이 페이지는 기계 번역되었습니다.
번역 품질에 대한 1분 설문 조사에 참여해 주세요.
고객 인사이트
저자:
Southwest Jiaotong University는 기존 ECP 철도 제동의 한계를 해결할 수 있는 분산형 협력 제동 제어 시스템을 개발했습니다. 이 시스템에서는 각 객차마다 자체 마이크로컨트롤러를 장착하여 하중 및 지형에 따라 적응형 제동이 가능하도록 함으로써 대역폭 및 통신 문제를 극복할 수 있습니다.
주요 성과:
"데스크톱 시뮬레이션을 통해 제어 구현 아이디어와 변경 사항을 빠르게 검증하고 이후 HIL 테스트를 통해 검증할 수 있는 능력 덕분에 전체 설계 프로세스가 기존 방식보다 훨씬 빠르고 효율적이며 비용 효율적이 되었습니다."
수십 년 전 ECP(전자제어공압) 철도 제동이 도입되면서 기존 공기제동 시스템의 여러 단점이 해결되었습니다. 열차의 브레이크 파이프를 통해 공기압이 전파되는 방식에 의존하는 기존의 제동 시스템은 브레이크 작동이 지연되고, 제동력이 고르지 못하며, 연결기 에 가해지는 응력이 커지고 정지 거리가 늘어나는 상당한 종방향 충격이 발생하는 문제가 있었습니다. ECP 제동 시스템은 전자 신호를 사용하여 모든 차량의 브레이크를 동시에 작동시켜 이러한 문제를 해결합니다.
전자 신호를 통해 모든 차량의 브레이크를 동시에 작동시키는 기능은 큰 발전을 이루었지만 ECP에도 나름의 단점이 있습니다. 적응성이 부족하여 마차 하중 및 지형에 관계없이 동일한 제동력을 적용합니다. 열차를 여러 구간(또는 "울타리")으로 나누고 각 구간에 독립적인 제동을 적용하는 펜싱 제어로 불리는 전략이 도움이 될 수 있지만, 다른 열차 구간으로 전송되는 독립적인 신호의 수가 증가함에 따라 이를 관리하기 위해 상당한 통신 대역폭이 필요합니다. 이러한 과제를 종합해 보면, 속도와 중량 용량을 제한할 뿐만 아니라, 무거운 하중을 싣고 운행하는 열차의 신뢰성과 안전성을 잠재적으로 손상시킬 수도 있습니다.
서남교통대학 정보과학기술부에서는 ECP 시스템의 근본적인 한계를 해결하는 새로운 분산형 협력 제동 제어 시스템을 개발했습니다. 이러한 분산형 설계를 통해 각 캐리지에 자체 마이크로컨트롤러가 장착되어 대역폭과 통신 문제를 해결하고 캐리지의 특정 특성과 현재 지형에 따라 적응형 제동력을 계산할 수 있습니다. 무게가 80톤 이상인 실제 열차에서 이러한 시스템을 테스트하는 것은 안전하지 않을 뿐만 아니라 엄청난 비용이 들 것이기 때문에 우리는 MATLAB® 및 Simulink®를 시뮬레이션과 HIL(Hardware-in-the-Loop) 테스트를 통해 시스템의 제어 알고리즘을 검증했습니다. (그림 1) 데스크톱 시뮬레이션을 통해, 그다음에는 HIL 테스트를 통해 제어 구현 아이디어와 변경 사항을 신속하게 검증할 수 있는 기능 덕분에 전체 설계 프로세스가 기존 방식보다 훨씬 빠르고 효율적이며 비용 대비 효과적이 되었습니다.
그림 1. 스코프, 실린더, 흡기 및 배기 밸브, STM32 제어 보드를 포함한 HIL 테스트 설정.
제어 알고리즘을 사용하여 폐루프 시뮬레이션을 실행하기 전에 먼저 열차 동역학 모델이 필요했습니다. 이 프로젝트의 이 부분에서 우리는 처음에 열차 동역학 모델링을 위해 타사의 CAE(컴퓨터 지원 공학) 패키지를 사용했습니다. 이 패키지가 제어 알고리즘 개발, 하드웨어 배포, HIL 테스트에 불편하다는 것을 알게 된 후 MATLAB으로 전환했습니다.
