首页/文章/ 详情

对抗不确定性:高速列车受电弓如何实现鲁棒性优化?

1天前浏览27
摘要:为提升高速列车受电弓在不确定性外部扰动场景下的动力学性能,保证稳定可靠的电能输送,对受电弓各部件质量、弓头弹簧刚度、阻尼系数、升弓气囊刚度及阻尼系数等动力学参数进行了优化。建立受电弓弓-网-流耦合系统动力学模型,并对受电弓关键动力学参数进行提取;采用DOE(design of experiments) 分析方法研究各参数对受电弓动力学性能的影响,筛选出敏感参数;引入代理模型技术,建立能够反映受电弓动力学参数与动力学性能关联关系的高精度代理模型;基于代理模型对受电弓的动力学参数进行快速优化,获取考虑多重指标的受电弓动力学参数组合的Pareto 非占优解集;综合考虑接触网参数不确定、受电弓参数不确定等不确定性因素,从鲁棒性角度对非占优解进行进一步评估,从而确定受电弓动力学参数的最优配置。仿真结果表明:受电弓优化配置方案较原始方案,弓网性能的各项评价指标均有一定程度改善,并且优化后的受电弓方案对不确定性因素的抗干扰能力有了一定的提升。
关键词:受电弓;动力学参数;代理模型;优化;不确定性;鲁棒性

突破不确定性干扰|高速列车受电弓动力学仿真与鲁棒性优化研究

高速列车飞驰的背后,电能的稳定输送是安全运行的核心保障。受电弓作为列车从接触网获取电能的关键设备,弓网受流质量直接决定列车运行的可靠性与安全性。随着列车运营速度不断提升,流致振动、零部件制造误差、部件老化磨损等各类不确定扰动不断加剧,如何让受电弓在复杂多变工况下依旧保持稳定受流,成为轨道交通领域亟待解决的技术难题。
近期,由中车工业研究院(青岛)有限公司、国家高速列车技术创新中心联合完成的《考虑不确定性的高速列车受电弓动力学仿真与鲁棒性优化》一文,针对 CX‑GI040 型受电弓开展系统性研究,通过耦合仿真、参数筛选、代理模型、多目标优化 + 鲁棒性评估整套技术路径,实现受电弓动力学参数最优配置,提升受电弓对抗各类不确定扰动的能力。

一、现实痛点:传统优化很难适配真实复杂运营场景

受电弓依靠弓头滑板与接触网接触获取电流,接触力的大小、波动水平就是评判受流质量的核心标尺。国内外大量学者已经围绕受电弓动力学优化开展大量工作:多质量块归算模型分析、有限元仿真、弓头气动外形改型、主动 / 半主动控制等方向均产出丰硕成果。
但现有多数优化方案,是基于确定工况、确定载荷条件计算得到。真实线路运行环境充满不确定性:零部件制造公差、长期运行老化磨损、弓头滑板磨损、气动载荷波动、接触网参数离散变化,都会让原本表现优秀的优化方案性能下降,甚至出现接触力超限、离线等风险,尤其列车高速运行时该问题会被进一步放大。

简言之:实验室仿真条件下效果很好,放到真实线路上,受各种不确定因素干扰,性能就会打折扣。

为解决这一痛点,该研究不再只追求确定性工况下的性能最优,而是把不确定性扰动纳入优化全流程,追求 “鲁棒最优”,也就是让受电弓在参数存在波动时,依旧维持良好弓网动力学性能。

二、搭建弓‑网‑流耦合精细化仿真模型

研究对象为 CX‑GI040 型受电弓,该受电弓属于多连杆机构,包含弓头、平衡杆、上下臂杆、拉杆、气囊阻尼器、底架、绝缘子等部件;接触网采用国内典型 50m 跨距全补偿弹性链型悬挂系统。
传统研究广泛使用简化三质量块模型,会忽略拉杆机构细节,外流场载荷只能简化为集中力,仿真和真实工况偏差较大。 本文采用多软件联合仿真方案搭建弓‑网‑流耦合动力学模型
使用 Simpack 多体动力学软件建立受电弓多体模型,柔性梁建立三维接触网实体模型,采用非线性力元模拟弓头与接触网动态接触;
流体仿真计算受电弓外流场,提取各部件质心位置六向载荷时间历程;
将气动载荷时序数据映射加载到多体动力学模型对应部件,完整复现机械‑接触‑气动耦合效应,更贴近列车真实运行状态。

