一种轮轨粘着特性的辨识方法以及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110895631A(43)申请公布日2020.03.20(21)申请号201811068071.X(22)申请日2018.09.13(71)申请人株洲中车时代电气股份有限公司地址412001湖南省株洲市石峰区时代路169号(72)发明人徐绍龙赵旭峰张征方甘韦韦李科喻励志吴业庆蒋杰(74)专利代理机构北京集佳知识产权代理有限公司11227代理人罗满(51)Int.Cl.G06F30/20(2020.01)权利要求书2页说明书13页附图3页(54)发明名称一种轮轨粘着特性的辨识方法以及系统(57)摘要本发明公开了一种轮轨粘着特性的辨识方法，包括：确定用于进行轮轨粘着特性辨识的蠕滑模型；采集多个粘着系数；根据采集的多个粘着系数，通过群体智能优化算法确定出蠕滑模型的粘着特征参数；基于确定出粘着特征参数的蠕滑模型进行轮轨粘着特性的辨识。应用本申请的技术方案，可以快速地对蠕滑模型的粘着特征参数进行确定，也就可以基于确定出粘着特征参数的蠕滑模型进行轮轨粘着特性的辨识。本申请还公开了一种轮轨粘着特性的辨识系统，具有相应技术效果。CN110895631ACN110895631A权利要求书1/2页1.一种轮轨粘着特性的辨识方法，其特征在于，包括：确定用于进行轮轨粘着特性辨识的蠕滑模型；采集多个粘着系数；根据采集的多个所述粘着系数，通过群体智能优化算法确定出所述蠕滑模型的粘着特征参数；基于确定出所述粘着特征参数的所述蠕滑模型进行轮轨粘着特性的辨识。2.根据权利要求1所述的轮轨粘着特性的辨识方法，其特征在于，所述蠕滑模型为Polach蠕滑模型，所述粘着特征参数包括kA，kS，A，B，以及μ0；其中，所述kA为粘着区调节系数，所述kS为滑动区调节系数，所述A为极限滑动速度下轮轨接触面间的摩擦系数与所述μ0的比值，所述B为摩擦系数的衰减因子，所述μ0为不发生滑动时轮轨接触面间的最大摩擦系数；所述群体智能优化算法为教与学优化TLBO算法。3.根据权利要求2所述的轮轨粘着特性的辨识方法，其特征在于，所述TLBO算法满足：教学因子其中，所述Mi为所述TLBO算法中的学生群体参数均值，所述Ti为所述TLBO算法中选取出的教师，所述D为所述粘着特征参数的维度；并且所述TLBO算法的每次学生阶段结束之后，按照差生补习规则进行参数更新，并取Xold以及中的最优解作为更新之后的参数值；其中，所述差生补习规则包括：教师补课规则：学生自习规则：所述为经过所述教师补课规则处理之后的学生知识水平，所述为经过所述学生自习规则处理之后的学生知识水平，所述Xold为经过所述差生补习规则处理之前的学生知识水平，所述Xlim为搜索参数的搜索区间的大小。4.根据权利要求1所述的轮轨粘着特性的辨识方法，其特征在于，所述采集多个粘着系数，包括：采集N组目标数据，每组所述目标数据包括：车辆速度VC，轮对线速度Vw以及轮对实际牵引力TT；根据N组所述目标数据确定出N个粘着系数；将N个所述粘着系数进行过滤，得到采集的多个粘着系数。5.根据权利要求4所述的轮轨粘着特性的辨识方法，其特征在于，所述将N个所述粘着系数进行过滤，得到采集的多个粘着系数，包括：按照蠕滑率对N个所述粘着系数进行分组；针对每一组内的粘着系数，选取处于预设比例的中间位置的粘着系数进行平均值的获取；基于所述平均值，选取各组的粘着系数中符合预设范围的粘着系数构成的集合作为采集的多个粘着系数。2CN110895631A权利要求书2/2页6.根据权利要求4所述的轮轨粘着特性的辨识方法，其特征在于，所述根据N组所述目标数据确定出N个粘着系数，包括：根据N组所述目标数据，通过预设的轮对运动模型确定出N个粘着系数，其中，所述轮对运动模型为：所述J为轮对转动惯量，所述vw为轮对线速度，所述rw为轮径尺寸，所述TT为实际牵引力，所述Tadh＝μaQgrw为实际粘着力，所述μa为粘着系数，所述Q为轮对轴重。7.根据权利要求6所述的轮轨粘着特性的辨识方法，其特征在于，所述根据N组所述目标数据，通过预设的轮对运动模型确定出N个粘着系数，包括：确定出预设的轮对运动模型经过拉普拉斯变换之后的第一模型；通过一阶低通滤波器对所述第一模型中的微分项s进行抗干扰处理得到第二模型；根据N组所述目标数据，基于所述第二模型确定出N个粘着系数；其中，所述第一模型为：所述抗干扰处理为：s＝(1/T0)·(1-1/(1+sT0))；确定出的N个粘着系数中的任意一个为：所述T0为观测器的时间常数。8.根据权利要求1至7任一项所述的轮轨粘着特性的辨识方法，其特征在于，所述根据采集的多个所述粘着系数，通过群体智能优化算法确定出所述蠕滑模型的粘着特征参数，包括：根据采集的多个所述粘着系数，通过群体智能优化算法