우리는 MATLAB에서 작업하면서 200개 이상의 ODE(상미분 방정식)을 사용해 열차 동역학을 모델링했습니다. 이러한 ODE의 주요 파라미터에는 열차 속도와 각 객차의 하중이 포함되었습니다. MATLAB 구현의 유효성을 검증하기 위해 CAE 패키지에서 생성된 결과와 결과를 비교했습니다.
다음으로, MATLAB Function 블록을 사용하여 MATLAB 열차 동역학 모델과 제어 알고리즘을 통합하여 Simulink에서 시스템 모델을 만들었습니다. 우리는 Simulink Coder™를 통해 STM32 Nucleo 제어 보드에 제어 알고리즘을 성공적으로 배포했습니다. 이 시스템 모델을 사용하여 열차 속도, 객차 하중과 같은 내부 파라미터와 궤도 경사 및 곡률과 같은 외부 조건을 변경하여 데스크톱에서 광범위한 시뮬레이션을 실행했습니다. 우리는 MATLAB을 사용해 제어 알고리즘에 의해 생성된 작용 견인력과 제동력(그림 2), 제동 중의 속도(그림 3) 및 연결기 충격력(그림 4)을 비롯한 시뮬레이션 결과를 시각화하였습니다. 시뮬레이션 결과는 알고리즘의 기능적 논리를 검증할 뿐만 아니라 제어 설계를 개선하는 데도 도움이 되었습니다. 실제로 MATLAB으로 ODE 플롯과 기타 그래프를 일괄적으로 생성하는 기능은 전반적인 효율성을 80% 높이는 데 기여했습니다.
그림 2. 기복이 심한 조건에서 중량화물 열차의 제동력에 대한 제어 곡선입니다.
그림 3. 장거리 내리막길 제동 속도(하중: 30,000톤, 초기 속도 80km/h).
그림 4. 장거리 내리막길 제동의 연결기 충격력(하중: 20,000톤, 초기속도 120km/h).
데스크톱 시뮬레이션을 통해 검증한 제어 알고리즘의 기본 기능에 만족한 후, 실시간 HIL 테스트를 시작할 준비가 되었습니다. 이 프로젝트 단계에서는 Simulink Desktop Real-Time ™을 사용하여 노트북에서 임베디드 MATLAB Function 블록으로 Simulink 열차 모델을 실행했습니다. 우리는 STMicroelectronics Nucleo 지원 패키지를 사용해 STMicroelectronics® STM32 Nucleo 보드에 제어 모델을 배포했습니다. 노트북과 STM32 보드는 직렬 USB 연결을 통해 연결되었으며, 보드는 브레이크 실린더의 솔레노이드 작동 공기 흡입 및 배기 밸브에 직접 연결되었습니다.
이러한 HIL 설정을 사용하여 테스트를 실행하면서 다양한 시나리오에 대해 제동 과정 중 브레이크 실린더 공기압의 변화를 모니터링하고 흡기 및 배기 밸브의 작동을 관찰했습니다. 데스크톱 시뮬레이션이 주로 제어기의 기본 기능과 제동력 출력에 초점을 맞춘 반면, HIL 테스트는 제어기의 실시간 성능과 실제 하드웨어와의 통합, 특히 솔레노이드 작동 밸브의 스위치 상태 설정에 초점을 맞췄습니다. 시뮬레이션된 열차 운행 중 압력 변화와 실시간 밸브 작동을 관찰할 수 있는 능력은 제어기가 실제 상황에서 어떻게 작동하는지에 대한 귀중한 통찰력을 제공했습니다.
MATLAB, Simulink 및 Simulink Desktop Real-Time을 사용해 구축한 HIL 테스트 플랫폼을 통해 분산 협력 제동 알고리즘이 실시간 운영 환경에서 기능적으로 안정적임을 입증할 수 있었습니다. 우리는 알고리즘을 지속적으로 개선하고 다듬어 나가는 한편, 시뮬레이션과 HIL 환경을 개선할 계획입니다. 예를 들어, 우리는 Simulink와 Simscape™를 함께 사용하여 열차 모터를 모델링하고 결국에는 열차 운동을 시뮬레이션하는 물리적 테스트벤치를 구축하는 방법을 모색하고 있습니다.
2025년 기고