三、DOE 试验设计:筛选真正影响性能的关键参数

受电弓可调整动力学参数众多:各运动部件质量、弓头弹簧刚度阻尼、升弓气囊刚度阻尼、预压缩反力等,如果全部参与优化,计算规模会爆炸式增长。
研究采用DOE 试验设计方法 + 优化拉丁超立方采样,一共生成 300 组样本,定量评估 12 个设计参数对四大弓网评价指标(接触力最大值Fmax、最小值Fmin、平均值Fmean、标准差Fstd的贡献占比: 
✅ 弓网接触力最大值、最小值、平均值,主要受受电弓各构件质量影响;
接触力标准差(波动程度)绝大部分由弓头阻尼器阻尼系数决定; 
❌ 部分参数对全部指标影响微弱,属于非敏感参数,可以直接剔除,减少后续优化计算量。
经过敏感度筛选,剔除 4 个非敏感变量;弓头质量因为滑板耐磨工程约束,不参与优化,最终确定 7 个核心设计变量进入多目标优化环节。

四、代理模型 + NSGA‑Ⅱ 多目标优化,获取 Pareto 解集

弓‑网‑流耦合模型单次仿真耗时久,如果直接调用仿真模型迭代优化,计算成本极高。 研究采用二阶响应面代理模型,建立设计参数和弓网性能指标之间的显式映射关系,用代理模型替代原始耦合仿真模型,大幅降低计算开销。
经过精度校验,代理模型\(R^2\)均大于 0.83,平均误差、最大误差均满足工程使用标准,可以可靠预测受电弓动力学性能。
基于高精度代理模型,使用 NSGA‑Ⅱ 遗传算法开展多目标优化。 优化目标:最小化接触力最大值、接触力标准差,兼顾接触力均值、受电弓运动部件总质量; 约束条件:保障受流可靠性,强制\(F_{min}≥60\mathrm{N}\),\(F_{max}≤200\mathrm{N}\)。
算法迭代 120 次之后,得到一组 Pareto 非占优解集。

什么是 Pareto 非占优解:集 合中没有任何一个方案可以做到所有指标全部最优,一个指标提升往往会牺牲另一个指标,工程上需要结合实际需求进一步筛选最优方案。

五、鲁棒性评估:从众多最优解里挑出抗扰动最强方案

普通多目标优化得到的 Pareto 解,是在参数完全理想、没有制造和老化偏差的条件下得到。实际生产运行中,所有参数都会存在一定波动。
该研究引入六西格玛鲁棒性评价方法,假设设计参数在基准值 ±1% 范围内随机波动,统计每个 Pareto 方案在参数扰动下,各项弓网指标落在合格区间的概率,用 σ 水平衡量抗干扰能力:σ 数值越大,代表参数波动时性能越稳定,鲁棒性越好。
对 20 组 Pareto 候选方案开展鲁棒性仿真评估,最终选定7 号方案作为最终最优配置
优化前后关键指标对比
优化后,接触力最大值、平均值、标准差均明显下降;运动部件总质量仅增加 0.57 kg,相对于受电弓整机 175 kg 总重占比仅 0.33%,几乎不会带来额外车体负荷。 在参数发生波动的不确定工况下,该方案依旧可以保持较高合格概率,抗干扰能力显著优于原始方案,兼顾性能与鲁棒性。

六、研究核心结论

受电弓各部件质量对接触力最大、最小、平均值影响显著;弓头阻尼是控制接触力波动标准差的决定性参数,部分参数影响具备非线性特征;
二阶响应面代理模型可以精准表征受电弓参数‑性能映射关系,解决耦合仿真计算量大的工程痛点,配合 NSGA‑Ⅱ 算法得到多目标 Pareto 解集;
在多目标优化之后增加鲁棒性评估环节,把制造、老化带来的参数不确定性纳入评判标准,可以筛选出更适配真实线路工况的参数配置,避免 “仿真完美、现场翻车”;
经鲁棒优化后的受电弓,弓网接触力各项指标得到改善,同时面对参数扰动的抗干扰能力得到提升,可为高速受电弓工程设计提供重要参考。

