Verifica di un nuovo algoritmo di frenata distribuita per treni ad alto carico con test Hardware-in-the-Loop

Quando, diversi decenni fa, fu introdotto il sistema frenante ferroviario pneumatico a controllo elettronico (ECP), vennero affrontate diverse carenze dei tradizionali sistemi frenanti ad aria. I vecchi sistemi frenanti, che si basavano sulla propagazione della pressione dell'aria attraverso la condotta dei freni del treno, soffrivano di ritardi nell'attivazione dei freni, forze frenanti irregolari e un significativo impulso longitudinale che aumentava la sollecitazione sui giunti e prolungava le distanze di arresto. I sistemi frenanti ECP risolvono questi problemi utilizzando segnali elettronici per attivare simultaneamente i freni su tutte le auto.

Sebbene la possibilità di attivare simultaneamente i freni su tutte le auto tramite segnali elettronici rappresenti un importante progresso, l'ECP presenta anche una serie di carenze. Manca di adattabilità, applicando la stessa forza frenante indipendentemente dal carico della carrozza e dal terreno. Una strategia nota come controllo a recinzione, che prevede la divisione di un treno in segmenti (o "recinzioni") e l'applicazione di frenata indipendente a ciascun segmento, può essere utile, ma richiede una notevole larghezza di banda per gestire l'aumento del numero di segnali indipendenti inviati ai diversi segmenti del treno. Nel complesso, queste sfide non solo limitano la velocità e la capacità di carico, ma compromettono anche potenzialmente l'affidabilità e la sicurezza dei treni con carichi pesanti.

Presso la School of Information Science and Technology della Southwest Jiaotong University, abbiamo sviluppato un nuovo sistema di controllo della frenata cooperativa distribuita che affronta molte delle limitazioni fondamentali dei sistemi ECP. Grazie a questa progettazione distribuita, ogni carrozza è dotata di un proprio microcontrollore, risolvendo così i problemi di larghezza di banda e di comunicazione e consentendo di calcolare forze frenanti adattive in base alle caratteristiche specifiche della carrozza e al terreno attuale. Poiché testare un tale sistema su un treno reale del peso di 80 tonnellate o più sarebbe stato pericoloso e proibitivamente costoso, abbiamo utilizzato MATLAB^® e Simulink^® per verificare l'algoritmo di controllo del sistema tramite simulazione e test Hardware-In-the-Loop (HIL) (Figura 1). La capacità di verificare rapidamente le idee e le modifiche all'implementazione del controllo, inizialmente tramite simulazione desktop e poi tramite test HIL, ha reso l'intero processo di progettazione notevolmente più rapido, efficiente e conveniente rispetto agli approcci tradizionali.

Modellazione della dinamica dei treni ed esecuzione di simulazioni desktop

Prima di eseguire qualsiasi simulazione in circuito chiuso con il nostro algoritmo di controllo, avevamo bisogno di un modello della dinamica del treno. Per questa parte del progetto, inizialmente abbiamo utilizzato un pacchetto di terze parti di ingegneria assistita da computer (CAE) per la modellazione della dinamica dei treni. Abbiamo scoperto che questo pacchetto non era pratico per lo sviluppo di algoritmi di controllo, l'implementazione dell'hardware e i test HIL, per cui siamo passati a MATLAB.

Lavorando in MATLAB, abbiamo modellato la dinamica del treno utilizzando un insieme di oltre 200 equazioni differenziali ordinarie (ODE). I parametri chiave per queste ODE erano la velocità del treno e il carico di ogni carrozza. Per validare la nostra implementazione MATLAB, abbiamo confrontato i suoi risultati con quelli prodotti dal pacchetto CAE.

Successivamente, abbiamo creato un modello di sistema in Simulink, utilizzando un blocco funzione MATLAB per incorporare il modello di dinamica del treno MATLAB e l'algoritmo di controllo. Abbiamo implementato con successo l'algoritmo di controllo sulla scheda di controllo STM32 Nucleo tramite Simulink Coder™. Utilizzando questo modello di sistema, abbiamo eseguito simulazioni approfondite sul desktop, variando parametri interni, come la velocità del treno e il carico delle carrozze, nonché condizioni esterne, come la pendenza e la curvatura dei binari. Abbiamo utilizzato MATLAB per visualizzare i risultati della simulazione, tra cui la forza di trazione e frenata agente generata dall'algoritmo di controllo (Figura 2), nonché la velocità durante la frenata (Figura 3) e la forza dell'accoppiatore (Figura 4). I risultati della simulazione non solo hanno validato la logica funzionale dell'algoritmo, ma hanno anche fornito indicazioni per perfezionare la progettazione del controllo. Infatti, la capacità di generare grafici ODE e altri grafici in batch con MATLAB ha contribuito ad aumentare dell'80% la nostra efficienza complessiva.

Verifica delle prestazioni in tempo reale con i test HIL

Una volta soddisfatti della funzionalità di base dell'algoritmo di controllo, validata tramite simulazione su desktop, eravamo pronti per iniziare i test HIL in tempo reale. Per questa fase del progetto, abbiamo utilizzato Simulink Desktop Real-Time™ per eseguire il modello di treno in Simulink con il blocco funzione MATLAB incorporato su un laptop. Abbiamo distribuito il modello di controllo a una scheda STMicroelectronics^® STM32 Nucleo che utilizza il STMicroelectronics Nucleo Support Package. Il laptop e la scheda STM32 erano collegati tramite una connessione USB seriale, e la scheda era collegata direttamente alle valvole di aspirazione e scarico dell'aria azionate da elettromagneti per il cilindro dei freni.

Eseguendo i test con questa configurazione HIL, abbiamo monitorato la variazione della pressione dell'aria nel cilindro dei freni durante il processo di frenata in diversi scenari e osservato l'azionamento delle valvole di aspirazione e scarico. Mentre le nostre simulazioni su desktop erano principalmente focalizzate sulla funzionalità di base del controllore e sulla sua forza frenante in uscita, i test HIL erano incentrati sulle prestazioni in tempo reale del controllore e sulla sua integrazione con l’hardware reale, in particolare sull'impostazione dello stato di commutazione delle valvole azionate da elettromagneti. La possibilità di osservare le variazioni di pressione e l'azionamento delle valvole in tempo reale durante le operazioni simulate del treno ha fornito informazioni preziose sul comportamento del controller in condizioni reali.

Passaggi successivi

La piattaforma di test HIL che abbiamo costruito con MATLAB, Simulink e Simulink Desktop Real-Time ci ha permesso di dimostrare che il nostro algoritmo di frenatura cooperativa distribuita è funzionalmente valido in un ambiente operativo in tempo reale. Mentre continuiamo a perfezionare e migliorare l'algoritmo, stiamo anche pianificando di apportare miglioramenti alla simulazione e all'ambiente HIL. Ad esempio, stiamo esplorando modalità per estendere l'uso di Simulink con Simscape™ per modellare il motore del treno e, in seguito, costruire un banco di prova fisico per simulare il movimento del treno.