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...     

基于PID算法ATO系统的仿真研究

基于现有列车运动模型,设计了列车速度闭环仿真模型,其中控制器采用PID控制算法,当系统输入波浪形V-S曲线时,在PID控制器控制参数设置恰当的情况下,系统输出的V-S曲线具有较为满意的跟随性,在输出的加速度曲线中在列车的启动阶段和中间速度波动阶段会有尖峰波动现象。针对基于PID控制算法的ATO系统出现的问题进行了分析。     

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。     

受限状态下的高速列车迭代学习控制方法研究

针对受限状态下的高速列车自动驾驶系统的跟踪控制问题,基于列车动力学模型,提出一种带饱和函数的迭代学习控制算法。根据Lyapunov稳定性原理,利用列车运行过程中的状态偏差,推导出基于迭代学习控制的列车自动运行控制律。建立类Lyapunov的复合能量函数,通过在迭代域的差分,证明了其差分负定性和有界性,所设计的算法能够控制列车在迭代域对期望运行轨迹达到渐近收敛。采用本文提出的迭代学习控制算法对列车的跟踪性能进行验证,并与PID控制和D型迭代学习控制算法进行比较,结果表明:相较于其他两种算法,本文提出的算法在第3次迭代中就能控制列车精确跟踪期望轨迹,说明算法具有较快的收敛速度和较高的跟踪精度,且能够将控制输入约束在允许范围内。     

基于事件的控制技术在地铁列车运行中的应用

研究移动闭塞条件下地铁列车的运行规律,建立地铁列车运行模型,将基于事件的控制技术应用到地铁列车控制中。引入运动参考变量,求出在以站间最小运行时间为目标的单列列车控制中,列车运行速度、加速度关于列车走行距离的表达式,根据列车走行距离实时调整规划列车的运行。研究移动闭塞条件下地铁列车间的控制,采用基于事件的控制技术和编队思想降低列车间的最小追踪允许间隔,在保证不撞车以及尽量减少站外停车的前提下,提高地铁线路的通过能力,并且能够方便地实现系统的重新配置以及各子系统间的协调协作。以相邻的3列列车运行为例,研究在移动闭塞条件下后续列车的控制策略,根据列车的走行距离以及前后列车间所要求保留的安全距离,动态调整列车的运行速度、加速度。仿真结果表明,运用基于事件的控制技术来控制列车的运行,可提高列车的正点率到95%。     

基于模糊神经网络预测控制的高速列车ATP研究

在目标-距离速度控制模式普遍应用于我国高速铁路列车控制的背景下,本文针对高速列车运行性能的要求,将模糊神经网络预测控制运用到高速铁路ATP中,对列车速度进行控制。控制系统以闭塞区间为单位,建立高速列车速度模糊神经网络预测控制模型。在闭塞区间内,利用车-地通信将控制所需信息发送至列控中心;根据所得信息,通过预测控制算法得到从当前位置到闭塞分区出口的列车速度自动防护曲线并确定列车运行方式和控制策略;在每1个通信周期内,利用滚动优化和误差校正进行速度优化。仿真结果表明,与传统的控制方法相比,基于模糊神经网络预测控制的高速列车ATP具有更高的安全性。     

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。     

基于显式有限元软件的地铁列车耐撞性研究

为了验证某型地铁列车的耐撞性能,根据该型地铁列车头车、中间车的车体结构、车体材料特性、总体布置和钩缓特性,利用显式有限元软件ANSYS/LS-DYNA,建立两列相同地铁列车碰撞的有限元模型。参考国内、外有关地铁、轻轨车辆耐碰撞设计规范及准则,对列车的碰撞过程进行数值模拟。研究结果表明,该型地铁列车的耐撞性能满足相关标准的要求。     

线性自抗扰控制算法在ATO系统中的应用研究

针对列车运行系统快速、稳定、精确等要求,将线性自抗扰控制（LADRC）算法应用于ATO系统的速度控制,并采用粒子群优化（PSO）算法对LADRC算法进行优化,提高LADRC控制器的参数整定效率。仿真 结果表明,该算法较传统的PID控制算法,能够有效提高速度控制的快速性和精度,改善乘客舒适度。     

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...     