📎论文信息:杨俊,王东镇,李新康,等。考虑不确定性的高速列车受电弓动力学仿真与鲁棒性优化 [J]. 机械设计,2026,43 (08):260‑268. 基金项目:山东省重大科技创新工程计划项目 (2021ZDPT02);国家重点研发计划资助项目 (2023YFB4302500)


💡写在最后: 轨道交通装备的设计,不只是理想仿真环境下做到性能最优,更要直面制造公差、部件老化、线路工况差异等现实不确定性。这套 “耦合仿真‑参数筛选‑代理模型多目标优化‑鲁棒校验” 完整流程,也可为其他轨道交通装备的稳健设计提供思路。


来源:MBD之家
Simpack振动非线性轨道交通多体动力学爆炸FMEA控制
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2026-09-05
最近编辑:1天前
多体仿真Simpack
硕士 | 技术顾问 Simpack 技术交流
获赞 70粉丝 733文章 71课程 5
点赞
收藏
作者推荐

Simpack 开创实时多体动力学

目录工程师眼中使用Simpack进行实时仿真的首次体验Simpack实时多体动力学Simpack代码导出|早期应用SimpackRealtime|我们用于实时多体仿真的现代方法那么,是什么让SimpackRealtime具有突破性?长期以来,在机械系统建模领域,尤其是在硬件在环(HIL)、驾驶员在环(DIL)以及虚拟原型设计等应用中,多体系统在实时环境中的仿真一直是一个目标。而Simpack通过引入多项关键技术,在使复杂系统的实时多体动力学成为可行方面发挥了关键作用。工程师眼中使用Simpack进行实时仿真的首次体验我至今仍清晰地记得第一次体验我们实时仿真技术的情景。那大约是在2012年,我正在处理一个客户项目,该项目涉及一个车辆模型,为了满足特定要求,该模型采用了类似Pacejka的自定义轮胎实现。在花了数周时间优化每个子系统并将轮胎方程编码为Simpack用户例程后,我终于对结果感到满意。由于客户使用的是驾驶模拟器,而我们刚刚发布了新一代实时技术,所以我们同意在一个基本的桌面模拟器上演示该车辆模型。我们搭建了一个简单的测试装置:一个带有扭矩反馈的游戏风格方向盘和踏板,运行在一台转换为实时Linux系统的Windows笔记本电脑上。然后关键时刻到来了。我加载了模型,坐下(坐在办公椅上)并转动方向盘。在无数个小时调整方程和分析二维图表之后,感受到汽车对我的输入做出反应,这改变了一切。当我加速、刹车和转向时,每一个反应都反映了我所构建的物理特性。我的工作变得有了生命力——它不再仅仅是数字,而是在实时与我进行物理交互。我正在体验我的模型。这次经历给我留下了深刻的印象,我本能地拍了一张照片——不是拍装置,而是拍它所代表的东西:我第一次实时“驾驶”自己的多体模型。就是这个🙂:Simpack实时多体动力学说Simpack“发明”了实时多体动力学可能言过其实,但事实上,该软件是首个在工业层面实现这项技术的,并且Simpack通过做出关键创新一直引领着该领域。在4月发布的一篇SIMULIA博客文章中,我讨论了Simpack技术的独特之处,特别是它如何建立运动方程。我所描述的一个关键优势是Simpack的相对坐标方法,这种方法自然会形成一个数值高效且稳定的模型,使其天生就非常适合实时仿真应用。这一优势源于Simpack倾向于生成常微分方程(ODE),而不是通常由绝对坐标算法生成的更复杂的微分代数方程(DAE)。实际上,DAE产生于经典的“绝对坐标”算法,问题在于求解这些方程会增加计算复杂度。这些DAE会导致更高的求解器消耗和更低的数值鲁棒性,这两者对于需要确定性和快速执行的实时应用来说都是问题。相反,Simpack的相对坐标算法使用树状拓扑来定义物体相对于其父物体的运动。结果是,运动方程主要是ODE,在数值求解时更简单,并且对于实时仿真中常用的显式或半隐式积分方法,表现出更好的性能特征。Simpack在需要时也支持创建基于DAE的模型,但它独特的算法也允许生成纯ODE模型,这是许多其他多体仿真技术无法实现的。基于ODE的系统在实时应用中的优势包括:每个积分步的计算负载更低无需约束稳定改进的数值条件更简单的求解器结构,更适合硬件在环(HiL)环境中常用的固定步长求解器Simpack代码导出|早期应用由于Simpack的求解器技术非常适合实时应用,因此在驾驶模拟器上运行Simpack一直是可能的。