城市軌道交通環境控制系統控制策略的探討摘 要:簡要介紹了城市軌道交通環境控制系統的作用,對其系統結構進行了分析,并著重研究以神經網絡作為控制方法的控制方案可行性;同時通過建立數學模型來研究神經網絡應用于城市軌道交通環境控制系統具有良好的控制效果。關鍵詞:城市軌道交通;環境控制系統;神經網絡 城市軌道交通環境就是指影響乘客和操作人員舒適性的一切環境因素,包括溫度、濕度、空氣流動、噪音、灰塵、氣味以及振動頻率等方面。城市軌道交通系統中有許多機電設備、車輛運行發熱、旅客散熱、新鮮空氣帶入的熱量等,使系統的溫、濕度逐步升高,在某些站臺和通道中乘客還要忍受較高風速的干擾。為了改善城市軌道交通的環境,許多城市都安裝了空調、通風設備,組成了環境控制系統。環境控制系統的啟用,降低了城市軌道交通系統的溫、濕度,提高了空氣質量。1 城市軌道交通環境控制系統分析 城市軌道交通環境控制系統的設計按兩級管理、晝夜有人值班的方式進行設置。第一級為中央級,作為防災控制中心,設于一期工程控制中心大樓中央控制室內;第二級為車站級,作為本地防災控制室,設于一期工程各車站、車輛段、主變電所、控制中心大樓,除控制中心大樓、車輛段單獨設置防災控制室外,其它地方采用與值班室合設的方式,各車站的防災控制室與車站控制室合設。
系統中央級與車站級間的信息交換,利用通信系統提供的通信通道進行及時、可靠的傳輸。為了避免設備重復設置,在滿足防災需要的前提下,本系統利用各車站平時的閉路電視、廣播、電話(消防專用電話除外)。 基于城市軌道交通環境控制系統智能化控制的需要,在軸流風機的風量、風壓滿足環控標準的前提下,如何進行智能控制的研究成為關鍵。在滿足站臺及站廳的必要新風量的條件下,借助于變頻技術,采用變風量送風的智能化環境控制方式是關系城市軌道交通能否正常運行的關鍵。2 城市軌道交通環境控制系統可采用的控制策略 尋求一種合理的環境控制規律,直接應用于現場的控制設備上,不僅能降低成本,安全性好,有利于維護;而且各種設備、線纜間的通訊將非常方便;同時對于實現智能控制能提供合理可行的方案。近年來,神經網絡廣泛應用于控制領域,并形成了新的控制方法,只要網絡結構合適,它能近似任何的非線性函數,與傳統控制方法相比,具有:(1)非線性(2)學習和自適應性(3)多變量系統。 BP神經網絡(BackpropagationNN)是一單向傳播的多層前向網絡,一般由輸入層、中間層(隱層)和輸出層組成,中間隱層可有若干層,網絡除輸入輸出節點外,有一層或多層隱節點,同層節點之間沒有任何耦合。輸入信號從輸入層節點,依次經過各隱層節點,然后傳到輸出層節點,每一層節點的輸出只影響下一層節點的輸入。其單元特性(傳遞函數)通常為S型(sigmoid函數),但在輸出層中,節點的單元特性有時為線性。在現場控制中,考慮到可編程邏輯控制器的容量,因此神經網絡的控制算法不可能太復雜,節點的數目應綜合比較和分析學習誤差、泛化能力,并要考慮網絡的復雜程度,以期達到較為優化和簡潔的神經網絡預測控制算法。圖2表示為一個有M個輸入,單個輸出,x個節點的單個隱層的三層簡單的BP網絡。m為輸入節點個數,am為系統輸入值,ti、rj為相應的閾值,n為樣本對數。 f(x)是激勵函數,也稱為傳遞函數或活躍規則,其功能是對神經元的輸入產生相應的反應。S函數輸出曲線兩端平坦,中間部分變化劇烈,與階躍函數相似,但是一個連續非遞減函數,具有可微分性和飽和非線性特性,增強了網絡的非線性映射能力;另一方面,S函數更加接近生物神經元的信號輸出形式,所以常被采用為激勵函數。 控制系統模擬采用只含一個隱含層的三層BP網絡。具有足夠多隱含單元的三層BP神經網絡可以記憶任何多個樣本;對于給定的樣本集,三層BP神經網絡的隱含單元數必須在一定范圍內才能較滿意地記憶所有樣本。要對一個被控對象進行控制,須為其建立一個合適的數學模型,但過多的變量必然使模型過于復雜,反而不利于問題的解決。對于城市軌道交通環境控制系統來說,影響環控系統變頻通風風量改變的因素包括站臺層空氣濕度;站廳層空氣、濕度;室外干濕球溫度;人員密度;機車運行密度附加活塞風等。 考慮到模擬的可行性,我們可以假設:(1)城市軌道交通內外環境無直接熱傳遞;(2)城市軌道交通內部各點溫度趨于均勻;(3)忽略城市軌道交通內部的熱容影響。因此,以站臺溫、濕度;室外干球溫度;人員密度;機車運行密度、活塞風量作為神經網絡的輸入層參數,輸出層參數僅為風量,隱層節點個數設定為5個。具體的神經網絡結構模擬流程如下:(1)選定BP神經網絡NN的結構,即選定輸入層節點數M和隱含層節點數Q,并給出各層權系數的初值ωij(2) 、ωli(3)(0),選定學習速率η和平滑因子α;(2)對輸入變量進行歸一化處理,作為NN的輸入; (3)根據公式,前向計算NN的各層神經元的輸入和輸出;(4)根據性能指標函數來計算誤差,若誤差滿足要求,則結束,否則繼續;(5)計算修正輸出層的權系數ωli (k) ;(6)計算修正隱含層的權系數ωij(k) ; (7)置k=k+1,返回到23結論 城市軌道交通環境控制系統是一個具有強耦合、非線性和參數時變的復雜多變量控制系統,城市軌道交通中環境控制費用約為總費用的8%-10%,進一步研究以神經網絡-PID技術或以模糊神經網絡為控制方案的城市軌道交通智能化環境控制技術將獲得良好的節能效果。參考文獻:[1] 朱軍,我國城市軌道交通發展問題探討北京城市規劃建設,2002.2[2] 王永驥等,神經元網絡控制,機械工業出版社,1998.2[3] 劉晨暉,多變量過程控制系統解耦理論,水利水電出版社,1984.11
