基于特征模型的高速列车自适应误差补偿控制

针对高速列车运行过程中因不确定运行阻力和模型误差等因素产生的系统误差，提出了新的基于特征模型的高速列车自适应误差补偿控制策略，实现了其对给定目标速度曲线的渐近跟踪。首先通过动力学分析，基于特征建模方法和参数辨识，建立了存在系统误差的高速列车特征模型；其次，利用扩张状态观测器对系统误差的估计能力，设计了基于特征模型的高速列车自适应误差补偿控制器，并结合广义最小方差方法对控制器参数进行了优化，使其在存在系统误差时仍能实现对给定速度曲线的渐近跟踪。该控制策略能够有效处理系统误差带来的不确定性，提高控制精度，从而保障高速列车的安全可靠运行。为了验证本文所提方法的有效性，以CRH380A型高速列车为被控对象进行仿真实验。仿真结果表明设计的补偿控制方法在列车存在未知系统误差的情况下仍能保证理想的控制性能。     

基于扩张状态观测器的虚拟编组触发模型预测控制

为研究实际线路环境下的虚拟编组列车编队控制问题，综合考虑系统的实时性和抗扰性，本文提出一种基于扩张状态观测器的触发模型预测控制方法。首先，基于虚拟编组列车动力学方程搭建多车追踪模型，并设计终端函数，确保系统的稳定性；其次，针对模型预测控制中存在计算效率低和资源浪费的问题，引入事件触发机制，在求解优化问题时增加判断条件，以提高系统的实时性；再次，在前馈通路上加入扩张状态观测器，对环境中存在的扰动实时估计并补偿，减少干扰造成模型不准确的现象，提高模型的抗扰动能力；最后，基于MATLAB和Simulink仿真平台设计4列列车追踪的运行场景，并与传统模型预测控制方法进行对比，从控制精度和计算时间两方面验证所提方法的有效性。仿真结果表明：相较于传统模型预测控制方法，本文所提出的事件触发机制中3个阈值τ为0.001,0.010,0.100的计算效率分别提高了47%,64%,73%；在面对外部扰动时，本文所提算法在抗扰性上提高了33%。     

存在扰动和时滞的高速列车自适应制动控制

为了保障高速列车的安全可靠运行,文章以存在未知扰动和输入时滞的高速列车制动系统为被控对象,设计了新的高速列车制动系统模型参考自适应控制策略,实现了对给定速度曲线的渐近跟踪。首先,通过分析高速列车制动系统的原理和动态特性,建立了存在扰动和时滞的高速列车制动系统状态空间模型;其次,充分利用模型参考自适应控制善于处理系统不确定性和外界扰动的能力,结合状态预测,设计了状态反馈控制器,使其在存在未知扰动和输入时滞时仍能实现对给定速度曲线的渐近跟踪;最后基于CRH380AL型高速列车在济南—青岛段的数据开展仿真验证,仿真结果表明文章设计的高速列车制动控制系统具有理想的稳定和渐近跟踪特性,能克服未知参数和有界扰动的影响,具有良好的鲁棒性。     

高速列车滑模自抗扰黏着控制方法

为解决高速列车运行过程中因轨面情况改变，导致列车没有达到最大黏着利用而出现空转或滑行等问题，设计了一种基于最大黏着系数的滑模自抗扰(SM-ADRC)黏着控制器；考虑轮轨间黏着特性的复杂、时变与非线性等特点，基于黏着机理分析，建立了轮轨间牵引系统的力学模型；采用极大似然估计(MLE)方法对不同轨面的相关参数进行辨识，计算了当前轨面的最大黏着系数，保证列车始终能达到最大黏着利用；通过引入滑模算法改进了自抗扰控制(ADRC)中非线性误差反馈控制律部分，设计了一种SM-ADRC黏着控制算法，利用Levant跟踪微分器减小初始跟踪误差，利用扩张状态观测器(ESO)估计和补偿系统总的外部扰动，由滑模控制提高系统的鲁棒性；采用MATLAB软件对CRH380A型高速列车进行仿真，在轨面情况改变时，由SM-ADRC黏着控制器控制列车跟踪设定速度，并将其与比例积分微分(PID)控制器、滑模控制器、ADRC的仿真结果进行对比。仿真结果表明：干燥轨面的最大黏着系数是0.160,16 s时辨识出真值；潮湿轨面的最大黏着系数是0.106,18 s时辨识出真值；ADRC的速度跟踪误差范围为±1 km·h^-...     

