列车防滑控制方法及设备与流程

1.本技术属于轨道车辆技术领域，尤其涉及一种列车防滑控制方法及设备。


背景技术：

2.轨道列车在运行过程中是通过车轮和钢轨之间的有效黏着区域来传递制动力，轨面的黏着特性直接影响到列车输出的实际制动力。
3.现有技术中，通常根据制动缸压力计算出列车制动力，根据轮对速度和列车制动力估计出黏着力和黏着系数，并根据黏着力求出列车速度，再次根据黏着系数和滑移率之间的非线性关系，通过极值搜索算法计算出最优滑移率；然后根据实际滑移率和最优滑移率差值，求解得到制动力矩；基于制动力矩控制防滑阀开关来对制动缸进行排风或再充风，调节制动缸压力直到达到求解出的制动力矩。现有技术中的防滑控制方法的防滑控制的效果差。


技术实现要素：

4.有鉴于此，本发明提供了一种列车防滑控制方法及设备，旨在解决对列车的防滑控制效果差的问题。
5.本发明实施例的第一方面提供了一种列车防滑控制方法，包括：
6.获取列车的预测黏着曲线；
7.根据所述预测黏着曲线确定最优滑移率区间；
8.获取所述列车的当前滑移率和当前滑移率变化率，并确定所述当前滑移率所处的阶段；其中，每个阶段对应于至少一条预设边界曲线，所述预设边界曲线表示滑移率变化率的边界值和当前滑移率的关系，所述滑移率变化率的边界值用于根据其与当前滑移率变化率的关系判断当前滑移率是否可能进入预设恶劣区间或进入最优化滑移率区间或变为零；
9.根据所述当前滑移率变化率和所述当前滑移率所处的阶段对应的至少一条预设边界曲线，输出控制指令，所述控制指令用于对所述列车进行控制，使所述列车的滑移率进入所述最优滑移率区间，或者，使所述列车的滑移率趋近于零。
10.本发明实施例的第二方面提供了一种列车防滑控制装置，包括：
11.获取模块，用于获取列车的预测黏着曲线；
12.预处理模块，用于根据所述预测黏着曲线确定最优滑移率区间；
13.确定模块，用于获取所述列车的当前滑移率和当前滑移率变化率，并确定所述当前滑移率所处的阶段；其中，每个阶段对应于至少一条预设边界曲线，所述预设边界曲线表示滑移率变化率的边界值和当前滑移率的关系，所述滑移率变化率的边界值用于根据其与当前滑移率变化率的关系判断当前滑移率是否可能进入预设恶劣区间或进入最优化滑移率区间或变为零；
14.输出模块，用于根据所述当前滑移率变化率和所述当前滑移率所处的阶段对应的至少一条预设边界曲线，输出控制指令，所述控制指令用于对所述列车进行控制，使所述列
车的滑移率进入所述最优滑移率区间，或者，使所述列车的滑移率趋近于零。
15.本发明实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面所述列车防滑控制方法的步骤。
16.本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面所述列车防滑控制方法的步骤。
17.本发明与现有技术相比存在的有益效果是：
18.本发明实施例提供的列车防滑控制方法及设备，获取列车的预测黏着曲线；根据预测黏着曲线确定最优滑移率区间；获取列车的当前滑移率和当前滑移率变化率，并确定当前滑移率所处的阶段；其中，每个阶段对应于至少一条预设边界曲线，预设边界曲线表示滑移率变化率的边界值和当前滑移率的关系，滑移率变化率的边界值用于根据其与当前滑移率变化率的关系判断当前滑移率是否可能进入预设恶劣区间或进入最优化滑移率区间或变为零；根据当前滑移率变化率和当前滑移率所处的阶段对应的至少一条预设边界曲线，输出控制指令，控制指令用于对列车进行控制，使列车的滑移率进入最优滑移率区间，或者，使列车的滑移率趋近于零。通过当前滑移率变化率和各控制阶段中对应的预设边界曲线，输出相应的控制指令以适应滑移率的变化规律，对列车进行防滑控制，能够提高列车的防滑控制效果。
附图说明
19.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
20.图1是本发明一个实施例提供的列车防滑控制方法的应用环境图；
21.图2是本发明一个实施例提供的列车防滑控制方法的实现流程图；
22.图3是本发明一个实施例提供的最优滑移率区间的示意图；
23.图4是本发明一个实施例提供的下降阶段对应的预设边界曲线示意图；
24.图5是当前滑移率所处的阶段为下降阶段时输出控制指令的实现流程图；
25.图6是本发明一个实施例提供的上升阶段对应的预设边界曲线示意图；
26.图7是本发明一个实施例提供的上升阶段对应的预设边界曲线示意图；
27.图8是当前滑移率所处的阶段为上升阶段时输出控制指令的实现流程图；
28.图9是第三边界曲线随自适应参数变化的示意图；
29.图10是第四边界曲线随自适应参数变化的示意图；
30.图11是工况为干轨时黏着系数与滑移率的曲线图；
31.图12是工况为湿轨时黏着系数与滑移率的曲线图；
32.图13是工况为多杂质时黏着系数与滑移率的曲线图；
33.图14是本发明一个实施例提供的减速度曲线变化图；
34.图15是本发明另一个实施例提供的减速度曲线变化图；
35.图16是本发明一个实施例提供的对控制指令进行调整的实现流程图；
36.图17是本发明一个实施例提供的列车防滑控制装置的结构示意图；
37.图18是本发明一个实施例提供的电子设备的示意图。
具体实施方式
38.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
39.轨道列车在运行过程中是通过车轮和钢轨之间的有效黏着区域来传递制动力，轨面的黏着特性直接影响到列车输出的实际制动力。在遇到雨、雪，或轨道上有落叶、油污等时，轨面可用黏着系数降低，轨道车辆制动力急剧下降。若动作不及时将引起列车滑行现象发生，影响列车运行安全。目前防滑控制主要根据速度差、减速度和滑移率三个量的阈值进行控制，在控制灵敏度和黏着利用上效果差。根据轮轨间的黏着变化调节制动力，以充分利用轮轨间的黏着来得到较短的制动距离，同时考虑滑移率过大时给列车带来的安全隐患。
40.现有技术中，根据制动缸压力计算出列车制动力，根据轮对速度和列车制动力估计出黏着力和黏着系数，并根据黏着力求出列车速度，再次根据黏着系数和滑移率之间的非线性关系，通过极值搜索算法计算出最优滑移率；然后根据实际滑移率和最优滑移率差值，求解得到制动力矩；基于制动力矩控制防滑阀开关来对制动缸进行排风或再充风，调节制动缸压力直到达到求解出的制动力矩。但黏着系数和滑移率之间的非线性关系根据不同的条件在不断的变化，在季节天气等参数发生变化时无法确定非线性关系式，在防滑控制时未根据充排风次数和压力变化趋势进行自适应调整，未考虑减速度的变化趋势进行防滑控制，故防滑控制的效果差。
41.本发明通过当前滑移率变化率和各控制阶段中对应的预设边界曲线，输出相应的控制指令以适应滑移率的变化规律，对列车进行防滑控制，能够提高列车的防滑控制效果。
42.图1是本发明一个实施例提供的列车防滑控制方法的应用环境图。本发明实施例提供的列车防滑控制方法可以但不限于应用于该应用环境。如图1所示，该系统中包括：传感器11、电子设备12和防滑阀13。
