基于模糊神经网络的驼峰推送速度控制研究

对影响驼峰机车推送速度的各种因素进行了探讨,将模糊神经网络理论引入到驼峰变速推峰系统中,结合神经网络和模糊控制的各自优点,将专家或熟练操作人员的控制策略转换为控制功能函数,利用神经网络自学习、自校正的能力调整、修改模糊控制规则,从而实现对推送速度的优化控制。     

地铁列车驾驶的模糊控制技术

应用预测型模糊控制技术，对地铁列车的驾驶进行控制。通过控制系统对列车行驶状况的监测，不断对列车的驱动及有制动利用模糊控制规则进行控制。同时预测机车的行驶，对控制量进行修正，使列车行驶达到最佳状态。     

自适应模糊控制在ATO系统中的应用研究

采用自适应模糊控制方法对ATO系统进行应用研究,通过参数的在线自适应调整,克服列车模型不精确的问题,通过大连实测数据的分析以及同普通模糊控制方法的对比,验证此方法能准确跟踪运行曲线,达到精确停车的目的。     

列车运行过程的自适应模糊控制

以离线优化获得的策略对列车进行控制时,由于列车总重、线路坡道、车辆类型等不确定因素的影响,难以取得满意的效果。为此,采用自适应模糊控制方法,在总结分析基础上,充分利用现场操作人员经验,建立初始的模糊逻辑系统,以列车运行过程中的相关数据对模糊系统有关参数进行实时修正,这样,最终得到一个既能够利用专家经验信息又可以利用数据信息的自适应模糊系统,以此对离线优化所得到的控制策略进行调整,仿真研究表明,该方法可以有效消除列车总重、线路坡道、车辆类型等不确定因素对列车控制的影响,能够获得满意的效果。     

基于模糊自适应PID控制的ATO系统控制算法

为了研究ATO系统控制算法的智能性和高效性,在传统PID算法的基础上,充分考虑到列车系统的非线性和复杂性,结合模糊控制理论能进行实时非线性调节的优点,提出了模糊自适应PID控制算法。并在Matlab/Simulink中建立了ATO系统的仿真模型和算法控制模块。将两种算法分别运用到ATO系统中,对目标速度曲线进行跟踪,从停车精度、追溯性、准时性、节能性、舒适性五个方面对二者的控制性能进行比较分析。仿真结果表明,将模糊自适应PID算法运用到ATO系统中,列车的控制性能能够很好地满足ATO系统的各个性能指标要求。     

基于神经网络的地铁列车运行过程的集成型智能控制

提出了一种以神经网络为主，并综合使用模糊系统、遗传算法等方法的集成型地铁列车智能控制方法。分别采用模糊控制的ＢＰ网络和基于遗传算法的模糊神经网络，实行了站间运行控制和定位停车控制，仿真取得了令人满意的结果。结果表明，将神经网络等计算智能方法综合用于列车运行控制是可行的，可以保证较好的舒适性、停车准确性，具有精度高，适应性、鲁棒性强等特点。     

基于自适应模糊滑模的列车精确停车制动控制算法

针对高速列车自动驾驶系统精确进站停车问题,基于列车动力学模型和列车制动系统模型,设计1种自适应模糊滑模控制器,通过模糊切换以补偿列车运行过程中受到的基本阻力、线路附加阻力以及外部未知随机扰动等非线性扰动的影响。根据滑模控制理论,利用列车运行过程中的状态偏差,设计基于跟踪误差的等效控制器,以求解列车制动等效控制量;考虑外部扰动,基于优秀司机驾驶经验的模糊推理规则,设计切换控制器,以得到精确控制量。采用本文控制算法对列车制动过程进行仿真验证,并与传统的PID控制和基于指数趋近律的滑模控制进行对比。结果表明:在考虑附加阻力和外部扰动情况下,自适应模糊滑模控制器能够柔化非线性切换控制信号,削弱滑模控制固有的抖振现象,实现对参考轨迹的精确跟踪,并最终实现精确停车;即使在列车制动系统实际控制输出出现偏差时,设计的控制器仍能控制列车精确跟踪参考制动曲线。     

基于自适应滑模控制的城际列车精确停车方法研究

停车精度是衡量列车自动驾驶控制性能的重要指标。针对城际轨道列车精确停车的需求，分析列车自动停车过程、列车动力学模型以及制动模型，在此基础上提出采用自适应滑模控制器来提高停车精度和列车运行舒适性；应用滑模控制原理设计列车停车控制算法，并对滑模控制中的趋近律增益进行自适应调节，以提高系统响应速度及改善稳态精度。仿真结果表明，基于自适应滑模控制的停车算法表现出良好的鲁棒性和自适应性，该控制器使列车能够精确地跟踪停车目标曲线，并改善列车的停车精度和运行舒适性。     

高速动车组半主动悬挂系统几种控制策略对比仿真分析

为了克服数学模型不能反映列车运行的真实情况,利用Adams/rail建立基于磁流变阻尼器的高速动车组8车模型,提出了基于一般模糊控制的量化因子、比例因子的参数自适应模糊控制策略。通过Matlab/Simulink环境中对高速动车组模型与被动控制和简单开关半主动控制、一般模糊控制、参数自适应模糊控制策略进行联合仿真分析。结果表明,一般模糊控制和参数自适应模糊控制比简单开关半主动控制控制品质好,参数自适应模糊控制控制效果最佳;半主动控制策略在降低车体横向加速度,脱轨系数和轮重减载率方面,明显优于被动控制。在提高列车运行平稳性,乘客乘坐舒适度和运行安全性方面显出优势。     