基于自适应迭代学习控制的列车自动驾驶算法

针对高速列车自动驾驶系统受到时变外部扰动和受限状态的情况，提出一种基于迭代学习控制的自适应控制算法. 基于Lyapunov 函数，利用列车运行过程中的状态偏差，推导出自适应迭代学习控制律和参数学习更新律. 构造类Lyapunov 函数的复合能量函数，通过迭代域的差分，证明其差分负定性和收敛性. 采用所提控制算法对列车跟踪性能进行计算机仿真和实例仿真验证，结果表明，所提出的自适应迭代学习控制算法对列车期望曲线跟踪具有较高的精度和较快的收敛速度，能够在较短的迭代次数实现对期望曲线的精确跟踪.     

城轨ATO系统子空间预测控制方法

为提高城市轨道交通列车自动驾驶(automatic train operation,ATO)系统跟踪给定运行曲线的精度,基于子空间辨识方法,利用列车运行的历史数据,建立与实际运行状态相吻合的非线性子空间预测控制模型,设计子空间预测控制器,实现模型辨识数据和参数在线更新.运用MATLAB软件对比分析传统动力学模型与子空间预测控制模型的跟踪能力.结果 表明:子空间预测控制模型在速度、位移、加速度的跟踪精度上有明显优势,牵引/制动特性更加缓和.子空间预测控制模型可以保证列车运行安全、准时,并提高乘客乘坐舒适性.     

高速列车运行调整与运行控制一体化双目标优化模型与算法

列车实时运行调整与运行控制是实现高速列车准点节能运行的两个重要方面.本文构建高速列车运行调整与运行控制一体化优化模型，以降低列车总延误时间与运行能耗为目标，同时优化列车速度距离与时间距离曲线.与以往研究将列车运行调整与运行控制独立优化不同，本文基于列车牵引计算，通过锁闭时间理论将列车运行调整与控制的解空间进行耦合，根据列车运行速度、制动性能、信号系统的清空与开放时间、轨道区段/闭塞分区的长度等因素，精细化计算列车占用不同轨道区段/闭塞分区的时间，动态确定列车区间运行时分与追踪间隔.为求解复杂的非线性模型，设计分段近似法将非线性约束进行重构，从而将非线性优化模型转变为混合整数规划模型.通过算例计算，给出双目标问题的帕累托解集，与单目标优化方法对比，本文方法可以减少总能耗2.46%，降低运行总延误7.33%.     

高速列车的自适应容错跟踪控制

针对执行器故障下高速列车的速度和位移跟踪控制问题,考虑模型参数的不确定性,引入自适应控制技术,设计了列车的自适应容错跟踪控制器.该控制器不依赖于列车模型参数的先验知识,不需要故障检测与诊断设备,可以有效克服列车模型参数未知以及执行器故障的影响,实现执行器故障下高速列车对目标速度和位移曲线的精确跟踪.基于Lyapunov稳定性理论证明了闭环系统的稳定性.仿真结果说明该控制器具有良好的容错跟踪控制能力.     

高速列车运行调整与运行控制一体化双目标优化模型与算法

列车实时运行调整与运行控制是实现高速列车准点节能运行的两个重要方面.本文构建高速列车运行调整与运行控制一体化优化模型,以降低列车总延误时间与运行能耗为目标,同时优化列车速度距离与时间距离曲线.与以往研究将列车运行调整与运行控制独立优化不同,本文基于列车牵引计算,通过锁闭时间理论将列车运行调整与控制的解空间进行耦合,根据列车运行速度、制动性能、信号系统的清空与开放时间、轨道区段/闭塞分区的长度等因素,精细化计算列车占用不同轨道区段/闭塞分区的时间,动态确定列车区间运行时分与追踪间隔.为求解复杂的非线性模型,设计分段近似法将非线性约束进行重构,从而将非线性优化模型转变为混合整数规划模型.通过算例计算,给出双目标问题的帕累托解集,与单目标优化方法对比,本文方法可以减少总能耗2.46%,降低运行总延误7.33%.     

