重載列車長(zhǎng)大下坡縱向力與空氣制動(dòng)性能分析

關(guān)鍵詞：重載列車；長(zhǎng)大下坡；縱向力；空氣制動(dòng)中圖分類號(hào)：0436 文獻(xiàn)標(biāo)志碼：ADOI:10.19968/j.cnki.hnkj.1003-5168.2025.14.001文章編號(hào)：1003-5168（2025)14-0005-08

Analysis ofLongitudinal Force and Air Braking Performance of Heavy-Haul TrainsonLongDownhill Grades

WANG Jiong (Guoneng Transportation Technology Research Institute Co.，Ltd.，Beijing 1Ooo8o， China)

Abstract: [Purposes] Whena heavy-haul train operates on a long downhill grade，repeated cyclic braking operations cause the brake pads to heat up，leading to degradation in air braking performance.Furthermore，significant variations exist inthe air braking force generated bythe same trainat different braking stages and between diffrent trains.To ensure operational safety and reduce driver workload，it is essential to conduct research on the evaluation of air braking performance.[Methods] Collct data on the train control force，cumulative braking and release time of air braking，train running speed，line parameters，and maximum longitudinal force during the operation of heavy-haul trains to form a sample dataset.Use BP neural network training to establish an analytical method for evaluating the longitudinal force of heavy-haul trains.[Findings] Several typical air braking curves from real vehicle data were simulated andanalyzed to verify the applicability of the S-shaped air braking force model，thereby achieving the prediction and evaluation of the maximum coupler compression and tension forces of the entire train during single-step operation of heavy-haul trains.[Conclusions] By analyzing the influence of air pressure distribution at the rear of the train on air braking performance，the air braking performance is categorized into four levels，and evaluation criteria for air braking performance are formulated.Corresponding operational recommendations are also provided，offring technical support for air cyclic braking of heavy-haul trains on long downhill sections and guiding drivers toward safer operation. Keywords: heavy-haul train; long downhill; longitudinal force; air braking

0 引言

1空氣制動(dòng)力計(jì)算方法

朔黃鐵路是國(guó)家能源集團(tuán)重載鐵路唯一人海運(yùn)輸通道，承載著我國(guó)“西煤東送”戰(zhàn)略的重要使命。該鐵路線自西向東延伸，地形走勢(shì)為西高東低，海拔落差達(dá)到 2000m ，重車方向最大下坡道達(dá)到 -12‰ ，重載列車在連續(xù)長(zhǎng)大下坡區(qū)段的運(yùn)行以“空氣制動(dòng) + 充風(fēng)緩解”的方式進(jìn)行循環(huán)制動(dòng)。列車操縱難度大，運(yùn)行安全不僅受到線路條件限制，還受空氣制動(dòng)性能、天氣等多種因素影響。

當(dāng)前，針對(duì)重載列車在長(zhǎng)大下坡道的操縱研究已取得了一定進(jìn)展。孫中央等2針對(duì)重載列車在長(zhǎng)大下坡道區(qū)段循環(huán)制動(dòng)過程中制動(dòng)機(jī)充風(fēng)時(shí)間不穩(wěn)定、低速慢行安全等問題，提出了相對(duì)應(yīng)的驗(yàn)算評(píng)價(jià)方法和機(jī)車動(dòng)力制動(dòng)系統(tǒng)發(fā)生故障時(shí)的應(yīng)急措施；蘇明亮[3則深入分析了朔黃重載列車操縱水平的影響因素，為實(shí)現(xiàn)重要節(jié)點(diǎn)的語(yǔ)音輔助提示，成功研發(fā)出一套基于車載和地面的重載列車模式化操縱系統(tǒng)；Wang等4針對(duì)重載鐵路長(zhǎng)大下坡道的循環(huán)制動(dòng)不同情況，提出基于專家知識(shí)和機(jī)器學(xué)習(xí)融合方法，實(shí)現(xiàn)對(duì)重載列車智能駕駛的深入研究；王青元等[5考慮到傳統(tǒng)空氣制動(dòng)模型的不足，針對(duì)長(zhǎng)編組列車空氣制動(dòng)傳播帶來延時(shí)和制動(dòng)力變化，建立了空氣制動(dòng)精細(xì)化模型；安中正針對(duì)重載列車長(zhǎng)大下坡的制動(dòng)操縱存在的問題，提出改善列車制動(dòng)性能下降的措施；魏偉針對(duì)重載列車在長(zhǎng)大下坡區(qū)段縱向沖動(dòng)大的問題，基于空氣流動(dòng)理論，使用空氣制動(dòng)仿真系統(tǒng)計(jì)算出重載列車在進(jìn)行空氣制動(dòng)時(shí)列車管和各缸室的氣體狀態(tài)變化情況，以此預(yù)測(cè)重載列車的空氣制動(dòng)特性；Piechowiak[8-9通過建立空氣制動(dòng)模型，分析了空氣制動(dòng)系統(tǒng)內(nèi)空氣黏度、列車管級(jí)風(fēng)缸中熱傳遞、制動(dòng)閥動(dòng)作及其他機(jī)械部件對(duì)空氣制動(dòng)的影響；靳新元°分析了2萬t重載列車線路停車影響因素，并提出了相應(yīng)的改進(jìn)措施;白建凌[\"通過分析現(xiàn)場(chǎng)采集的2萬t列車大量運(yùn)行數(shù)據(jù)，提出了適合2萬t列車的制動(dòng)力判斷標(biāo)準(zhǔn)。