43.传感器11用于采集当前时刻列车的运行数据和列车运行路线的环境数据，并将采集到的数据发送到电子设备12中。电子设备12用于在接收到的传感器11发送的数据后，向防滑阀13发送对应的控制指令。防滑阀13用于根据控制指令，对制动缸进行充风、排风或者保压。传感器11和防滑阀13安装在制动缸中，电子设备12可以安装在制动缸中，也可以安装在车辆的驾驶室，还可以安装在轨道车辆控制中心，在此不做限定。传感器11、电子设备12和防滑阀13之间可以通过线路进行数据交互，还可以通过网络或蓝牙等方式进行数据交互，在此不做限定。传感器11可以包括但不限于下述至少一项压力传感器、温度传感器、湿度传感器、速度传感器、位移传感器、角度传感器，在此不做限定。电子设备12可以是制动缸的控制器、车载终端、台式计算机、笔记本电脑、平板电脑等终端，也可以为服务器，如独立服务器或者是多个服务器组成的服务器集群，在此不作限定。防滑阀13可以是分步直动式电磁阀、先导式电磁阀等，在此不做限定。
44.本发明实施例通过当前滑移率变化率和各控制阶段中对应的预设边界曲线，输出相应的控制指令以适应滑移率的变化规律，对列车进行防滑控制，能够提高列车的防滑控制效果。
45.图2是本发明一个实施例提供的列车防滑控制方法的实现流程图。本实施例中，以该方法应用于图1中的电子设备为例进行说明。如图2所示，该方法包括：
46.s201，获取列车的预测黏着曲线。
47.本实施例中，列车的预测黏着曲线可以是图1中的电子设备预先存储的，也可以是由图1中的传感器测量得到的数据确定的，在此不作限定。
48.s202，根据预测黏着曲线确定最优滑移率区间。
49.示例性的，可以将不小于预设黏着阈值的黏着系数对应的滑移率区间作为最优滑移率区间。图3是本发明一个实施例提供的最优滑移率区间的示意图。如图3所示，纵轴为黏着系数，纵轴底端端点为零点，横轴为滑移率，横轴右侧端点为零点。图3中所示的黏着曲线仅是为了对其进行说明，并不作为限定。在图3所示的实施例中，预测黏着曲线中黏着系数最大值为μ
max
，将不小于0.9μ
max
的黏着系数对应的滑移率区间[sw1,sw2]作为最优滑移率区间。
[0050]
本实施例中，将滑移率控制在最优滑移率区间，不仅能够提高防滑控制的稳定性，还能够具有较高的黏着系数，故能够提高防滑控制的效果。
[0051]
s203，获取列车的当前滑移率和当前滑移率变化率，并确定当前滑移率所处的阶段；其中，每个阶段对应于至少一条预设边界曲线，预设边界曲线表示滑移率变化率的边界值和当前滑移率的关系，滑移率变化率的边界值用于根据其与当前滑移率变化率的关系判断当前滑移率是否可能进入预设恶劣区间或进入最优化滑移率区间或变为零。
[0052]
示例性的，当前滑移率和当前滑移率变化率可以由图1中的传感器测量得到。预设边界曲线可以用于判定滑行是否会趋于恶劣，在当前滑移率进入预设恶劣区间时，则表明减速度小，滑行恶劣。在当前滑移率进入最优化滑移率区间时，则表明列车获得最大减速度，防滑效果好，在滑移率为0时，列车不存在滑行。
[0053]
s204，根据当前滑移率变化率和当前滑移率所处的阶段对应的至少一条预设边界曲线，输出控制指令，控制指令用于对列车进行控制，使列车的滑移率进入最优滑移率区间，或者，使列车的滑移率趋近于零。
[0054]
本实施例中，防滑控制的目标是将滑移率控制在最优滑移率区间内，而获得最大的减速度，或者将滑移率控制到0，消除滑行保证行车安全。
[0055]
本发明实施例提供的列车防滑控制方法及设备，获取列车的预测黏着曲线；根据预测黏着曲线确定最优滑移率区间；获取列车的当前滑移率和当前滑移率变化率，并确定当前滑移率所处的阶段；其中，每个阶段对应于至少一条预设边界曲线，预设边界曲线表示滑移率变化率的边界值和当前滑移率的关系，滑移率变化率的边界值用于根据其与当前滑移率变化率的关系判断当前滑移率是否可能进入预设恶劣区间或进入最优化滑移率区间或变为零；根据当前滑移率变化率和当前滑移率所处的阶段对应的至少一条预设边界曲线，输出控制指令，控制指令用于对列车进行控制，使列车的滑移率进入最优滑移率区间，或者，使列车的滑移率趋近于零。通过当前滑移率变化率和各控制阶段中对应的预设边界曲线，输出相应的控制指令以适应滑移率的变化规律，对列车进行防滑控制，能够提高列车
的防滑控制效果。
[0056]
在一些实施例中，在上述任一实施例的基础上，当前滑移率所处的阶段包括下降阶段和上升阶段；
[0057]
控制指令包括但不限于下述至少一项：充风指令、排风指令、保压指令、不干预指令；
[0058]
下降阶段对应的预设边界曲线包括下述至少一项：第一边界曲线、第二边界曲线、第三边界曲线、第四边界曲线；
[0059]
上升阶段对应的预设边界曲线包括下述至少一项：包括第一边界曲线、第三边界曲线、第四边界曲线、第五边界曲线、第六边界曲线、第七边界曲线；
[0060]
第一边界曲线的表达式为：
[0061]
tw1＝
‑
k1(sw
‑
(sw1‑
30％))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0062]
第二边界曲线的表达式为：
[0063]
tw2＝
‑
k2(sw
‑
sw1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0064]
第三边界曲线的表达式为：
[0065]
tw3＝tanβ(sw
‑
((sw1+sw2)/2+ada2)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0066]
第四边界曲线的表达式为：
[0067]
tw4＝tanα(sw
‑
((sw1+sw2)/2+ada1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0068]
第五边界曲线的表达式为：
[0069]
tw5＝
‑
k3(sw
‑
sw2)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0070]
第六边界曲线的表达式为：
[0071]
tw6＝
‑
k4(sw
‑
(sw2+5％))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0072]
第七边界曲线的表达式为：
[0073]
tw7＝
‑
k3(sw
‑
(sw1‑
8％))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0074]
其中，tw1、tw2、tw3、tw4、tw5、tw6、tw7为各曲线的滑移率变化率的边界值，sw为当前滑移率，k1、k2、k3、k4为控制参数，α、β、ada1、ada2为自适应参数，sw1为最优滑移率区间的下限，sw2为最优滑移率区间的上限。
[0075]
图4是本发明一个实施例提供的下降阶段对应的预设边界曲线示意图。如图4所示，纵轴为滑移率变化率的边界值，纵轴底端端点为零点，横轴为滑移率，横轴右侧端点为零点。第一边界曲线在横轴上的截距为sw1‑
30％，第二边界曲线在横轴上的截距为sw1，第三边界曲线在横轴上的截距为((sw1+sw2)/2)+ada2，第四边界曲线在横轴上的截距为((sw1+sw2)/2)+ada1。图4中各曲线的斜率可以在允许范围内变化，并非固定值，图4所示的各曲线斜率仅是为了对其进行说明，并不作为限定。
[0076]