高速列车纵向动力学模型时变参数在线辨识方法

针对高速列车纵向动力学特性,分析了牵引力、制动力、阻力与速度和加速度的关系;考虑了天气和线路对高速列车运行状态造成的随机干扰,以及机械磨损和运行环境对列车模型结构参数造成的随机影响,建立了噪声干扰下的高速列车纵向动力学参数化状态空间模型,利用期望极大化准则,计算了列车模型参数的条件数学期望,并结合粒子滤波理论估计了参数粒子下的列车状态;基于贝叶斯后验概率理论,建立了高速列车非线性动力学模型的时变参数辨识方法,估计了列车的实时状态,并在噪声与参数分布均属于高斯分布、噪声属于高斯分布与参数属于指数分布、噪声属于伽玛分布与参数属于高斯分布的3种工况下,进行了蒙特卡洛仿真试验。仿真结果表明:在3种工况下,高速列车位移和速度的估计值与真实值的相对误差小于5%,列车模型参数估计值与真实值的相对误差小于10%,满足实际系统需求,因此,在高斯或伽玛噪声的干扰下,针对给定概率分布的时变参数,本方法均能实现系统状态的估计和模型参数的辨识。     

高速列车牵引电机自适应故障诊断研究

为保证高速列车的安全高效运行,设计一种基于多模型方法的高速列车故障诊断与调节策略,实现了对未知牵引电机故障的准确诊断和给定速度曲线的渐近跟踪。首先,通过分析常见的牵引电机故障,建立故障模式集,得到每种故障模式下的高速列车参数化模型;再基于每种故障模式下的参数化模型设计自适应估计器,得到估计器集,并基于估计误差设计性能损失函数进行高速列车牵引电机自适应故障诊断;最后根据诊断出的故障模式和大小等信息设计高速列车自适应故障调节控制器,保证系统稳定和对给定速度曲线的渐近跟踪。仿真结果表明,设计的高速列车自适应故障诊断与调节策略能有效地实现对未知牵引故障的诊断和补偿。     

基于ESO的PMSG风力发电系统无源自抗扰控制

为实现直驱式永磁同步风力发电系统在低风速下的最大功率追踪,提高风能的利用率,提出了无源自抗扰转速控制策略.利用基于能量成形、PCHD的原理以及扩张状态观测器(ESO)技术,设计出基于ESO的无源电流控制器,同时通过基于反双曲正弦函数的ESO对系统扰动项进行实时性观测并补偿.针对速度调节器响应速度慢、抗负载能力差的问题,设计了基于反双曲正弦函数的速度控制器并得到期望的定子电流.仿真结果表明,该控制方法能保证系统稳定运行,具有较强的转速跟踪性、抗负载能力以及鲁棒性,同时具有较小的电磁转矩脉动.     

基于模型预测控制的智能车横纵向控制器设计

针对智能车横纵向控制中路径跟踪精度、行驶稳定性以及乘坐舒适性等问题,提出了基于模型预测控制(MPC)的横纵向综合控制方法。速度规则系统根据参考路径曲率与车辆跟踪位移误差计算出期望速度曲线,速度跟踪控制采用分层式控制器,上层控制器利用MPC算法计算期望加速度,下层控制器利用车辆逆纵向动力学模型对车辆的驱动和制动进行协调控制。横向控制器根据参考路径、车辆反馈状态以及纵向上层控制器的期望速度计算车辆前轮转角。最后通过实验对比本算法与恒速MPC横向控制算法的轨迹误差,结果表明:本算法控制的车辆横向位移均方根误差减小了0.051 m,有效提高了车辆轨迹跟踪的控制精度。     

基于自适应动态面的高速列车蠕滑速度跟踪控制

为实现高速列车黏着控制中对期望蠕滑速度的精确跟踪,提出了一种新的蠕滑速度跟踪控制方法.首先考虑牵引/制动动态建立了列车黏着控制系统动力学模型,并将其描述为一个串级非线性系统;然后采用动态面控制方法,并引入自适应技术估计列车模型参数和系统集总不确定性上界,设计了基于自适应动态面的高速列车蠕滑速度跟踪控制策略.所设计的控制...     

