受電弓振動(dòng)主動(dòng)控制研究現(xiàn)狀分析

□宋一凡 郭德勇 梁繼國(guó)

一、引言

受電弓與接觸網(wǎng)接觸受流牽引電力機(jī)車運(yùn)行，空氣動(dòng)力、接觸網(wǎng)的波傳播和波反射、不規(guī)則風(fēng)和輪軌狀況等因素將引起弓網(wǎng)振動(dòng)，而弓網(wǎng)振動(dòng)將降低機(jī)車受流質(zhì)量、加劇弓網(wǎng)磨損、增大運(yùn)行噪聲。隨著機(jī)車運(yùn)行時(shí)速提高，弓網(wǎng)振動(dòng)帶來的危害也將加劇，弓網(wǎng)振動(dòng)成為限制電力機(jī)車提速的重要因素。目前，主要有兩種方法解決振動(dòng)問題：一是提高接觸網(wǎng)剛度或增大接觸線張力，二是增大弓網(wǎng)接觸力。這兩種方法均在一定程度上減小了弓網(wǎng)振動(dòng)，但第一種需要更換接觸網(wǎng)，成本巨大；第二種加劇弓網(wǎng)磨損的同時(shí)增大了安全隱患[1]。研究人員不得不尋找新的途徑來解決振動(dòng)問題，早期研究者提出利用主動(dòng)控制技術(shù)來提高受電弓的跟隨性。進(jìn)行可控受電弓的研究漸漸成為了機(jī)車受電弓研究的一個(gè)重要課題。

對(duì)于受電弓振動(dòng)主動(dòng)控制的研究，歐洲和日本學(xué)者起步較早，2003年7月速度可達(dá)230km/h的振動(dòng)主動(dòng)控制受電弓在德國(guó)就已試驗(yàn)成功[2]。而我國(guó)學(xué)者對(duì)此類課題的研究起步較晚，發(fā)展尚停留在實(shí)驗(yàn)室階段。盡管國(guó)內(nèi)外已有很多研究涉及這一領(lǐng)域，但大多僅停留在控制策略的提出和數(shù)值仿真驗(yàn)證，難以在實(shí)踐中得到應(yīng)用，實(shí)現(xiàn)的瓶頸主要在于作動(dòng)器的選擇和能量供應(yīng)問題，以及接觸力反饋信號(hào)的實(shí)用性。本文從控制算法和作動(dòng)器兩個(gè)方面來介紹受電弓主動(dòng)控制的研究現(xiàn)狀和存在的問題，以期為受電弓主動(dòng)控制的研究提供一些思路。

二、控制算法

控制算法作為主動(dòng)控制的核心對(duì)其應(yīng)有如下要求：所需控制信息量少，計(jì)算速度快，輸出信息易于執(zhí)行，復(fù)雜控制具有一定的自適應(yīng)性。國(guó)內(nèi)外對(duì)控制算法進(jìn)行了大量研究，大體可分為以下五類(列出)。

(一)模糊控制。模糊控制自第一次成功應(yīng)用以來，模糊控制理論已得到突飛猛進(jìn)的發(fā)展，解決了許多現(xiàn)實(shí)問題。模糊控制具有很強(qiáng)的魯棒性，適用于工作條件下具有非線性和參數(shù)時(shí)變性的受電弓，因此受電弓的模糊控制受到了學(xué)者的關(guān)注。

(二)變結(jié)構(gòu)控制。由于變結(jié)構(gòu)控制具有極強(qiáng)的魯棒性且實(shí)現(xiàn)容易，尤其可以良好地自適應(yīng)系統(tǒng)干擾，適用于線性和非線性，可有效處理弓網(wǎng)振動(dòng)問題。但其缺點(diǎn)是當(dāng)變結(jié)構(gòu)控制到達(dá)切換面后受時(shí)滯和慣性的影響在滑模面附近來回穿梭，引起變結(jié)構(gòu)振顫。變結(jié)構(gòu)控制可分為兩類，一類是非滑模變結(jié)構(gòu)控制，另一類是滑模變結(jié)構(gòu)控制。研究者對(duì)這兩種變結(jié)構(gòu)控制均有應(yīng)用。

(三)線性二次型控制。線性二次型控制適用于時(shí)變系統(tǒng)，控制能量低，計(jì)算精度高，能有效處理擾動(dòng)信號(hào)和測(cè)量噪聲問題且易于構(gòu)成閉環(huán)最優(yōu)控制，可作為處理弓網(wǎng)振動(dòng)問題的有效途徑。

(四)預(yù)測(cè)控制。預(yù)測(cè)控制應(yīng)具備以下三項(xiàng)基本原理：預(yù)測(cè)模型、滾動(dòng)優(yōu)化和反饋校正。線性模型的預(yù)測(cè)控制算法已非常成熟，但實(shí)際所需的控制系統(tǒng)大多是非線性的，因此現(xiàn)在預(yù)測(cè)控制的研究重點(diǎn)就成為非線性模型預(yù)測(cè)控制，弓網(wǎng)振動(dòng)模型便是一種典型的非線性模型，相關(guān)研究者也將非線性模型預(yù)測(cè)控制用于受電弓的主動(dòng)控制。