图5是当前滑移率所处的阶段为下降阶段时输出控制指令的实现流程图。如图5所示，在一些实施例中，在上述任一实施例的基础上，根据当前滑移率变化率和当前滑移率所处的阶段对应的至少一条预设边界曲线，输出控制指令，包括：
[0077]
在当前滑移率所处的阶段为下降阶段时，
[0078]
若当前滑移率为零或处于最优滑移率区间时(sw>δ)，输出不干预指令；
[0079]
若当前滑移率不为零且不处于最优滑移率区间时，采用下述方式，输出控制指令：
[0080]
若tw<tw1，则重复执行输出排风指令，同时令β＝β+δβ，ada2＝ada2+δada2的步
骤，直到tw≥tw1。
[0081]
若tw≥tw1且tw<tw2，则判断β>0是否成立；
[0082]
若β>0不成立，则重复执行输出排风指令，同时令β＝β+δβ，ada2＝ada2+δada2的步骤，直到β>0或tw≥tw2；
[0083]
若β>0成立，则判断tw>tw3是否成立；若tw>tw3成立，则重复执行输出排风指令，同时令β＝β+δβ，ada2＝ada2+δada2的步骤，直到tw≥tw2；若tw>tw3不成立，则输出保压指令；
[0084]
若tw≥tw1且tw≥tw2，则判断α≥0是否成立；
[0085]
若α≥0不成立，则判断tw>tw4是否成立；若tw>tw4成立，则重复执行输出充风指令，同时α＝α+δα，ada1＝ada1+δada1的步骤，直到α≥0或tw≤tw4；若tw>tw4不成立，则根据综合指标确定并输出控制指令；
[0086]
若α≥0成立，则根据综合指标确定并输出控制指令。
[0087]
本实施例中，sw1‑
30％为恶劣区间的边界值，若滑移率小于sw1‑
30％，则进入恶劣区间。在第一边界曲线在tw<tw1时，即(sw，tw)点处于第一边界曲线的下方时，表明当前滑移率可能达到sw1‑
30％，滑行趋于恶劣。故输出排风指令，避免恶劣滑行。
[0088]
本实施例中，在tw≥tw1时，即(sw，tw)点处于第一边界曲线的上方时，滑行不趋于恶劣，需要进行下一步判断，以确定输出控制指令。在tw<tw2时，即(sw，tw)点处于第二边界曲线的下方时，滑移率可能会小于最优滑移率区间的下限，设置自适应参数β，判断β>0是否成立。若β>0不成立，滑移率可能会趋近0，则重复执行输出排风指令，同时令β＝β+δβ，ada2＝ada2+δada2的步骤，直到β>0或tw≥tw2，以进入下一控制区间。若β>0成立，则判断tw>tw3是否成立以判断滑移率是否可能会趋近0。
[0089]
若tw>tw3成立，即(sw，tw)点处于第三边界曲线的上方时，则重复执行输出排风指令，同时令β＝β+δβ，ada2＝ada2+δada2的步骤，直到tw≥tw2，以进入下一控制区间。随着自适应参数的变大，第三边界曲线上升，若tw一直大于tw3，则一直输出排风指令，增大滑移率变化率，使滑移率快速进入tw≥tw2。若tw>tw3不成立，即(sw，tw)点处于第三边界曲线的下方时，滑移率会趋近0，则输出保压指令以保持滑移率变化率不变。
[0090]
在tw≥tw2时，即(sw，tw)点处于第二边界曲线的下方时，可以判断滑移率不会小于最优滑移率区间下限，则设置自适应参数α，并判断α≥0是否成立以确定输出的控制指令。若α≥0不成立，则判断tw>tw4是否成立，以判断滑移率是否会大于最优滑移率区间上限。
[0091]
若tw>tw4成立，即(sw，tw)点处于第四边界曲线的上方时，则滑移率会大于最优滑移率区间上限，重复执行输出充风指令，同时α＝α+δα，ada1＝ada1+δada1的步骤，直到α≥0或tw≤tw4。输出充风指令以使tw变小，sw能够进入最优滑移率区间，调整自适应参数以使第四边界曲线下降，斜率变缓，使sw更容易进入最优滑移率区间。若tw>tw4不成立，即(sw，tw)点处于第四边界曲线的下方时，可以判断滑移率不会大于最优滑移率区间上限，则根据综合指标确定并输出控制指令。若α≥0成立，则不再输出充风指令，根据综合指标确定并输出控制指令，以防止过度充风，造成恶劣滑行。
[0092]
可选的，根据综合指标确定并输出控制指令，包括：
[0093]
若g>z，则输出不干预指令；若g≤z，则输出保压指令；
[0094]
其中，tw为当前滑移率，δα、δβ、δada1和δada2为控制参数，ada2的初始值为
(sw1‑
sw2)/2，ada1的初始值为(sw2‑
sw1)/2，g为综合指标，z为预设判断阈值。
[0095]
本实施例中，g＝g1(v)*δv+g2(v)*sw+g3(v)*tw，其中，v为列车速度，δv为轮速与列车速度的差值，z为预设的判断阈值，若g>z，则输出不干预指令，若g≤z则输出保压指令。速度较小时，采用速度差δv作为主要判断指标，随着速度增加，增加滑移率和滑移率变化率的权重，因此综合指标中g1(v)、g2(v)、g3(v)设置为正态分布函数，其中心v1、v2、v3依次增大。
[0096]
图6是本发明一个实施例提供的上升阶段对应的预设边界曲线示意图。如图6所示，纵轴为滑移率变化率的边界值，纵轴底端端点为零点，横轴为滑移率，横轴右侧端点为零点。第一边界曲线在横轴上的截距为sw1‑
30％，第三边界曲线在横轴上的截距为((sw1+sw2)/2)+ada2，第四边界曲线在横轴上的截距为((sw1+sw2)/2)+ada1，第五边界曲线在横轴上的截距为sw2，第六边界曲线在横轴上的截距为sw2+5％，第七边界曲线在横轴上的截距为sw1‑
8％。图6中各曲线的斜率可以在允许范围内变化，并非固定值，图6所示的各曲线斜率仅是为了对其进行说明，并不作为限定。
[0097]
图7是本发明一个实施例提供的上升阶段对应的预设边界曲线示意图。如图7所示，纵轴为滑移率变化率的边界值，纵轴底端端点为零点，横轴为滑移率，横轴右侧端点为零点。为了对边界曲线进一步进行说明，图7给出了一种给定斜率和截距情况下的第四边界曲线和第五边界曲线，并不作为限定。
[0098]
图8是当前滑移率所处的阶段为上升阶段时输出控制指令的实现流程图。如图8所示，在一些实施例中，在上述任一实施例的基础上，根据当前滑移率变化率和当前滑移率所处的阶段对应的至少一条预设边界曲线，输出控制指令，包括：
[0099]
在当前滑移率所处的阶段为上升阶段时，将当前滑移率输入到各边界曲线中，得到各曲线的滑移率变化率；
[0100]
若当前滑移率为零或处于最优滑移率区间时，输出不干预指令；
[0101]
若当前滑移率不为零且不处于最优滑移率区间时，采用下述方式，输出控制指令：
[0102]
若tw≤tw1，则输出排风指令；
[0103]
若tw>tw1且tw≤tw5，则判断tw>tw6且tw>tw7是否成立；
[0104]
若tw>tw6且tw>tw7成立，则输出充风指令；
[0105]
若tw>tw6且tw>tw7不成立，则判断β<0是否成立；
[0106]
若β<0成立，则判断tw<tw3是否成立；若tw<tw3不成立，则重复执行输出排风指令，同时令β＝β+δβ，ada2＝ada2+δada2的步骤，直到β≥0或tw<tw3；若tw<tw3成立，则根据综合指标确定并输出控制指令；
[0107]
若β<0不成立，则根据综合指标确定并输出控制指令；
[0108]
若tw>tw1且tw>tw5，则判断α>0是否成立；
