评估特别是用于轨道车辆的路轨的污染和清洁的方法与流程

本发明涉及用于控制轨道车辆的车轮与路轨之间的附着力值(adhesionvalue，附着力系数，粘着系数)的方法的领域。特别地，本发明涉及用于评估特别是用于轨道车辆的路轨的污染和清洁的方法。

背景技术：

电子系统安装在大多数现代轨道车辆上，该电子系统通常包括车轮防滑控制子系统，其旨在在车辆处于牵引阶段和处于制动阶段时进行干预。这些子系统称为防打滑或防滑行系统，也称为wsp(车轮防滑保护)系统。

在附图的图1中示意性地示出了根据现有技术的用于控制车轮的附着力的作为防滑功能的系统，该系统涉及具有n个受控车轴a1、a2、...、an的车辆。这些车轴a1、a2、...、an包括各自的轴s1、s2、...、sn以及与其一体旋转的各自的轮对w1、w2、...、wn。

在附图中，一般仅示出了每个车轴的一个车轮。

图1的wsp系统包括电子控制单元ecu，其通常基于微处理器架构，该ecu从分别与这样的车轴相关联的检测器ss1、ss2、...、ssn接收与每个车轴a1、a2、...、an的角速度相关的转速表信号。电子控制单元ecu还连接至扭矩控制装置tc1、tc2、...、tcn，每个扭矩控制装置与各自的车轴a1、a2、...、an相关联。

如果在牵引力或制动过程中在附着力降低的情况下施加扭矩的情况下，一个或多个车轴的车轮在可能的初期打滑状态下终止，则电子控制单元ecu可以根据预定算法对施加到每个车轴的扭矩进行调制。执行扭矩调节的方式是，防止车轴完全锁定，从而可能使每个车轴进入受控滑行的状态，目的是恢复附着力，并且无论如何在减小的附着力情况下的整个持续时间内。

在图2中，曲线1、2和3定性地表示了根据环境条件的附着力趋势：曲线1对应于车轮和路轨之间的干式接触条件下的附着力状况，曲线2对应于车轮和路轨之间存在水分的附着力状况，以及曲线3表示车轮和路轨之间存在粘性物质(诸如油或腐烂的叶子)(秋天期间的典型状况)甚至与水分混合的锈迹(轨道车站的典型情况)的附着力状况。

实验发现，在附着力峰值a1、a2、a3处的δ值随附着力状况的变化而变化，该δ值沿着如图2中a所示的曲线移动。

图3为说明施加到车轴的车轮a上的力的示图。从该图可以清楚地看出：

其中：

fa＝μ·m·g(3)

从而：

其中，fm为由牵引和/或制动系统施加在车轮上的切向力，r为车轮的半径，j为车轴的惯性矩，m为靠在轮轨接触点上的质量，为车轴的瞬时角加速度。

显然，在相同的瞬时角加速度下，在最大附着力值μ(即，位于图2的曲线a上的点)处获得了最大施加力fm。

如果决定在诸如对应于图2中的点b的条件下滑行车轴，则由于附着力值μ减小，可利用的力fm的值减小，但是会在轮轨接触点处获得能量注入现象，该能量注入与车辆速度vv和车轮的切线速度vr之间的滑行(差)成比例，并具有功率(每单位时间注入的能量)：

p(δ)＝fa(δ)·(vv-vr)＝μ(δ)·m·g·(vv-vr)＝μ(δ)·m·g·δ·vv.(5)

上面的表达式(5)表示如何通过增加δ来增加施加到轮轨接触点的功率。能量的注入引起车轮过热，从而随之产生接触点的清洁效果，从而提高了下一个车轮的瞬时附着力值μ。

此外，已知的是，在潮湿或下雨的情况下，可获得明显的清洁效果，而在存在润滑剂或腐烂的叶子的情况下，清洁效果较差。

用于恢复车轮和路轨之间的附着力的当前系统施加通常在0.2和0.3之间的固定的滑行值δ，该特定值在车辆定型试验期间以确定的方式进行校准。因此，所选的δ值针对用于在试验过程中引起打滑状况的润滑剂类型进行了优化，例如在“en15595:2009+a1，轨道应用-制动-车轮滑行保护，第6.4.2.1段”中所规定的，另一方面，对于在车辆正常使用期间可能引起打滑状况的所有类型的材料而言，并不是最佳选择。

