1 引 言
隨著我國國民經濟的蓬勃發展和人民生活水平的日益提高，鐵路的客、貨運量將越來越大，列車牽引重量與運行速度將不斷提高。高速客運及重載貨運列車的發展對列車制動系統提出了更高更新的要求。
國外發達國家都是采用微機應用先進控制理論實現對機車制動氣缸的精確控制。而在我國機車上廣泛使用的DK-l和JZ-7型制動機只能對機車實現一些簡單的邏輯控制功能，不能實現對機車制動缸和均衡風缸的閉環控制，難以滿足機車制動控制的需要。隨著電子技術及微機控制技術應用的日漸成熟，有必要應用現代電子技術和先進的控制理論，利用微機的強大功能實現對機車的精確制動。 目前世界各國鐵路絕大多數仍采用空氣制動，要實現對氣體壓力的控制，特別是小流量壓力控制，就應考慮明顯的非線性和不確定性。另外，負載的不確定性導致了整個系統模型的不確定，經典的控制方法及依賴于具體數學模型的現代控制理論都難以實現系統控制的要求，在這種情況下，將智能控制方法和常規控制方法相結合有望取得更好的控制效果。
本文介紹了一種基于智能脈沖寬度調制(Pulse WidthModulation，PWM)控制的機車制動控制單元的設計和實現方法。對制動機氣缸的高速電控閥實王見PWM控制，也就是通過調節信號的占空比米實現對高速電控閥一定周期內開閉時間的控制。
通過建立機車制動機氣缸模糊控制規則，運用模糊推理來實現PID控制，從而實現了機車的精確制動。這樣就有效解決了目前我國的DK-1和JZ-7型制動機不能實現精確制動的問題，對提高我國機車的安全運行和信息化程度有著極大的促進作用。
2 系統硬件結構
機車制動控制單元(Brake Control Unit，BCU)主要分為以下幾個部分：模擬量輸入、模擬量輸出、數字量輸入、數字量輸出、PWM輸出、微處理器部分以及與外圍部分的通信等，系統整體結構圖如圖1所示。
其中模擬量輸入部分主要是包括傳感器模擬信號預處理和A／D轉換，信號預處理主要是將從傳感器上獲得的4～20 mA電流信號轉換為A／D轉換所需要的電壓信號。通過處理，我們就可以得到氣缸壓力，A／D轉換的精度直接關系到氣缸壓力控制的精度。為了滿足控制的需要，在本系統中選用了16位的A／D轉換芯片，采樣實驗表明，采樣值偏差很小，在允許的誤差范圍內。
微機處理部分實際上包含了2個微處理器，一個是單片機，另外一個是PC104。他們實現不同的功能，他們之間通過雙口RAM實現高速數據通信。單片機主要是實現對模擬量A／D轉換控制、D／A轉換控制以及智能PWM控制等。由于PC104功能強大，能夠實現更強大的數據處理功能。PC104主要是將獲得的數字輸入量通過數據處理后輸出數字量。另外，通過PC104快速數據處理和軟件的強大功能還使制動控制單元具有機車制動機監控及故障檢測、診斷、顯示、告警、記錄、單機自動測試等功能。在本系統中，實現對氣缸壓力的精確控制是由單片機來完成的，PC104通過對各種信號如模擬量、數字量等信號的處理得到需要氣缸所需要達到的壓力值，單片機通過雙口RAM得到壓力值，應用智能PWM控制實現對壓力的精確控制，這一部分將在下面章節進行詳細介紹。
3 分段控制
為了實現對機車制動機氣缸既能精確控制，又能夠快速達到目標值，我們對氣缸壓力實行分段控制。單片機有4路開關量輸出，分別對應制動缸的進氣閥、放氣閥和均衡風缸的進氣閥、放氣閥，輸出1代表打開閥門，0代表關閉閥門。我們以pt表示壓力目標值，pi表示當前氣缸壓力值，E表示偏差值。所以，有E=pi-pt。M1，M2表示壓力偏差的絕對值，其中M1>M2，M1表示在接近目標值的一個值，M2表示允許的最大誤差，分段控制規則如表1所示。
4 智能PWM控制
4.1 智能PID介紹
PID控制是較早發展起來的控制策略之一，由于算法簡單、魯棒性好、可靠性高而廣泛用于過程控制和運動控制中，尤其適用于能建立精確數學模型的控制系統。但由于實際工業生產過程往往是非線性和時變不確定性的，難以建立精確的數學模型，因此常規PID控制器很難達到理想控制效果。
近年來，智能控制無論是理論上還是技術應用上均得到了長足的發展，隨之不斷涌現將智能控制方法和常規PID控制方法融合在一起的新方法，形成了許多智能PID控制器。這些智能控制器不僅具備自學習、自適應、自組織的能力，而且還有常規PID控制器結構簡單、魯棒性強、可靠性高、為現場工程設計人員所熟悉等特點。目前主要有4種智能PID控制：基于專家智能PID控制、基于模糊推理的PID控制、基于神經網絡的PID控制、基于遺傳算法的PID控制。