[0109]
若α>0成立，则判断tw<tw4是否成立；若tw<tw4成立，则输出保压指令；若tw<tw4不成立，则重复执行输出充风指令，同时令α＝α+δα，ada2＝ada2+δada2的步骤，直到tw<tw4；
[0110]
若α>0不成立，则输出保压指令。
[0111]
本实施例中，在tw≤tw1时，即(sw，tw)点处于第一边界曲线的下方时，滑移率远小于最优滑移率区间，且滑移率变化率较小，滑移率上升较慢，因此在该区域控制输出排风指令，加快滑移率上升。
[0112]
本实施例中，在tw>tw1且tw≤tw5时，即(sw，tw)点处于第一边界曲线的上方并且处于第五边界曲线的下方时，滑移率稳定值最终有可能在最优滑移率区间内也可能在区间上方或者下方，则判断tw>tw6且tw>tw7是否成立，以确定输出的控制指令。
[0113]
若tw>tw6且tw>tw7成立，即(sw，tw)点处于第六边界曲线的上方并且处于第七边界曲线的上方时，滑移率变化率较大，同时滑移率也接近最优滑移率区间，滑移率稳定值可能大于最优滑移率区间，因此在该区域控制输出充风指令。
[0114]
若tw>tw6且tw>tw7不成立，则设置自适应参数β，判断β<0是否成立；若β<0成立，则判断tw<tw3是否成立；若tw<tw3不成立，即(sw，tw)点处于第三边界曲线的上方时，滑移率可能远小于最优滑移率区间，造成滑移率稳定值小于最优滑移率区间，需要增大滑移率，则重复执行输出排风指令，同时令β＝β+δβ，ada2＝ada2+δada2的步骤，直到β≥0或tw<tw3；以进入下一控制区间。随着自适应参数的变化，第三边界曲线下移，以适应滑移率上升的变化。若tw<tw3成立，即(sw，tw)点处于第三边界曲线的下方时，滑移率较接近最优滑移率区间，不再排风，则根据综合指标确定并输出控制指令。若β<0不成立，已排风数个周期，为避免超出最优滑移率区间，也不再排风，则根据综合指标确定并输出控制指令。
[0115]
本实施例中，若tw>tw1且tw>tw5，即(sw，tw)点处于第五边界曲线的上方时，此时滑移率已经接近最优滑移率区间，滑移率稳定值会大于最优滑移率区间上限的可能性较大，则设置自适应参数α，判断α>0是否成立；若α>0成立，说明在前一阶段已进行过充风，则判断tw<tw4是否成立；若tw<tw4成立，即(sw，tw)点处于第四边界曲线的下方时，则输出保压指令；若tw<tw4不成立，即(sw，tw)点处于第四边界曲线的上方时，滑移率变化率较大，可能会使滑移率超出最优滑移率上限，则重复执行输出充风指令，同时令α＝α+δα，ada2＝ada2+δada2的步骤，直到tw<tw4，第四边界曲线上升，使充风一定次数后进入保压状态。若α>0不成立，则输出保压指令。
[0116]
本实施例中，为了适应滑移率的变化规律，在每个控制阶段把滑移率的变化分为不同的区间，在区间内采用自适应方法使滑移率控制在最优滑移率区间内，能够提高防滑控制的效果。
[0117]
图9是第三边界曲线随自适应参数变化的示意图。图9中由上到下的四条曲线分别为自适应参数未变化时的第三边界曲线、自适应参数变化1次时的第三边界曲线、自适应参数变化2次时的第三边界曲线、自适应参数变化3次的时的第三边界曲线。
[0118]
图10是第四边界曲线随自适应参数变化的示意图。图10中由下到上的四条曲线分别为自适应参数未变化时的第四边界曲线、自适应参数变化1次时的第四边界曲线、自适应参数变化2次时的第四边界曲线、自适应参数变化3次的时的第四边界曲线。
[0119]
在一些实施例中，在上述任一实施例的基础上，获取列车的预测黏着曲线，包括：
[0120]
获取当前时刻列车的运行数据和列车运行路线的环境数据；
[0121]
根据运行数据、环境数据和预测模型，确定预测黏着曲线；
[0122]
其中，运行数据包括下述至少一项：列车速度、轴重；环境数据包括下述至少一项：季节、天气、温度、湿度、坡度。
[0123]
本实施例中，季节可以用s表示，分为春、夏、秋、冬，分别用s＝1、2、3、4表示。天气可以用w表示，分为晴天、阴天、下雨、下雪，分别用w＝1、2、3、4表示。能够实现季节和天气的数据化。多组季节、天气、温度、湿度、列车速度、轴重、坡度和预测黏着曲线参数数据可以通
过试验得到。
[0124]
本实施例中，根据当前所处的季节、天气、温度、湿度、列车速度、轴重、坡度、车辆位置等相关参数对黏着系数与滑移率之间的曲线进行预测，根据运行需要的黏着系数值确定最优滑移率区间，能够适应滑移率的变化规律，提高防滑控制的效果。
[0125]
在一些实施例中，在上述任一实施例的基础上，获取列车的预测黏着曲线之前，还包括：
[0126]
建立神经网络模型和自回归模型；
[0127]
获取多个历史时刻下列车的运行数据和列车运行路线的环境数据作为输入数据；获取多个历史时刻下预测黏着曲线的组合参数作为输出数据；
[0128]
根据输入数据、输出数据和bp神经网络算法，对神经网络模型进行训练；
[0129]
将列车运行路线分为多个小路段；
[0130]
根据当前时刻列车的运行数据、当前时刻待预测路段的环境数据、神经网络模型，确定当前时刻待预测路段的第一组合参数；
[0131]
针对每个小路段，根据神经网络模型确定待预测路段之前各小路段对应的组合参数，并根据将待预测路段之前各路段对应的组合参数和自回归模型中，确定当前时刻待预测路段的第二组合参数。
[0132]
本实施例中，若将列车运行线路分成n个小路段，每个小路段内都对预测黏着曲线参数进行求解，得到曲线参数，设第i个小路段上通过神经网络模型求解得到的曲线参数的模型预测值为a1(i)、b1(i)、c1(i)、a2(i)、b2(i)、c2(i)、a3(i)、b3(i)、c3(i)，运用自回归模型，利用历史数据a1(1)～a1(i)对a1(i+1)进行预测，预测值为分别对其他参数也进行相同的预测，得到i+1路段所有参数的自回归预测值。在i+1路段时通过神经网络模型求解得到曲线参数的模型预测值a1(i+1)、b1(i+1)、c1(i+1)、a2(i+1)、b2(i+1)、c2(i+1)、a3(i+1)、b3(i+1)、c3(i+1)。
[0133]
在一些实施例中，在上述任一实施例的基础上，获取列车的预测黏着曲线，包括：
[0134]
获取列车在各轨道工况下，黏着系数与滑移率之间的曲线关系式；其中，轨道工况包括但不限于下述至少一项：干轨、湿轨、多杂质。
[0135]
将第一组合参数和第二组合参数进行加权得到组合参数的最终预测值；
[0136]
根据最终预测值对各轨道工况下的曲线关系式进行组合，得到列车的预测黏着曲线。
[0137]
本实施例中，黏着系数与滑移率之间有三种典型的曲线关系，分别对应干轨、湿轨和多杂质的工况，图11是工况为干轨时黏着系数与滑移率的曲线图。图12是工况为湿轨时黏着系数与滑移率的曲线图。图13是工况为多杂质时黏着系数与滑移率的曲线图。如图11、图12、图13所示，f1(x)、f2(x)、f3(x)为已知的曲线关系，任意工况下的预测黏着曲线f(x)可由f1(x)、f2(x)、f3(x)三个函数伸缩组合而成，即f(x)＝a1*(f1(x+b1)+c1)+a2*(f2(x+b2)+c2)+a3*(f3(x+b3)+c3)，其中a1、b1、c1、a2、b2、c2、a3、b3、c3为未知参数，称之为组合参数。预测黏着曲线主要跟季节、天气、温度、湿度、列车速度、轴重、坡度、车辆位置等相关，通过车辆制动试验，可以得到在不同季节、天气、温度、湿度、列车速度、轴重、坡度下的预测黏着曲线。得到的每条预测黏着曲线都可以通过最小二乘法得到该黏着曲线对应的曲线参数a1、b1、c1、a2、b2、c2、a3、b3、c3，从而获得季节、天气、温度、湿度、列车速度、轴重、坡度和预测黏着曲