图4a的曲线图定性地示出了具有四个车轴的车辆的整体附着力的峰值如何随δ的变化而变化：如图4a所示，使所有车轴以对应于值δ1的附着力滑行，由于实际上没有清洁因子，因此对应于四个车轮的四个附着力曲线基本上彼此重合，并且每个车轴都利用了最大峰值附着力值μ(δ1)。

另一方面，如图4b所示，如果使车轴以对应于滑行值δ2的附着力滑行，则可获得较高的清洁因子：仅与车辆的第一车轴对应的μ1曲线(沿行进方向)将保持不变并与图4a等效，而由于前一个车轴达到的清洁效果，对应于跟随车轴的曲线的附着力值将增加。每个车轴的值μ(δ2)实际上小于相应的值μ(δ1)。

如图4c定性所示，在范围δ1≤δ≤δ2中，存在峰值平均整体附着力值

上面描述的内容通过扩展适用于具有n个车轴的车辆或列车。

由于表示附着力μ与滑行值δ的函数关系的曲线可能无法以分析的方式用数学公式表示，并且会随着引起打滑的条件、接触点的几何形状以及外部环境条件的变化而连续变化，所以不可能先验地通过分析计算出最佳滑行值δ。

然而，出色的附着力控制和可能的恢复系统应该能够实时分析瞬时附着力条件，并随δ的变化验证其趋势，并确定δ的值以使最大化。该值为在打滑的情况下允许最大的附着力恢复的值，该值为在附着力下降的情况下制动时使停止距离最小化的值。

为了排除上述问题，wo2006/113954a描述了一种用于轨道车辆的滑行控制，该滑行控制随着时间的流逝而连续地实施，其需要在最佳的附着力条件下，根据随后的打滑条件下的所需性能来确定必要的参数。这种方法还要求系统的整体减速度是已知的。

此外，调节最佳滑行值的过程需要相当长的时间。该调整过程在打滑阶段的开始实施，即在车辆高速行驶时实施，后者所覆盖的距离大大增加。

另外，根据现有技术实现的过程和系统基于这样的假设，即车轮附着力曲线总是在较小的滑行值(例如约1-2％)上具有附着力峰值μp的曲线。

实际上，车轮附着力曲线并不总是在小滑行值下具有附着力峰值μp的曲线；它们可以在较高的滑行值(诸如，约20-25％的值)下具有附着力峰值μp的曲线。

在第二种情况下，如果错误地将曲线当作是在小滑行值下具有附着力峰值μp的曲线，即在车轮和路轨之间施加小的滑行值以获得峰值车轮附着力，则期望的益处没有实现。实际上，在小的滑行中，该曲线在较高的滑行值(例如，约20-25％的值)下具有μp的附着力峰值，从而表现出较差的附着水平和较差的路轨清洁效果(鉴于施加的滑行值很低)。

因此，在第二种情况下，考虑到车轮的每个单个附着力值，平均附着力值将不是最佳值。

技术实现要素：

本发明的目的是提出一种用于评估路轨的污染的方法，该方法允许沿着属于车辆的多个受控车轴的车轮的附着力曲线来确定附着力峰值的位置，并且因此，来获得改进的控制以及对轨道车辆的受控车轴的车轮附着力的可能恢复，并提出一种评估路轨清洁的方法，该方法可以允许在轨道车辆的各个连续车轴之间更好地进行清洁效果的评估。

根据本发明的一个方面，通过具有权利要求1中限定的特征的用于评估路轨的污染的方法以及通过具有权利要求8中限定的特征的用于评估路轨的清洁的方法，实现了上述以及其他目的和优点。在从属权利要求中定义了本发明的优选实施例，其内容旨在作为本说明书的组成部分。