模糊控制理论的研究进展及其在铁路货物列车自动化控制系统中的应用

综述模糊控制理论研究的进展。分析模糊控制器的解析结构,分析模糊控制系统的函数逼近能力的稳定性,分析模糊控制技术与其它软计算方法如神经网络、遗传算法的结合。研究模糊控制技术与遗传算法相结合在铁路货物列车自动化控制系统中的应用,货物运输的自动控制属于多目标系统控制,通过对模糊PI控制器最敏感的参数,如比例因子和隶属度函数等进行寻优,使系统性能得到了显著改善。     

基于粗糙集与模糊神经网络的车-地无线通信设备故障诊断研究

针对传统铁路列车车-地无线通信设备网络故障诊断模型结构复杂,诊断精度不高等问题,运用粗糙集理论(RS)、模糊系统(FS)和神经网络(NN)相融合的方法进行铁路列车车-地无线通信设备故障诊断研究。首先对原始样本数据进行模糊化处理,建立故障诊断样本数据表,基于粗糙集理论对故障样本数据进行约简,去除冗余属性,减少样本输入,然后利用约简后的数据训练神经网络,建立基于粗糙集与模糊神经网络车-地无线通信设备故障诊断系统模型结构;最后,将该模型运用于故障诊断中。试验结果对比表明,此方法简化了网络的结构,缩短了训练所需要的时间,提高了故障诊断的精度,从而验证了该方法的可行性。     

基于BP神经网络的动车组智能化控制和诊断研究

为解决因采集数据异常导致的列车控制的误动作和误诊断问题,对基于BP神经网络的动车组智能化控制和诊断方法进行了研究,建立了基于BP神经网络的预测模型,采用列车实际运行数据进行多次训练和参数调整,获取最优网络模型,结合该模型的预测值和实际值得到最终可信值,并融入到现有列车控制逻辑中进行控制和诊断。通过实验验证,采用训练模型的预测结果与实际采集值相比具有较高准确性,能够达到预测效果。实验结果表明,采用BP神经网络模型进行状态预测,并结合相关处理策略进行列车运行控制及故障诊断具有可行性。     

基于改进LS-SVM算法的列车通信网络时延预测方法

由于通信网络诱导时延的存在会对列车牵引制动系统造成影响,因此对时延精准预测并实现补偿十分重要。提出了一种基于改进粒子群(PSO)算法优化的最小二乘法支持向量机(LS-SVM)算法对列车通信网络时延进行预测,搭建了列车网络控制系统半实物平台,使数据通过多功能车辆总线(MVB)进行传输,分别改变车辆控制单元(VCU)特征周期及负端口数量大小,以获取大量不同特性的时延数据。将数据分组后利用改进的PSO算法优化LS-SVM算法进行预测仿真。仿真结果表明,与传统的LS-SVM算法及Elman神经网络算法的预测方法相比,所提出的方法在列车通信网络的时延预测方面具有更好的快速性和准确性。     

神经网络预测控制在摆式列车倾摆系统中的应用

介绍摆式列车倾摆控制系统神经网络预测控制的原理及模型,分析了神经网络控制算法,列出了控制器设计的算式,探讨了预测控制系统对实测信号的预测时间为0.2s、0.68 s的预测参考输入的跟踪能力。仿真和试验表明,神经网络预测控制在摆式列车控制系统中的应用是切实可行的。     

基于Mamdani模糊神经网络的相敏轨道电路故障诊断方法研究

针对25 Hz相敏轨道电路故障的不确定性与模糊性,提出一种基于Mamdani模糊神经网络的轨道电路故障智能诊断改进方法。采用自适应-动量BP学习调整法对模型参数进行训练优化,给出推导过程,并讨论系统参数初始值的设定。仿真实验表明,在相同实验条件下改进方法降低了训练误差,并有效地提高了诊断学习过程的稳定性与收敛速度,对25 Hz轨道电路故障进行智能模糊诊断是可行的。     

两级模糊神经网络在高速列车ATO系统中的应用研究

列车自动驾驶系统(ATO)作为替代司机、实现铁路运输自动化的重要设备,受到国内外铁路科技工作者的广泛关注,它的性能关系到铁路运输系统的安全和效率。一种高效的高速列车控制方法可以很好地满足人们对高速铁路"安全、正点、舒适和快捷"的要求。由于模糊神经网络具有自动提取经验和进行推理的特点,在前人研究的基础上,本文用两级模糊神经网络对高速列车运行过程进行控制。参照当前列车运行速度、线路状况、列车编组、列车时刻表、距目标点距离以及目标点所允许的速度,前一子网模拟优秀司机的操纵可获得在当前状态下应采取的最佳列车运行工况,后一子网根据运行工况、线路状况、列车在线路上位置、列车编组、列车时刻表、距目标点距离和目标点允许速度,得到列车在该工况及当前条件下的运行速度。仿真实验结果表明该方法正确有效,达到了期望的效果。     

现代控制理论与交流电机调速(Ⅱ)--智能控制(1)

人工智能系统将进一步与电力电子学以及运动控制相结合而更加深刻地影响后者的发展。特别是在研制高质量的传动和伺服控制装置中。文章着重介绍模糊逻辑控制、神经网络控制以及它们的交叉结合的神经网络-模糊控制系统及其应用与设计。