shù)模糊化的功能,此層使用高斯函數(shù)計算;模糊推理層包括8個節(jié)點,可實現(xiàn)PID參數(shù)的自動整定;輸出層包括Kp、Ki、Kd 3個節(jié)點參數(shù),并實時輸出至控制器。對下面各層的描述中,fn(X)是各層的輸出變換函數(shù),n為層數(shù)。
3.1.1 輸入層
輸入層的2個節(jié)點分別連接輸入變量,即實際門機(jī)系統(tǒng)溫度X1 = T和溫度控制偏差X2 = e,設(shè)定該層的函數(shù)為:
4.2 結(jié)果分析
為驗證模糊RBF神經(jīng)網(wǎng)絡(luò)的控制性能,在仿真軟件Matlab中建立傳統(tǒng)PID控制算法和模糊RBF神經(jīng)網(wǎng)絡(luò)控制算法下的仿真模型。在仿真過程中,將模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制算法中所搭建模型的2個輸入變量——實際門機(jī)系統(tǒng)溫度T和溫度控制偏差e分別取6 個和8個模糊子集,RBF網(wǎng)絡(luò)學(xué)習(xí)因子η取 0.3,動量因子α取0.03,初始值自由設(shè)定。通過Matlab對2 種控制算法下的系統(tǒng)階躍輸入響應(yīng)進(jìn)行仿真,得到的結(jié)果如圖5所示。
由圖5計算可知,傳統(tǒng)PID控制算法輸出的最大超調(diào)量為58%,上升時間為3.1s,調(diào)節(jié)時間為17s;模糊RBF神經(jīng)網(wǎng)絡(luò)控制輸出的最大超調(diào)量為20%,上升時間為2.9s,調(diào)節(jié)時間為5.1s;可見與傳統(tǒng)PID控制算法相比,模糊RBF神經(jīng)網(wǎng)絡(luò)具有更好的動態(tài)性能和穩(wěn)定性,在響應(yīng)速度、衰減比、調(diào)節(jié)時間等方面均有優(yōu)勢,可有效、快速、穩(wěn)定地對站臺門門機(jī)系統(tǒng)溫度進(jìn)行控制。
5 結(jié)語
本文以站臺門系統(tǒng)作為典型軌道交通裝備的預(yù)熱對象提出了一種利用RBF神經(jīng)網(wǎng)絡(luò)參數(shù)自動迭代更新的模糊控制系統(tǒng),該系統(tǒng)融合了人工神經(jīng)網(wǎng)絡(luò)、模糊控制的優(yōu)點,可用于時變、難以建模的控制系統(tǒng)。通過在Matlab軟件中建立數(shù)學(xué)模型并仿真,結(jié)果表明模糊RBF神經(jīng)網(wǎng)絡(luò)控制方法較傳統(tǒng)PID控制方法具有更佳的動態(tài)性能和穩(wěn)定性,可實現(xiàn)控制參數(shù)的實時優(yōu)化和迭代更新,有效提升軌道交通站臺門預(yù)熱控制系統(tǒng)的可靠性和抗干擾性。
參考文獻(xiàn)
[1]鄧保順. 北方地區(qū)屏蔽門系統(tǒng)地鐵初期冬季熱環(huán)境分析[J]. 鐵道工程學(xué)報,2018,35(12):86-91.
[2]W. He, Y. Chen, Z. Yin. Adaptive neural network control of an uncertain robot with full-state constraints[J]. IEEE Transactions on Cybernetics,2017,46(3):620-629.
[3]崔紅芬,楊波,蔣葉,等. 基于模糊控制和SOC自恢復(fù)儲能參與二次調(diào)頻控制策略[J]. 電力系統(tǒng)保護(hù)與控制,2019(22):89-97.
[4]司景萍,馬繼昌,牛家驊,等. 基于模糊神經(jīng)網(wǎng)絡(luò)的智能故障診斷專家系統(tǒng)[J]. 振動與沖擊,2017,36(4):164-171.
[5]楊莉,袁信. 基于模糊神經(jīng)網(wǎng)絡(luò)的慣性導(dǎo)航系統(tǒng)預(yù)熱控制[J]. 中國慣性技術(shù)學(xué)報,2000(3):24-27.
[6]王婕,袁寧寧. 基于RBF神經(jīng)網(wǎng)絡(luò)PID控制的水壓加載系統(tǒng)研究[J]. 儀表技術(shù),2013(3):32-34.
[7]程家根,祁正華,陳天賦. 基于RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢感知[J]. 南京郵電大學(xué)學(xué)報(自然科學(xué)版),2019,39(4):88-95.
[8]譚鐵仁,關(guān)振宇,張君鵬. 地鐵屏蔽門的常見故障[J]. 現(xiàn)代城市軌道交通,2013(1):28-31.
[9]徐曉光,孟浩,蘇朝龍,等. 低溫加熱釜系統(tǒng)設(shè)計與實驗研究[J]. 低溫與超導(dǎo),2016(3):60-64.
[10] 王奉鵬. 鐵路貨運裝備新型外包保溫加熱系統(tǒng)綜合性能研究[J]. 包裝工程,2019(13):184-190.
收稿日期 2020-02-19
責(zé)任編輯 蘇靖棋