系統中央級與車站級間的信息交換,利用通信系統提供的通信通道進行及時、可靠的傳輸。為了避免設備重復設置,在滿足防災需要的前提下,本系統利用各車站平時的閉路電視、廣播、電話(消防專用電話除外)。 基于城市軌道交通環境控制系統智能化控制的需要,在軸流風機的風量、風壓滿足環控標準的前提下,如何進行智能控制的研究成為關鍵。在滿足站臺及站廳的必要新風量的條件下,借助于變頻技術,采用變風量送風的智能化環境控制方式是關系城市軌道交通能否正常運行的關鍵。2 城市軌道交通環境控制系統可采用的控制策略 尋求一種合理的環境控制規律,直接應用于現場的控制設備上,不僅能降低成本,安全性好,有利于維護;而且各種設備、線纜間的通訊將非常方便;同時對于實現智能控制能提供合理可行的方案。近年來,神經網絡廣泛應用于控制領域,并形成了新的控制方法,只要網絡結構合適,它能近似任何的非線性函數,與傳統控制方法相比,具有:(1)非線性(2)學習和自適應性(3)多變量系統。 BP神經網絡(BackpropagationNN)是一單向傳播的多層前向網絡,一般由輸入層、中間層(隱層)和輸出層組成,中間隱層可有若干層,網絡除輸入輸出節點外,有一層或多層隱節點,同層節點之間沒有任何耦合。輸入信號從輸入層節點,依次經過各隱層節點,然后傳到輸出層節點,每一層節點的輸出只影響下一層節點的輸入。其單元特性(傳遞函數)通常為S型(sigmoid函數),但在輸出層中,節點的單元特性有時為線性。在現場控制中,考慮到可編程邏輯控制器的容量,因此神經網絡的控制算法不可能太復雜,節點的數目應綜合比較和分析學習誤差、泛化能力,并要考慮網絡的復雜程度,以期達到較為優化和簡潔的神經網絡預測控制算法。圖2表示為一個有M個輸入,單個輸出,x個節點的單個隱層的三層簡單的BP網絡。m為輸入節點個數,am為系統輸入值,ti、rj為相應的閾值,n為樣本對數。 f(x)是激勵函數,也稱為傳遞函數或活躍規則,其功能是對神經元的輸入產生相應的反應。S函數輸出曲線兩端平坦,中間部分變化劇烈,與階躍函數相似,但是一個連續非遞減函數,具有可微分性和飽和非線性特性,增強了網絡的非線性映射能力;另一方面,S函數更加接近生物神經元的信號輸出形式,所以常被采用為激勵函數。 控制系統模擬采用只含一個隱含層的三層BP網絡。具有足夠多隱含單元的三層BP神經網絡可以記憶任何多個樣本;對于給定的樣本集,三層BP神經網絡的隱含單元數必須在一定范圍內才能較滿意地記憶所有樣本。要對一個被控對象進行控制,須為其建立一個合適的數學模型,但過多的變量必然使模型過于復雜,反而不利于問題的解決。對于城市軌道交通環境控制系統來說,影響環控系統變頻通風風量改變的因素包括站臺層空氣濕度;站廳層空氣、濕度;室外干濕球溫度;人員密度;機車運行密度附加活塞風等。 考慮到模擬的可行性,我們可以假設:(1)城市軌道交通內外環境無直接熱傳遞;(2)城市軌道交通內部各點溫度趨于均勻;(3)忽略城市軌道交通內部的熱容影響。因此,以站臺溫、濕度;室外干球溫度;人員密度;機車運行密度、活塞風量作為神經網絡的輸入層參數,輸出層參數僅為風量,隱層節點個數設定為5個。具體的神經網絡結構模擬流程如下:(1)選定BP神經網絡NN的結構,即選定輸入層節點數M和隱含層節點數Q,并給出各層權系數的初值ωij(2) 、ωli(3)(0),選定學習速率η和平滑因子α;(2)對輸入變量進行歸一化處理,作為NN的輸入; (3)根據公式,前向計算NN的各層神經元的輸入和輸出;(4)根據性能指標函數來計算誤差,若誤差滿足要求,則結束,否則繼續;(5)計算修正輸出層的權系數ωli (k) ;(6)計算修正隱含層的權系數ωij(k) ; (7)置k=k+1,返回到23結論 城市軌道交通環境控制系統是一個具有強耦合、非線性和參數時變的復雜多變量控制系統,城市軌道交通中環境控制費用約為總費用的8%-10%,進一步研究以神經網絡-PID技術或以模糊神經網絡為控制方案的城市軌道交通智能化環境控制技術將獲得良好的節能效果。參考文獻:[1] 朱軍,我國城市軌道交通發展問題探討北京城市規劃建設,2002.2[2] 王永驥等,神經元網絡控制,機械工業出版社,1998.2[3] 劉晨暉,多變量過程控制系統解耦理論,水利水電出版社,1984.11