綜上所述，本研究則基于空氣制動(dòng)精細(xì)化模型，通過制定評(píng)估指標(biāo)、分析列車尾壓分布與空氣制動(dòng)性能關(guān)系，開展重載列車長(zhǎng)大下坡空氣制動(dòng)性能評(píng)估研究。

列車空氣制動(dòng)系統(tǒng)作為一種以壓縮空氣為制動(dòng)動(dòng)力的制動(dòng)方式，經(jīng)列車管、制動(dòng)缸、傳動(dòng)裝置的傳遞和放大，作用于滾動(dòng)的踏面或者制動(dòng)盤上，最終產(chǎn)生與列車運(yùn)行方向相反的制動(dòng)力。

列車在整個(gè)空氣制動(dòng)過程中，制動(dòng)缸壓力不斷增大，制動(dòng)過程自列車向車輛傳播，因車輛位置不同而導(dǎo)致各車輛制動(dòng)缸增壓時(shí)間不同，經(jīng)過空氣制動(dòng)，整列車制動(dòng)力不斷增加至穩(wěn)定。制動(dòng)初期列車中總閘瓦壓力變化示意如圖1所示。為了方便、有效地研究空氣制動(dòng)問題，《列車牽引計(jì)算第1部分：機(jī)車牽引式列車》（TB/T1407.1—2018)引入了制動(dòng)空走時(shí)間和制動(dòng)空走距離的概念，將空氣制動(dòng)變化過程簡(jiǎn)化為空走 0d 和有效制動(dòng) e^′f 兩個(gè)階段，而圖1中的 t_kz 則為空走時(shí)間。

為簡(jiǎn)化空氣制動(dòng)力計(jì)算，本研究采用換算法，利用閘瓦壓力與其對(duì)應(yīng)的換算摩擦系數(shù)的乘積來計(jì)算制動(dòng)力。在計(jì)算常用制動(dòng)工況的空氣制動(dòng)力 B_c 時(shí)，通常考慮引入常用制動(dòng)系數(shù) b_c 進(jìn)行修正。（TB/T1407.1—2018）總結(jié)的“空走過程\"與“有效制動(dòng)過程”相結(jié)合的空氣制動(dòng)力計(jì)算見式（1）。

式中： G_N 為每節(jié)車輛的閘瓦數(shù)； P_N 為機(jī)車閘瓦總數(shù)； β_c 為常用制動(dòng)系數(shù)； ?_h 為閘瓦的換算摩擦系數(shù)； K_h 為閘瓦的換算閘瓦壓力， kN;t_kz 為空走時(shí)間，s。

本研究根據(jù)2萬t重載列車所采用的閘瓦種類，每塊閘瓦壓力按照(TB/T1407.1—2018)中的20kN 計(jì)算，則換算的摩擦系數(shù)見式(2)。

