时变遗忘因子的高速列车自适应子空间预测控制

针对传统列车固定模型难以描述和控制具有时变、非线性等特征的高速列车运行过程问题,本文提出时变遗忘因子的高速列车自适应子空间预测控制方法。首先基于列车状态空间模型描述构建列车的增量式子空间预报模型;接着融合子空间辨识与反馈校正的思想得到时变遗忘因子的列车自适应模型,进而分析高速列车自适应子空间预测控制器的设计方法,并给出相应的控制算法。最后进行高速列车运行过程控制的仿真对比实验,结果表明本文控制方法在高速列车正常运行及强干扰情况下的预测跟踪控制性能是有效的。     

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。     

高速列车双自适应广义预测控制方法

针对单一广义预测控制器在控制过程中只修改模型参数而不修改控制器参数,导致列车在启动和制动阶段控制效果较差这一问题,采用双自适应广义预测控制方法,设计高速列车双自适应广义预测控制器实现对高速列车运行过程的自动控制。该控制器采用具有可变遗忘因子的递推最小二乘法实时辨识列车运行过程模型的参数,根据辨识得到的模型参数自适应建模且修正控制器的调优参数,进而计算出高速列车需要施加的牵引/制动力,并设计确保控制器稳定的监督机制,实现高速列车对给定速度的高精度跟踪。仿真结果表明:双自适应广义预测控制器对给定速度和位移均有高精度的跟踪能力,在遇到未知干扰时仍能确保列车安全、稳定地运行,其控制效果明显优于单一自适应控制器。     

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。     

强风下高速列车滑膜自适应鲁棒H_∞控制方法

大风环境下高速列车的运行是一个强耦合、高度非线性过程,且随着风速增大和车速增加,这种特性逐渐增强,因此需要更高要求的自动驾驶系统。基于李亚普诺夫稳定性理论设计高速列车自动驾驶滑模自适应鲁棒控制器,该控制器采用自适应控制实时逼近列车不确定性特征的系统输入系数,采用鲁棒H∞控制将自动驾驶系统中模型误差、大风和其他干扰造成的参数变化等所有不确定量减小到最小范围,同时也消除了系统抖振现象。计算出高速列车需要施加的牵引/制动力,通过滑模控制消除系统安全运行速度跟踪误差,实现不同风速下高速列车对给定安全运行速度的高精度跟踪。仿真结果证明了该方法的有效性。     

基于无模型自适应控制的高速列车ATO控制器

针对高速列车在多变复杂环境运行时,传统控制器出现的动力学模型不匹配和司机操作存在安全隐患的问题,提出一种基于无模型自适应控制(Model-Free Adaptive Control, MFAC)的高速列车自动驾驶控制器设计方案。首先,构建全格式动态数据列车模型,将列车的非线性特性转移到伪梯度中;其次,根据全格式动态数据列车模型设计无模型自适应控制律和列车控车原理,通过列车运行数据估计伪梯度,构建ATO控制器;最后,使用"兰州西—西宁"的动车组运行数据进行仿真,得到MFAC控制器作用下的速度追踪误差为0.254km/h,列车加速度冲击率区间主要分布于[0,0.1)中,约占总步长的83.8%,并与模糊自适应PID(ProportionIntegral-Derivative)在速度追踪、位移追踪和舒适度方面做了对比,结果表明该控制器的性能更优。     

基于动态面方法的高速列车蠕滑速度跟踪控制

针对高速列车的主动黏着防滑控制问题,提出基于障碍Lyapunov函数的蠕滑速度动态面跟踪控制算法,可以实现对蠕滑速度的上界约束,同时保障黏着控制系统的稳定性。首先建立考虑牵引与制动转矩产生过程的高速列车动力学模型,并将黏着控制问题描述为含输出约束的非线性系统的跟踪控制问题;然后引入障碍Lyapunov函数处理输出约束问题,设计了自适应动态面控制律,未知参数由自适应律估计得到,未知时变的黏着力和运行阻力由两个力观测器来估算;最后通过Lyapunov方法证明了蠕滑速度跟踪误差半全局一致最终有界,蠕滑速度始终保持在稳定区域内。仿真结果证明了该方法的有效性。     

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。     

基于控制器匹配的高速列车广义预测控制方法

针对普通广义预测控制器在列车控制过程中不能修改控制器参数,以至列车运行中遇到未知干扰时影响控制精度和稳定性。本文采用基于控制器匹配的广义预测控制调优方法,以达到经过调优的GPC与H!输出反馈控制器(最优控制器)具有相同的控制效果,并获取GPC调优参数,实现高速列车速度跟踪运行过程的自动控制。该控制器通过最优控制器控制律的函数获得GPC增益,使GPC与最优控制器匹配;在获得GPC增益的基础上,将目标函数转化为凸优化问题,求得GPC的调优参数;GPC自适应建模参数与H!控制器模型匹配,避免模型参数失配,保证控制器模型的稳定性。仿真实验结果表明GPC和H!控制器能够较好地匹配,且基于控制器匹配的高速列车广义预测控制系统具有较好的速度和位移跟踪性能。     

粒子群优化广义预测控制在列车制动系统中的应用

动车组列车制动系统是列车自动驾驶系统ATO的关键环节。针对动车组列车制动系统模型存在较大误差导致的列车在制动阶段控制效果较差这一问题,提出将动车组列车制动模型分为静态子系统和动态子系统两部分,根据列车制动系统的性能和要求,设计了CPSO(混沌粒子群算法)优化GPC广义预测控制器。该控制器由CPSO辨识动态子系统纯延时环节和外界干扰造成的GPC模型误差,并计算动车组列车所需的控制量。以CRH2型动车组为仿真对象,从仿真结果看出,CPSO-GPC控制器在遇到未知干扰时能够满足动车组列车对给定速度和位移的高精度跟踪要求。     

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.     