单拖挂汽车列车路径跟踪控制策略

为提高汽车列车路径跟踪性能，结合模型预测控制和最优曲率预瞄控制设计了路径跟踪控制器。在曲线部分采用模型预测控制以减小横向跟踪误差，在直线部分采用最优曲率预瞄控制来提高行驶稳定性，基于TruckSim/Simulink建立联合仿真模型并进行了仿真分析。结果表明，与对标车型自带路径跟踪控制器相比，在单移线工况下，采用综合控制器的汽车列车轨迹跟踪误差减少了60%以上，稳定性指标改善了7%。     

带有干扰观测器的欠驱动船舶路径跟踪非线性模型预测控制

针对欠驱动船舶提出了一种非线性路径跟踪控制器,使其能够在风、浪、流等环境干扰下驶入预定的航行路径.欠驱动船舶以恒定前进速度航行,并且其合速度与参考轨迹相切.该控制器的设计使用了解析模型预测控制和干扰观测器技术,其中非线性观测器用来估计环境干扰.在最优路径跟踪控制器的作用下,路径跟踪误差渐近收敛到零.数值仿真结果验证了该控制器的有效性.     

分数阶干扰观测器在电机调速系统中的应用

针对交流电机调速系统是一个高阶、非线性、强耦合的多变量系统,电机参数的变化、非线性、不确定性等因素不仅引起转矩脉动和误差,同时也引起线性PI控制器性能下降的特点,提出了一种PI控制和分数阶干扰观测器相结合的控制方法.这种方法通过构造分数阶干扰观测器来预测该结构系统中的各种干扰,并根据预测到干扰信息进行补偿以抑制干扰对系统的影响.仿真实验表明,这种控制方法具有较强的适应性和稳定性.     

分数阶干扰观测器在电机调速系统中的应用

针对交流电机调速系统是一个高阶、非线性、强耦合的多变量系统,电机参数的变化、非线性、不确定性等因素不仅引起转矩脉动和误差,同时也引起线性PI控制器性能下降的特点,提出了一种PI控制和分数阶干扰观测器相结合的控制方法．这种方法通过构造分数阶干扰观测器来预测该结构系统中的各种干扰,并根据预测到干扰信息进行补偿以抑制干扰对系统的影响．仿真实验表明,这种控制方法具有较强的适应性和稳定性．     

基于预测控制的动车组迭代学习控制方法

针对动车组运行过程中存在非线性扰动、参数时变等问题，以提高动车组的速度跟踪精度和乘客舒适性要求为目标，提出了一种基于预测控制的高速动车组迭代学习控制方法；通过采集动车组先前运行过程中的输入输出数据，使用带遗忘因子的最小二乘法实时辨识广义预测控制(GPC)中的预测模型参数并计算预测输出，根据以往过程的平均模型误差修正该预测输出，利用修正后预测输出引出迭代学习控制律，在线实时计算得到新的控制量，实现动车组速度跟踪；采用修正后预测输出设计二次型迭代学习控制律，通过充分学习列车系统的重复性特性来解决传统比例积分微分(PID)型迭代学习参数整定难、收敛速度慢和鲁棒性差等问题，并给出算法的收敛性证明；以实验室配备的CRH380A型动车组半实物仿真平台对该方法进行了测试，建立了列车的三动力单元模型，使其跟踪设定速度曲线，并与一些传统算法进行对比。仿真结果表明：在第8次迭代过程，基于预测控制的高速动车组迭代学习控制方法得到的动力单元速度与其设定的速度和加速度误差分别在0.3 km·h^-1和0.5 m·s^-2以内，且变化平稳，其性能优于PID、GPC和P型迭代...     

动车组的多变量非线性预测控制研究

通过分析动车组的牵引-制动系统,建立动车组的各动力单元的线性模型,考虑到动车组运行过程中空气阻力、未知干扰等非线性因素,将实际输出与线性模型输出的误差描述为未建模动态,将动车组运行过程这一非线性问题描述成为线性模型与非线性未建模动态两部分组成的集成模型,利用BP神经网络在线估计未建模动态项,利用递推辨识算法在线更新模型参数。在控制器设计中将广义预测控制器、未建模动态补偿器相结合,设计了多变量非线性广义预测控制器。基于CRH380A型动车组为对象进行仿真,实现了对给定速度的高精确跟踪控制,以及动车组的准时、舒适、安全的运行要求。