Verificación de un nuevo algoritmo de frenado distribuido para trenes de carga pesada mediante pruebas de hardware-in-the-loop

Cuando se introdujo el frenado ferroviario neumático controlado electrónicamente (ECP) hace varias décadas, se abordaron varias deficiencias de los sistemas de frenado neumático tradicionales. Los sistemas de frenado antiguos, que dependían de la propagación de la presión de aire a través de la tubería principal del freno del tren, presentaban retrasos en la activación del freno, fuerzas de frenado desiguales e impulsos longitudinales significativos que aumentaban el estés en los acopladores y alargaban las distancias de frenado. Los sistemas de frenado ECP resuelven estos problemas utilizando señales electrónicas que activan los frenos simultáneamente en todos los vagones.

Si bien la capacidad de activar los frenos simultáneamente en todos los vagones a través de señales electrónicas supone un avance importante, el sistema ECP tiene sus propias limitaciones. Carece de adaptabilidad, ya que aplica la misma fuerza de frenado independientemente de la carga del vagón y del terreno. Una estrategia conocida como control por sectores, que implica dividir un tren en segmentos y aplicar frenado independiente a cada uno, puede ayudar, pero requiere un ancho de banda significativo para gestionar la mayor cantidad de señales independientes enviadas a diferentes segmentos del tren. En conjunto, estos desafíos no sólo limitan la velocidad y la capacidad de carga, sino que también pueden afectar la fiabilidad y seguridad de los trenes con carga pesada.

En la Facultad de Ciencia y Tecnología de la Información de Southwest Jiaotong University, hemos desarrollado un novedoso sistema de control de frenado cooperativo distribuido que aborda muchas de las limitaciones fundamentales de los sistemas ECP. Con este diseño distribuido, cada vagón está equipado con su propio microcontrolador, lo que permite solucionar problemas de ancho de banda y comunicación, y calcular fuerzas de frenado adaptativas en función de las características específicas del vagón y las condiciones del terreno actual. Dado que probar un sistema de este tipo en un tren real de más de 80 toneladas sería inseguro y excesivamente costoso, utilizamos MATLAB^® y Simulink^® para verificar el algoritmo de control del sistema mediante simulación y pruebas de hardware-in-the-loop (HIL) (Figura 1). La capacidad de verificar rápidamente ideas de implementación de control y realizar cambios, inicialmente mediante simulación en escritorio y luego con pruebas de HIL, agilizó el proceso de diseño, significativamente más rápido, eficiente y rentable que los enfoques tradicionales.

Modelado de la dinámica de trenes y simulación en escritorio

Antes de ejecutar simulaciones de lazo cerrado con nuestro algoritmo de control, era necesario contar con un modelo de la dinámica del tren. Para esta parte del proyecto, inicialmente utilizamos un paquete de ingeniería asistida por computadora (CAE) de terceros para modelar la dinámica de los trenes. Cuando descubrimos que no era conveniente para el desarrollo de algoritmos de control, despliegue en hardware y pruebas de HIL, migramos a MATLAB.

Con MATLAB, modelamos la dinámica del tren mediante un conjunto de más de 200 ecuaciones diferenciales ordinarias (EDO). Los parámetros clave incluyeron la velocidad del tren y la carga de cada vagón. Para validar la implementación en MATLAB, comparamos los resultados con los generados por el paquete CAE.

Luego, creamos un modelo de sistema en Simulink, utilizando un bloque MATLAB Function para incorporar el modelo de dinámica de trenes de MATLAB y el algoritmo de control. Implementamos el algoritmo de control con éxito en la placa de control STM32 Nucleo con Simulink Coder™. Utilizando este modelo de sistema, ejecutamos extensas simulaciones en el escritorio, variando parámetros internos, como la velocidad del tren y la carga de vagones, y condiciones externas, como la pendiente y curvatura de la vía. Utilizamos MATLAB para visualizar los resultados de la simulación, incluida la fuerza de tracción y frenado generada por el algoritmo de control (Figura 2), la velocidad durante el frenado (Figura 3) y la fuerza del acoplador (Figura 4). Los resultados no sólo validaron la lógica funcional del algoritmo, sino que también orientaron mejoras en el diseño de control. De hecho, la capacidad de generar gráficas de ODE y otros gráficos en lotes con MATLAB contribuyó a un aumento del 80% de eficiencia general.

Verificación del rendimiento en tiempo real con pruebas de HIL

Una vez verificada la funcionalidad básica del algoritmo de control, con simulación en escritorio, comenzamos las pruebas de HIL en tiempo real. En esta fase del proyecto, utilizamos Simulink Desktop Real-Time™ para ejecutar el modelo de tren con el bloque MATLAB Function integrado en un equipo portátil. Implementamos el modelo de control en una placa STMicroelectronics^® STM32 Nucleo que utiliza el paquete de soporte de STMicroelectronics Nucleo. El equipo portátil y la placa STM32 se conectaron a través de USB en serie, y la placa se conectó directamente a las válvulas de entrada y escape accionadas por solenoide para el cilindro de freno.

Durante las pruebas con esta configuración de HIL, monitoreamos el cambio en la presión de aire del cilindro de freno durante el proceso de frenado en distintos escenarios y observamos el accionamiento de las válvulas. Mientras que las simulaciones en escritorio se centraron principalmente en la funcionalidad básica del controlador y la salida de fuerza de frenado, las pruebas de HIL se centraron en el rendimiento en tiempo real del controlador y la integración con hardware real, específicamente en la conmutación de estado del interruptor de las válvulas accionadas por solenoide. La posibilidad de observar cambios de presión y accionamiento de las válvulas en tiempo real durante operaciones de trenes simuladas proporcionó información valiosa sobre el comportamiento del controlador en condiciones del mundo real.

Próximos pasos

La plataforma de pruebas de HIL que desarrollamos con MATLAB, Simulink y Simulink Desktop Real-Time nos ha permitido demostrar que nuestro algoritmo de frenado cooperativo distribuido funciona correctamente en un entorno operativo en tiempo real. A medida que continuamos perfeccionando y mejorando el algoritmo, también planeamos mejoras en el entorno de simulación y pruebas de HIL. Por ejemplo, estamos explorando formas de ampliar el uso de Simulink con Simscape™ para modelar el motor del tren y eventualmente construir un banco de pruebas físico para simular el movimiento del tren.