Research on anti-slip and anti-slide for driverless metro train

LIU Junming; LI Ke; LU Xiangyang; ZHAO Xufeng; WU Yeqing; YU Lizhi

doi:10.13890/j.issn.1000-128X.2022.01.007

Your Location：

Home >

Browse articles >

Research on anti-slip and anti-slide for driverless metro train

Intelligent Technology Column | Updated：2024-08-02

- Research on anti-slip and anti-slide for driverless metro train
- role： Corresponding author , First author , 通讯作者 , 第一作者 ,
  
  Affiliation：
  CRRC Changchun Railway Vehicles Co., Ltd., Changchun, Jilin 130062, China
  
  Email： liujunming@cccar.com.cn
  
  Introduction：刘俊明（1985—），男，高级工程师，主要从事轨道交通车辆电气研发工作；E-mail：liujunming@cccar.com.cn
  
  No information about the author is available
  LIU Junming
  1 ,
  role：
  
  Affiliation：
  Zhuzhou CRRC Times Electric Co., Ltd., Zhuzhou, Hunan 412001, China
  
  Email：
  
  No information about the author is available
  LI Ke
  2 ,
  role：
  
  Affiliation：
  Zhuzhou CRRC Times Electric Co., Ltd., Zhuzhou, Hunan 412001, China
  
  Email：
  
  No information about the author is available
  LU Xiangyang
  2 ,
  role：
  
  Affiliation：
  Zhuzhou CRRC Times Electric Co., Ltd., Zhuzhou, Hunan 412001, China
  
  Email：
  
  No information about the author is available
  ZHAO Xufeng
  2 ,
  role：
  
  Affiliation：
  Zhuzhou CRRC Times Electric Co., Ltd., Zhuzhou, Hunan 412001, China
  
  Email：
  
  No information about the author is available
  WU Yeqing
  2 ,
  role：
  
  Affiliation：
  Zhuzhou CRRC Times Electric Co., Ltd., Zhuzhou, Hunan 412001, China
  
  Email：
  
  No information about the author is available
  YU Lizhi
  2 ,
- Electric drive for locomotives Issue 1, Pages: 37-44(2022)
- Affiliations：
  
  1.CRRC Changchun Railway Vehicles Co., Ltd., Changchun, Jilin 130062, China
  2.Zhuzhou CRRC Times Electric Co., Ltd., Zhuzhou, Hunan 412001, China
- Author bio：
- Funds：
- DOI：10.13890/j.issn.1000-128X.2022.01.007
  CLC： U231;U260.11+5
- Published：10 January 2022，
  
  Received：11 June 2020，
  
  Revised：07 February 2021，
- Accepted：
Scan for full text
Cite this article

PDF
LIU Junming, LI Ke, LU Xiangyang, et al. Research on anti-slip and anti-slide for driverless metro train. [J]. Electric drive for locomotives (1):37-44(2022)
DOI：

LIU Junming, LI Ke, LU Xiangyang, et al. Research on anti-slip and anti-slide for driverless metro train. [J]. Electric drive for locomotives (1):37-44(2022) DOI： 10.13890/j.issn.1000-128X.2022.01.007.

Research on anti-slip and anti-slide for driverless metro train

LIU Junming ; LI Ke ; LU Xiangyang ; ZHAO Xufeng ; WU Yeqing ; YU Lizhi ;

PDF Download

Sections

Abstract

Aiming at the problem of anti-slip and anti-slide of driverless metro train, by fully utilizing the driverless vehicle-controlled information and scheme, the key technologies and solutions of anti-slip and slide were discussed from three levels of train bottom control, single train optimal intervention and multi-train collaborative scheduling. Based on the characteristics and its identification methods of wheel-rail adhesion, several typical control strategies of anti-slip and slide of train bottom control were analyzed. With the optimal intervention to the single train, a strategy of power redistribution based on the current wheel-rail adhesion state was proposed. By making use of line information and vehicle control strategy, the operation strategy of all the trains on the line was readjusted. Through the discussion of the scheme, the optimal adhesion utilization could be obtained for the single train based on the bottom control of the train, and the optimal operating efficiency could be obtained for all the trains on the line, which provided a reference for the design of anti-slip & slide of driverless metro train.

transl

Keywords

metro; driverless; anti-slip; anti-slide; power redistribution; collaborative scheduling

transl

0 引言

地铁列车通过动轮与钢轨之间的黏着力实现在钢轨上行走，在行走过程中钢轨轨面可能遭受树叶、雨雪和油污等物质的侵袭，造成车轮与钢轨轨面之间的黏着因数降低，导致车轮产生空转或滑行现象，引起列车动轮与钢轨之间传递的牵引力/ 制动力急剧下降，严重影响列车的运行性能，并带来一定的安全隐患 ^[

