基于自抗扰控制的高速列车自动驾驶速度控制

针对高速列车在复杂环境运行时,传统PID控制器受未建模动态及外界未知干扰导致列车速度追踪误差大的问题,提出一种基于自抗扰控制ADRC(Active Disturbance Rejection Control)的高速列车速度控制算法。基于单质点模型建立列车的状态空间方程,令列车方程中的未知部分作为扩张状态设计二阶自抗扰控制器,并利用CRH380A型列车参数进行仿真,对指定的目标速度曲线进行追踪,证明基于自抗扰控制算法的可行性;同时设置干扰量,与传统PD控制、非线性PID控制算法在抗干扰性能和追踪误差等方面作比较。结果表明,基于自抗扰控制的高速列车速度控制器具有抗干扰性强、追踪误差小的优点。     

基于分数阶PID控制器的地铁列车优化控制研究

城市轨道交通运力需求的快速增长,使得地铁列车的行车间隔不断缩小,准点要求越来越高,这对列车运行控制算法的精度和鲁棒性提出了更高要求。本文将分数阶PID控制器引入地铁列车的速度控制,并进行优化研究。建立地铁列车的运动模型,该模型参考牵引制动特性,采用遗传算法修正列车基本阻力系数。基于该模型将分数阶PID控制算法应用于ATO系统的速度控制中。仿真对比分数阶PID控制算法与传统PID控制算法,采用现场数据对建立的模型和算法进行检验。研究结果表明新模型能够更加准确地描述列车的运动特性,当分数阶PID控制算法应用于调速控制后,可以使列车实现更优的速度控制和稳定性。     

基于改进灰色预测模糊PID控制的列车多目标优化研究

针对列车自动驾驶(ATO)系统各性能指标最优问题,充分考虑灰色预测控制、模糊控制与PID控制各自的优点,提出一种改进灰色预测模糊PID控制算法。以准时性、舒适性、精准停车及能耗为指标,列车动力学方程为约束,构建列车运行多目标模型;然后采用遗传算法优化该模型,根据MATLAB软件得到列车运行目标曲线;最后利用Simulink模块搭建PID控制器仿真模型、模糊PID控制器仿真模型和改进灰色预测模糊PID控制器仿真模型,获得其对应的跟踪曲线。选用车型和线路仿真模拟,仿真结果表明:改进灰色预测模糊PID控制算法比PID控制算法和模糊PID控制算法在提高列车运行的准时性、舒适性、停车精确性以及降低能耗方面更有效。     

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。     

高速列车模型参数辨识及控制研究

针对高速列车模型参数时变、非线性、高阶复杂等特点,提出了基于特征模型的高速列车二阶系统最优化PID控制方法。特征模型和原动力学模型在输出上是等价的,不需要考虑列车实际的物理特性,将模型简化,降低了模型的复杂度。首先对列车进行基本动力学分析,由高速列车一般单质点动力学模型推导建立特征模型。然后采用梯度矫正辨识算法对模型慢时变参数进行辨识优化,通过辨识仿真得到的估计值和模型值对比,进一步来验证特征模型时变参数对模型精确度的影响。最后,通过设计最优控制器和最优PID控制器,对列车速度和位置进行误差跟踪控制,得到两种控制器下的误差跟踪仿真结果,通过采用稳态误差、超调量和调节时间三项系统参数进行结果对比,说明了最优PID控制器的控制效果更加良好,也由此说明特征模型对控制器的设计是有效的。     

基于自抗扰控制的地铁列车驾驶控制算法

基于PID算法或基于模糊PID算法的地铁列车ATO驾驶控制算法的速度响应误差大,加减速切换频繁,从而导致旅客舒适度一般,列车停车精度不高,列车能耗略高和运行时间存在一定误差的问题。搭建地铁列车模型,结合北京地铁亦庄线线路数据,通过仿真实验对比基于PID算法,基于模糊PID算法,基于专家系统,基于ADRC算法的地铁列车ATO驾驶控制算法的控制效果,并在实验中运用改进的粒子群算法对ADRC算法的参数进行快速整定。仿真结果表明:基于ADRC算法的地铁列车ATO驾驶控制算法的控制效果优于基于PID算法和基于模糊PID算法的地铁列车ATO驾驶控制算法,其控制效果和经验丰富的司机驾驶基本相当,可以有效提高旅客舒适度、列车停车精度,减小列车能耗、运行时间误差。     

中速磁悬浮列车的分数阶运行控制方法

针对中速磁悬浮列车运行控制系统的高控制精度与高鲁棒性要求,提出一种基于分数阶PID的运行控制方法.首先,根据中速磁悬浮列车运行数据,利用粒子群优化-模拟退火算法辨识列车空气阻力系数,提高列车动力学模型精度.然后,设计分数阶PID速度控制器,跟踪列车目标速度曲线,降低各类运行阻力对列车运行过程的影响.最后,基于试验线数据...     

