城市轨道交通列车控制仿真模型研究

列车运行控制系统的应用,有效地提高了城市轨道交通的运行效率.由于缺乏相关的技术参数,应用传统牵引计算理论方法的列车运行控制仿真系统,若未充分考虑系统控车的特性,在工程应用中控制的精度将无法保证.本文着重考虑信号系统工程设计的限制条件,将列车的加减速性能和速度控制策略作为主要研究对象,构建基于能量守恒原理和信号控制条件的列车速度控制仿真模型.在此基础上设计仿真模型,实现所需要的系统功能结构和仿真流程,并开发形成软件系统.在实际运行线路案例研究中,与采用通用列车运行仿真系统获得的结果比较,验证本文所建仿真模型的精度和工程适用性.     

基于数据驱动的高速列车速度复合控制研究

针对高速列车在外部干扰下的速度控制问题，本文提出基于Koopman算子的高速列车高维线性模型的建模方法，并设计一种结合扩张状态观测器(ESO)与基于Koopman算子的模型预测控制(K-MPC)的复合控制器(ESO-K-MPC)。利用扩展动态模式分解算法来近似无限维线性Koopman算子，建立具有动态非线性特性的高速列车动力学高维线性模型；引入模型预测控制，设计扩张状态观测器，对系统总扰动进行估计与补偿，构建基于ESO-K-MPC的高速列车速度控制系统，再设计控制器与控制算法；结合CRH3列车参数和郑西高铁华山北站—西安北站实际线路数据，分别在没有扰动和白噪声干扰下对设计的控制方法与算法进行仿真研究。仿真结果表明：基于Koopman的高速列车建模对位移与速度的预测精度相比于线性状态空间模型分别提高了83.86%与87.40%;ESO-K-MPC可以准确估计与补偿高速列车运行中受到的干扰，控制输出曲线与期望曲线几乎重叠，实现了列车运行期望曲线的高精度跟踪。     

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%.     

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...     

基于遗传算法的单线列车运行调整体系

针对单线列车运行的特点，提出了“相邻列车”的概念，根据此概念建立了单线列车运行调整模型，并推导了列车运行图偏差函数作为模型调整目标．鉴于列车运行调整问题的解空间太大，用一般的运筹学方法难以有效地求解，提出了基于遗传算法的优化求解算法．该算法根据被调整列车的等级将原问题分解成若干子问题，并在对每个子问题求解的过程中，运用遗传算法在解空间中寻优．仿真结果显示了该模型和算法在应用于实际运行调整时的有效性和实时性．     

�����г��������е����׶��Ż�ģ���㷨�о�

地铁运输系统是城市公共系统中最大的耗能系统,列车节能运行具有重要的意义. 结合地铁列车运行特点与机车操纵规则,提出了在起伏坡道与定时约束条件下地铁列车节能运行的两阶段优化方法. 第一阶段,建立了寻求站间最佳惰行控制次数及惰行控制点的优化模型;第二阶段,建立了合理分配各个站间区间列车运行时间的优化模型. 设计了基于遗传算法的优化模型求解算法. 与既有方法相比,在运行时分相同条件下,经过两阶段优化后,列车运行能耗下降了19.06%,列车运行恢复正点的能力也得到了提高.     

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。     

基于两次聚类的PWARX驾驶行为辨识模型

针对传统基于聚类的PWARX模型依赖先验知识和子空间划分精度不高的问题,提出一种基于两次聚类的PWARX辨识模型改进算法,并将其应用于驾驶行为建模。首先通过近邻传播算法在样本空间上进行聚类,在所得类簇上用线性模型进行拟合,并通过K-means算法在线性模型的参数空间上进行聚类,以获得PWA子模型的区域划分,最后在各个子空间上对PWA子模型进行求解。该算法合理利用了近邻传播算法和K-means算法的特点,通过在样本和参数空间上的两次聚类获得了良好的子模型区域分割效果。并对10名驾驶员的驾驶行为的建模实验结果表明,所提算法的模型辨识的平均准确率达到了91.5%。     

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。