1]。我国地铁运行的线路存在露天和高架环境，容易受天气、坡道等多种因素影响，地铁列车的轮对在钢轨上行走会存在空转或滑行问题。为防止轮对出现较严重空转或滑行情况，一方面从列车底层控制出发，通过各种方法及时检测轮对空转或滑行现象，在检测到轮对出现空转或滑行后，通过撒沙或减小作用在轮对上的力等方式抑制轮对空转或滑行进一步恶化；另一方面，为防止列车在部分线路区段频繁出现空转或滑行，通过司机干预、列车自动驾驶系统（ATO）和列车自动监控系统（ATS）提前预判等方式，在频繁出现空转或滑行的区段提前对牵引力/ 制动力进行调整，避免列车的底层黏着控制系统频繁进行保护动作。

transl

对于有人驾驶地铁列车，空转/ 滑行问题一般通过二级控制/干预（列车自带的黏着控制和司机手动干预）措施解决。在武汉地铁1号线、南京宁高城际线、无锡地铁1号线等线路都存在典型的露天和高架环境，列车自带黏着控制系统可根据实际线路条件由软件进行判断，并调整牵引/制动力；通过司机手动干预方式，可明显降低轮对空转/滑行的发生概率，尤其是在制动工况下基本不会出现滑行情况，如在武汉地铁1号线，司机会根据雨天轮对出现空转/滑行的提示，将控车方式由ATO模式转为手动模式，同时相比ATO模式控车方式，手动模式列车对标情况也比较理想。

transl

对于无人驾驶地铁列车，无法采取有人驾驶条件下的司机手动干预方法，但无人驾驶系统具有更高的信息化和大系统联动的优势，可将整车特性、线路条件和外部环境等信息进行集中，综合判断线路中各个区段的黏着情况，采用“车载底层黏着识别与保护”“ATO干预”和“控制中心干预”3层控制/干预的方法。

transl

1 无人驾驶条件下的黏着控制概况

在雨雪天气条件下，由于轮轨黏着因数降低，正线运行的多列无人驾驶列车可能会出现空转 / 滑行情况。此时，如图 1 所示无人驾驶列车通过“车载底层黏着识别与保护”系统实时反馈轮对空转/ 滑行严重程度等信息，通过车载网络收集列车底层控制信息，结合轴重转移和动力需求等要求，动态分配不同列车单元的动力并输出相应指令，然后通过 ATS 收集线路上多列列车的实际运行状况信息，采取相应策略进行多车协同干预，合理调整列车运行速度和发到站时刻等。通过牵引级（底层控制）、列车级（ATO干预）和线路级（ATS干预）3 级黏着控制，实现全线路列车协同控制。

transl

图 1 无人驾驶列车 3 级黏着控制示意图

Fig. 1 Schematic diagram of three-level adhesion control of driverless metro

Download: Full-size image | High-res image | Low-res image

2 轮轨间的黏着特性及其辨识

2.1 黏着特性说明

图2为钢轨轨面处于干燥和潮湿2种不同状态下轮轨间的黏着特性曲线，表征黏着因数μ与蠕滑速度v $_{s}$ 之间的关系。不同的蠕滑速度会使黏着因数发生变化，当黏着因数为最大值时，该速度点即为最佳黏着点。速度点处于最佳黏着点左边的区域为稳定区（处于黏着状态），处于最佳黏着点右边的区域为空转/滑行区。

transl

图 2 黏着因数与蠕滑速度的关系曲线

Fig. 2 Relation curve between adhesion coefficient and creep velocity

Download: Full-size image | High-res image | Low-res image

黏着因数μ为轮轨间能传递的最大切向力F $_{μ}$ 与垂向静荷重N之比，即

transl

μ =

\frac{F_{μ}}{N}

(1)

蠕滑速度 v $_{s}$ 是指车轮速度 v $_{w}$ 与车体速度v $_{v}$ 之间的差值，即

transl

_{s}

= v

_{w}

-v

_{v}

(2)

由图 2 可知，当蠕滑速度较小时，轮轨间处于黏着状态，而当蠕滑速度较大时，轮轨间进入空转/ 滑行状态。列车轮对实际能发挥的最大牵引/ 制动力由轮对的物理黏着状态决定，空转/ 滑行的本质原因是施加在轮对上的牵引力/ 制动力大于当前轮对的最大物理黏着力，此时与牵引力/ 制动力方向相反的黏着力会使列车减速 / 加速，而多余的牵引 / 制动力会驱使轮对逐渐偏离列车实际速度产生空转/ 滑行。当车轮在钢轨上出现空转 / 滑行时，轮轨间形成动摩擦力，此时牵引 / 制动力将大大减小，而且车轮在钢轨上空转滑行时会导致车轮踏面擦伤，这种情况是需要避免的，因此研究轮轨间的黏着特性和黏着控制策略有着现实意义。

transl

2.2 基于模糊理论的轨面辨识

轮轨黏着状态是制约列车牵引/ 制动性能的主要因素之一，为改进轮轨物理黏着条件，提升轮轨黏着利用效率，文献 [

2] 提出了基于模糊理论的轨面辨识控制方法，使用全维状态观测器，通过实时车速、轮轴速度和电机实际输出力矩等物理量完成黏着因数估计值计算；结合黏着因数估计值和蠕滑速度，通过模糊逻辑推理判断当前轨面与标准轨面的相似度，快速准确地辨识出当前轨面的黏着峰值点；根据轨面相似度，通过加权平均求出当前轨面可利用的最大黏着因数；然后，通过可利用的最大黏着因数与观测器计算的黏着因数估计值之差进行 PID 控制，得到牵引电机的输出转矩。基于模糊理论的轨面辨识控制方法如图3 所示。

transl

图 3 基于模糊理论的轨面辨识控制方法框图

Fig. 3 Block diagram of identification control method of rail surface based on fuzzy theory

