10.3969/j.issn.1008-7842.2023.01.13
基于智能模糊控制在机车黏着优化策略中的研究
在机车运行过程中,轮轨间的黏着条件受天气、车辆结构等影响复杂多变.黏着性能好坏直接决定机车牵引力能否正常发挥.传统的黏着优化一般采用组合矫正等方法,该类方法结构简单,存在自适应能力弱、黏着利用率偏低等问题.文中提出一种新型的黏着优化控制方法,它是将专家知识和试验数据采集的样本通过训练学习,建立一种具有自适应能力的T-S模糊神经网络控制器,来寻找最优黏着控制点提高黏着的利用率.该方法无需建立精确数学模型、能够自适应各种复杂多变的黏着条件,具有很强的鲁棒性.最后通过仿真试验验证,文中采用智能模糊控制技术在机车黏着优化策略中,能够明显提高机车牵引力的发挥,改善车辆的控制性能.
智能模糊、T-S模糊神经网络、黏着利用率
43
U260.11+5(机车工程)
2023-03-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
88-94