附图说明

从下面的详细描述中，本发明的其他特征和优点将变得显而易见，下面的详细描述仅通过非限制性示例的方式参考附图提供，其中：

-图1为轨道车辆的车轮的防滑控制系统的框图；

-图2为定性地示出了在y轴上示出的车轴的车轮的附着力系数μ的趋势与在x轴上示出的滑行值δ的函数关系的曲线图；

-图3为说明施加在车轴的车轮上的力的示意图；

-图4a、4b为定性地示出在两种不同的操作条件下车辆的四个车轴的车轮的附着力系数μ的趋势的曲线图；

-图4c示出了在峰值附近的平均附着力曲线的趋势；

-图5为示出在小于第一预定阈值的滑行值处具有附着力峰值的附着力曲线的曲线图；

-图6为示出在大于第二预定阈值的滑行值处具有附着力峰值的附着力曲线的曲线图；

-图7示出了分别属于四个连续车轴的车轮的四个附着力曲线，在此情况下，具有路轨的清洁效果；

-图8示出了分别属于四个连续车轴的车轮的四个附着力曲线，在此情况下，将滑行值施加为与车轴的车轮和路轨之间的附着力峰值相对应，并因此没有路轨的清洁效果；

-图9示出了分别属于四个连续车轴的车轮的四个附着力曲线，在此情况下，属于轨道车辆的多个受控车轴的车轮的附着力曲线在小于第一预定阈值的滑行值处呈现出附着力峰值，并且施加在车轴的车轮和路轨之间的滑行值是比第二预定阈值更高的滑行值；以及

-图10示出了分别属于四个连续车轴的车轮的四个附着力曲线，在此情况下，附着力曲线在大于第二预定阈值的滑行值处呈现出附着力峰值，并且施加在车轴的车轮和路轨之间的滑行值是比第二预定阈值更高的滑行值。

具体实施方式

在详细描述本发明的多个实施例之前，应当阐明，本发明的应用不限于以下描述中提供的或在附图中示出的构造的细节或部件的构造。本发明可以采用其他实施例，并且可以以本质上不同的方式来实施或实现。还应理解，措词和术语具有描述性目的，并且不应解释为限制性的。“包括”和“包含”及其变型的使用应理解为涵盖下文所述的元件及其等同物，以及附加的元件及其等同物。

从下面将更清楚地看到，根据本发明的方法允许沿着属于车辆的多个受控车轴的车轮的附着力曲线来确定附着力峰值的位置，并因此获得轨道车辆的受控车轴的车轮的附着力的改善的控制和可能的恢复。

首先参考诸如图5中的附着力曲线，对于约为1-2％的较小滑行值获得附着力峰值μp。

将δp定义为获得附着力峰值μp的滑行值，显然：

-如果使车轴以接近δp(小滑行值)滑行，则对采用了峰值μp的局部附着力有益的清洁效果可忽略不计。

-相反，如果使车轴以较高的滑行值δ滑行，则将会损失对跟随车轴的可能清洁效果有益的局部附着力。取决于存在的污染物的类型和数量，这种效果将或多或少地有效。清洁的有效性是先验的未知数据。

因此，为了最大化车轴的平均附着力，选择使车轴工作的滑行点通常必须考虑两个因子：

1.清洁跟随车轴的益处(随着局部滑行的增加而增加)；以及

2.局部附着力值(随着滑行的增加而减小)。

相反，在如图6所示的附着力曲线的情况下，从文献资料和对机车车辆进行的实验测试结果来看，附着力曲线的趋势取决于许多因子，其中包括：污染物的类型，污染物的量和车辆的重量。如图5所示，对于小的滑行值，并非所有附着力曲线都必须呈现出附着力峰值μp。存在针对较高的滑行值(δp≈20％)获得附着力峰值μp的情况，如图6中的曲线所示。