在本系統中，采用基于模糊推理的PID控制來實現對機車制動氣缸壓力的精確控制。基于模糊推理的PID控制就是運用Fuzzy Sets理論和方法將操作人員或者專家的整定經驗和技術知識總結成為Fuzzy規則模型，形成微機的查詢表格及解析式，根據系統的實際響應情況，運用模糊推理來實現PID控制。在PID控制算法基礎上增加求采樣時刻的偏差E和偏差變化率Ec，參數的Fuzzy自校正思想是根據被控對象的響應在采樣時刻的E和Ec來確定kP，k1，kD三參數修正的方向和大小。其算法過程是利用對應的規則集將控制指標模糊化，然后利用他與知識庫中的模糊規則進行匹配，如有規則被匹配，則執行該規則的結果部分，就可以得到相應的參數修正值。其結構圖如圖2所示。
4.2 模糊PID控制器設計
控制系統的PID算法是根據壓力目標值與實際值之差的比例值、積分值、微分值來確定控制量的大小。其算式為：
式中，e(t)，e(t-1)分別為第t次及第t-1次采樣偏差值；pout(t)為第t次的控制量輸出值；kP，kI，kD分別為比例系數、積分系數和微分系數。合適的kP，kI，kD參數直接關系到控制的精度。
根據模糊數學的理論和方法，將在現場獲得的調試經驗和技術知識總結成為IF(條件)、THEN(結果)形式的模糊推理規則，并把這些模糊規則及相關信息(如初始的PID參數)存入計算機。根據檢測回路的響應情況，計算出采樣時刻的偏差E和變化率Ec，運用模糊推理，進行模糊運算，即可得到該時刻的kP，kI，kD，實現對PID參數的最佳調整。
Fuzzy-PID就是根據現場調試得到在PID參數預整定值k′P，k′I，k′D，再利用模糊規則實時在線整定PID控制器的三個修正參數△kP，△kI和△kD，實現對壓力的優化控制。模糊控制器的輸入、輸出變量都是精確量，模糊推理是針對模糊量進行的，因此控制器首先要對輸入量進行模糊化處理。在所設計的Fuzzy-PID控制器中，輸入、輸出變量的語言值均分為7個語言值：{NB，NM，NS，0，PS，PM，PB}，他們分別代表負大、負中、負小、零、正小、正中和正大。隸屬度函數采用靈敏性強的三角函數，如圖3所示。
偏差E的基本論域為[-5 kPa，+5 kPa]，偏差變化率Ec的基本論域為[-0.5，+0.5]，△kP的基本論域為[-1，1]；△kI的基本論域為[-0.002，0.002]；△kD的基本論域為[-1，1]。以上各變量的模糊量分別為E，Ec，△kP，△kI和△kD，其論域均為[-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6]。輸入量E，Ec的量化因子為：ke=1.2，kec=12。
總結工程設計人員的技術知識和實際操作經驗，得到了針對kP，kI，kD三個參數分別整定的模糊控制表，見表2、表3和表4。
在本系統中，根據偏差E和偏差變化率Ec，取得相應的語言值，根據表1～表3的整定規則表，經過公式法模糊決策，分別得到3個修正參數△kP，△kI，△kD的模糊量，然后△kP，△kI，△kD要進行去模糊化取得精確量，去模糊化有幾種方法，一般用重心法比較合適，由公式可得：
其中u為模糊判決后的輸出量，uN(xi)為隸屬度函數，xi為論域中的元素。
然后由此得到各修正參數：
其中ku為輸出量的比例因子：
經過上述過程，可以得到模糊控制器的3個參數：
5 軟件實現
在系統控制電路中，單片機選用ATMEL公司的AT89C55，程序選用C51進行編寫。本系統主要模塊有主程序、T0中斷子程序、模糊PID算法子程序等。主程序流程如圖4所示，模糊PID算法的程序流程如圖5所示。
主程序進行一系列的初始化后循環等待中斷；T0產生2 ms定時中斷，T0中斷服務子程序對中斷次數計數，每50次中斷(100 ms)為一個控制周期，每一個控制周期讀入當前氣缸壓力采樣值，調用模糊PID子程序對氣缸壓力進行精確控制。
6 結 語
基于智能PWM控制的制動控制單元具有以下特點：
(1) 系統充分利用了單片機和PC104的軟硬件，系統結構簡單、可靠性高、抗干擾能力強。
(2) 系統通過模糊PID算法由單片機產生PWM信號實現對機車制動缸和均衡風缸的壓力控制，系統調壓范圍廣，動、靜態性能好、控制精度高、自適應能力強。
通過在株洲電力機車廠對制動機的調試表明，基于智能PWM控制的制動控制單元對機車制動機制動缸和均衡風缸的控制精度可達到±0.5 kPa，可以滿足電力機車制動控制的需要。