线参数的多组数据，采用bp神经网络方法对数据进行训练得到季节、天气、温度、湿度、列车速度、轴重、坡度与预测黏着曲线参数的模型关系。列车在运营线路上行驶时，列车的所在的路段不同对预测黏着曲线也有影响，运用时间序列预测方法，对路段的影响进行预测。
[0138]
本实施例中，对模型预测值和自回归预测值加权得到最终预测值其中k'1+k'2＝1，利用最终预测值和三条典型黏着曲线得到预测的黏着曲线。
[0139]
在一些实施例中，在上述任一实施例的基础上，输出控制指令之前，还包括：
[0140]
获取当前时刻列车的轮对减速度和轮对减速度变化率；
[0141]
在轮对减速度大于等于零时，保持控制指令不变；
[0142]
在轮对减速度小于零时，根据轮对减速度和轮对减速度变化率对控制指令进行调整。
[0143]
本实施例中，根据轮对减速度和轮对减速度变化率对控制指令进行调整，能够有效提高防滑控制的可靠性和安全性。
[0144]
图14是本发明一个实施例提供的减速度曲线变化图。图15是本发明另一个实施例提供的减速度曲线变化图。图14和图15分别为两种不同情况下的减速度变化曲线图，其中减速度均为负值，截距均为a
m
，纵轴均表示减速度的大小，顶端端点为纵轴零点，横轴均表示时间，最左侧端点为横轴零点。图14中减速第随时间递减，图15中减速第随时间递增。
[0145]
图16是本发明一个实施例提供的对控制指令进行调整的实现流程图。如图16所示，在一些实施例中，在上述任一实施例的基础上，根据轮对减速度和轮对减速度变化率对控制指令进行调整，包括：
[0146]
在a
d
≤0时，
[0147]
若deltav
d
>a
e
，则判断a
d
>a
m
‑
deltav
d
是否成立；
[0148]
若a
d
>a
m
‑
deltav
d
成立，则保持控制指令不变；
[0149]
若a
d
>a
m
‑
deltav
d
不成立，则判断轮对减速度变化率是否大于第一预设阈值；
[0150]
若轮对减速度变化率大于第一预设阈值，则输出调整指令；其中，调整指令用于将充风指令调整为保压指令，或者，将不干预指令调整为排风指令，或者，在控制指令为保压指令或排风指令时，保持控制指令不变；
[0151]
若轮对减速度变化率不大于第一预设阈值，则将控制指令调整为排风指令；
[0152]
若deltav
d
≤a
e
，则判断轮对减速度是否大于第二预设阈值；
[0153]
若轮对减速度大于第二预设阈值，则判断a
d
>a
m
‑
deltav
d
是否成立；
[0154]
若a
d
>a
m
‑
deltav
d
成立，则保持控制指令不变；
[0155]
若a
d
>a
m
‑
deltav
d
不成立，则判断轮对减速度变化率是否大于第一预设阈值；若轮对减速度变化率大于第一预设阈值，则输出调整指令；若轮对减速度变化率不大于第一预设阈值，则将控制指令调整为排风指令；
[0156]
若轮对减速度不大于第二预设阈值，则将控制指令调整为排风指令；
[0157]
在a
d
>0时，
[0158]
若deltav
d
>a
e
，则判断a
d
<deltav
d
‑
a
m
是否成立；
[0159]
若a
d
<deltav
d
‑
a
m
不成立，则保持控制指令不变；
[0160]
若a
d
<deltav
d
‑
a
m
成立，则判断轮对减速度变化率是否大于第三预设阈值；若轮对
减速度变化率不大于第三预设阈值，则输出调整指令；若轮对减速度变化率大于第三预设阈值，则将控制指令调整为排风指令；
[0161]
若deltav
d
≤a
e
，则判断轮对减速度变化率是否大于第二预设阈值；
[0162]
若轮对减速度变化率不大于第二预设阈值，则将控制指令调整为排风指令；
[0163]
若轮对减速度变化率大于第二预设阈值，则判断a
d
<deltav
d
‑
a
m
是否成立；
[0164]
若a
d
<deltav
d
‑
a
m
不成立，则保持控制指令不变；
[0165]
若a
d
<deltav
d
‑
a
m
成立，则判断轮对减速度变化率是否大于第三预设阈值；若轮对减速度变化率不大于第三预设阈值，则输出调整指令；若轮对减速度变化率大于第三预设阈值，则将控制指令调整为排风指令；
[0166]
其中，deltav
d
为轮对减速度，a
d
为轮对减速度变化率，a
e
为平均减速度，a
m
为设计允许的瞬时减速度最小值。
[0167]
本实施例中，在a
d
≤0时，若deltav
d
>a
e
，说明轮对减速度目前处于正常状态，则判断a
d
>a
m
‑
deltav
d
是否成立。若a
d
>a
m
‑
deltav
d
成立，说明减速度不会超出允许减速度，则保持控制指令不变。若a
d
>a
m
‑
deltav
d
不成立，说明减速度可能超出允许减速度，则判断轮对减速度变化率是否大于第一预设阈值。第一预设阈值可以设为a2。若轮对减速度变化率大于第一预设阈值，说明减速度不会快速变小而超出允许值则输出调整指令。其中，调整指令用于将充风指令调整为保压指令，或者，将不干预指令调整为排风指令，或者，在控制指令为保压指令或排风指令时，保持控制指令不变。若轮对减速度变化率不大于第一预设阈值，说明减速度会快速变小而超出允许值，则将控制指令调整为排风指令。其中a
m
‑
deltav
d
为图14所示的减速度曲线deltav
d
＝e
‑
t
+a
m
的斜率。
[0168]
若deltav
d
≤a
e
，则判断轮对减速度是否大于第二预设阈值。第二预设阈值可以设为a1。若轮对减速度大于第二预设阈值，说明轮对减速度没有过小，则判断a
d
>a
m
‑
deltav
d
是否成立。若a
d
>a
m
‑
deltav
d
成立，说明减速度不会超出允许减速度，则保持控制指令不变。若a
d
>a
m
‑
deltav
d
不成立，说明减速度可能超出允许减速度，则判断轮对减速度变化率是否大于第一预设阈值。若轮对减速度变化率大于第一预设阈值，说明减速度不会快速变小而超出允许值，则输出调整指令。若轮对减速度变化率不大于第一预设阈值，说明减速度会快速变小而超出允许值，则将控制指令调整为排风指令。若轮对减速度不大于第二预设阈值，说明轮对减速度过小，则将控制指令调整为排风指令。
[0169]
本实施例中，在a
d
>0时，若deltav
d
>a
e
，说明轮对减速度目前处于正常状态，则判断a
d
>deltav
d
‑
a
m
是否成立。若a
d
>deltav
d
‑
a
m
不成立，说明在ad≤0阶段排风不多，滑行不严重，则保持控制指令不变。若a
d
>deltav
d
‑
a
m
成立，说明在ad≤0阶段排风较多，可能滑行严重，则判断轮对减速度变化率是否大于第三预设阈值。第三预设阈值可以设为
‑