在这种情况下：

-如果使车轴以小的滑行值(例如δ＝1-2％)滑行，则清洁效果实际上将为零，并且相对于峰值，局部附着力将降低。

-相反，如果使车轴以较高的值δ(例如δ≈20％)滑行，则对于局部附着力和跟随车轴可能的清洁效果都将是有益的。

因此，对于如图6所示的附着力曲线，无论清洁有效性如何，最合适的选择是使所有车轴具有大的滑行值(δ≈20％≈δp)，以最大程度地提高局部附着力和可能的清洁效果。

基于上述概念，用于评估路轨(尤其是用于轨道车辆)的污染的方法包括以下步骤：

-在轨道车辆的第一受控车轴a1的车轮w1与路轨之间施加小于第一预定阈值t1的第一滑行值δ1，根据轨道车辆行驶的方向，第一受控车轴a1为轨道车辆的前车轴；

-在第二受控车轴a2的车轮与路轨之间施加大于第二预定阈值t2的第二滑行值δ2，根据列车的行驶方向，第二车轴a2为跟随所述第一车轴a1的车轴，并且第二预定阈值t2大于所述第一预定阈值t1；

-基于所述第一车轴a1的车轮与路轨之间的第一附着力值μ1和所述第二车轴a2的车轮与路轨之间的第二附着力值μ2，来确定属于轨道车辆的多个受控车轴an的车轮w与路轨之间的附着力曲线的趋势。

确定属于轨道车辆的多个受控车轴an的车轮w与路轨之间的附着力曲线的趋势的步骤还可以包括如下步骤：测量所述第一车轴a1的车轮与路轨之间的第一附着力值μ1和所述第二车轴a2的车轮与路轨之间的第二附着力值μ2；

-如果第二附着力值μ2大于第一附着力值μ1，则确定属于轨道车辆的多个受控车轴an的车轮w与路轨之间的附着力曲线为具有在大于第二预定阈值t2的滑行值δp处具有附着力峰值μp的趋势的附着力曲线；以及

-如果第二附着力值μ2小于第一附着力值μ1，则确定属于轨道车辆的多个受控车轴an的车轮w与路轨之间的附着力曲线为具有在小于所述第一预定阈值t1的滑行值δp处具有附着力峰值μp的趋势的附着力曲线。

举例来说，第一预定阈值t1可以与约5％的滑行值一致，并且在第一受控车轴a1的车轮和路轨之间的小于第一预定阈值的第一滑行值δ1可以为约1-2％。第二预定阈值t2可以与约15％至25％之间的滑行值一致，并且在至少一个第二受控车轴a2的车轮与路轨之间的大于第二预定阈值的第二滑行值δ2可以约为20％-25％。

优选地，第二滑行值δ2不超过等于约25％的极限滑行值δlimit。

如果已经确定属于轨道车辆的多个受控车轴an的车轮w与路轨之间的附着力曲线为具有在大于第二预定阈值t2的滑行值处呈现附着力峰值μp的趋势的附着力曲线，则用于评估路轨的污染的方法可包括以下步骤：

-在所有受控车轴的车轮和路轨之间施加大于第二预定阈值t2的滑行值δ。

另一方面，如果已经确定属于轨道车辆的多个受控车轴an的车轮w与路轨之间的附着力曲线为具有在小于第一预定阈值t1的滑行值δp处具有附着力峰值μp的趋势的附着力曲线，则用于评估路轨的污染的方法可包括以下步骤：

-借助于第一附着力值μ1和第二附着力值μ2之间的差来计算附着力差值δμslide；

-在至少一个第三车轴a3的车轮与路轨之间施加大于第二预定阈值t2的第二滑行值δ2，根据列车的行驶方向，第三车轴a3为跟随所述第二车轴a2的车轴；

-计算使第三车轴a3的车轮受益的由第二车轴a2的车轮的清洁效果产生的附着力差值δμclean，所述清洁效果产生的附着力差值δμclean借助于第三车轴a3的车轮与路轨之间的附着力值μ3和第二车轴a2的车轮与路轨之间的附着力值μ2之差来获得；

