受电弓振动主动控制研究现状分析

□宋一凡 郭德勇 梁继国

一、引言

受电弓与接触网接触受流牵引电力机车运行，空气动力、接触网的波传播和波反射、不规则风和轮轨状况等因素将引起弓网振动，而弓网振动将降低机车受流质量、加剧弓网磨损、增大运行噪声。随着机车运行时速提高，弓网振动带来的危害也将加剧，弓网振动成为限制电力机车提速的重要因素。目前，主要有两种方法解决振动问题：一是提高接触网刚度或增大接触线张力，二是增大弓网接触力。这两种方法均在一定程度上减小了弓网振动，但第一种需要更换接触网，成本巨大；第二种加剧弓网磨损的同时增大了安全隐患[1]。研究人员不得不寻找新的途径来解决振动问题，早期研究者提出利用主动控制技术来提高受电弓的跟随性。进行可控受电弓的研究渐渐成为了机车受电弓研究的一个重要课题。

对于受电弓振动主动控制的研究，欧洲和日本学者起步较早，2003年7月速度可达230km/h的振动主动控制受电弓在德国就已试验成功[2]。而我国学者对此类课题的研究起步较晚，发展尚停留在实验室阶段。尽管国内外已有很多研究涉及这一领域，但大多仅停留在控制策略的提出和数值仿真验证，难以在实践中得到应用，实现的瓶颈主要在于作动器的选择和能量供应问题，以及接触力反馈信号的实用性。本文从控制算法和作动器两个方面来介绍受电弓主动控制的研究现状和存在的问题，以期为受电弓主动控制的研究提供一些思路。

二、控制算法

控制算法作为主动控制的核心对其应有如下要求：所需控制信息量少，计算速度快，输出信息易于执行，复杂控制具有一定的自适应性。国内外对控制算法进行了大量研究，大体可分为以下五类(列出)。

(一)模糊控制。模糊控制自第一次成功应用以来，模糊控制理论已得到突飞猛进的发展，解决了许多现实问题。模糊控制具有很强的鲁棒性，适用于工作条件下具有非线性和参数时变性的受电弓，因此受电弓的模糊控制受到了学者的关注。

(二)变结构控制。由于变结构控制具有极强的鲁棒性且实现容易，尤其可以良好地自适应系统干扰，适用于线性和非线性，可有效处理弓网振动问题。但其缺点是当变结构控制到达切换面后受时滞和惯性的影响在滑模面附近来回穿梭，引起变结构振颤。变结构控制可分为两类，一类是非滑模变结构控制，另一类是滑模变结构控制。研究者对这两种变结构控制均有应用。

(三)线性二次型控制。线性二次型控制适用于时变系统，控制能量低，计算精度高，能有效处理扰动信号和测量噪声问题且易于构成闭环最优控制，可作为处理弓网振动问题的有效途径。

(四)预测控制。预测控制应具备以下三项基本原理：预测模型、滚动优化和反馈校正。线性模型的预测控制算法已非常成熟，但实际所需的控制系统大多是非线性的，因此现在预测控制的研究重点就成为非线性模型预测控制，弓网振动模型便是一种典型的非线性模型，相关研究者也将非线性模型预测控制用于受电弓的主动控制。

Mihai-Florin Taran等提出了一种基于模型预测控制策略的接触力闭环控制方法。预测控制使用有限变量构造的有限滚动时域估计，使用系统模型的离散时间公式，利用接触网模型中时变表达式得到离散模型，并提出二阶离散化方法，增设积分以消除稳态误差，得到线性时变模型。将控制目标转化为一个凸函数以表达误差的权重和对有限滚动时域估计的控制力[3]。任志玲根据弓网模型和接触力数据，利用预测控制技术预测下一时刻接触力，将预测值与理论值比较计算误差，模型预测控制器通过电流变阻尼器将计算结果转换为接触力的控制输入量。实验结果表明能够有效提高弓网耦合质量[4]。

(五)神经网络模型。刘仕兵等将NARMA-L2模型应用到弓网振动控制系统中并给出了控制方案：控制系统分为系统辨识部分和控制部分。系统识别部分采用在线辨识，响应快迟滞小，增加了系统的实时性。系统首先从被控制系统采集实时数据，经过系统在线辨别得到动态神经网络函数，进一步可得到弓网振动系统的NARMA-L2模型，进而得出控制规律，调整网络函数权值以减小误差。然后进行仿真实验，对不同车速分别给予仿真，结果显示弓网振动幅度得到有效抑制[5]。

三、控制算法比较

根据上述文献的试验结果可知每种控制器均可以减小弓网接触力的波动，减弱振动幅度，提高受流质量。但各算法采用的输入量、控制参数、输出量均不同，下面结合各控制算法的特点对其作用效果进行简单比较。

(一)模糊控制。所需状态量少，模糊处理只需要接触力和理想接触力的偏差；控制器性能取决于规则库的合理与否；决策速度与控制精度存在矛盾。

(二)变结构控制。易受外界干扰，对量测要求很高；设计较复杂，需要设计切换函数和提前确定理想系统特征值，切换函数设计不合理会使控制信号调整过快，作动器调整困难；易发生抖振现象，需要滤波器来消除影响。

(三)线性二次控制。需要复杂的弓网状态变量；需要确定系统的最优性能指标，同时综合考虑控制能量和控制效果，Q和R的选择非常重要；需要状态调节器时刻保证各状态量接近于平衡状态。

(四)预测控制。需要极高标准的量测系统对每一瞬间的状态变量进行采集；非线性预测控制算法研究尚不完善；建模简单、计算量小，但难以获得清晰的控制输入表达式；优化过程反复在线进行，动态性能好。

(五)神经网络模型。只需采集实时弓网接触压力；需要极大的计算量，控制器设计复杂。采用离线识别控制精度高但控制效果差；采用在线识别控制稳定性好但精度下降，识别速度尚无法应用。

四、结语

本文从控制算法方面对受电弓主动控制的研究现状进行了综述。现阶段控制算法的研究以模糊控制、变结构控制和线性二次控制为主，同时也有研究者正在探索新的可能，如将预测控制和神经网络模型应用在受电弓主动控制中。未来前者将有极大的可能得到实际应用，而后者更多的是启发，将神经网络、人工智能、预测控制等相结合以创造出新颖的、更加多变和智能的控制算法。