式中： v 為列車速度。

閘瓦壓力的計(jì)算見式（3）。

式中： K 為每塊閘瓦的閘瓦壓力。其中，常用減壓量 50～110kPa 對(duì)應(yīng)的制動(dòng)系數(shù)分布見表1。

為精確描述長(zhǎng)編組列車在長(zhǎng)大下坡道運(yùn)行環(huán)境下的空氣制動(dòng)作用過程，本研究借鑒王青元等[5]提出的空氣制動(dòng)精細(xì)化模型，具體見式（4）。

式中： P_s(t) 為歷史操縱對(duì)制動(dòng)性能的修正函數(shù)； K_z，i(t) 為暫態(tài)過程中第 i 輛車實(shí)時(shí)閘瓦壓力函數(shù)， kN;C_β 為常用制動(dòng)對(duì)應(yīng)減壓量制動(dòng)性能修正系數(shù)，取常數(shù)。

2 BP神經(jīng)網(wǎng)絡(luò)列車縱向力評(píng)估方法

在重載列車機(jī)車與車輛類型、編組確定后，則列車組成及其各部分力學(xué)構(gòu)造與技術(shù)性能固定。在不考慮未知?dú)夂蚺c環(huán)境條件、車輛磨損的前提下，本研究選用2輛HXD1機(jī)車、216輛C80貨運(yùn)車輛構(gòu)成典型“ 1+1 ”編組形式的2萬t重載列車，基于重載列車縱向動(dòng)力學(xué)模型，構(gòu)建重載列車仿真平臺(tái)模擬列車運(yùn)行過程，從而對(duì)影響縱向力變化的因素進(jìn)行分析。

2.1 BP神經(jīng)網(wǎng)絡(luò)模型

圖2為BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，共L層。其中，第1層為輸入層，主要接收外部輸入；第 L 層為輸出層，主要生成網(wǎng)絡(luò)預(yù)測(cè)輸出；其余層均為隱含層，主要提取中間特征和計(jì)算非線性映射，每層有 S_ι 個(gè)節(jié)點(diǎn)。

輸入層與輸出層分別表示模型的輸人變量和輸出變量，其定義分別見式(5)和式(6）。

各層隱含層由權(quán)重矩陣 W 連接，層內(nèi)由偏置向量和激活函數(shù)組成。其中，權(quán)重矩陣表示各節(jié)點(diǎn)間連接強(qiáng)度，偏置向量用來調(diào)整隱含層節(jié)點(diǎn)的激活閾值，激活函數(shù)則定義了層節(jié)點(diǎn)響應(yīng)方式，能豐富網(wǎng)絡(luò)非線性表征能力，常見激活函數(shù)包括Sigmoid、Relu、Tanh等。

隱含層通過正向傳播的方式從輸入值遞推至輸出值，定義第 l 層經(jīng)由權(quán)重矩陣的輸出為 z^(l) ，經(jīng)由激活函數(shù)的輸出為 h^(l) ，則其向量表征見式（7）。

在重載列車仿真過程中得到的數(shù)據(jù)樣本組，確定縱向力評(píng)估模型的輸入特征見式（8）。

x_t={v_t，F(xiàn)_t，L_t，B_t}

輸出特征即最大縱向力見式(9)。

y_t={F_c，t}

縱向力與上述所提輸入特征間呈現(xiàn)復(fù)雜非線性對(duì)應(yīng)，因此本研究選擇用BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)該非線性特性，以構(gòu)建重載列車縱向力評(píng)估模型

本研究設(shè)計(jì)的BP模型結(jié)構(gòu)如圖3所示。其中，Layer1為輸入層，節(jié)點(diǎn)數(shù)17；Layer2為隱藏層1，節(jié)點(diǎn)數(shù)1024，激活函數(shù)為sigmoid;Layer3為隱藏層2，節(jié)點(diǎn)數(shù)128，激活函數(shù)為sigmoid；Layer4為輸出層，節(jié)點(diǎn)數(shù)2。

隱藏層中激活函數(shù)選用sigmoid函數(shù)，其具有梯度平滑、函數(shù)可微等優(yōu)點(diǎn)，其表征形式見式（10）。sigmoid激活函數(shù)示意如圖4所示。