我们从2001年开始推广这项技术。当时,我们的技术被命名为“代码导出”,如这张来自我们旧网站的图片所示。“代码导出”是我们第一代实时技术,基于代码导出生成。通过这种方法,多体模型经过符号预处理并编译成特定目标的C代码,可以部署在专用的实时平台上。这种方法确保了高执行速度和确定性,但需要单独的代码生成工作流程,这增加了集成复杂度并降低了灵活性。SimpackRealtime|我们用于实时多体仿真的现代方法Simpack代码导出在客户现场使用了大约10年,这让我们对实时应用相关的许多挑战有了深入的了解。一个关键的认识是,“仅仅”生成实时代码不足以满足客户的需求。大约在2013年推出的第二代技术标志着一个重大转变。与需要专有硬件和操作系统的代码导出方法不同,SimpackRealtime旨在标准的支持实时的Linux平台上运行标准的Simpack程序。这得益于新的SimpackRealtime求解器技术,其中包括“智能并行化”,并结合了实时Linux内核、内存锁定和确定性调度方面的进步。在实时环境中运行完整的“现成”多体求解器的想法在行业中是一个全新的概念。那么,是什么让SimpackRealtime具有突破性?它快速、灵活,并且为现代工程工作流程而构建。它使多体仿真模型能够直接在Simpack环境中实时运行。无需漫长的代码生成或繁琐的编译步骤——只需加载模型并点击运行。我们称之为直接实时。我们的直接实时方法一直为我们的用户带来显著价值。通过无限制地利用Simpack求解器的全部功能,工程师可以在他们的实时模拟器上运行他们的模型,而不会在模型保真度或性能上做出妥协。这种方法的另一个关键优势是不再需要模型简化和求解器调优。一个体现这种灵活性的有力例子是,SimpackRealtime可以通过使用SimpackFMU导入功能无缝导入功能模型单元(FMU),与软件在环(SIL)相结合。这意味着你可以集成第三方组件,如动力转向或电池管理模块,并且仍然实现可靠的实时性能(实际上,你必须确保第三方组件是实时兼容的)。除此之外,你可以在运行之间轻松修改Simpack模型参数——对于某些参数,甚至可以在实时仿真运行时动态调整它们。这实现了前所未有的快速迭代和交互式测试。正如我们的一位客户所说:“我们真的很喜欢你们的工作流程,因为它是透明的。”例如,在汽车行业,工程师们在实时仿真中一直依赖查找表来近似悬架运动学——这种方法虽然有效,但会引入一些中间数据处理步骤。有了SimpackRealtime,这些近似就过时了。你现在可以实时运行完整详细的悬架模型,包括动态衬套元件,无需预先计算数据,从而实现更准确、基于物理的仿真——直接且不打折扣。多年来,我们还确保第三方轮胎模型集成与所有主要轮胎模型的实时执行完全兼容。已经证明,SimpackRealtime可以与包含柔性体的模型无缝协作。这是我们的一位客户发表的一篇论文:Venrooijetal.等人的《实时多体仿真:宝马如何用虚拟技术革新驾驶动力学开发》。在我的经验中,柔性体集成显著提升了驾驶模拟器的驾驶体验。值得注意的是,除了汽车行业,SimpackRealtime还广泛应用于各种不同的行业,包括铁路、风电、传动系统、建筑甚至消费品。例如,你可以观看这个讨论用于风电整机的SimpackRealtime的网络研讨会。如今,SimpackRealtime使你能够在多种硬件配置上部署相同的模型,无缝覆盖从早期在桌面模拟器或实时硬件上的独立运行,一直到在高端运动平台上的全面部署的实时开发过程的每个阶段。如果标准平台不够,客户甚至可以编写自己的自定义通信层。而且不止于此,借助集成的实时动画功能,你可以在仿真运行时可视化它们。我们希望这篇文章已经阐明了为什么Simpack已成为高性能实时仿真领域值得信赖的领导者,使工程师能够突破可能的极限。但这只是故事的一部分,创新是我们所做一切的核心,我们对未来感到兴奋。本文作者:TomBurton,SIMULIAIndustryProcessSeniorConsultant来源:MBD之家

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