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BFGS方法的列车速度预测控制研究

列车速度控制是轨道交通发展领域的重要基础问题。面向真实列车速度控制应用场景的列车动力学模型及其控制器设计更具挑战性。一方面,传统基于反馈的无模型控制策略存在收敛速度慢、参数要求高、环境变化敏感等问题,目前难以从优化角度设计控制器且应对复杂系统的约束。另一方面,传统的列车单质点动力学模型很难解决高速列车运行过程中的非线性特性。针对上述瓶颈,首先对列车各节车厢进行受力分析,且考虑车厢间的安全距离,将相对位置和相对速度作为可变状态构建列车多质点模型。然后采用模型预测控制策略,综合考虑列车速度控制的非线性成本函数,处理列车运行过程中的复杂约束,预测控制系统的未来动态行为。然后,针对列车预测控制中的复杂动态约束非线性优化问题,设计对数障碍函数处理不等式约束,进而从拟牛顿法角度设计一种具有稳定收敛性的基于BFGS方法的列车速度预测控制算法,完成列车速度的精准跟踪控制。最后,以国内某线站间列车运行数据为例,与其他先进控制方法进行对比实验,以验证所提出的BFGS列车速度预测控制算法的优越性能。实验结果表明,本文所设计的基于BFGS方法的列车速度预测控制算法能够有效地减小列车速度跟踪误差和位移误差,提升...     

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。     

动车组列车制动系统Hammerstein模型的广义预测控制研究

鉴于动车组列车制动控制在运行和ATO中的重要性,以Hammerstein模型为基础,设计动车组列车制动系统的广义预测控制GPC器。把Hammerstein模型看作静态子系统和动态子系统的串联,动态子系统辨识为CARIMA模型,用思维进化算法MEA辨识由动态子系统纯延时环节和外界干扰造成的模型误差,设计基于MEA误差修正的GPC器,得出中间量。根据动车组列车制动特性对中间量进行约束化处理,使处理后的中间量和制动级位实现一一对应关系。对描述静态子系统的静态函数求逆,得到制动系统的制动级位。以CRH2型动车组为仿真对象,比较PID和GPC的控制效果,证明MEA修正误差的有效性,验证GPC器控制动车组列车制动系统的优越性。     

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...     

输入受约束的高速列车鲁棒自适应动态面控制

实现高速列车对期望速度与位移的精确跟踪至关重要。考虑输入饱和约束以及由于不确定的运行阻力、未知的黏滞摩擦系数和未测量的运行状态等引起的系统不确定性,提出高速列车的鲁棒自适应动态面控制算法。建立考虑牵引与制动转矩产生动态过程的高速列车动力学模型;引入扩张状态观测器在线估计和补偿系统总的不确定性,应用跟踪微分器代替动态面控制中的一阶滤波器,构造附加系统处理输入约束问题,设计了高速列车的鲁棒自适应动态面控制律;基于李雅普诺夫稳定性理论证明了闭环系统的稳定性以及高速列车速度跟踪误差和位移跟踪误差的半全局一致最终有界性。仿真结果验证了所提算法的有效性。     

基于PID型迭代学习控制的列车自动驾驶曲线跟踪算法研究

针对基于比例微分积分（PID,Proportional Integral Derivative）控制的列车速度跟踪算法在跟踪进度、收敛性和稳定性等方面存在的不足，提出一种基于PID型迭代学习控制（ILC,Iterative Learning Control）的列车自动驾驶（ATO,Automatic Train Operation）曲线跟踪算法。通过迭代学习控制，优化跟踪过程，减小跟踪误差，缩短收敛时间；设置典型场景对所设计的算法进行仿真试验，并将仿真结果与基于PID控制算法的跟踪效果进行对比分析。结果表明，PID型ILC算法对列车目标速度和目标位移具有较高的跟踪精度，能够在有限的迭代次数内实现精确跟踪，验证了所提算法的有效性。     

基于多质点模型的高速列车速度控制研究

在对高速列车速度控制的研究中,传统的单质点列车模型因未考虑车长及车间影响力,导致列车在经过特殊线路时速度会跳变,造成较大的速度控制误差。针对上述问题,在列车建模时考虑列车长度以及对每节车厢的受力进行深入地分析,在此基础上建立高速列车的多质点模型,并对其设计相应的模糊预测控制器进行列车速度跟踪控制研究。研究结果表明:对列车建立的多质点模型,能有效地解决列车在经过变坡点和变曲率点时产生的速度跳变问题,减小速度控制误差,且针对该列车模型设计的模糊预测控制器能很好的控制列车跟踪理想速度曲线运行,提高列车速度控制精度和舒适度。     

动车组列车制动系统的Hammerstein模型及其参数辨识方法

针对动车组列车制动系统的非线性及其在ATO中的重要性,从控制和动力学角度提出动车组列车制动系统的Hammerstein模型。根据制动指令信号的流向介绍动车组列车制动系统的工作过程;分别考虑系统各环节,用经过曲线拟合得到的静态非线性函数描述动车组列车制动特性表,用延时环节描述制动指令信号传输和制动控制器动作的延时,用两个一阶线性环节分别描述制动力反馈调节过程和动车组列车减速度冲动缓解过程,提出动车组列车制动系统的Hammerstein模型;并介绍了思维进化算法辨识模型参数的方法。最后以CRH2型动车组为仿真对象验证模型和参数辨识方法的有效性。