此外，輸入特征中各變量間數(shù)據(jù)量級(jí)不同，可能造成權(quán)重矩陣存在差異，導(dǎo)致隨訓(xùn)練次數(shù)增加，模型精度降低，甚至無法收斂。因此，需要對(duì)輸入特征進(jìn)行歸一化處理。鑒于每個(gè)輸入特征均具有已知的最大、最小值，因此采用極差歸一化的方式對(duì)輸入特征進(jìn)行處理，見式（11）。

式中： x_max 和 x_min 分別為各特征的最大值和最小值。

針對(duì)輸出，由于2萬t重載列車運(yùn)行過程中其

縱向力數(shù)值幾乎均小于 2000kN ，所以采用輸出特征的歸一化方法，見式(12）。

式中： y₀ 為輸出特征值； y^* 為歸一化后的參數(shù)。

2.2 列車縱向沖動(dòng)分析方法

本研究獲得的樣本數(shù)據(jù)集共84000組，選60000組樣本作訓(xùn)練集、12000組樣本作驗(yàn)證集、12000組樣本作測(cè)試集，以此訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的重載列車縱向力評(píng)估模型。

BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的算法流程如下。 ① 神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本集準(zhǔn)備。 ② 初始化訓(xùn)練參數(shù)，包括BP神經(jīng)網(wǎng)絡(luò)的總層數(shù)、各層神經(jīng)元權(quán)重及偏置初始值、單次訓(xùn)練樣本數(shù)T、最大訓(xùn)練輪數(shù)等，并初始化迭代次數(shù)為0。 ③ 從訓(xùn)練集取T個(gè)樣本計(jì)算樣本預(yù)測(cè)誤差，得損失函數(shù) J ，并利用反向傳播算法計(jì)算權(quán)重和偏置的梯度矩陣。 ④ 根據(jù)梯度矩陣更新權(quán)重和偏置。 ⑤ 計(jì)算驗(yàn)證集損失函數(shù) J_Y⁰ ⑥ 若驗(yàn)證集損失函數(shù)5代內(nèi)變化率小于 1% ，則結(jié)束訓(xùn)練，否則跳到步驟 ③ ○

針對(duì)上述訓(xùn)練方法，在一般模型訓(xùn)練中，通過設(shè)置損失函數(shù)結(jié)束值以提前結(jié)束訓(xùn)練。但考慮到?jīng)]有合理的評(píng)判依據(jù)評(píng)估模型效果，本研究擬采用多輪次有效訓(xùn)練的方式，盡量使模型損失函數(shù)值最低，盡可能提升訓(xùn)練效果。訓(xùn)練過程中神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)置為單次訓(xùn)練樣本數(shù)T為2000組，最大訓(xùn)練輪數(shù)為20000次，學(xué)習(xí)率為 0.001 。

神經(jīng)網(wǎng)絡(luò)訓(xùn)練期間，網(wǎng)絡(luò)輸出損失函數(shù)值Loss和均方根誤差值RMSE的參數(shù)變化情況如圖5所示。由圖5可知，經(jīng)過40次訓(xùn)練后，其性能參數(shù)快速下降，并逐漸穩(wěn)定。在隨后的訓(xùn)練中，網(wǎng)絡(luò)根據(jù)樣本數(shù)據(jù)逐漸調(diào)整內(nèi)部參數(shù)，性能參數(shù)呈現(xiàn)整體下降，但小范圍波動(dòng)，網(wǎng)絡(luò)整體呈收斂趨勢(shì)。在經(jīng)過約15000次訓(xùn)練后，其損失值基本穩(wěn)定，此時(shí)認(rèn)為網(wǎng)絡(luò)基本完成訓(xùn)練。

完成訓(xùn)練后，使用測(cè)試集對(duì)縱向力評(píng)估模型進(jìn)行有效性驗(yàn)證，神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)回歸分析如圖6所示，絕對(duì)誤差分布直方圖如圖7所示。