-如果由车轮的清洁效果产生的附着力差值δμclean相对于附着力差值δμslide乘以自适应因子fad(该自适应因子的值与车轴数成反比)占主导地位，则在所有受控车轴a1、...、an的车轮w与路轨之间施加大于第二预定阈值t2的滑行值δ；

-如果由车轮的清洁效果产生的附着力差值δμclean相对于附着力差值δμslide乘以自适应因子fad(该自适应因子的值与车轴数成反比)不占主导地位，则在所有受控车轴a1、...、an的车轮w与路轨之间施加小于第一预定阈值t1的滑行值δ。

如果已经确定属于轨道车辆的多个受控车轴an的车轮w的附着力曲线为具有在小于第一预定阈值t1的滑行值δp处具有附着力峰值μp的附着力曲线，则用于评估路轨的污染的方法可包括以下步骤：

-在所有受控车轴a1、...、a0的车轮和路轨之间施加大于第二预定阈值t2的滑行值δ2之后，由于由车轮的清洁效果产生的附着力差值δμclean相对于附着力差值δμslide乘以自适应因子fad(该自适应因子的值与车轴数成反比)不占主导地位，如果前一车轴an的车轮的附着力值μn与下一车轴an+1的车轮的附着力值μn+1一致，则在至少一个跟随的车轴an+1、an+2、...的车轮和路轨之间施加小于第一预定阈值t1的第一滑行值δ1。

需指出，由于上述最后一步，根据行进方向在第一车轴上呈现出的路轨的清洁效果不再涉及跟随车轴的附着力的提高(例如，因为现在路轨是完全清洁的)，因此，在跟随的车轴上施加与附着力峰值相对应的滑行值，而不是对清洁路轨有用的滑行值，这是合适的。

举例来说，将第二车轴视为前一车轴an，并且将第三车轴视为跟随车轴an+1，在所有受控车轴的车轮和路轨之间施加大于第二预定阈值t2的滑行值δ2之后，由于车轮的清洁效果所产生的附着力差值δμclean相对于附着力差值δμslide乘以自适应因子fad不占主导地位，因此如果第二车轴a2(前一车轴an)的车轮的附着力值μ2与第三车轴(跟随车轴an+1)的车轮的附着力值μ3一致，则在跟随第三车轴的车轴的车轮和路轨之间施加小于第一预定阈值t1的第一滑行值δ1。

举例来说，可以在预定的时间间隔之后(例如，每30秒)重复评估路轨污染的方法，也可以在轨道车辆行驶了预定的距离之后重复这种方法。

此外，本发明包括一种用于评估用于轨道车辆的路轨的清洁的方法，该方法包括以下步骤：

-在轨道车辆的第一受控车轴a1的车轮w1与路轨之间施加小于第一预定阈值t1的第一滑行值δ1；根据轨道车辆行驶的方向，第一受控车轴a1为轨道车辆的前车轴；

-在第二受控车轴a2的车轮与路轨之间施加大于第二预定阈值t2的第二滑行值δ2，根据列车的行驶方向，第二车轴a2为跟随所述第一车轴a1的车轴，并且所述第二预定阈值t2大于所述第一预定阈值t1；

-在受控的第三车轴a3的车轮和路轨之间施加等于所述第二滑行值δ2的第三滑行值δ3，第三车轴a3为根据列车的行驶方向紧随所述第二车轴a2的车轴；

-基于第二车轴a2的车轮与路轨之间的第一附着力值μ2和所述第三车轴a3的车轮和路轨之间的第二附着力值μ3，确定对第三车轴a3有益的由所述第二车轴a2的滑行而产生的路轨的清洁有效性。

上述确定路轨的清洁的有效性的步骤可以包括以下步骤：

-测量第一附着力值μ2和第二附着力值μ3；以及

-通过在第二附着力值μ3和第一附着力值μ2之间进行减法运算来确定清洁的有效性。

在下文中以示例的方式报告了轨道车辆的车轴的总数为四个的示例性情况。

考虑图7，可以评估由组成轨道车辆的四个车轴接合的附着力。

可用于第一车轴a1的附着力μ1不受清洁的影响，该车轴为首先遇到路轨的车轴。附着力μ1仅取决于路轨的状况，即以下将用“amb”表示的环境/污染物状况。

于是，由第一车轴接合的附着力μ1将是第一车轴在路轨上的局部滑行δ1的函数：

μ1＝f(μmax,δ1)＝f(amb，δ1)