列车自动驾驶系统的滑模PID组合控制

停车精度高、舒适平稳、响应速度快是衡量列车自动驾驶系统控制性能的重要指标。本文针对城市轨道列车模型具体参数未知,因设备老化及环境变化造成的列车性能变化,及存在外界干扰等问题,设计了基于曲线跟踪的滑模PID组合控制器。基于滑模控制技术,该控制器能驱动列车运行状态,使其达到事先指定的滑动超平面,使得列车能够跟踪理想目标运行曲线,完成站间运行并精确停车。系统仿真研究及实际应用表明,滑模PID组合控制渐近稳定,且对列车系统参数不确定性和外界干扰具有较强的鲁棒性。     

基于智能VRFT的城市轨道交通列车速度控制研究

利用虚拟参考反馈整定VRFT方法，可根据被控对象的一组输入和输出数据完成控制器设计的特点，提出一种基于智能VRFT的城市轨道交通列车速度控制方法；VRFT方法中的参考模型决定了控制器的闭环性能，通过粒子群优化算法PSO，对控制器参数和参考模型参数进行全局协同优化，设计出最优PID控制器。仿真结果表明：该方法能够优化PID控制器的设计，有效控制城市轨道交通列车速度。     

基于灰色预测模糊PID控制的列车ATO系统优化

对列车目标运行曲线的精确追踪是列车自动驾驶系统实现列车安全、准时、节能及舒适运行的核心。针对列车运行过程的大滞后、非线性问题,设计以灰色预测模糊PID算法为核心的列车自动驾驶控制器,以此达到优化列车ATO控制系统的目的。灰色预测控制设置在反馈回路中,其预测值与给定输入值的偏差及偏差变化率作为模糊控制器的输入。模糊控制系统对PID控制的参数进行自动校正,参数可调的PID算法完成对系统的控制。选取相关线路和车型并做仿真试验,验证了经控制器作用后的输出曲线与列车运行的输入曲线之间的追随误差小,加速度的变化在合理的范围内。因此,设计的控制器可以取得良好的ATO控制效果。     

基于遗传算法对高速列车速度曲线的优化

为了保证列车运行安全、提高运输效率,满足旅客舒适性和列车节能等要求,必须对高速列车的运行速度进行优化.文章在完成列车自动运行系统中列车速度曲线多目标模型的基础上,选择和运用遗传算法完成了列车运行速度曲线的优化.根据工程实际的需要,尝试从编码方案、复制算子、交叉算子、变异算子和适应度函数的尺度变换等角度来改进遗传算法.最后在Visual C++6.0平台上完成了遗传算法的验证.     

基于遗传算法列车自动运行速度曲线的优化

本文探讨了列车自动运行系统(ATO,Automatic Train Operation)中的列车自动运行速度曲线的优化问题.根据ATO控制指标的要求,建立了包含速度防护、舒适度、节能、精确停车等多个目标的列车运行控制模型;采用遗传算法对列车自动运行控制策略进行优化,验证和仿真了优化后的速度曲线,直观反映了列车自动运行的安全性,舒适性,高效性和停车精度等性能提高情况.     

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。     

列车自动运行迭代学习控制算法的研究

针对列车自动运行系统,提出了新的迭代学习控制方案.为避免列车超速引发制动停车,在迭代初期设置低于计划速度曲线的期望轨迹,随着迭代次数增加,控制精度与稳定性逐渐提高,设置的期望轨迹将快速接近并保持为计划速度曲线,实现控制目标.在学习律中引入期望轨迹变化信息,实现变轨迹路径跟踪的迭代学习控制.仿真结果表明,该迭代学习控制方案能够实现变期望轨迹的跟踪,具有很快的学习速度与良好的控制性能,能够有效避免迭代初期列车速度波动导致超速紧急制动.     

广义预测控制隐式算法在ATO系统中的应用

ATO系统具有时滞性、非线性、时变性等特点,使用传统的PID控制器难以取得理想的控制效果。根据ATO系统的特点,设计了基于广义预测控制隐式算法的速度控制器,并对被控对象进行了仿真。Matlab仿真和实验结果证明,该控制策略比PID控制具有更好的控制效果。     

车辆动力学模型与ATO关键参数计算分析

车辆动力学模型是列车在运行过程中的一种数学状态模型,通过分析列车运行状态、测速定位误差、空转/打滑、牵引/制动特性及操作滞后延时等影响因素,根据不同的控制目标建立分步迭代计算、车辆传递函数和受控自回归滑动平均3种车辆动力学模型.同时为了提高列车控制性能,对ATO系统中的一些时变关键参数进行分析和校正补偿.最后通过传递函数模型对PID (Proportion Integration Differentiation)速度控制器的控制参数进行理论整定的应用,说明车辆动力学模型为ATO控制算法提供被控对象的数学理论基础具有重要价值.     

最优速度跟踪控制策略在地铁ATO系统中的应用研究

精准度是列车自动运行系统(ATO)的重要性能指标,文章提出地铁列车AT O系统中的一种高精度速度跟踪控制策略,通过PID控制器参数调整、增加死区控制和附加扰动控制,实现速度跟踪精准度的优化调整.经过项目的反复验证和数据分析,充分证实此控制策略可以极大提高AT O控制的精准度,同时对地铁列车的服务质量有进一步改善.     

列车报文跳变触发紧急制动原因分析

针对列车紧急制动故障频发,进行了深入调查分析。通过分析紧急制动报文、轨旁ATP速度曲线、列车ATO报文,查找出列车报文跳变触发＂代码39＂紧急制动的故障原因,减少对运营造成的影响,提高对乘客的服务质量。     

模糊预测控制在ATO系统中的应用

首先介绍了列车自动运行系统(ATO)的基本结构和功能,然后介绍了模糊逻辑和预测控制的基本原理,最后对模糊预测控制在列车自动运行系统中的应用深入研究,并进行仿真验证。通过对比PID控制器,表明在列车控制系统中,采用模糊预测控制器对于改善列车安全性能有明显的帮助。     

基于GA优化模糊PID控制的ATO算法研究

针对城市轨道列车的自动驾驶系统(ATO)传统PID控制方法适应性差和智能化不足的问题,基于该领域专家知识和驾驶司机的操作经验,将遗传算法优化的模糊PID控制算法运用在ATO的控制系统中,并运用MTALAB进行仿真。仿真结果表明,该控制算法优于传统的PID控制,能够满足ATO系统对不同工况下的适应性和智能性要求,可以达到精确停车和准点到站的目的,能够有效提高列车舒适性和降低列车能耗。