由圖6可知，拉鉤力與壓鉤力的回歸擬合曲線基本與中線 Y=T 重合，說明神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與實(shí)際值間相關(guān)性較好，表明訓(xùn)練效果極好。而在圖7中，拉鉤力與壓鉤力的絕對(duì)誤差保持在 50kN 的樣本數(shù)最多，各分布的樣本占比隨誤差增大而遞減。其中，訓(xùn)練數(shù)據(jù)中拉鉤力和壓鉤力的絕對(duì)誤差在50kN 以內(nèi)的數(shù)據(jù)占比分別為 65.78% 和 64.67% ；絕對(duì)誤差在 100kN 以內(nèi)的數(shù)據(jù)占比分別為 88.73% 和89.43% ；絕對(duì)誤差在 200kN 以內(nèi)的數(shù)據(jù)占比分別為 98.82% 和 99.27% 。由此可知，大部分樣本絕對(duì)誤差在 100kN 以內(nèi)，基本所有樣本的絕對(duì)誤差在200kN 以內(nèi)。上述結(jié)果表明了從列車運(yùn)行數(shù)據(jù)中學(xué)習(xí)重載列車縱向力特性而構(gòu)建重載列車縱向力評(píng)估方法的可行性。

3空氣制動(dòng)動(dòng)態(tài)性能評(píng)估方法

3.1 評(píng)估指標(biāo)

在實(shí)際運(yùn)行過程中，空氣制動(dòng)性能出現(xiàn)衰減現(xiàn)象，且與閘片溫度升高有關(guān)。列車在長(zhǎng)大下坡道經(jīng)過了反復(fù)循環(huán)制動(dòng)與緩解，從而導(dǎo)致閘片溫度升高，當(dāng)列車下一次執(zhí)行制動(dòng)時(shí)，空氣制動(dòng)力發(fā)揮會(huì)受到限制。因影響制動(dòng)力的情況復(fù)雜，即使在同一列車相同減壓量下，空氣制動(dòng)力的大小都不盡相同。于是本研究采用空氣制動(dòng)效率對(duì)列車空氣制動(dòng)性能進(jìn)行評(píng)估，見式（13）。

式中： η 為列車空氣制動(dòng)效率； B_real 為列車空氣實(shí)際制動(dòng)力； B_c，j 為模型計(jì)算的空氣制動(dòng)力； B_c，q 為模型計(jì)算的空氣制動(dòng)力。

根據(jù)TB/T1407.1—2018中的計(jì)算公式，求得50kPa 減壓量在不同速度條件下，制動(dòng)效率 60% ~100% 的空氣制動(dòng)力大小，具體見表2。

從大量實(shí)車運(yùn)行數(shù)據(jù)中隨機(jī)抽取若干進(jìn)行運(yùn)行狀況復(fù)現(xiàn)，并按照制動(dòng)先后次序統(tǒng)計(jì)制動(dòng)效率分布，具體如圖8所示。由圖8可知，不同車次列車制動(dòng)性能上存在顯著差異，此差異性對(duì)列車安全運(yùn)行帶來極大的挑戰(zhàn)，故需要有一種簡(jiǎn)易且可靠的制動(dòng)性能評(píng)估方法來減輕司機(jī)操縱負(fù)擔(dān)。

3.2列車尾壓分布與空氣制動(dòng)性能關(guān)系

根據(jù)TB/T1407.1—2018總結(jié)的空氣制動(dòng)性能預(yù)判方法，在線路公里標(biāo) 20.5km 處 65km/h 時(shí)空氣制動(dòng)，全程電制動(dòng)取 400kN ，根據(jù)速度降至 40km/h 時(shí)列車所在位置，區(qū)別列車制動(dòng)性能強(qiáng)弱。TB/T1407.1—2018中給出的評(píng)價(jià)標(biāo)準(zhǔn)為：速度降至 40km/h 時(shí)，列車運(yùn)行位置在 23.3km 之前，說明列車空氣制動(dòng)性能強(qiáng)；列車運(yùn)行位置為 23.3～23.8km 時(shí)，說明列車空氣制動(dòng)性能適中；列車運(yùn)行位置為 23.8～24.3km 時(shí)，說明列車空氣制動(dòng)性能偏弱；列車運(yùn)行位置超過 24.3km ，說明列車空氣制動(dòng)性能極弱。