Download: Full-size image | High-res image | Low-res image

2.3 基于统计学指标的特性辨识

一般的统计学指标主要是时域指标，假设待分析的信号为 {x $_{i}$ }(i=1, 2, …, N)，其时域特征统计指标如表1 所示。

transl

表 1 时域特征指标

Table 1 Characteristic index of time domain

特征	表达式	特征	表达式
均值		最大值	X $_{m a x}$ =max{\|x $_{i}$ \|} (i=1, 2, …, N)
方差		最小值	X $_{m i n}$ =min{\|x $_{i}$ \|} (i=1, 2, …, N)
峰峰值	X=X $_{m a x}$ -X $_{m i n}$	标准差
偏度		峭度

Download: CSV

Download: Table Images

通过对信号的特征指标进行挖掘 ^[

3]，可较准确地对轨面特性进行辨识，一般轨面特性辨识策略的步骤如下：①计算列车加速度，并构建加速度和牵引力/ 制动力队列；②分别计算轮对加速度的标准差和峰峰值、牵引力/ 制动力的峰峰值和方差指标；③根据轮对加速度和牵引力 / 制动力指标，对当前的轨面特性进行特性辨识。

transl

此外，通过统计学指标对速度信号本身特征进行辨识，可对速度信号进行适当修正，获取更加准确的速度信号。对于轮轴速度传感器，当轮对未发生空转或滑行时，其测量值是准确的（由于车轮磨耗导致的折算成车轮线速度的偏差需通过轮径校正功能校正），与列车绝对速度一致；而当轮对发生空转或滑行时，轮轴速度传感器测量值会产生绝对误差和累积误差，其与列车绝对速度的偏差较大。利用表 1 中的偏度和峭度公式对速度测量值进行修正处理，可减小轮轴速度传感器测量值的绝对误差和累积误差，从而减小其与列车绝对速度之间的偏差。

transl

3 列车底层黏着控制

黏着控制的基本目标是通过各种途径寻找当前轨面条件下黏着因数的最大值，以此调整列车实际牵引力 / 制动力；在列车底层进行黏着控制能及时有效地对空转 / 滑行现象进行检测与抑制，避免轮对频繁地进入空转 / 滑行区。

transl

黏着控制方法主要有早期提出的黏着斜率法 ^[

1]、相位移法 ^{[Reference 1

Baidu Scholar

1]}、组合校正法 ^{[Reference 4

Baidu Scholar

4]}、蠕滑控制法 ^{[Reference 5

Baidu Scholar

5]}、加速度微分法 ^{[Reference 6

Baidu Scholar

6]} 等，以及目前正在研究的基于模糊逻辑推理的自适应黏着控制法、基于最优蠕滑辨识的自适应黏着控制法、基于速度控制器的自适应黏着控制法等。几种典型的黏着控制方法如下：

transl

1）蠕滑控制法

蠕滑控制法是在蠕滑速度已知的前提下，通过调节蠕滑速度的大小自动搜寻最佳黏着点，并使黏着工作点保持在最佳黏着点附近，充分利用轮轨当前可用黏着因数，达到较高的黏着利用率 ^[

5]。根据蠕滑速度的具体数值是否参与控制，蠕滑控制法分为直接法和间接法。

transl

在直接法中，由于是通过蠕滑速度的具体数值来搜寻最佳黏着点，因此准确获取蠕滑速度的具体数值是基本的必要条件。假设蠕滑速度的数值已知，根据图 2 中黏着因数与蠕滑速度的关系曲线，随着蠕滑速度的增加，黏着因数随之增加并达到最佳黏着点（A 点或 B 点），此时牵引力 / 制动力可达到当前轨面条件下的最大值；当蠕滑速度继续增加时，黏着因数越过最佳黏着点后将会下降，导致牵引力/ 制动力达到最大值后也相应地减小。因此，为获得最佳黏着因数，需通过反复调节蠕滑速度使其位于最佳黏着因数对应的蠕滑速度附近，此时牵引力/ 制动力接近当前轨面条件下的最大值。通过反复地循环增加或减少蠕滑速度，可自动搜寻黏着峰值点。

transl

在间接法中，无需确定蠕滑速度具体数值，只需要确定蠕滑速度的变化趋势即可，从而绕过蠕滑速度的大小进行控制 ^[

5]。根据图 2 可知，当黏着因数达到最佳黏着点的值时，曲线的切线斜率为 0，其对蠕滑速度的导数为 0，即

transl

$\text{[math]}$

(3)

分别对时间 t 求导，可得

transl

$\text{[math]}$

(4)

如果式(4)成立，则 $\frac{\partial μ}{\partial t}$ 必定为0。因此，要使 $\frac{\partial μ}{\partial v_{s}}$ =0，只要 $\frac{\partial μ}{\partial t}$ =0即可，此时不需要考虑蠕滑速度的影响。根据 $\frac{\partial μ}{\partial t}$ 设置PI控制器，可得控制器输出转矩 T_PI 为

transl

$\text{[math]}$

(5)

式中：T $_{P I}$ 为 PI 控制器输出转矩；K $_{P}$ 和 K $_{I}$ 分别为 PI 控制器中的比例系数和积分系数；s 是积分算子。

transl

根据轮对边缘切向力 F $_{μ}$ 和轮对输出转矩 T 之间的关系，结合式 (1)，可知

transl

$\text{[math]}$

(6)

式中：T 为轮对输出转矩；R 为轮对半径。

transl

由式 (5) 和式 (6) 可得

transl

$\text{[math]}$

(7)

由式 (7) 可知，PI 控制器输出转矩 T_PI 由 2 部分组成，轮对输出转矩T 和对T 的积分项 inlinegraphic 作为PI 控制器的输入。

transl

2）相位移法

设 G( f, r) 是关于激励信号频率 f 和系统变量 r 的线性系统传递函数，系统变量r 在激励的过程中保持不变。根据线性系统理论，在正弦信号 $u (t) = A s i n (2 π f t + ϕ)$ 的激励下，线性系统的输出 y(t) 为

transl

$\text{[math]}$

(8)