相反，可用于第二车轴的附着力μ2取决于前一个第一车轴产生的清洁(δμ12)。

μ2，max＝μmax+δμ12

有利于第二车轴的由第一车轴产生的清洁δμ12是第一车轴在路轨上的滑行值δ1以及污染物典型的清洁特性(污染物或多或少易于用相同的滑行清除)的函数，所述清洁特性在下文中用术语“清洁(cleaning)”表示。

μ2，max＝μmax+f(清洁，δ1)

于是，由第二车轴接合的附着力μ2将是第二车轴在路轨上的局部滑行δ2的函数。

μ2＝f(μ2，max,δ2)＝f(amb，δ1，清洁，δ2)

同样，由第三车轴接合的附着力μ3取决于局部滑行值δ3和那些在前车轴所产生的清洁，因此取决于δ1、δ2和清洁。

同样，由第四车轴接合的附着力μ4取决于局部滑行值δ4和那些在前车轴所产生的清洁，因此取决于δ1、δ2、δ3和清洁。

根据这些考虑：

在如图5所示的附着力曲线的情况下，并且在所有车轴上施加了与附着力峰值μp相对应的滑行的情况下，假设(参见图8)将所有车轴都控制在附着力峰值μp上，即在δp附近的小滑行值，不会产生路轨清洁。

δμ12＝δμ23＝δμ34＝0

因此，

μ2，max＝μ3，max＝μ4，max＝μ1，max

因此所有的车轴都具有与前车轴(行驶方向上的第一车轴)相同的附着力，因为没有车轴清洁路轨。

从而：

μaverage＝μ1，max

在如图5所示的附着力曲线的情况下，其中在所有车轴上施加滑行值δ>>δp，有可能获得清洁效果(此效果当然不是先验的，而是取决于清洁相关污染物的有效性：先前定义为“清洁”的参数)。

参考图9：

δμ12＝δμ23＝δμ23＝δμclean

因此：

μ2，max＝μ1，max+δμclean

μ3，max＝μ2，max+δμclean＝μ1，max+2*δμclean

μ4，max＝μ3，max+δμclean＝μ1，max+3*δμclean

同时，以远离峰值δp的δ滑行的每个车轴将不会利用所有局部可用的附着力μ。

参考图9：

μ1＝μ1，max-δμslide

μ2＝μ2，max-δμslide＝μ1，max+δμclean-δμslide

μ3＝μ3，max-δμslide＝μ1，max+2*δμclean-δμslide

μ4＝μ4，max-δμslide＝μ1，max+3*δμclean-δμslide

计算车辆的平均附着力：

比较在如图5所示的附着力曲线的情况下、在所有车轴上施加对应于附着力峰值的滑行值的情况下以及在所有车轴上施加滑行值δ>>δp的情况下获得的平均附着力，其中需指出：

-如果则以δ>>δp的大滑行值来控制车轴，即以大于第二预定阈值t2的滑行值来控制车轴，这是适当的。

-如果则以减小的滑行值δ＝δp，即，以小于第一预定阈值t1的滑行值控制车轴，这是适当的。

在以上给出的示例中，自适应因子等于2/3。例如，在五个车轴的情况下，自适应因子等于1/2。

对于如图6所示的附着力曲线，无论清洁的有效性如何，最合适的选择是使所有车轴具有大的滑行值，即大于第二预定阈值t2(δ≈20％≈δp)的滑行值，因此，最大程度地提高局部附着力和可能的清洁效果。

