Россия
Россия
УДК 629.4.07 Технические аспекты управления подвижным составом, включая собственно управление
Цель: cовершенствование алгоритмов защиты от юза и боксования с помощью новых методов обнаружения избыточного скольжения колесных пар локомотива, позволяющих обеспечить раннее определение момента потери сцепления. Методы: эффективность системы защиты от юза во многом определяется надежным определением возникновения избыточного скольжения колесных пар. Решение этой задачи требует развития методов выделения сигналов угловой скорости вращения и углового ускорения КП с учетом динамических процессов в механической части локомотива и помех в канале измерения. Поэтому в статье рассмотрены вопросы обработки сигналов частоты вращения, выделения информации о величине избыточного скольжения и углового ускорения КП для использования в системах защиты от юза и боксования. Одним из критериев, которые позволяют повысить надежность обнаружения юза предлагается использовать «Расчетное время до блокировки колеса». Его значение позволяет оценить расчетное время до заклинивания колеса (прекращения вращения). Введение этого критерия позволяет более точно определять риск полной остановки вращения КП и повышает надежность определения возникновения юза. Результаты: установлено, что для устранения ошибок канала измерения и выделения сигнала об угловом ускорении КП в условиях наличия колебаний, вызванных наличием эффектов пространственной динамики локомотива, целесообразно применение дискретного фильтра Калмана. Обработка сигналов с использованием фильтра Калмана при наличии опорного сигнала позволяет существенно снизить влияние пространственных колебаний экипажной части электровоза при движении по пути с неровностями на выделяемые сигналы угловой скорости вращения и углового ускорения КП. Это дает возможность снизить пороги срабатывания и идентифицировать юз и боксование до появления значительного избыточного скольжения. Практическая значимость: показана необходимость применения комплексных критериев, основанных на анализе не только скорости проскальзывания колесных пар, но и угловых ускорений, для выявления избыточного скольжения колесных пар локомотивов. Их использование в системе управления локомотива позволяет обнаружить потерю сцепления на ранних стадиях возникновения боксования и юза и улучшить использование сцепного веса локомотивов.
защита от юза, взаимодействие пути и подвижного состава, сцепление колес с рельсами, проскальзывание колесных пар, алгоритм обнаружения юза
1. Противоюзные устройства подвижного состава / М. Д. Фокин, А. А. Лоскутов, А. К. Второв. М.: Транспорт, 1970. 102 с.
2. Обобщение передового опыта тяжеловесного движения: вопросы взаимодействия колеса и рельса / У. Д. Харрис; под общ. ред. С. М. Захарова, В. М. Богданова; пер. с англ. С. М. Захарова, С. С. Карцева, В. Л. Мельникова и др. М.: Интекст, 2002. 408 с.
3. Обобщение мирового опыта тяжеловесного движения. Управление содержанием системы колесо — рельс: сб. науч. тр. / под общ. ред. С. М. Захарова. М.: ВНИИЖТ, 2017. 420 с.
4. Асинхронный тяговый привод локомотивов: учебное пособие / А. А. Зарифьян; под общ. ред. А. А. Зарифьяна. М.: ФГБОУ «Учебно-методический центр по образованию на железнодорожном транспорте», 2013. 414 с.
5. Hasegawa I., Kayashima K. Brake Technology for 140 km/h Operation of Narrow — Gauge Lines // RTRI Report. 1999. Vol. 13, no. 10. P. 35–40.
6. Nakazawa S.-I. Development of a New Wheel Slide Protection System Using a New Detection Algorithm // Quarterly Report of RTRI. 2011. Aug. Vol. 52, no. 3. P. 136–140.
7. Куликова М. В., Куликов Г. Ю. Численные методы нелинейной фильтрации для обработки сигналов и измерений // Вычислительные технологии. 2016. Т. 21, № 4. С. 64–98.
8. Mal K., Hussain I., Chowdhry B. S., et. al. Extended Kalman filter for estimation of contact forces at wheel-rail interface // 3C Tecnologшa. Glosas de innovacion aplicadas a la pyme. Edicion Especia. 2020. Apr. P. 279–301.
9. Wang S., Xiao J., Huang J., et. al. Locomotive wheel slip detection based on multi-rate state identification of motor load torque // Journal of the Franklin Institute. 2016. Vol. 353, no. 2. P. 521– 540. URL: https://www.sciencedirect.com/science/article/pii/S0016003215004287.
10. Alshawi A. An Adaptive Unscented Kalman Filter for the Estimation of the Vehicle Velocity Components, Slip Angles, and Slip Ratios in Extreme Driving Manoeuvres // Sensors. 2024. Jan. Vol. 24, no. 2. P. 436.
11. Kong J., Pfeiffer M., Schildbach G., et. al. Kinematic and dynamic vehicle models for autonomous driving control design // 2015 IEEE Intelligent Vehicles Symposium (IV). 06/2015. P. 1094–1099.
12. Mei T., Hussain I. Detection of wheel-rail conditions for improved traction control // IET Conference on Railway Traction Systems (RTS 2010). 04/2010. P. 1–6.
13. Maridor J., Markovic M., Perriard Y. Kalman filter to measure position and speed of a linear actuator // 2011 IEEE International Electric Machines & Drives Conference (IEMDC). 05/2011.
14. Simon D. Fundamentals of Kalman Filters. Hoboken, New Jersey: John Wiley & Sons, Inc., 2006. XXVI, 502 p.
15. Универсальный механизм. Официальный сайт / Д. Ю. Погорелов. ООО «Вычислительная механика». Вер. 9.1. 2024. URL: www.umlab.ru (дата обращения: 25.03.2014).
16. Pogorelov D. Simulation of Rail Vehicle Dynamics with Universal Mechanism Software // Rail Vehicle Dynamics and Associated Problems. Gliwice: Silesian University of Technology, 01/2005. P. 13–58.
17. Машинисту об электровозе ЧС7 / И. И. Карасев, Л. П. Ратомский. М.: Транспорт, 2012. 223 с.
