Vérification d'un nouvel algorithme de freinage distribué pour les trains à forte charge avec des tests Hardware-In-the-Loop

Lorsque le freinage ferroviaire pneumatique à commande électronique (ECP) a été introduit il y a plusieurs décennies, il a permis de remédier à un certain nombre d’insuffisances des systèmes de freinage pneumatique traditionnels. Les anciens systèmes de freinage, qui reposaient sur la propagation de la pression d'air dans la conduite de frein du train, souffraient de retards dans l'activation des freins, de forces de freinage inégales et d'impulsions longitudinales importantes qui augmentaient la contrainte sur les attelages et allongeaient les distances d'arrêt. Les systèmes de freinage ECP répondent à ces problèmes en utilisant des signaux électroniques pour activer les freins simultanément sur toutes les voitures.

Bien que la possibilité d’activer les freins simultanément sur toutes les voitures via des signaux électroniques constitue une avancée majeure, l’ECP présente également son propre lot de défauts. Il manque d'adaptabilité, appliquant la même force de freinage quelle que soit la charge du wagon et le terrain. Une stratégie connue sous le nom de fencing control ou contrôle par barrières— qui consiste à diviser un train en segments et à appliquer un freinage indépendant à chaque segment — peut être utile, mais nécessite une bande passante de communication importante pour gérer le nombre accru de signaux indépendants envoyés aux différents segments du train. Considérés ensemble, ces défis limitent non seulement la vitesse et la capacité de charge, mais compromettent également potentiellement la fiabilité et la sécurité des trains transportant de lourdes charges.

À la School of Information Science and Technology de Southwest Jiaotong University, nous avons développé un nouveau système de contrôle de freinage coopératif distribué qui répond à de nombreuses limitations fondamentales des systèmes ECP. Grâce à ce design distribué, chaque wagon est équipé de son propre microcontrôleur, ce qui résout les problèmes de bande passante et de communication et permet de calculer les forces de freinage adaptatives en fonction des caractéristiques spécifiques du wagon et du terrain actuel. Parce que tester un tel système sur un vrai train pesant 80 tonnes ou plus serait à la fois dangereux et excessivement coûteux, nous avons utilisé MATLAB^® et Simulink^® pour vérifier l'algorithme de contrôle du système via une simulation et des tests hardware-in-the-loop (HIL) (Figure 1). La capacité de vérifier rapidement les idées et les modifications de mise en œuvre du contrôle, initialement via une simulation desktop, puis via des tests HIL, a rendu l'ensemble de notre processus de design beaucoup plus rapide, plus efficace et plus rentable que les approches traditionnelles.

Modélisation de la dynamique des trains et exécution de simulations desktop

Avant d’exécuter des simulations en boucle fermée avec notre algorithme de contrôle, nous avions d’abord besoin d’un modèle de la dynamique du train. Pour cette partie du projet, nous avons initialement utilisé un progiciel d’ingénierie assistée par ordinateur (IAO) tiers pour la modélisation de la dynamique des trains. Constatant que ce package n'était pas pratique pour le développement d'algorithmes de contrôle, le déploiement de matériel et les tests HIL, nous avons ensuite opté pour MATLAB.

En travaillant dans MATLAB, nous avons modélisé la dynamique des trains à l'aide d'un ensemble de plus de 200 équations différentielles ordinaires (ODE). Les paramètres clés de ces ODE comprenaient la vitesse du train et la charge de chaque wagon. Pour valider notre implémentation MATLAB, nous avons comparé ses résultats aux résultats produits par le package CAE.

Ensuite, nous avons créé un modèle de système dans Simulink, en utilisant un bloc de fonction MATLAB pour intégrer le modèle de dynamique de train MATLAB et l'algorithme de contrôle. Nous avons déployé avec succès l'algorithme de contrôle sur la carte de contrôle STM32 Nucleo via Simulink Coder™. À l’aide de ce modèle de système, nous avons effectué des simulations approfondies sur le desktop, en faisant varier les paramètres internes, tels que la vitesse du train et la charge du wagon, ainsi que les conditions externes, telles que la pente et la courbure de la voie. Nous avons utilisé MATLAB pour visualiser les résultats de la simulation, y compris la force de traction et de freinage générée par l'algorithme de contrôle (Figure 2), ainsi que la vitesse pendant le freinage (Figure 3) et la force du coupleur (Figure 4). Les résultats de la simulation ont non seulement validé la logique fonctionnelle de l’algorithme, mais ont également permis d’affiner le design du contrôle. En fait, la possibilité de générer des tracés ODE et d’autres graphiques par lots avec MATLAB a contribué à une augmentation de 80 % de notre efficacité globale.

Vérification des performances en temps réel avec les tests HIL

Une fois que nous avons été satisfaits de la fonctionnalité de base de l’algorithme de contrôle, validée via une simulation desktop, nous étions prêts à commencer les tests HIL temps réel. Pour cette phase du projet, nous avons utilisé Simulink Desktop Real-Time™ pour exécuter le modèle de train Simulink avec le bloc de fonctions MATLAB intégré sur un ordinateur portable. Nous avons déployé le modèle de contrôle sur une Carte STM32 Nucleo de STMicroelectronics^® en utilisant le support package STMicroelectronics Nucleo. L'ordinateur portable et la carte STM32 étaient reliés via une connexion USB série, et la carte était directement connectée aux soupapes d'admission et d'échappement d'air à solénoïde pour le cylindre de frein.

En effectuant des tests à l'aide de cette configuration HIL, nous avons surveillé l'évolution de la pression d'air du cylindre de frein pendant le processus de freinage pour divers scénarios et observé l'actionnement des soupapes d'admission et d'échappement. Alors que nos simulations desktop étaient principalement axées sur les fonctionnalités de base du contrôleur et sa force de freinage, nos tests HIL étaient axés sur les performances temps réel du contrôleur et son intégration avec du hardware réel, en particulier sur le réglage de l'état de commutation des vannes à solénoïde. La capacité d'observer les changements de pression et l'actionnement des vannes en temps réel pendant les opérations de train simulées a fourni des informations précieuses sur la façon dont le contrôleur fonctionnerait dans des conditions réelles.

Prochaines étapes

La plate-forme de test HIL que nous avons construite avec MATLAB, Simulink et Simulink Desktop Real-Time nous a permis de prouver que notre algorithme de freinage coopératif distribué est fonctionnellement solide dans un environnement d'exploitation temps réel. Alors que nous continuons à affiner et à améliorer l’algorithme, nous prévoyons également des améliorations de la simulation et de l’environnement HIL. Par exemple, nous explorons des moyens d’étendre l’utilisation de Simulink avec Simscape™ pour modéliser le moteur du train et pour éventuellement construire un banc d’essai physique pour simuler le mouvement du train.