Verifizierung eines neuartigen verteilten Bremsalgorithmus für Schwerlastzüge mit Hardware-in-the-Loop-Tests

Als vor mehreren Jahrzehnten die elektronisch gesteuerte pneumatische (ECP) Eisenbahnbremse eingeführt wurde, wurden damit mehrere Mängel herkömmlicher Druckluftbremssysteme behoben. Ältere Bremssysteme, die auf der Ausbreitung des Luftdrucks durch die Bremsleitung des Zuges beruhten, litten unter Verzögerungen bei der Bremsbetätigung, ungleichmäßigen Bremskräften und erheblichen Längsimpulsen, die die Kupplungen stärker beanspruchten und den Bremsweg verlängerten. ECP-Bremssysteme lösen diese Probleme, indem sie mithilfe elektronischer Signale die Bremsen aller Wagen gleichzeitig aktivieren.

Während die Möglichkeit, die Bremsen aller Wagen gleichzeitig über elektronische Signale zu betätigen, einen großen Fortschritt darstellt, weist ECP auch eine Reihe von Mängeln auf. Es mangelt an Anpassungsfähigkeit, da unabhängig von der Beladung des Wagens und dem Gelände immer die gleiche Bremskraft ausgeübt wird. Eine Strategie, bekannt als "Zaunkontrolle" (fencing control), unterteilt einen Zug in Segmente (oder „Zäune“) und bremst jedes Segment einzeln. Dies kann zwar hilfreich sein, erfordert aber eine erhebliche Kommunikationsbandbreite, um die zunehmende Anzahl unabhängiger Signale zu bewältigen, die an die verschiedenen Zugsegmente gesendet werden. Insgesamt schränken diese Herausforderungen nicht nur die Geschwindigkeit und die Gewichtskapazität ein, sondern gefährden möglicherweise auch die Zuverlässigkeit und Sicherheit von Zügen mit schwerer Ladung.

An der School of Information Science and Technology der Southwest Jiaotong University haben wir ein neuartiges verteiltes kooperatives Bremskontrollsystem entwickelt, das viele der grundlegenden Einschränkungen von ECP-Systemen behebt. Bei diesem verteilten Design ist jeder Wagen mit einem eigenen Mikrocontroller ausgestattet, wodurch Bandbreiten- und Kommunikationsprobleme gelöst werden und die adaptive Bremskraft auf Grundlage spezifischer Wageneigenschaften und des aktuellen Geländes berechnet werden kann. Da das Testen eines solchen Systems an einem echten Zug mit einem Gewicht von 80 Tonnen oder mehr sowohl unsicher als auch unerschwinglich teuer wäre, verwendeten wir MATLAB^® und Simulink^® um den Steuerungsalgorithmus des Systems sowohl durch Simulation als auch durch Hardware-in-the-Loop-Tests (HIL) zu überprüfen (Abbildung 1). Durch die Möglichkeit, Ideen und Änderungen bei der Steuerungsimplementierung zunächst per Desktop-Simulation und anschließend über HIL-Tests rasch zu überprüfen, war unser gesamter Designprozess im Vergleich zu herkömmlichen Ansätzen deutlich schneller, effizienter und kostengünstiger.

Modellierung der Zugdynamik und Ausführung von Desktop-Simulationen

Bevor wir mit unserem Steuerungsalgorithmus Regelkreis-Simulationen durchführen konnten, benötigten wir zunächst ein Modell der Zugdynamik. Für diesen Teil des Projekts haben wir zunächst ein CAE-Softwarepaket eines Drittanbieters zur Modellierung der Zugdynamik verwendet. Da wir feststellten, dass dieses Paket für die Entwicklung von Steuerungsalgorithmen, die Hardwarebereitstellung und HIL-Tests ungeeignet war, wechselten wir anschließend zu MATLAB.

Mithilfe von MATLAB haben wir die Zugdynamik mithilfe eines Satzes von über 200 gewöhnlichen Differentialgleichungen (ODEs) modelliert. Zu den wichtigsten Parametern dieser ODEs gehörten die Zuggeschwindigkeit und die Ladung jedes Waggons. Um unsere MATLAB-Implementierung zu validieren, haben wir ihre Ergebnisse mit den Ergebnissen des CAE-Pakets verglichen.

