Model predictive control of heavy haul trains
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Repositório Institucional da UFRJ |
Texto Completo: | http://hdl.handle.net/11422/9488 |
Resumo: | Nas operações ferroviárias, atualmente há um padrão de condução personalizado para cada combinação de trem e rota. Esse plano guia os maquinistas em termos de uma direção que seja pontual e energeticamente eficiente. No entanto, os esforços elevados nos acopladores desses trens ainda provocam acidentes e problemas de descarrilhamentos, atrasando a cadeia logística e elevando os custos operacionais. Esta dissertação de mestrado descreve uma proposta de modelagem, simulação e controle de trens de carga baseada em dados reais para lidar com esse desafio. De fato, este trabalho propõe um modelo preditivo baseado em modelo para a condução automática dos trens, levando em consideração uma minimização multiobjetivo ponderada a fim de reduzir as forças nos engates e garantir uma operação mais segura, sem que isso se traduza em relevante gasto de combustível ou aumento de tempo de viagem considerável. A técnica de janela móvel é adotada para a predição do comportamento dinâmico do sistema, incluindo as forças de conexão dos vagões decorrentes do efeito conjunto do relevo da rota e dos esforços de tração e de freio aplicados ao trem. Um simulador do comportamento dinâmico de trens de carga é sugerido a partir do modelo não linear apresentado e as simulações numéricas ilustram a efetividade do esquema considerado para reduzir as forças nos acopladores. A metodologia é aplicada a um trem real simulado nos trilhos da Ferrovia do Aço que corta os estados de Minas Gerais, Rio de Janeiro e São Paulo. |
id |
UFRJ_83da4755620ef919dc72046b8a8962df |
---|---|
oai_identifier_str |
oai:pantheon.ufrj.br:11422/9488 |
network_acronym_str |
UFRJ |
network_name_str |
Repositório Institucional da UFRJ |
repository_id_str |
|
spelling |
Neves, Carolina Calvo Pose Santoshttp://lattes.cnpq.br/6246688821056691Costa, Ramon RomankeviciusLeite, Antonio CandeaCunha, José Paulo Vilela Soares daPeixoto, Alessandro Jacoud2019-09-12T17:53:00Z2023-11-30T03:01:02Z2018-03http://hdl.handle.net/11422/9488Nas operações ferroviárias, atualmente há um padrão de condução personalizado para cada combinação de trem e rota. Esse plano guia os maquinistas em termos de uma direção que seja pontual e energeticamente eficiente. No entanto, os esforços elevados nos acopladores desses trens ainda provocam acidentes e problemas de descarrilhamentos, atrasando a cadeia logística e elevando os custos operacionais. Esta dissertação de mestrado descreve uma proposta de modelagem, simulação e controle de trens de carga baseada em dados reais para lidar com esse desafio. De fato, este trabalho propõe um modelo preditivo baseado em modelo para a condução automática dos trens, levando em consideração uma minimização multiobjetivo ponderada a fim de reduzir as forças nos engates e garantir uma operação mais segura, sem que isso se traduza em relevante gasto de combustível ou aumento de tempo de viagem considerável. A técnica de janela móvel é adotada para a predição do comportamento dinâmico do sistema, incluindo as forças de conexão dos vagões decorrentes do efeito conjunto do relevo da rota e dos esforços de tração e de freio aplicados ao trem. Um simulador do comportamento dinâmico de trens de carga é sugerido a partir do modelo não linear apresentado e as simulações numéricas ilustram a efetividade do esquema considerado para reduzir as forças nos acopladores. A metodologia é aplicada a um trem real simulado nos trilhos da Ferrovia do Aço que corta os estados de Minas Gerais, Rio de Janeiro e São Paulo.In railroad operations, locomotive engineers nowadays use a personalized driving pattern for each track/train combination. This plan serves as a guide reference for punctuality and energetically efficient travels. However, many safety issues related to the high forces experimented by the trains couplers persist, provoking accidents and derailments, which delay the logistic chain and raise operational costs. This Masters Dissertation describes a modeling, simulation and control methodology for real freight trains operation dealing with the described challenge. In fact, this work intends to propose a Model Predictive Control automatic driving procedure taking into account a weighted multi-objective minimization that can reduce forces in the couplings without increasing significantly the trip time or fuel consumption. A moving horizon technique is adopted to predict the train handling effects of the terrain forces interacting with train tractive and braking forces. A heavy haul train dynamic simulator is developed based on the described nonlinear model and numerical simulations illustrate the effectiveness of the considered scheme to reduce coupler forces. The methodology is applied to the "Ferrovia do Aço" railroad that passes through the States of Rio de Janeiro, São Paulo and Minas Gerais in Brazil with real train configuration.Submitted by Aglair Aguiar (aglair@ct.ufrj.br) on 2019-09-12T17:53:00Z No. of bitstreams: 1 882218.pdf: 38559616 bytes, checksum: 48a165ae94ede45614dee477e161b868 (MD5)Made available in DSpace on 2019-09-12T17:53:00Z (GMT). No. of bitstreams: 1 