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。