上述描述完全來自經(jīng)驗(yàn)判斷，并無具體量化。本研究結(jié)合精細(xì)化空氣制動(dòng)模型，按照文獻(xiàn)[11]預(yù)設(shè)參數(shù)仿真，將經(jīng)驗(yàn)判斷結(jié)果量化為具體數(shù)據(jù)，結(jié)果見表3。

結(jié)合實(shí)際列車運(yùn)行數(shù)據(jù)，司機(jī)在 20.5km 點(diǎn)位附近均有制動(dòng)，并且排風(fēng)時(shí)尾壓主要集中在 597kPa 附近。由表3中的數(shù)據(jù)可知，不同制動(dòng)性能列車在尾壓接近滿壓狀態(tài)時(shí)的空氣制動(dòng)性能分布，滿壓狀態(tài)下：數(shù)值在 115.86% 以上為制動(dòng)性能強(qiáng)；數(shù)值為106.08%～115.86% 時(shí)為制動(dòng)性能適中；數(shù)值為99.708%～106.08% 時(shí)為制動(dòng)性能偏弱；數(shù)值在99.708% 以下為制動(dòng)性能極弱。根據(jù)重車方向運(yùn)行記錄數(shù)據(jù)與尾壓數(shù)據(jù)，通過精細(xì)化空氣制動(dòng)模型，最大程度復(fù)現(xiàn)實(shí)際列車運(yùn)行場(chǎng)景。以對(duì)應(yīng)減壓量下（TB/T1407.1—2018）模型計(jì)算的空氣制動(dòng)力為基準(zhǔn)值 100% ，換算各個(gè)制動(dòng)段空氣制動(dòng)性能，并結(jié)合尾壓大小，分析空氣制動(dòng)性能與尾壓大小的關(guān)系。通過曲線擬合，得到的制動(dòng)初始尾壓與制動(dòng)性能的分布關(guān)系如圖9所示。

根據(jù)實(shí)際線路條件和操縱規(guī)則，在長(zhǎng)大下坡道（最大坡度為 -12‰ 上按照 65km/h 速度等級(jí)進(jìn)行空電聯(lián)合循環(huán)制動(dòng)時(shí)，調(diào)速要求所采用的電制力不超過 400kN ，則在不追加減壓的前提下空氣制動(dòng)力至少要達(dá)到 1369kN （制動(dòng)效率為 92.6% 才能保證在電制力可調(diào)范圍內(nèi)速度可控，對(duì)照?qǐng)D9擬合曲線可解算循環(huán)制動(dòng)所需要的初始尾壓值。

4空氣制動(dòng)力仿真分析

采用本研究提出的基于神經(jīng)網(wǎng)絡(luò)的空氣制動(dòng)力預(yù)測(cè)模型，并考慮列車空氣制動(dòng)系統(tǒng)制動(dòng)性能的變化性，建立重載列車長(zhǎng)大下坡運(yùn)行仿真環(huán)境。設(shè)置迭代次數(shù)等目標(biāo)參數(shù)，使用優(yōu)化算法進(jìn)行學(xué)習(xí)，得到列車速度曲線與操縱工況，并與實(shí)車數(shù)據(jù)進(jìn)行對(duì)比（標(biāo)準(zhǔn)空氣制動(dòng)力為 2383kN ），具體如圖10所示。仿真結(jié)果中的空氣制動(dòng)參數(shù)見表4。

圖10(a）包含了線路限速、實(shí)車速度曲線、仿真速度曲線、實(shí)車管壓曲線、仿真管壓曲線、仿真級(jí)位曲線。圖10(b)包含了實(shí)車電制動(dòng)力曲線、仿真使用電制動(dòng)力曲線、仿真空氣制動(dòng)力曲線。圖10（c）為線路坡道附加阻力曲線。

從圖10(a）中可以看出，LKJ所記錄的司機(jī)操縱中共使用了6次空氣制動(dòng)，而仿真曲線則使用了5次空氣制動(dòng)。這表明空氣制動(dòng)施加范圍基本相同，但在細(xì)節(jié)上有所不同。