a2。若轮对减速度变化率不大于第三预设阈值，说明滑行不严重，则输出调整指令。若轮对减速度变化率大于第三预设阈值，说明滑行严重，则将控制指令调整为排风指令。其中deltav
d
‑
a
m
为图15所示的减速度曲线deltav
d
＝e
t
+a
m
的斜率。
[0170]
若deltav
d
≤a
e
，则判断轮对减速度变化率是否大于第二预设阈值.若轮对减速度变化率不大于第二预设阈值，说明轮对减速度过小，则将控制指令调整为排风指令。若轮对减速度变化率大于第二预设阈值，说明轮对减速度没有过小，则判断a
d
>deltav
d
‑
a
m
是否成立。若a
d
>deltav
d
‑
a
m
不成立，说明在ad≤0阶段排风不多，滑行不严重，则保持控制指令不
变。若a
d
>deltav
d
‑
a
m
成立，说明在ad≤0阶段排风较多，可能滑行严重，则判断轮对减速度变化率是否大于第三预设阈值。若轮对减速度变化率不大于第三预设阈值，说明滑行不严重，则输出调整指令。若轮对减速度变化率大于第三预设阈值，说明滑行严重，则将控制指令调整为排风指令。
[0171]
本实施例中，利用减速度控制算法对最优滑移率控制输出指令进行调整，能够达到快速稳定控制的目的。
[0172]
在一些实施例中，在上述任一实施例的基础上，该方法还包括：
[0173]
获取多个历史时刻下列车的防滑控制参数以及防滑控制效果指标，并根据获取的防滑控制参数和防滑控制效果指标建立历史指标数据库；其中，防滑控制参数包括控制参数、自适应参数、第一预设阈值、第二预设阈值和第三预设阈值；
[0174]
建立防滑控制参数与防滑控制效果指标的关系模型；
[0175]
以历史指标数据库为样本，根据bp神经网络算法对关系模型进行训练；
[0176]
在各防滑控制参数的允许数值范围内，选取多个防滑控制参数对训练后的关系模型进行遍历，选取防滑控制效果指标最优的防滑控制参数作为当前时刻列车运行时的防滑控制参数；
[0177]
根据控制指令，对列车进行控制之后，还包括：
[0178]
获取根据控制指令，对列车进行控制过程中的防滑控制参数和防滑控制效果指标，并将其补充到历史指标数据库中。
[0179]
本实施例中，列车的防滑控制参数可以是预先设定的。在每一组确定的防滑控制参数下对列车进行防滑控制结束后，再根据传感器获得的数据，即可计算得出本次防滑控制的防滑控制效果指标。神经网络的输入为历史指标数据库中的防滑控制参数，输出为历史指标数据库中的防滑控制效果指标。
[0180]
本实施例中，每次发生滑行的制动过程中防滑控制效果主要由滑移率控制情况、滑行距离、本次制动过程中的滑行轴数确定，因此设计防滑控制效果指标如下式所示：
[0181][0182]
其中，mean()为平均运算符，l为滑行距离，l为制动距离，s1为滑行轴数，s2为列车总轴数。
[0183]
本实施例中，通过不断更新历史指标数据库，可以优化防滑控制参数，以提高防滑控制的效果。
[0184]
下面通过一个实施示例对上述列车防滑控制方法进行说明，但并不作为限定。本实施示例中，具体步骤如下：
[0185]
步骤1，将季节和天气的数据化，并获取通过试验得到的多组季节、天气、温度、湿度、列车速度、轴重、坡度和组合参数。
[0186]
步骤2，建立预测模型并根据获取的数据对预测模型进行训练。
[0187]
步骤3，获取当前时刻列车的运行数据和列车运行路线的环境数据，并根据运行数据、环境数据和预测模型，确定预测黏着曲线。
[0188]
步骤4，获取列车的预测黏着曲线，并将不小于最大黏着系数0.9倍的黏着系数对应的滑移率所在的区间，确定为最优滑移率区间。
[0189]
步骤5，获取多个历史时刻下列车的防滑控制参数以及防滑控制效果指标，并根据获取的防滑控制参数和防滑控制效果指标建立历史指标数据库。建立防滑控制参数与防滑控制效果指标的关系模型。
[0190]
以历史指标数据库为样本，根据bp神经网络算法对关系模型进行训练。
[0191]
在各防滑控制参数的允许数值范围内，选取多个防滑控制参数对训练后的关系模型进行遍历，选取防滑控制效果指标最优的防滑控制参数作为当前时刻列车运行时的防滑控制参数。
[0192]
防滑控制参数取值：k1＝2/3，k2＝12/25，k3＝0.8，k4＝800/2733，ada1初值为(sw2‑
sw1)/2]，其取值范围为[3(sw1‑
sw2)/2,(sw2‑
sw1)/2]，ada2初值为(sw1‑
sw2)/2，其取值范围为[(sw1‑
sw2)/2,
‑
(sw1+sw2)/2]，α的取值范围为[
‑
11
°
,26
°
]，初值α0＝
‑
11
°
，β的取值范围为[
‑8°
,14
°
]，初值β0＝
‑8°
，δada1＝0.96％，δα＝3.7
°
，δada2＝1.95％、δβ＝2.2
°
。
[0193]
步骤6，获取所述列车的当前滑移率和当前滑移率变化率，并确定所述当前滑移率所处的阶段。
[0194]
步骤7，根据所述当前滑移率变化率和所述当前滑移率所处的阶段对应的至少一条预设边界曲线，输出控制指令。
[0195]
步骤8，对根据减速度控制算法对控制指令进行调整。其中，a1＝
‑
4m/s2，a2＝
‑
3m/s3。设计平均减速度a
e
＝
‑
0.9m/s2，设计允许的瞬时减速度最小值a
m
＝
‑
1.5m/s2，通过减速度判断法对控制指令进行调整方法的流程图如图13所示。
[0196]
步骤10，获取根据控制指令，对列车进行控制过程中的防滑控制参数和防滑控制效果指标，并将其补充到历史指标数据库中。
[0197]
本发明实施例根据当前所处的季节、天气、温度、湿度、列车速度、轴重、坡度、车辆位置等相关参数对黏着系数与滑移率之间的曲线进行预测，根据运行需要的黏着系数值确定最优滑移率区间，为了适应滑移率的变化规律，在每个控制阶段采用相应的边界曲线把滑移率的变化分为不同的区间，在区间内采用自适应算法使滑移率控制在最优滑移率区间内，利用减速度控制算法对最优滑移率控制输出指令进行调整，达到快速稳定控制的目的。建立组合系数、自适应参数等与滑移率控制情况、滑行距离、滑行轴数等的关系模型，保证最优的防滑控制效果。
[0198]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0199]
图17是本发明一个实施例提供的列车防滑控制装置的结构示意图。如图17所示，列车防滑控制装置17，包括：
[0200]
获取模块1710，用于获取列车的预测黏着曲线。
[0201]
预处理模块1720，用于根据预测黏着曲线确定最优滑移率区间。
[0202]
确定模块1730，用于获取列车的当前滑移率和当前滑移率变化率，并确定当前滑移率所处的阶段；其中，每个阶段对应于至少一条预设边界曲线，预设边界曲线表示滑移率变化率的边界值和当前滑移率的关系，滑移率变化率的边界值用于根据其与当前滑移率变化率的关系判断当前滑移率是否可能进入预设恶劣区间或进入最优化滑移率区间或变为零。
[0203]
输出模块1740，用于根据当前滑移率变化率和当前滑移率所处的阶段对应的至少一条预设边界曲线，输出控制指令，控制指令用于对列车进行控制，使列车的滑移率进入最优滑移率区间，或者，使列车的滑移率趋近于零。
[0204]