882218.pdf: 38559616 bytes, checksum: 48a165ae94ede45614dee477e161b868 (MD5) Previous issue date: 2018-03engUniversidade Federal do Rio de JaneiroPrograma de Pós-Graduação em Engenharia ElétricaUFRJBrasilInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de EngenhariaCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAEngenharia elétricaTransporte ferroviárioControle preditivo baseado em modeloModel predictive control of heavy haul trainsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisabertoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJORIGINAL882218.pdf882218.pdfapplication/pdf38559616http://pantheon.ufrj.br:80/bitstream/11422/9488/1/882218.pdf48a165ae94ede45614dee477e161b868MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81853http://pantheon.ufrj.br:80/bitstream/11422/9488/2/license.txtdd32849f2bfb22da963c3aac6e26e255MD5211422/94882023-11-30 00:01:02.654oai:pantheon.ufrj.br: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Repositório de PublicaçõesPUBhttp://www.pantheon.ufrj.br/oai/requestopendoar:2023-11-30T03:01:02Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false |
dc.title.pt_BR.fl_str_mv |
Model predictive control of heavy haul trains |
title |
Model predictive control of heavy haul trains |
spellingShingle |
Model predictive control of heavy haul trains Neves, Carolina Calvo Pose Santos CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Engenharia elétrica Transporte ferroviário Controle preditivo baseado em modelo |
title_short |
Model predictive control of heavy haul trains |
title_full |
Model predictive control of heavy haul trains |
title_fullStr |
Model predictive control of heavy haul trains |
title_full_unstemmed |
Model predictive control of heavy haul trains |
title_sort |
Model predictive control of heavy haul trains |
author |
Neves, Carolina Calvo Pose Santos |
author_facet |
Neves, Carolina Calvo Pose Santos |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/6246688821056691 |
dc.contributor.author.fl_str_mv |
Neves, Carolina Calvo Pose Santos |
dc.contributor.referee1.fl_str_mv |
Costa, Ramon Romankevicius |
dc.contributor.referee2.fl_str_mv |
Leite, Antonio Candea |
dc.contributor.referee3.fl_str_mv |
Cunha, José Paulo Vilela Soares da |
dc.contributor.advisor1.fl_str_mv |
Peixoto, Alessandro Jacoud |
contributor_str_mv |
Costa, Ramon Romankevicius Leite, Antonio Candea Cunha, José Paulo Vilela Soares da Peixoto, Alessandro Jacoud |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Engenharia elétrica Transporte ferroviário Controle preditivo baseado em modelo |
dc.subject.por.fl_str_mv |
Engenharia elétrica Transporte ferroviário Controle preditivo baseado em modelo |
description |
Nas operações ferroviárias, atualmente há um padrão de condução personalizado para cada combinação de trem e rota. Esse plano guia os maquinistas em termos de uma direção que seja pontual e energeticamente eficiente. No entanto, os esforços elevados nos acopladores desses trens ainda provocam acidentes e problemas de descarrilhamentos, atrasando a cadeia logística e elevando os custos operacionais. Esta dissertação de mestrado descreve uma proposta de modelagem, simulação e controle de trens de carga baseada em dados reais para lidar com esse desafio. De fato, este trabalho propõe um modelo preditivo baseado em modelo para a condução automática dos trens, levando em consideração uma minimização multiobjetivo ponderada a fim de reduzir as forças nos engates e garantir uma operação mais segura, sem que isso se traduza em relevante gasto de combustível ou aumento de tempo de viagem considerável. A técnica de janela móvel é adotada para a predição do comportamento dinâmico do sistema, incluindo as forças de conexão dos vagões decorrentes do efeito conjunto do relevo da rota e dos esforços de tração e de freio aplicados ao trem. Um simulador do comportamento dinâmico de trens de carga é sugerido a partir do modelo não linear apresentado e as simulações numéricas ilustram a efetividade do esquema considerado para reduzir as forças nos acopladores. A metodologia é aplicada a um trem real simulado nos trilhos da Ferrovia do Aço que corta os estados de Minas Gerais, Rio de Janeiro e São Paulo. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-03 |
dc.date.accessioned.fl_str_mv |
2019-09-12T17:53:00Z |
dc.date.available.fl_str_mv |
2023-11-30T03:01:02Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11422/9488 |
url |
http://hdl.handle.net/11422/9488 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFRJ |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia |
publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRJ instname:Universidade Federal do Rio de Janeiro (UFRJ) instacron:UFRJ |
instname_str |
Universidade Federal do Rio de Janeiro (UFRJ) |
instacron_str |
UFRJ |
institution |
UFRJ |
reponame_str |
Repositório Institucional da UFRJ |
collection |
Repositório Institucional da UFRJ |
bitstream.url.fl_str_mv |
http://pantheon.ufrj.br:80/bitstream/11422/9488/1/882218.pdf http://pantheon.ufrj.br:80/bitstream/11422/9488/2/license.txt |
bitstream.checksum.fl_str_mv |
48a165ae94ede45614dee477e161b868 dd32849f2bfb22da963c3aac6e26e255 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ) |
repository.mail.fl_str_mv |
|
_version_ |
1784097155764453376 |