10～20km ：優(yōu)化算法在第一次空氣制動(dòng)處略微延長(zhǎng)了空氣制動(dòng)時(shí)間，與司機(jī)操作相差不大。在第二次空氣制動(dòng)時(shí)間處制動(dòng)時(shí)間延長(zhǎng)較多，使得下一次制動(dòng)的緩解時(shí)間變短。

20～45km ：由于優(yōu)化算法在上一次空氣制動(dòng)中延長(zhǎng)了制動(dòng)時(shí)間，因此這一次空氣制動(dòng)的制動(dòng)力幅值較司機(jī)操縱而言下降了不少，同時(shí)略微減小了大下坡前期的電制動(dòng)力，使得原司機(jī)操縱曲線中迅速下降的速度曲線保持了基本恒速，而后調(diào)節(jié)電制動(dòng)力保持空氣制動(dòng)直至通過長(zhǎng)大下坡。

45～70km ：空氣制動(dòng)時(shí)機(jī)略有不同，但速度曲線相似，差異性不大。同樣是保持空氣制動(dòng)，調(diào)節(jié)電制動(dòng)力直至通過長(zhǎng)大下坡。

70～90km ：空氣制動(dòng)時(shí)機(jī)略有不同，但速度曲線相似，差異性不大。速度曲線也隨著坡道變化呈現(xiàn)了明顯的駝峰形。

5結(jié)論

通過對(duì)重載列車長(zhǎng)大下坡區(qū)段空氣制動(dòng)性能的研究，得出以下結(jié)論。

① 同一線路環(huán)境下，不同車次列車之間空氣制動(dòng)性能之間差異巨大，給司機(jī)實(shí)際操縱帶來困難。

② 在實(shí)際操縱中，司機(jī)可在固定點(diǎn)位下閘對(duì)當(dāng)前列車制動(dòng)性能的強(qiáng)弱進(jìn)行大致評(píng)估，并分為強(qiáng)、適中、偏弱、極弱。制動(dòng)性能極弱的列車最好是滿壓制動(dòng)，以保證獲得不錯(cuò)的制動(dòng)性能。

參考文獻(xiàn)：

[1]李川.2萬t列車長(zhǎng)大坡道操縱優(yōu)化研究[D].大連：大連交通大學(xué)，2023.

[2]孫中央，王長(zhǎng)明.長(zhǎng)大下坡道區(qū)段開行重載列車的安全問題[J].鐵道機(jī)車車輛，2009，29(1)：4-7，54.

[3]蘇明亮.朔黃鐵路重載列車模式化操縱系統(tǒng)的研究及運(yùn)用[J].電力機(jī)車與城軌車輛，2018，41(2)：81-84，86.

[4]WANGX，LISK，TANGT，etal.Intelligentoperationofheavyhaul trainwithdata imbalance:amachine learningmethod[J].Knowledge-Based Systems，2018:36-50.

[5]王青元，趙紫寧，劉強(qiáng)強(qiáng)，等.兩萬t重載列車空氣制動(dòng)過程建模[J].機(jī)車電傳動(dòng)，2022(4)：70-76.

[6]安中正.“和諧號(hào)”機(jī)車牽引2萬t重載列車的制動(dòng)

操縱技術(shù)探討[J].機(jī)車電傳動(dòng)，2010(1)：70-72.

[7]魏偉.兩萬噸組合列車制動(dòng)特性[J].交通運(yùn)輸工程學(xué)報(bào)，2007(6)：12-16.

[8]PIECHOWIAK T.Pneumatic train brake simulation method[J].Vehicle SystemDynamics，2009(12):1473-1492.

[9]PIECHOWIAK T. Verification of pneumatic railway brake models[J].Vehicle System Dynamics，2010(3):283-299.

[10]靳新元.朔黃鐵路2萬t重載列車區(qū)間停車原因分析及對(duì)策[J].中國(guó)鐵路，2018(3)：59-64.

[11]白建凌.朔黃鐵路2萬t列車制動(dòng)力判斷與調(diào)整[J].科技資訊，2019，17(19):59-61.

[12]中國(guó)鐵道科學(xué)研究院標(biāo)準(zhǔn)計(jì)量研究所.列車牽引計(jì)算：第1部分機(jī)車牽引式列車：TB/T1407.1—2018[S].北京：中國(guó)鐵道出版社，2018.