Mihai-Florin Taran等提出了一種基于模型預(yù)測(cè)控制策略的接觸力閉環(huán)控制方法。預(yù)測(cè)控制使用有限變量構(gòu)造的有限滾動(dòng)時(shí)域估計(jì)，使用系統(tǒng)模型的離散時(shí)間公式，利用接觸網(wǎng)模型中時(shí)變表達(dá)式得到離散模型，并提出二階離散化方法，增設(shè)積分以消除穩(wěn)態(tài)誤差，得到線性時(shí)變模型。將控制目標(biāo)轉(zhuǎn)化為一個(gè)凸函數(shù)以表達(dá)誤差的權(quán)重和對(duì)有限滾動(dòng)時(shí)域估計(jì)的控制力[3]。任志玲根據(jù)弓網(wǎng)模型和接觸力數(shù)據(jù)，利用預(yù)測(cè)控制技術(shù)預(yù)測(cè)下一時(shí)刻接觸力，將預(yù)測(cè)值與理論值比較計(jì)算誤差，模型預(yù)測(cè)控制器通過電流變阻尼器將計(jì)算結(jié)果轉(zhuǎn)換為接觸力的控制輸入量。實(shí)驗(yàn)結(jié)果表明能夠有效提高弓網(wǎng)耦合質(zhì)量[4]。

(五)神經(jīng)網(wǎng)絡(luò)模型。劉仕兵等將NARMA-L2模型應(yīng)用到弓網(wǎng)振動(dòng)控制系統(tǒng)中并給出了控制方案：控制系統(tǒng)分為系統(tǒng)辨識(shí)部分和控制部分。系統(tǒng)識(shí)別部分采用在線辨識(shí)，響應(yīng)快遲滯小，增加了系統(tǒng)的實(shí)時(shí)性。系統(tǒng)首先從被控制系統(tǒng)采集實(shí)時(shí)數(shù)據(jù)，經(jīng)過系統(tǒng)在線辨別得到動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)函數(shù)，進(jìn)一步可得到弓網(wǎng)振動(dòng)系統(tǒng)的NARMA-L2模型，進(jìn)而得出控制規(guī)律，調(diào)整網(wǎng)絡(luò)函數(shù)權(quán)值以減小誤差。然后進(jìn)行仿真實(shí)驗(yàn)，對(duì)不同車速分別給予仿真，結(jié)果顯示弓網(wǎng)振動(dòng)幅度得到有效抑制[5]。

三、控制算法比較

根據(jù)上述文獻(xiàn)的試驗(yàn)結(jié)果可知每種控制器均可以減小弓網(wǎng)接觸力的波動(dòng)，減弱振動(dòng)幅度，提高受流質(zhì)量。但各算法采用的輸入量、控制參數(shù)、輸出量均不同，下面結(jié)合各控制算法的特點(diǎn)對(duì)其作用效果進(jìn)行簡(jiǎn)單比較。

(一)模糊控制。所需狀態(tài)量少，模糊處理只需要接觸力和理想接觸力的偏差；控制器性能取決于規(guī)則庫的合理與否；決策速度與控制精度存在矛盾。

(二)變結(jié)構(gòu)控制。易受外界干擾，對(duì)量測(cè)要求很高；設(shè)計(jì)較復(fù)雜，需要設(shè)計(jì)切換函數(shù)和提前確定理想系統(tǒng)特征值，切換函數(shù)設(shè)計(jì)不合理會(huì)使控制信號(hào)調(diào)整過快，作動(dòng)器調(diào)整困難；易發(fā)生抖振現(xiàn)象，需要濾波器來消除影響。

(三)線性二次控制。需要復(fù)雜的弓網(wǎng)狀態(tài)變量；需要確定系統(tǒng)的最優(yōu)性能指標(biāo)，同時(shí)綜合考慮控制能量和控制效果，Q和R的選擇非常重要；需要狀態(tài)調(diào)節(jié)器時(shí)刻保證各狀態(tài)量接近于平衡狀態(tài)。

(四)預(yù)測(cè)控制。需要極高標(biāo)準(zhǔn)的量測(cè)系統(tǒng)對(duì)每一瞬間的狀態(tài)變量進(jìn)行采集；非線性預(yù)測(cè)控制算法研究尚不完善；建模簡(jiǎn)單、計(jì)算量小，但難以獲得清晰的控制輸入表達(dá)式；優(yōu)化過程反復(fù)在線進(jìn)行，動(dòng)態(tài)性能好。

(五)神經(jīng)網(wǎng)絡(luò)模型。只需采集實(shí)時(shí)弓網(wǎng)接觸壓力；需要極大的計(jì)算量，控制器設(shè)計(jì)復(fù)雜。采用離線識(shí)別控制精度高但控制效果差；采用在線識(shí)別控制穩(wěn)定性好但精度下降，識(shí)別速度尚無法應(yīng)用。

四、結(jié)語

本文從控制算法方面對(duì)受電弓主動(dòng)控制的研究現(xiàn)狀進(jìn)行了綜述。現(xiàn)階段控制算法的研究以模糊控制、變結(jié)構(gòu)控制和線性二次控制為主，同時(shí)也有研究者正在探索新的可能，如將預(yù)測(cè)控制和神經(jīng)網(wǎng)絡(luò)模型應(yīng)用在受電弓主動(dòng)控制中。未來前者將有極大的可能得到實(shí)際應(yīng)用，而后者更多的是啟發(fā)，將神經(jīng)網(wǎng)絡(luò)、人工智能、預(yù)測(cè)控制等相結(jié)合以創(chuàng)造出新穎的、更加多變和智能的控制算法。