可选的，当前滑移率所处的阶段包括下降阶段和上升阶段；控制指令包括但不限于下述至少一项：充风指令、排风指令、保压指令、不干预指令；下降阶段对应的预设边界曲线包括下述至少一项：第一边界曲线、第二边界曲线、第三边界曲线、第四边界曲线；上升阶段对应的预设边界曲线包括下述至少一项：包括第一边界曲线、第三边界曲线、第四边界曲线、第五边界曲线、第六边界曲线、第七边界曲线；
[0205]
第一边界曲线的表达式为：tw1＝
‑
k1(sw
‑
(sw1‑
30％))；
[0206]
第二边界曲线的表达式为：tw2＝
‑
k2(sw
‑
sw1)；
[0207]
第三边界曲线的表达式为：tw3＝tanβ(sw
‑
((sw1+sw2)/2+ada2)；
[0208]
第四边界曲线的表达式为：tw4＝tanα(sw
‑
((sw1+sw2)/2+ada1)；
[0209]
第五边界曲线的表达式为：tw5＝
‑
k3(sw
‑
sw2)；
[0210]
第六边界曲线的表达式为：tw6＝
‑
k4(sw
‑
(sw2+5％))；
[0211]
第七边界曲线的表达式为：tw7＝
‑
k3(sw
‑
(sw1‑
8％))；
[0212]
其中，tw1、tw2、tw3、tw4、tw5、tw6、tw7为各曲线的滑移率变化率的边界值，sw为当前滑移率，k1、k2、k3、k4为控制参数，α、β、ada1、ada2为自适应参数，sw1为最优滑移率区间的下限，sw2为最优滑移率区间的上限。
[0213]
可选的，输出模块1740，用于在当前滑移率所处的阶段为下降阶段时，
[0214]
若当前滑移率为零或处于最优滑移率区间时，输出不干预指令；
[0215]
若当前滑移率不为零且不处于最优滑移率区间时，采用下述方式，输出控制指令：
[0216]
若tw<tw1，则重复执行输出排风指令，同时令β＝β+δβ，ada2＝ada2+δada2的步骤，直到tw≥tw1；若tw≥tw1且tw<tw2，则判断β>0是否成立；若β>0不成立，则重复执行输出排风指令，同时令β＝β+δβ，ada2＝ada2+δada2的步骤，直到β>0或tw≥tw2；若β>0成立，则判断tw>tw3是否成立；若tw>tw3成立，则重复执行输出排风指令，同时令β＝β+δβ，ada2＝ada2+δada2的步骤，直到tw≥tw2；若tw>tw3不成立，则输出保压指令；
[0217]
若tw≥tw1且tw≥tw2，则判断α≥0是否成立；若α≥0不成立，则判断tw>tw4是否成立；若tw>tw4成立，则重复执行输出充风指令，同时α＝α+δα，ada1＝ada1+δada1的步骤，直到α≥0或tw≤tw4；若tw>tw4不成立，则根据综合指标确定并输出控制指令；若α≥0成立，则根据综合指标确定并输出控制指令；根据综合指标确定并输出控制指令，包括：
[0218]
若g>z，则输出不干预指令；若g≤z，则输出保压指令；
[0219]
其中，tw为当前滑移率，δα、δβ、δada1和δada2为控制参数，ada2的初始值为(sw1‑
sw2)/2，ada1的初始值为(sw2‑
sw1)/2，g为综合指标，z为预设判断阈值。
[0220]
可选的，输出模块1740，用于在当前滑移率所处的阶段为上升阶段时，将当前滑移率输入到各边界曲线中，得到各曲线的滑移率变化率；若当前滑移率为零或处于最优滑移率区间时，输出不干预指令；若当前滑移率不为零且不处于最优滑移率区间时，采用下述方式，输出控制指令：若tw≤tw1，则输出排风指令；若tw>tw1且tw≤tw5，则判断tw>tw6且tw>tw7是否成立；若tw>tw6且tw>tw7成立，则输出充风指令；若tw>tw6且tw>tw7不成立，则判断β<0是否成立；若β<0成立，则判断tw<tw3是否成立；若tw<tw3不成立，则重复执行输出排风指令，
同时令β＝β+δβ，ada2＝ada2+δada2的步骤，直到β≥0或tw<tw3；若tw<tw3成立，则根据综合指标确定并输出控制指令；若β<0不成立，则根据综合指标确定并输出控制指令；若tw>tw1且tw>tw5，则判断α>0是否成立；若α>0成立，则判断判断tw<tw4是否成立；若tw<tw4成立，则输出保压指令；若tw<tw4不成立，则重复执行输出充风指令，同时令α＝α+δα，ada2＝ada2+δada2的步骤，直到tw<tw4；若α>0不成立，则输出保压指令。
[0221]
可选的，获取模块1710，用于获取当前时刻列车的运行数据和列车运行路线的环境数据；根据运行数据、环境数据和预测模型，确定预测黏着曲线；其中，运行数据包括下述至少一项：列车速度、轴重；环境数据包括下述至少一项：季节、天气、温度、湿度、坡度。
[0222]
可选的，列车防滑控制装置17，还包括：训练模块1750；训练模块1750，用于在获取列车的预测黏着曲线之前，建立神经网络模型和自回归模型；获取多个历史时刻下列车的运行数据和列车运行路线的环境数据作为输入数据；获取多个历史时刻下预测黏着曲线的组合参数作为输出数据；根据输入数据、输出数据和bp神经网络算法，对神经网络模型进行训练；将列车运行路线分为多个小路段；根据当前时刻列车的运行数据、当前时刻待预测路段的环境数据、神经网络模型，确定当前时刻待预测路段的第一组合参数；针对每个小路段，根据神经网络模型确定待预测路段之前各小路段对应的组合参数，并根据将待预测路段之前各路段对应的组合参数和自回归模型中，确定当前时刻待预测路段的第二组合参数。
[0223]
可选的，获取模块1710，用于获取列车在各轨道工况下，黏着系数与滑移率之间的曲线关系式；其中，轨道工况包括但不限于下述至少一项：干轨、湿轨、多杂质。
[0224]
将第一组合参数和第二组合参数进行加权得到组合参数的最终预测值；
[0225]
根据最终预测值对各轨道工况下的曲线关系式进行组合，得到列车的预测黏着曲线。
[0226]
可选的，列车防滑控制装置17，还包括：调整模块1760；
[0227]
可选的，调整模块1760，用于在输出控制指令之前，获取当前时刻列车的轮对减速度和轮对减速度变化率；在轮对减速度大于等于零时，保持控制指令不变；
[0228]
在轮对减速度小于零时，根据轮对减速度和轮对减速度变化率对控制指令进行调整。
[0229]
可选的，调整模块1760，用于在a
d
≤0时，若deltav
d
>a
e
，则判断a
d
>a
m
‑
deltav
d
是否成立；若a
d
>a
m
‑
deltav
d
成立，则保持控制指令不变；若a
d
>a
m
‑
deltav
d
不成立，则判断轮对减速度变化率是否大于第一预设阈值；若轮对减速度变化率大于第一预设阈值，则输出调整指令；其中，调整指令用于将充风指令调整为保压指令，或者，将不干预指令调整为排风指令，或者，在控制指令为保压指令或排风指令时，保持控制指令不变；若轮对减速度变化率不大于第一预设阈值，则将控制指令调整为排风指令；若deltav
d
≤a
e
，则判断轮对减速度是否大于第二预设阈值；若轮对减速度大于第二预设阈值，则判断a
d
>a
m
‑
deltav
d
是否成立；若a
d
>a
m
‑
deltav
d
成立，则保持控制指令不变；若a
d
>a
m
‑
deltav
d
不成立，则判断轮对减速度变化率是否大于第一预设阈值；若轮对减速度变化率大于第一预设阈值，则输出调整指令；若轮对减速度变化率不大于第一预设阈值，则将控制指令调整为排风指令；若轮对减速度不大于第二预设阈值，则将控制指令调整为排风指令；