式中：ψ( f, r) 为相位移函数，它是关于激励信号频率 f和系统变量 r 的函数。

transl

同理，通过引入余弦激励信号得到一个响应，将该响应与式 (8) 进行正交计算，从而将 G( f, r) 消除，通过数学计算得到相位移函数 ψ( f, r)。如果保持激励信号的频率 f 不变，则相位移函数仅随系统变量 r 变化，即ψ( f, r)=ψ(r)；若相位移函数 ψ(r) 和系统变量 r 之间还存在单值对应关系，那么相位移函数 ψ(r) 就能唯一确定相应的变量 r。

transl

相位移法 ^[

1] 是建立在线性系统理论的基础上，通过获取黏着特性曲线的斜率，可实现轮轨当前可用黏着因数 μ 最佳利用的方法。在相位移法中，黏着因数 μ 可以通过采取上述计算相位移函数 ψ(r) 的系统变量 r 方法获取，但这种方法的缺点是为求得黏着因数 μ 而引入的正弦激励信号有可能会对列车的正常运行造成干扰。

transl

3）基于模糊逻辑推理的自适应黏着控制

由于黏着控制问题是非线性、时变问题，很难用精确模型进行建模，因此采用模糊控制方法具有较好的控制效果 ^[

7-9]。利用轮对轴速度偏差和加速度偏差进行模糊处理，根据预先设置好的策略制定模糊图表。当轮对轴速度偏差和加速度偏差均较小时，模糊输出调整量很小或为 0，此时不需要调整；当轮对轴速度偏差较大和加速度偏差较小时，模糊输出调整量增大，可对缓慢变化的轮对空转/滑行状况进行调整；当轴速度偏差较小和加速度偏差较大时，模糊输出调整量增大，可对瞬时快速变化的空转/滑行状况进行调整；当轴速度偏差和加速度偏差均较大时，模糊输出调整量最大，可对快速变化的空转/滑行状况进行调整。通过模糊化的输入和模糊图表进行模糊推理，给出模糊判决并将其转化为精确输出量，作为对轮对牵引力/制动力的控制输入，其流程图描述如图 4 所示。

transl

图 4 基于模糊推理的黏着控制示意图

Fig. 4 Schematic diagram of adhesion control based on fuzzy reasoning

Download: Full-size image | High-res image | Low-res image

4）基于最优蠕滑辨识的自适应黏着控制

黏着控制要解决的问题除了需要防止轮对空转/ 滑行现象发生以外，还需要在识别最优黏着特性的情况下，实现最优控制效果。文献 [

10] 提出采用最优蠕滑辨识方法进行自适应黏着控制，通过瞬态控制捕捉次优蠕滑率。如图 2 所示，钢轨存在 2 种轨面条件，通过对轨面变化前后的轮对动力学性能分析，可判断轮对的运行状况。当轮对的黏着特性被判断出进入非稳定区，大幅减小牵引力/ 制动力，使轮对的黏着特性进入稳定区，此时恢复牵引/ 制动力，轮对的黏着特性再次进入非稳定区，此过程对应的是由稳定区经过最优蠕滑率，再进入非稳定区，在此过程可对蠕滑率进行捕捉，得到次优蠕滑率。

transl

次优蠕滑率可以快速定位最优蠕滑率的大概位置，但由于控制过程和轨面条件的复杂性，次优蠕滑率可能在部分情况下与最优蠕滑率偏差较大，不能直接以次优蠕滑率进行最终的控制。最优蠕滑搜索方法是以次优蠕滑率为初始基准，通过控制效果的前馈对最优蠕滑率进行调整和判断，使最优蠕滑率搜索的结果在最优蠕滑率附近范围内，为黏着最优稳态控制提供依据。次优蠕滑率捕捉和最优蠕滑率搜索过程描述如图 5 所示。

transl

图 5 基于最优蠕滑辨识的黏着控制示意图

Fig. 5 Schematic diagram of adhesion control based on optimal creep identification

Download: Full-size image | High-res image | Low-res image

5）基于速度控制器的自适应黏着控制

文献[

11]提出基于速度控制器的自适应黏着控制方法，其控制流程框图如图6所示。在开始调节过程中，转矩要求值 T

_{R}

比转矩参考输入值 T

_{E}

小，“与”逻辑输入均为“正”，加速度常数 a

_{c}

符号切换为“正”，此时加速度常数 a

_{c}

与轮对加速度 a

_{w}

相加并积分，与轮对速度反馈值 v

_{w}

求差值得到轮对速度输入 v

_{R}

，经过速度控制器计算后得到轮对输出转矩T

_{R}

，T

_{R}

与 v

_{w}

作为转矩控制器的输入得到最终转矩。

transl

图 6 基于速度控制器的黏着控制框图

Fig. 6 Block diagram of adhesion control based on velocity controller

Download: Full-size image | High-res image | Low-res image

在黏着控制调节过程中，存在如下 2 种情况：

transl

① T $_{R}$ 小于当前蠕滑特性上能达到的最大切向力对应的转矩T $_{R m a x}$ ，此时黏着点工作在特性曲线的稳定区域。当T $_{R}$ 大于T $_{E}$ 时，“与”逻辑一输入为“负”，另一输入为“正”，加速度常数a_c符号切换为“负”，速度控制器输入v_R减小，导致T_R减小；当T_R减小到小于T_E 时，“与”逻辑输出为“正”，加速度常数 a_c 符号切换为“正”，T_R增大。在这种情况下黏着点在T_E 附近振荡。

