城轨列车自适应精确停车控制算法研究

停车精度是衡量列车自动驾驶控制性能的重要指标。本文根据城轨列车的制动模型设计自适应控制器,对列车进行精确停车控制。此控制器可以针对模型参数未知和由于设备老化或环境所造成列车制动模型参数变化的情况进行自适应调整,使列车可以精确跟踪理想停车曲线,达到既定的停车要求。理论分析和仿真结果验证了所提出的自适应算法的有效性。     

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。     

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。     

基于滑模自适应鲁棒控制的城市轨道交通列车电空制动控制策略研究

针对城市轨道交通列车电空制动系统控制过程中外界干扰、执行机构时滞、基本阻力不确定等特性造成ATO(列车自动运行)系统速度跟踪及停车不准问题,根据李雅普诺夫稳定性理论提出一种基于SMARC(滑模自适应鲁棒控制)的城市轨道交通列车电空制动控制策略,设计城市轨道交通列车ATO系统基于SMARC的制动控制器。通过鲁棒控制将系统模型中非线性、输入时滞和外界扰动等所有不确定量减小到最小范围,同时也削弱了滑模控制器的抖振现象,增强了控制器的鲁棒性;进一步采用滑模控制减小列车制动过程中速度跟踪误差和减速度误差,从而获得较高的停车精度。仿真结果表明,基于SMARC的制动控制器的控制能完全满足城市轨道交通列车制动要求。     

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.     

一种舒适且高精度的列车停车控制器的设计

舒适性和停车精度是列车自动驾驶系统(ATO)的重要性能指标.本文首先根据现场经验建立ATO的性能指标评价函数.在此基础上,设计出一种舒适并且高停车精度的列车自动停车控制器.仿真结果表明;与传统的PID控制器相比,本文设计的控制器的舒适度更好,停车精度更高.     

地铁列车精确停车算法研究

地铁列车停车精度是列车自动驾驶系统性能的重要指标。结合车辆参数、列车冲击、电空转换等性能建立了列车制动模型,并提出了利用在线识别的方式对每一列车的空气制动参数进行自学习,解决了不同列车因空气制动变化导致的制动异常问题,可较好地提高列车自动驾驶舒适性和精确停车模型的鲁棒性。通过仿真和实际工程项目结果分析,所提出的制动模型可保证列车的停车精度达到±0.25 m。     

基于预测型灰色控制的列车自动运行速度控制器建模与仿真

速度控制器是列车自动运行(ATO)系统的核心技术之一.针对ATO速度控制器的调速功能,采用预测控制和灰色控制相结合的策略,综合考虑舒适性、节能性、准时性、停车精度等性能指标,并结合测速定位误差、空转打滑、操作时延等现场影响因素,建立了速度控制器数学模型.模型在车载平台下进行了仿真测试,验证了ATO速度控制器的调速功能,达到了预期的控制效果.     

基于小波包滤波列车自动驾驶的研究

针对列车运行环境复杂、干扰因素多等问题,提出一种小波包滤波和迭代学习相结合的列车自动驾驶控制系统。首先根据城轨列车的行进与制动模型设计基于小波包的列车速度滤波,以获取较好的列车速度参数;然后采用迭代学习设计一种自适应控制器,对列车在行进过程中进行速度曲线跟踪控制,并能够依据当前的速度与位移判定停车起始位置,从而获取更为精确的停车结果。最后通过约束方程与不等式对列车的停车起始点进行精确选取,来获取更精确的停车时间和停车精度。实验结果表明基于小波包滤波和迭代学习相结合的方法能够更加精确跟踪停车曲线。     

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。     

基于统计学模型的CBTC系统ATO停车精度自适应优化算法

城轨CBTC系统运营对列车停车精度具有较高要求,其中ATO精确停车是系统的重要功能。而外部干扰造成的不确定性和系统延时是影响停车精度的重要因素。提出一种基于统计学模型的自适应优化算法,对停车精度的概率分布曲线进行拟合,而后采用二元马尔可夫模型优化ATO精确停车模型。通过3种不同类型情景的优化模型获得相应的停车精度数据,以期望和方差作为对比指标,结果表明优化模型对ATO停车精度有一定改善,获得较为理想的停车精度。     

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。     

城轨列车制动模型及参数辨识

列车制动模型是设计ATO精确停车控制策略的依据.本文通过分析城轨列车制动系统的构成、特性及其和驾驶员的接口,从面向控制的角度提出适合控制器设计的制动模型以及模型参数的辨识方法.现场实验表明:该模型能够较好描述城轨列车制动系统的动态特性,并且基于该模型的自动停车控制系统在实验中也取得了满意的性能.     

基于遗传算法的列车自动驾驶过程优化研究

针对列车自动驾驶系统（ATO）控制的目标复杂多样和环境变量不稳定等问题,在对列车的运行过程进行研究的基础上,建立了列车运行过程的多目标优化模型,并用遗传算法对列车的目标曲线进行优化,同时加入精英统治保持模型的高适应度,提高了运算速度,得到列车运行的最优控制策略。仿真结果表明,该系统在兼顾列车运行的准时性、停车精度、能耗及舒适性等多目标的情况下,使列车运行的各项性能指标都有所提高。     

基于可拓学的列车自动驾驶算法研究

以可拓学理论为基础研究列车自动驾驶算法,该算法兼顾了列车运行的安全性、舒适性、节能性、停车精度等性能指标.通过对列车自动驾驶优化操作策略进行分析,建立了评价列车运行过程的物元模型,确定关联度函数对各性能指标进行量化,利用层次分析法得到性能指标的权重,在此基础上用可拓学中的优度评价法以滚动优化的方式实现得到优化策略.本文将可拓学应用于列车自动驾驶,该方法不需要建立精确的数学模型,为研究列车自动驾驶算法提供了一个新的方向.     

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。     

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PLC的磁悬浮列车模型控制系统实现

提出并设计了一套磁悬浮列车运行系统演示模型,该模型能演爪磁悬浮列车工作原理,包括高温超导悬浮、直线电机驱动和自动驾驶,并基于PLC控制器没计该列车控制系统的硬件和软件,实现列车在类∞型轨道上自动/手动行驶和精确停车.试验显示,该控制系统运行良好,能够达到设计要求.     

基于分数阶滑模自适应神经网络的中速磁浮列车运行控制方法

为减小中速磁浮列车运行阻力对运行性能的不利影响,设计一种基于分数阶滑模自适应神经网络(FO-SMAC-NN)的运行控制器.首先,在考虑列车实际运行过程中受到的空气阻力、涡流阻力以及坡道附加阻力3种阻力的基础上,构造运动学方程;其次,设计分数阶滑模自适应神经网络控制律和滑模自适应参数的更新律,得到由速度前馈、分数阶滑模自...     

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。