摘 要:简要介绍了城市轨道交通环境控制系统的作用,对其系统结构进行了分析,并着重研究以神经网络作为控制方法的控制方案可行性;同时通过建立数学模型来M究神经网络应用于城市轨道交通环境控制系统具有良好的控制效果。关键词:城市轨道交通;环境控制系统;神经网络
城市轨道交通环境就是指影响乘客和操作人员舒适性的一切环境因素,包括温度、湿度、空气流动、噪音、灰尘、气味以及振动频率等方面。城市轨道交通系统中有许多机电设备、车辆运行发热、旅客散热、新鲜空气带入的热量等,使系统的温、湿度逐步升高,在某些站台和通道中乘客还要忍受较高风速的干扰。为了改善城市轨道交通的环境,许多城市都安装了空调、通风设备,组成了环境控制系统。环境控制系统的启用,降低了城市轨道交通系统的温、湿度,提高了空气质量。
1 城市轨道交通环境控制系统分析
城市轨道交通环境控制系统的设计按两级管理、昼夜有人值班的方式进行设置。第一级为中央级,作为防灾控制中心,设于一期工程控制中心大楼中央控制室内;第二级为车站级,作为本地防灾控制室,设于一期工程各车站、车辆段、主变电所、控制中心大楼,除控制中心大楼、车辆段单独设置防灾控制室外,其它地方采用与值班室合设的方式,各车站的防灾控制室与车站控制室合设。 BP神经网络(BackpropagationNN)是一单向传播的多层前向网络,一般由输入层、中间层(隐层)和输出层组成,中间隐层可有若干层,网络除输入输出节点外,有一层或多层隐节点,同层节点之间没有任何耦合。输入信号从输入层节点,依次经过各隐层节点,然后传到输出层节点,每一层节点的输出只影响下一层节点的输入。其单元特性(传递函数)通常为S型(sigmoid函数),但在输出层中,节点的单元特性有时为线性。在现场控制中,考虑到可编程逻辑控制器的容量,因此神经网络的控制算法不可能太复杂,节点的数目应综合比较和分析学习误差、泛化能力,并要考虑网络的复杂程度,以期达到较为优化和简洁的神经网络预测控制算法。图2表示为一个有M个输入,单个输出,x个节点的单个隐层的三层简单的BP网络。m为输入节点个数,am为系统输入值,ti、rj为相应的阈值,n为样本对数。
f(x)是激励函数,也称为传递函数或活跃规则,其功能是对神经元的输入产生相应的反应。S函数输出曲线两端平坦,中间部分变化剧烈,与阶跃函数相似,但是一个连续非递减函数,具有可微分性和饱和非线性特性,增强了网络的非线性映射能力;另一方面,S函数更加接近生物神经元的信号输出形式,所以常被采用为激励函数。
控制系统模拟采用只含一个隐含层的三层BP网络。具有足够多隐含单元的三层BP神经网络可以记忆任何多个样本;对于给定的样本集,三层BP神经网络的隐含单元数必须在一定范围内才能较满意地记忆所有样本。要对一个被控对象进行控制,须为其建立一个合适的数学模型,但过多的变量必然使模型过于复杂,反而不利于问题的解决。对于城市轨道交通环境控制系统来说,影响环控系统变频通风风量改变的因素包括站台层空气湿度;站厅层空气、湿度;室外干湿球温度;人员密度;机车运行密度附加活塞风等。
考虑到模拟的可行性,我们可以假设:(1)城市轨道交通内外环境无直接热传递;(2)城市轨道交通内部各点温度趋于均匀;(3)忽略城市轨道交通内部的热容影响。因此,以站台温、湿度;室外干球温度;人员密度;机车运行密度、活塞风量作为神经网络的输入层参数,输出层参数仅为风量,隐层节点个数设定为5个。
具体的神经网络结构模拟流程如下:
(1)选定BP神经网络NN的结构,即选定输入层节点数M和隐含层节点数Q,并给出各层权系数的初值ωij(2) 、ωli(3)(0),选定学习速率η和平滑因子α;
(2)对输入变量进行归一化处理,作为NN的输入;
(3)根据公式,前向计算NN的各层神经元的输入和输出;
(4)根据性能指标函数来计算误差,若误差满足要求,则结束,否则继续;
(5)计算修正输出层的权系数ωli (k) ;
(6)计算修正隐含层的权系数ωij(k) ;
(7)置k=k+1,返回到2
3 结论
城市轨道交通环境控制系统是一个具有强耦合、非线性和参数时变的复杂多变量控制系统,城市轨道交通中环境控制费用约为总费用的8%-10%,进一步研究以神经网络-PID技术或以模糊神经网络为控制方案的城市轨道交0智能化环境控制技术将获得良好的节能效果。
参考文献:
[1] 朱军,我国城市轨道交通发展问题探讨北京城市规划建设,2002.2
[2] 王永骥等,神经元网络控制,机械工业出版社,1998.2
[3] 刘晨晖,多变量过程控制系统解耦理论,水利水电出版社,1984.11