transl

② T_R 大于当前蠕滑特性上能达到的最大切向力对应的转矩 T_{R max}，此时加速度常数 a_c 的符号根据速度控制器设定的 T_R 与 T_{R max} 之间的差值进行切换，T_{R max}存储在存储器中，在存储器中的黏着特性稳定区域最大值与转矩要求值 T_R 相同，当工作点穿过特性峰值点时，T_R 将达到最大可能值，该值保存到存储器中；此后，由速度控制器设定的 T_R 值小于最大值 T_{R max}，两者差值会导致“与”逻辑一输入为“负”、另一输入为“正”，加速度常数 a_c 符号切换为“负”，T_R 开始减小，当黏着点达到稳定区时，T_R 与 T_E 的差值改变加速度常数 a_c 的符号，使得黏着点在黏着特性的峰值点附近振荡。

transl

理论上自适应黏着控制方法可以工作在特性曲线的任意一点，但该方法的主要问题是要合理设置加速度常数值，需要工作在特性曲线的非稳定区，工作在不稳定区会导致电机转矩波动较大，需要快速地进行闭环控制，以保证运行准确。

transl

4 通过 ATO 干预获得列车最佳黏着利用

无人驾驶模式下的列车由 ATO 控制列车行驶，包括列车的启停和加减速，ATO 取代司机对列车的空转/滑行实施保护性干预，应充分利用以下条件：① 通过信号系统地面设备的配合，ATO 可以获得更准确的、积累误差更小的列车速度。ATO 可以把该列车速度提供给底层控制，以此作为黏着识别和控制的参考。② ATO 内存储有相关线路的电子地图，拥有线路的坡道、弯道、供电、停站等量化数据，以及列车的长度、牵引 / 制动性能等数据。③由于 ATO 具有强大的计算资源，因此底层提供给 ATO 的信息不仅包括向司机提供的简单报警信息，还可以是系统、全面的详细信息。ATO 可以在更高层面利用这些信息，并结合电子地图进行列车运行实时控制，达到最优效果。④ ATO 可在任何时间精确定位列车位置，相比司机干预，更加有利于根据当前列车和线路情况对轮对的空转/ 滑行状况进行精准干预，进而实时调整列车驾驶策略 ^[

12]。

transl

当钢轨轨面受到树叶、雨雪和油污等影响，造成列车车轮与轨面间黏着因数降低时，底层控制单元检测到轮轨黏着条件恶化，不满足当前牵引力 / 制动力正常发挥，会将相关详细的黏着预警信息通过 TCMS 上传至 ATO，ATO 在获取整列车各个单元的控制信息后，会根据控制信息、轴重转移和动力需求，动态分配不同单元的动力，并转化为相关指令；当一个单元轮轨条件较差而另一个单元轮轨条件较好时，可以通过TCMS 适当转移动力需求分配，根据各个单元轴重的差异和动力需求进行再分配，从而减少轮对发生空转 / 滑行的概率，提升牵引力 / 制动力发挥效率。

transl

假设列车处于牵引工况，并按照地铁列车 4 动 2 拖的编组方式进行编组，同时在当前线路某个固定点存在轮轨黏着条件恶化的情况。图 7 为单列地铁列车根据不同单元反馈的黏着预警信息进行动力再分配的示意图，图中的 1 车 ~4 车分别表示该列车前进方向的第 1 节动车 ~ 第 4 节动车。当列车行驶越过轨面条件恶劣地点后，由于轮对碾压钢轨轨面，这相当于对轨面进行了部分清洁，轨面条件有所改善。当 1 车经过该点时，底层控制单元检测到轮对存在空转/ 滑行情况，底层控制将黏着预警信息上报给 ATO，ATO 根据黏着预警信息适当降低 1 车的给定转矩，此时由于 2 车、 3 车和 4 车未出现空转 / 滑行情况，ATO 将 1 车减少的给定转矩分配到 2 车、3 车和 4 车。转矩分配原则为：根据各非空转动车与空转动车的距离，给定转矩由近及远依次递增；当距离空转动车最近的动车的转矩上升到目标值后，其他动车的转矩才开始逐渐上升，并达到要求的目标值，转矩下降的过程与上升过程相同；分配给各非空转动车的转矩之和与空转动车减少的给定转矩相同，被分配转矩的各节动车的转矩上升点和下降点有所区别。同理，当 2 车 ~4 车经过该固定点，并且钢轨轨面条件仍未改善时，将按照上述转矩分配原则进行动力需求再分配，动力分配方案可参照 1 车经过该点所采用的策略。另外，ATO 还可以根据各节动车的轴重差异进行动力需求再分配，轴重越大，该节动车分配的动力将适当偏大。根据上述动力分配原则，当列车经过轨面条件恶劣地点时，其总的牵引力 / 制动力与分配前相当，但可减少单节动车的空转/ 滑行频次，在制动过程中可避免单节动车由于黏着转矩减载过多导致的电制动被机械制动接管问题，防止机械制动投入过多造成闸瓦磨损。