Als Nächstes haben wir in Simulink ein Systemmodell erstellt und dabei einen MATLAB -Funktionsblock verwendet, um das MATLAB-Zugdynamikmodell und den Steuerungsalgorithmus zu integrieren. Wir haben den Steuerungsalgorithmus erfolgreich über Simulink Coder™ auf der STM32 Nucleo-Steuerkarte bereitgestellt. Mithilfe dieses Systemmodells führten wir umfangreiche Simulationen auf dem Desktop durch und variierten dabei interne Parameter wie Zuggeschwindigkeit und Waggonbeladung sowie externe Bedingungen wie Gleisneigung und -krümmung. Wir verwendeten MATLAB, um die Simulationsergebnisse zu visualisieren, darunter die vom Steueralgorithmus erzeugte wirkende Traktions- und Bremskraft (Abbildung 2) sowie die Geschwindigkeit während des Bremsens (Abbildung 3) und die Kupplungskraft (Abbildung 4). Die Simulationsergebnisse bestätigten nicht nur die Funktionslogik des Algorithmus, sondern lieferten auch Informationen für die Verfeinerung des Steuerungsdesigns. Tatsächlich hat die Möglichkeit, ODE-Diagramme und andere Grafiken im Batchverfahren mit MATLAB zu erstellen, zu einer Steigerung unserer Gesamteffizienz um 80% beigetragen.

Überprüfung der Echtzeitleistung mit HIL-Tests

Nachdem wir mit der grundlegenden Funktionalität des Steueralgorithmus, die durch eine Desktop-Simulation validiert wurde, zufrieden waren, konnten wir mit den Echtzeit-HIL-Tests beginnen. Für diese Phase des Projekts haben wir Simulink Desktop Real-Time™ verwendet, um das Simulink -Zugmodell mit dem eingebetteten MATLAB -Funktionsblock auf einem Laptop auszuführen. Wir haben das Steuerungsmodell auf einem STMicroelectronics^® STM32 Nucleo-Board mit dem STMicroelectronics Nucleo Support Package implementiert. Der Laptop und die STM32-Platine wurden über eine serielle USB-Verbindung miteinander verbunden und die Platine wurde direkt mit elektromagnetisch betätigten Lufteinlass- und -auslassventilen für den Bremszylinder verbunden.

Bei der Durchführung von Tests mit diesem HIL-Aufbau haben wir die Veränderung des Luftdrucks im Bremszylinder während des Bremsvorgangs in verschiedenen Szenarien überwacht und die Betätigung der Einlass- und Auslassventile beobachtet. Während sich unsere Desktop-Simulationen vor allem auf die Grundfunktionalität des Controllers und seine Bremskraftabgabe konzentrierten, konzentrierten sich unsere HIL-Tests auf die Echtzeitleistung des Controllers und seine Integration mit echter Hardware, insbesondere auf die Einstellung des Schaltzustands der magnetisch betätigten Ventile. Die Möglichkeit, Druckänderungen und Ventilbetätigungen während des simulierten Zugbetriebs in Echtzeit zu beobachten, lieferte wertvolle Erkenntnisse darüber, wie sich der Controller unter realen Bedingungen verhalten würde.

Nächste Schritte

Mithilfe der HIL-Testplattform, die wir mit MATLAB, Simulink und Simulink Desktop Real-Time erstellt haben, konnten wir nachweisen, dass unser verteilter kooperativer Bremsalgorithmus in einer Echtzeit-Betriebsumgebung funktional einwandfrei ist. Während wir den Algorithmus weiter verfeinern und verbessern, planen wir auch Verbesserungen an der Simulations- und HIL-Umgebung. Beispielsweise erforschen wir Möglichkeiten, die Verwendung von Simulink mit Simscape™ zu erweitern, um den Zugmotor zu modellieren und schließlich einen physischen Prüfstand zur Simulation der Zugbewegung zu bauen.