模糊预测控制在地铁舒适度方面的研究与仿真

针对地铁列车自行运行系统(Automatic Train Operation, ATO)舒适度方面进行研究,基于模糊预测控制理论设计了模糊预测控制器,在MATLAB平台上通过仿真模型建立,对模糊预测控制在ATO舒适度方面深入研究并进行仿真验证,表明ATO系统采用模糊预测控制算法在地铁舒适度方面有明显的改善,为地铁舒适度方面提供可行方案。     

基于混合系统建模预测控制的列车自动驾驶优化运行

针对现有列车自动驾驶速度追踪精度不高的问题,提出一种基于混合系统神经网络反馈补偿控制的模型预测控制算法。根据混合系统建模的特点与优势,引入辅助变量,建立混合系统列车运行动力学模型。为了便于求解包含约束的预测控制律,采用二次规划方法求出满足列车各项性能指标的控制作用序列。神经网络反馈控制器用于对系统目标速度与实际速度之间的误差进行在线学习并求出一个补偿控制量,并将补偿后的控制力作用于列车系统模型。研究结果表明:该控制结构包含补偿控制策略,可以较大程度减小系统跟踪误差,保留模型预测控制的优势,同时提高系统的控制精度。     

地铁隧道活塞风的简化计算

地铁列车在隧道内运行时,会产生活塞风,这种空气流动主要沿隧道轴线方向,可视为一维不可压缩流动.通过对地铁单线无竖井隧道的空气动力学特性进行一维理论分析,初步得到了活塞风量和风压的简化计算方法.研究表明,隧道内活塞风速与列车速度成正比,活塞风压与列车速度的平方成正比,可将列车等效为风机,采用“等效风机”特性曲线方程和隧道阻力特性方程共同来确定活塞风量,并且可以将该方法应用到有竖井的单线隧道中.该简化计算方法的提出,为隧道内活塞效应的研究建立了理论基础.     

地铁列车荷载作用下砖石古塔振动响应研究

为研究地铁荷载作用下砖石古塔的振动响应和安全性,以武汉洪山宝塔为研究对象,对该塔进行地脉动测试,基于随机振动理论计算其前2阶自振频率与相应振型.建立数值计算模型,得到模型的自振频率和振型,参照脉动测试结果对模型进行校核.基于校核后的有限元模型,研究地铁列车荷载作用下塔体各层最高处的水平振动速度的变化规律,并参照国家规范...     

基于矩阵离散法的地铁列车节能优化操纵方法及实现

综合考虑由坡道、弯道组成的复杂线路,通过研究列车特定运行规律,对线路隔断分离分析,进而采用拉格朗日乘数法建立限定时间、速度、加速度等约束条件下的最小能耗模型,提出将地铁列车各阶段参数进行离散化分解并编码,继而对不同控制序列建立离散化矩阵模型,以寻找最佳节能操纵策略的矩阵离散方法。引入基于粒子群寻优算法的组合计算以提高算法精确度和增强全局寻优能力,以此为基础设计基于矩阵离散法的地铁列车优化操作智能系统,为列车安全、节能行驶提供理论和实践参考。案例证明该方法有效且计算精确。     

地铁候车厅客流运动的数学模型

通过对上海地铁一号线车站候车厅内的客流运动进行实地观测和统计分析,借助流体力学比拟思想,将地铁站台内的客流运动比拟为一维和二维空间流体的运动,从而建立了定量描述地铁站台客流运动的数学模型。选取的观测对象为上海地铁一号线人民广场站和陕西南路站,在观测中发现同一列车在同一站点不同车门上下车人数呈空间不均匀分布,在此基础上建立了地铁候车厅近车门处客流速度一密度的一维和二维数学模型。根据模型计算了上车时间,将其与实测数据比较,两者吻合较好,表明该模型具有合理性。通过应用该模型,显示了其工程意义。