transl

图 7 转矩再分配示意图

Fig. 7 Schematic diagram of torque redistribution

Download: Full-size image | High-res image | Low-res image

ATO 根据判断结果对列车动力分配进行干预的应用场景包括：①在列车进入坡道前，ATO 可利用获取的线路和基础设施情况，采取预先精确计算好的策略，提前对列车的各动车进行动力再分配，减少因底层黏着控制导致的牵引力/ 制动力波动；②在隧道与露天连接处和列车出隧道前，可适当提高列车运行速度，在出隧道过程中利用列车惰行进入露天线路，在不影响列车平均旅行速度的前提下减少空转/ 滑行的频次；③ 在露天条件下，结合线路信息和运营情况，适当降低运营速度并延长列车惰行时间，在减少空转/ 滑行频次的同时，尽可能降低由于雨雪天气导致的列车晚点率等问题。

transl

5 通过ATS干预获得全线列车最佳运营效能

ATS 干预采取的策略为：在一段时间内，当超过一定比例的列车在某一区域多次出现空转 / 滑行现象时，ATS 收集出现空转 / 滑行现象的列车上报的信息，并在列车运营调度工作站给出 “是否进入雨雪模式” 提示；由运营调度人员授权后，全自动驾驶的列车将在该区域进入“雨雪模式”，在“雨雪模式”下，信号系统与列车将采取更利于黏着发挥的控制策略，如在坡道 / 弯道点处减速慢行、减小最高运行速度、适当延长目标速度运行下的惰行时间、列车采用等黏着牵引力 / 制动力分配方案等。

transl

假设多列列车在同一区域多次出现空转 / 滑行现象，多列列车经过这一区域时的轨面条件一致。一般情况下，在列车采取防空转/ 滑行保护时，减载越大轮对恢复正常越慢，否则容易引起二次空转/ 滑行，并导致车辆抖动。为此，ATS 针对后续列车采取动力再分配措施，列车转矩分配原则为：当列车到达空转/ 滑行区域时，减小施加在发生空转/ 滑行轮对上的给定转矩，此时列车轮对的空转/ 滑行严重程度、黏着转矩的减载幅度和频次均比前次列车小，列车实际发挥的黏着转矩与前次列车的黏着转矩相当；根据前次列车反馈的空转 / 滑行信息、位置信息和速度信息确定给定转矩的调整时刻，同时根据前次列车上报空转/ 滑行的严重程度确定给定转矩的调整量；在制动工况下，为保证制动距离，列车惰行时间可适当缩短，并使列车提前进入制动工况，这样可部分弥补提前调整转矩给定导致的制动减速损失。根据上述转矩分配原则，在当前列车黏着转矩发挥与前次列车黏着转矩相当的前提下，可明显减少列车空转/ 滑行发生的频次，同时降低列车空转 / 滑行的严重程度、黏着转矩减载与波动的幅度，有利于黏着转矩平稳发挥；列车在制动过程中，若滑行现象比较严重，电制动力卸载频繁、幅度大，容易被机械制动切除与替代，由机械制动完成剩余制动过程。但是由于纯机械制动较难保证制动距离，列车易出现冲标或欠标，通过上述分配策略，在列车电制动滑行时，可明显减小电制动被切除的概率，避免列车频繁出现冲标或欠标的情况。图 8 为“雨雪模式”下ATS 干预列车动力再分配的示意图。

transl

图 8 “雨雪模式”下 ATS 干预列车转矩再分配示意图

Fig. 8 Schematic diagram of ATS intervention in train torque redistribution under rain and snow mode

Download: Full-size image | High-res image | Low-res image

若列车配备撒沙装置，黏着控制系统可结合线路和列车上报空转 / 滑行信息对空转 / 滑行频率高发段提前实施介入撒沙控制策略，减少轮对发生空转/ 滑行的概率，尽可能大地发挥列车牵引力/ 制动力。另外，充分利用 ATS 对整列列车的信息、线路和运行时刻的掌握情况，适当调整列车始发和到站时刻，降低因信号系统对列车运行策略调整产生的影响。

transl

“雨雪模式”用于解决线路某一区域多列车同时存在轨面黏着因数低情况下的列车全自动驾驶问题，全自动驾驶系统可自动向运营调度人员进行“雨雪模式”的报警提示，请求运营调度人员向该区域全部列车设置进入 / 退出“雨雪模式”，当 ATS 系统获得授权后， ATS 系统可限制列车最大速度和不同地点的限速值等。当所有列车均进入“雨雪模式”时，各列车在轨面条件恶劣地点的运行模式完全一致，列车限速情况和动力分配方案等都相同，降低了列车运营效能，为了实现各列车之间的最佳运营效能，利用 CBTC 中信息可以共享的特点，ATS 系统通过收集前车识别的黏着情况和相关地点等信息，为后续列车在相同地点的运行模式选择提供参考。通过 ATS 系统的干预，既可以降低列车在相关地点发生空转 / 滑行的频率，又可以最大限度地提高列车的运行速度，实现列车最佳运营效能。

transl

6 结语

列车全自动驾驶技术是当前轨道交通自动化领域的研究热点之一，经过长期的运营考验，其安全性已经得到了充分验证，未来应用全自动驾驶技术（尤其是无人驾驶）的地铁列车将越来越多。实现地铁列车的最佳运用和最佳运营效能成为无人驾驶条件下列车需重点考虑的方向，通过更好地利用控车信息和控车方案是一种可行的解决方案。本文介绍了几种典型的黏着控制方法，在此基础上结合无人驾驶的有利条件设计了单列车最佳干预方案和多列车协同调度策略，解决了无人驾驶列车在空转/ 滑行条件下动力再分配和运营策略自适应问题，为实现无人驾驶列车的最佳运用和最佳运营效能提供了思路。

transl

Download: Full-size image | High-res image | Low-res image

参考文献

李江红, 马健, 彭辉水. 机车粘着控制的基本原理和方法[J]. 机车电传动, 2002(6): 4-8. [Baidu Scholar]