[0230]
在a
d
>0时，若deltav
d
>a
e
，则判断a
d
<deltav
d
‑
a
m
是否成立；若a
d
<deltav
d
‑
a
m
不成立，
则保持控制指令不变；若a
d
<deltav
d
‑
a
m
成立，则判断轮对减速度变化率是否大于第三预设阈值；若轮对减速度变化率不大于第三预设阈值，则输出调整指令；若轮对减速度变化率大于第三预设阈值，则将控制指令调整为排风指令；若deltav
d
≤a
e
，则判断轮对减速度变化率是否大于第二预设阈值；若轮对减速度变化率不大于第二预设阈值，则将控制指令调整为排风指令；若轮对减速度变化率大于第二预设阈值，则判断a
d
<deltav
d
‑
a
m
是否成立；若a
d
<deltav
d
‑
a
m
不成立，则保持控制指令不变；若a
d
<deltav
d
‑
a
m
成立，则判断轮对减速度变化率是否大于第三预设阈值；若轮对减速度变化率不大于第三预设阈值，则输出调整指令；若轮对减速度变化率大于第三预设阈值，则将控制指令调整为排风指令；其中，deltav
d
为轮对减速度，a
d
为轮对减速度变化率，a
e
为平均减速度，a
m
为设计允许的瞬时减速度最小值。
[0231]
可选的，列车防滑控制装置17，还包括：优化模块1770；
[0232]
可选的，优化模块1770，用于获取多个历史时刻下列车的防滑控制参数以及防滑控制效果指标，并根据获取的防滑控制参数和防滑控制效果指标建立历史指标数据库；其中，防滑控制参数包括控制参数、自适应参数、第一预设阈值、第二预设阈值和第三预设阈值；
[0233]
建立防滑控制参数与防滑控制效果指标的关系模型；以历史指标数据库为样本，根据bp神经网络算法对关系模型进行训练；在各防滑控制参数的允许数值范围内，选取多个防滑控制参数对训练后的关系模型进行遍历，选取防滑控制效果指标最优的防滑控制参数作为当前时刻列车运行时的防滑控制参数；
[0234]
优化模块1770，还用于在对列车进行控制之后，获取根据控制指令，对列车进行控制过程中的防滑控制参数和防滑控制效果指标，并将其补充到历史指标数据库中。
[0235]
本实施例提供的列车防滑控制装置，可用于执行上述方法实施例，其实现原理和技术效果类似，本实施例在此处不再赘述。
[0236]
图18是本发明一个实施例提供的电子设备的示意图。如图18所示，本发明的一个实施例提供的电子设备18，该实施例的电子设备18包括：处理器1800、存储器1810以及存储在存储器1810中并可在处理器1800上运行的计算机程序1820。处理器1800执行计算机程序1820时实现上述各个列车防滑控制方法实施例中的步骤，例如图2所示的步骤201至步骤204。或者，处理器1800执行计算机程序1820时实现上述各装置实施例中各模块/单元的功能，例如图14所示模块1710至1740的功能。
[0237]
示例性的，计算机程序1820可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器1810中，并由处理器1800执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序1820在电子设备18中的执行过程。
[0238]
电子设备18可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端可包括，但不仅限于，处理器1800、存储器1810。本领域技术人员可以理解，图18仅仅是电子设备18的示例，并不构成对电子设备18的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端还可以包括输入输出设备、网络接入设备、总线等。
[0239]
所称处理器1800可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路
(application specific integrated circuit，asic)、现场可编程门阵列(field
‑
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0240]
存储器1810可以是电子设备18的内部存储单元，例如电子设备18的硬盘或内存。存储器1810也可以是电子设备18的外部存储设备，例如电子设备18上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，存储器1810还可以既包括电子设备18的内部存储单元也包括外部存储设备。存储器1810用于存储计算机程序以及终端所需的其他程序和数据。存储器1810还可以用于暂时地存储已经输出或者将要输出的数据。
[0241]
本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述列车防滑控制方法实施例中的步骤。
[0242]
计算机可读存储介质存储有计算机程序1820，计算机程序1820包括程序指令，程序指令被处理器1800执行时实现上述实施例方法中的全部或部分流程，也可以通过计算机程序1820来指令相关的硬件来完成，计算机程序1820可存储于一计算机可读存储介质中，该计算机程序1820在被处理器1800执行时，可实现上述各个方法实施例的步骤。其中，计算机程序1820包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
[0243]
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元，例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备，例如终端上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
[0244]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0245]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单
元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0246]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0247]
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0248]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0249]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0250]
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
[0251]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。