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...     

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。     

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。     

连续支承条件下轨道位移波的动力特性分析

建立了列车与连续支承轨道耦合振动的动力学模型,通过计算模拟了高速列车作用下所出现的轨道位移波现象。分析了轨面不平顺波长、轨道质量、刚度、阻尼等参数对轨道临界速度及位移波的影响。     

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。     

考虑执行器故障的电动汽车空调鲁棒控制

为了保证空调系统在部分故障的条件下,依然满足系统性能要求正常工作,通过对电动汽车空调系统分析,依据空调执行过程的故障模型,建立考虑执行器故障的空调不确定系统,利用状态观测器对系统状态进行了观测.采用线性矩阵不等式LMI（linear matrix inequalities）,设计了能够对空调执行器故障进行补偿的H_∞状态反馈鲁棒控制器,并证明了该控制器的稳定性.仿真实验表明,在有故障和无故障模式下的观测误差最大分别为0.1%和0.6%,满足系统的观测需求;与未考虑执行器故障的电动汽车空调H_∞控制器相比,在10 Hz以下频段,考虑执行器故障的H_∞控制方式可有效地抑制系统输入端所带来的干扰.      

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.