LI Jianghong, MA Jian, PENG Huishui. Basic principle and methods of adhesion control of locomotive[J]. Electric Drive [Baidu Scholar]

for Locomotives, 2002(6): 4-8. [Baidu Scholar]

黄景春, 唐守乾, 林鹏峰, 等. 基于轨面辨识的电力机车粘着控制仿真研究[J]. 计算机仿真, 2015, 32(1): 206-210. [Baidu Scholar]

HUANG Jingchun, TANG Shouqian, LIN Pengfeng, et al. Simulation research on locomotive adhesion control based on rail identification[J]. Computer Simulation, 2015, 32(1): [Baidu Scholar]

206-210. [Baidu Scholar]

徐跃, 朱彬, 刘卓谞, 等. 时域内污染物浓度的统计学指标评价方法研究[J]. 环境工程, 2011(增刊1): 260-263. [Baidu Scholar]

XU Yue, ZHU Bin, LIU Zhuoxu,et al. Evaluation method of pollutants concentration in time domain by statistical indications[J]. Environmental Engineering,2011(Suppl 1): 260- [Baidu Scholar]

263

[Baidu Scholar]

李江红, 陈华国, 胡照文. 国产化北京地铁车辆的粘着控制[J]. 机车电传动, 2005(6): 40-42. [Baidu Scholar]

LI Jianghong, CHEN Huaguo, HU Zhaowen. Adhesion control of localized Beijing metro vehicle[J]. Electric Drive for Locomotives, 2005(6): 40-42. [Baidu Scholar]

邱存勇, 廖双晴. 电力机车粘着控制现状与展望 [J]. 信息与电子工程, 2008, 6(4): 301-306. [Baidu Scholar]

QIU Cunyong, LIAO Shuangqing. Current situation and prospects of adhesion control of electric locomotive[J]. Information and Electronic Engineering, 2008, 6(4): 301-306 [Baidu Scholar]

彭辉水, 陈华国, 曾云, 等. 基于加速度微分粘着控制方法的仿真研究[J]. 机车电传动, 2010(2): 26-27. [Baidu Scholar]

PENG Huishui, CHEN Huaguo, ZENG Yun, et al. Simulation of adhesion control method based on diﬀerential acceleration[J]. Electric Drive for Locomotives, 2010(2): 26-27. [Baidu Scholar]

HASEMANN J M, KANSALA K. A fuzzy controller to prevent wheel slippage in heavy duty off road vehicles[C]// IEEE. Proceedings of IEEE Vehicular Technology Conference. Stockholm: IEEE, 1994, 2: 1108-1112. DOI: 10.1109/VETEC.1994.345263. [Baidu Scholar]

CHEOK A D, SHIOMI S. Combined heuristic knowledge and limited measurement based fuzzy logic antiskid control for railway applications[J]. IEEE Transactions on Systems, Man and Cybernetics Part C: Applications and Reviews, 2000, 30(4): 557-568. [Baidu Scholar]

李江红, 胡云卿, 彭辉水, 等 . 轨道交通粘着利用控制的关键技术与方法[J]. 机车电传动, 2014(6): 1-5. [Baidu Scholar]

LI Jianghong, HU Yunqing, PENG Huishui, et al. Key techniques and design methods of adhesion control in rail transportation[J]. Electric Drive for Locomotives, 2014(6): 1-5. [Baidu Scholar]

吴业庆, 赵旭峰, 喻励志, 等. 基于最优蠕滑辨识的高速列车黏着控制研究[J]. 机车电传动, 2020(2): 12-16. [Baidu Scholar]

WU Yeqing, ZHAO Xufeng, YU Lizhi, et al. Research on adhesion control based on optimal creep identification of high-speed train[J]. Electric Drive for Locomotives, 2020(2): 12-16. [Baidu Scholar]

PICHLÍK P, ZDĚNEK J. Overview of slip control methods used in locomotives[J]. Transactions on Electrical Engineering, 2014, 3(2): 38-43. [Baidu Scholar]

路向阳, 吕浩炯, 廖云, 等. 城市轨道交通全自动驾驶系统关键装备技术综述[J]. 机车电传动 , 2018(2): 1-6. [Baidu Scholar]

LU Xiangyang, LYU Haojiong, LIAO Yun, et al. A review of key apparatus of urban rail transit full automatic operation system [J]. Electric Drive for Locomotives, 2018(2): 1-6. [Baidu Scholar]

摘要

针对无人驾驶地铁列车防空转防滑行问题，充分利用无人驾驶条件下的控车信息与控车方案，从列车底层控制、单列车最佳干预和多列车协同调度 3 个层面讨论了无人驾驶地铁列车防空转防滑行的关键技术和解决方案。列车底层控制在基于轮轨黏着特性和辨识方法基础上，分析了几种典型防空转防滑行的控制策略，单列车最佳干预提出了基于当前轮轨黏着状态下实现动力再分配的策略，多列车协同调度则利用线路信息和控车策略对全线路列车进行运营策略再调整。通过方案讨论，在基于列车底层控制的基础上，可使单列车获得最佳黏着利用，全线路列车获得最佳运营效能，并为无人驾驶列车的防空转防滑行设计提供参考。