根据对滑点的这种管理(请参见图10)，我们有：

μ1＝μ1，max

μ2＝μ1，max+δμclean

μ3＝μ1，max+2*δμclean

μ4＝μ1，max+3*δμclean

因此，平均车辆水平附着力为：

根据对先前情况的分析，(如图5所示的附着力曲线的情况，并且其中，在所有车轴上都施加了与附着力峰值相对应的滑行值，对于如图5所示的附着力曲线的情况，其中，在所有车轴上施加了δ>>δp的滑行值，并且对于如图6所示的附着力曲线的情况)，需指出，最佳滑行点的选择(最大化车辆的平均附着力的选择)必须通过三个主要因子的评估：

因子1：附着力曲线的类型：即，是否针对小的滑行值(图5)(即针对小于第一预定阈值t1的滑行值)或针对大的滑行值(图6)(即针对大于第二预定阈值t2的滑行值，接近δlimit)，获得附着力峰值；

因子2：δμslide(仅针对图5中所示的曲线定义的参数)，即曲线的峰值和与接近极限滑行的滑行值相接合的附着力之间的附着力差(参见图9)。

因子3：δμclean，即当使车轴n以大于第二预定阈值t2的接近δlimit的滑行值滑行时，车轴(n+1)从中受益的清洁效果的有效性。

在轨道车辆在路轨上行驶的情况下，必须按照上述标准，在车辆制动期间实时进行这三个因子的评估以及随之进行的滑点选择，以最大程度地提高车辆接合的平均附着力，从而最大程度地使车辆减速，并从而最大程度地减短车辆的停止距离。

因此为了评估清洁的有效性(因子3)，有必要在车轴n上施加有效的滑行值，即大于第二预定阈值t2的滑行值(δ≈δlimit)，并验证在车轴(n+1)上的潜在附着力增益。

同时，通过使车轴以大于第二预定阈值t2的滑行值(接近δlimit)滑行，修改了针对跟随车轴的路轨条件，并且无法评估相对于小滑行值(即小于第一预定阈值t1(δ<5％)的滑行值)的附着力值。因此，无法评估因子1和2。

本发明的目的是如下所述地管理车轴的滑行：

第一车轴：δ1≈1-2％

第二车轴：δ2≈20％

第三车轴：δ3＝δ2≈20％

第四车轴：可选

第一车轴、前车轴以小滑行值进行控制。这样，通过测量与第一车轴接合的附着力，可以获得相对于小滑行值的附着力值

μ1＝μ(1-2％)

但不产生清洁，即不改变跟随车轴的路轨特性。

另一方面，第二车轴以有效的滑行值进行控制，即以大于第二预定阈值t2的滑行值进行控制。这样，通过测量与第二车轴接合的附着力，可以获得相对于大滑行值的附着力值

μ2＝μ(20％)

从而产生对跟随车轴的可能清洁，该清洁取决于污染物的特性(清洁因子3)。

第三车轴以施加于第二车轴的相同滑行值进行控制。

这样，通过测量与第三车轴接合的附着力，可以通过计算清洁因子。

来评估清洁的有效性：

δμclean＝μ3-μ2

此外，通过比较测得的第一车轴和第二车轴的附着力，可以确定附着力曲线的类型(因子1)，并可能计算出δμslide(因子2)。

如果(μ2>μ1)，则为图6中所示类型的附着力曲线的情况。

因此，最合适的选择是使所有车轴具有大的滑行量，即，大于第二预定阈值t2的滑行量(δ≈20％≈δlimit)；

如果(μ2>μ1)，则为图5中所示类型的附着力曲线的情况，并且可以计算出：

δμslide＝μ1-μ2

此时，需指出，对于所有因子，可以选择最佳滑行点：

如果

因此，最合适的选择是使所有车轴具有大的滑行值，即大于第二预定阈值t2的滑行值(δ≈20％≈δlimit)；

如果

最合适的选择是将车轴控制在附着力峰值上，即以小于第一预定阈值t1的滑行值(δ<5％)滑行。

自然地，在不改变本发明原理的情况下，各实施例和实施细节相对于纯粹通过非限制性示例描述和说明的实施例和实施细节可以有很大不同，而不会由此脱离所附权利要求所限定的本发明的范围。此外，应当理解，每个实施例可以与任何其他实施例结合。