大数据高速列车车内压力波动仿真控制研究

作者：闫中奎; 陈春俊; 孙宇

来源：中国测试, 2016, (05): 93-97.

• 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 high-speed train
• pressure fluctuation inside train
• PD iterative learning control
• quasiperiodicity
• frequency conversion fan

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。

• 出版日期2016
• 单位西南交通大学