作者：王欢¹, 陈春俊^1,2, 杨露¹, 李勇洁¹

作者单位：1. 西南交通大学机械工程学院，四川 成都 610031;
2. 轨道交通运维技术与装备四川省重点实验室，四川 成都 610031

关键词：高速列车;气压模拟;模糊PID迭代学习控制;多容耦合;质量-压力转换模型

摘要：

高速列车车内气压变化影响乘客的舒适性，基于综合舒适度模拟试验台，抽象出气压模拟系统以模拟车内典型气压变化工况。针对气压模拟系统可重复性模拟车内典型气压变化及其难以精确建立数学模型等特点，建立该系统的质量-压力转换数值模型，并根据系统特点设计模糊PID迭代学习控制算法对系统的压力控制进行研究。仿真结果表明：在收敛速度方面，该算法较模糊迭代控制提升34.48%，较传统PID迭代控制提升44.12%；在控制精度方面，该算法较模糊迭代控制提升20.14%，较传统PID迭代控制提升21.00%。综上所述，该算法能够有效提高控制系统的控制精度和收敛速度，改善系统的动态性能。

Research on control algorithm of air pressure simulation system based on fuzzy PID iterative learning
WANG Huan¹, CHEN Chunjun^1,2, YANG Lu¹, LI Yongjie¹
1. School of Mechanical Engineering, Southwest Jiaotong University, Chengdu 610031, China;
2. Technology and Equipment of Rail Transit Operation and Maintenance Key Laboratory of Sichuan Province, Chengdu 610031, China
Abstract: The high-speed train inner space air pressure fluctuation affects the comfort of passengers. Based on the comprehensive comfort simulation test rig, an air pressure simulation system is abstracted to simulate the typical air pressure fluctuation in the train. Considering the characteristics of simulating the air pressure fluctuation of high-speed train inner space repetitively, and the difficulty to establish an accurate mathematical model, establishing an air pressure simulation system mass and pressure conversion model. According to the characteristics of the system, designing the fuzzy PID iterative learning control algorithm to research the numerical model. The simulation results show that in terms of convergence speed, this algorithm improves 34.48% compared with fuzzy iterative control and 44.12% compared with traditional PID iterative control; In terms of control accuracy, the algorithm improves 20.14% compared with fuzzy iterative control and 21.00% compared with traditional PID iterative control. In summary, the control algorithm can improve significantly the control accuracy, convergence speed and the dynamic performance of the control system.
Keywords: high-speed train;air pressure simulation;fuzzy PID iterative learning control;multi-volume coupled;mass and pressure conversion model
2021, 47(4):77-82,112  收稿日期: 2020-06-01;收到修改稿日期: 2020-07-20
基金项目: 国家自然科学基金资助项目(51975487)
作者简介: 王欢（1995-），男，四川遂宁市人，硕士研究生，专业方向为机械电子工程
参考文献
[1] 李人宪, 袁磊. 高速列车通过隧道时的压力波动问题[J]. 机械工程学报, 2014, 50(24): 115-121
[2] 杨伟芳, 陈春俊, 邓力. 高速列车隧道压力波模拟系统仿真控制研究[J]. 中国测试, 2014, 40(2): 101-104
[3] 林凤, 陈春俊. 车内压力波动对旅客舒适度影响的研究[J]. 中国测试, 2014, 40(2): 125-129
[4] 李淼. 多容耦合压力系统迭代学习控制算法的研究[D]. 成都: 西南交通大学, 2014.
[5] 屈国庆. 综合舒适度模拟试验台气压控制系统设计与算法研究[D]. 成都: 西南交通大学, 2016.
[6] 崔桂梅, 郝智红, 赵利敏. 三容系统的自适应-模糊神经网络解耦及液位控制[J]. 自动化仪表, 2005(7): 16-18
[7] 李晓理, 石陇辉, 丁大伟. 水箱液位系统多模型控制方法[J]. 控制理论与应用, 2011, 28(3): 370-374
[8] 李淼. 多容耦合压力系统迭代学习控制算法的研究[D]. 成都: 西南交通大学, 2014.
[9] WANG X K, WANG Q. Fuzzy control strategy for a compound energy system for an urban rail train based on the required power[J]. Measurement, 2020, 163: 107888
[10] 马航, 杨俊友, 袁琳. 迭代学习控制研究现状与趋势[J]. 控制工程, 2009, 16(3): 286-290
[11] 周林春, 陈春俊. 复数卷积神经网络滚动轴承故障诊断研究[J]. 中国测试, 2020, 46(11): 109-115
[12] KONG F H, MANCHESTER I R. Contraction analysis of nonlinear noncausal iterative learning control[J]. Systems & Control Letters, 2020, 136: 104599
[13] 孙明轩, 黄宝健. 迭代学习控制[M]. 北京: 国防工业出版, 1999.
[14] 李新, 陈春俊. 基于模糊PID的高速列车车内压力主被动控制[J]. 中国测试, 2020, 46(1): 105-109
[15] 宋伟, 李武君. 模糊PID控制系统设计及MATLAB仿真[J]. 云南化工, 2019, 46(9): 156-157