Abstract

Aiming at the problem of anti-slip and anti-slide of driverless metro train

by fully utilizing the driverless vehicle-controlled information and scheme

the key technologies and solutions of anti-slip and slide were discussed from three levels of train bottom control

single train optimal intervention and multi-train collaborative scheduling. Based on the characteristics and its identification methods of wheel-rail adhesion

several typical control strategies of anti-slip and slide of train bottom control were analyzed. With the optimal intervention to the single train

a strategy of power redistribution based on the current wheel-rail adhesion state was proposed. By making use of line information and vehicle control strategy

the operation strategy of all the trains on the line was readjusted. Through the discussion of the scheme

the optimal adhesion utilization could be obtained for the single train based on the bottom control of the train

and the optimal operating efficiency could be obtained for all the trains on the line

which provided a reference for the design of anti-slip & slide of driverless metro train.

关键词

地铁无人驾驶防空转防滑行动力再分配协同调度

Keywords

metrodriverlessanti-slipanti-slidepower redistributioncollaborative scheduling

references

李江红, 马健, 彭辉水. 机车粘着控制的基本原理和方法[J]. 机车电传动, 2002(6): 4-8.

LI Jianghong, MA Jian, PENG Huishui. Basic principle and methods of adhesion control of locomotive[J]. Electric Drive

for Locomotives, 2002(6): 4-8.

黄景春, 唐守乾, 林鹏峰, 等. 基于轨面辨识的电力机车粘着控制仿真研究[J]. 计算机仿真, 2015, 32(1): 206-210.

HUANG Jingchun, TANG Shouqian, LIN Pengfeng, et al. Simulation research on locomotive adhesion control based on rail identification[J]. Computer Simulation, 2015, 32(1):

206-210.

徐跃, 朱彬, 刘卓谞, 等. 时域内污染物浓度的统计学指标评价方法研究[J]. 环境工程, 2011(增刊1): 260-263.

XU Yue, ZHU Bin, LIU Zhuoxu,et al. Evaluation method of pollutants concentration in time domain by statistical indications[J]. Environmental Engineering,2011(Suppl 1): 260-

李江红, 陈华国, 胡照文. 国产化北京地铁车辆的粘着控制[J]. 机车电传动, 2005(6): 40-42.

LI Jianghong, CHEN Huaguo, HU Zhaowen. Adhesion control of localized Beijing metro vehicle[J]. Electric Drive for Locomotives, 2005(6): 40-42.

邱存勇, 廖双晴. 电力机车粘着控制现状与展望 [J]. 信息与电子工程, 2008, 6(4): 301-306.

QIU Cunyong, LIAO Shuangqing. Current situation and prospects of adhesion control of electric locomotive[J]. Information and Electronic Engineering, 2008, 6(4): 301-306

彭辉水, 陈华国, 曾云, 等. 基于加速度微分粘着控制方法的仿真研究[J]. 机车电传动, 2010(2): 26-27.

PENG Huishui, CHEN Huaguo, ZENG Yun, et al. Simulation of adhesion control method based on diﬀerential acceleration[J]. Electric Drive for Locomotives, 2010(2): 26-27.

李江红, 胡云卿, 彭辉水, 等 . 轨道交通粘着利用控制的关键技术与方法[J]. 机车电传动, 2014(6): 1-5.

LI Jianghong, HU Yunqing, PENG Huishui, et al. Key techniques and design methods of adhesion control in rail transportation[J]. Electric Drive for Locomotives, 2014(6): 1-5.

吴业庆, 赵旭峰, 喻励志, 等. 基于最优蠕滑辨识的高速列车黏着控制研究[J]. 机车电传动, 2020(2): 12-16.

WU Yeqing, ZHAO Xufeng, YU Lizhi, et al. Research on adhesion control based on optimal creep identification of high-speed train[J]. Electric Drive for Locomotives, 2020(2): 12-16.

PICHLÍK P, ZDĚNEK J. Overview of slip control methods used in locomotives[J]. Transactions on Electrical Engineering, 2014, 3(2): 38-43.

路向阳, 吕浩炯, 廖云, 等. 城市轨道交通全自动驾驶系统关键装备技术综述[J]. 机车电传动 , 2018(2): 1-6.

LU Xiangyang, LYU Haojiong, LIAO Yun, et al. A review of key apparatus of urban rail transit full automatic operation system [J]. Electric Drive for Locomotives, 2018(2): 1-6.

196

Views

251

Downloads

CSCD

CNKI Cited

Alert me when the article has been cited

Submit

Tools

Publicity Resources

Energy consumption analysis of permanent magnet traction system in Changsha rail transit

A traction load modeling method of metro trains based on the regenerative braking energy effective utilization and its application

Research on parameters optimization of coupler and draft gear system for type B metro train

Research on the Construction of Urban Rail Transit Smart Station

Fault Analysis of Qingdao Metro Line 2 Sliding Plug Door System

Related Author

WANG Yanping

YANG Rui

GAO Dongsheng

SHI Dan

GOU Honghao

LIU Huanjun

ZHAO Hai

Maoqing ZHOU

Related Institution

Changsha Metro Operation Co., Ltd.

Beijing Urban Construction Design & Development Group Co., Ltd.

Coupler and Draft Gear Business Division, CRRC Braking System Co., Ltd.

Wuxi Metro Group Co., Ltd.

IFE -VICTALL Railway Vehicle Door Systems (Qingdao) Co., Ltd.

⁰