基于自适应滑模控制的城际列车精确停车方法研究

停车精度是衡量列车自动驾驶控制性能的重要指标。针对城际轨道列车精确停车的需求，分析列车自动停车过程、列车动力学模型以及制动模型，在此基础上提出采用自适应滑模控制器来提高停车精度和列车运行舒适性；应用滑模控制原理设计列车停车控制算法，并对滑模控制中的趋近律增益进行自适应调节，以提高系统响应速度及改善稳态精度。仿真结果表明，基于自适应滑模控制的停车算法表现出良好的鲁棒性和自适应性，该控制器使列车能够精确地跟踪停车目标曲线，并改善列车的停车精度和运行舒适性。     

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。     

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。     

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。     

磁悬浮列车电磁悬浮系统的自适应模糊滑模控制

为增强电磁悬浮系统的抗干扰和负载能力,针对磁悬浮列车悬浮系统中存在的非线性不确定问题,采用模糊逼近与模糊滑模相结合的方法,基于等效控制和切换控制设计了自适应模糊滑模控制器,通过TMS320F2812 DSP实现单点悬浮.仿真与试验结果表明,该控制器不但削弱了滑模控制中固有的抖振,而且具有更强的鲁棒性和快速性,还满足电磁悬浮系统实时控制的要求.     

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。     

基于改进模糊滑模控制的列车速度跟踪研究

列车运行过程具有强耦合、非线性等特征,且往往存在较大且不可观测的外界干扰,这些特性加大了列车运行控制的难度,针对列车运行速度跟踪控制问题,提出一种新的模糊滑模控制器设计方法。首先基于模糊滑模控制,引入全局快速终端滑模控制,使系统在有限时间内达到稳态;然后构造以李亚普洛夫函数导数的绝对值为补偿的自适应干扰估计项,对外界干扰进行准确估计,进而提出一种双层递阶指数趋近全局快速终端模糊滑模控制器,并且引入指数趋近率来调节滑模面的动态品质,该控制器能快速收敛到稳定状态,且有效地消除了控制器的抖振情况;最后通过仿真算例验证了所提方法的有效性,且提高了列车运行控制系统性能。     

具有输入时滞特性的列车自适应制动控制

为了提高高速列车的制动控制精度,保障列车的安全平稳运行,针对具有不确定性参数和已知输入时滞的高速列车制动系统,设计高速列车制动系统模型参考自适应制动控制策略。在保证闭环系统所有信号有界的前提下,实现对给定速度曲线的渐近跟踪,从而确保高速列车能够安全可靠运行。通过分析高速列车制动时的动态过程,基于动力学原理建立具有延时环节的高速列车制动系统状态空间模型,采用状态预测的方法对模型中的输入延时进行相应变换。利用模型参考自适应控制的方法善于处理系统不确定性的能力,设计基于状态反馈状态跟踪的直接模型参考自适应控制器,实现列车对给定速度曲线的渐近跟踪。以CRH380AL型高速列车制动系统为被控对象,采集列车从济南—青岛段实际制动过程中的速度数据进行仿真实验。仿真结果表明,所设计的高速列车自适应制动控制器实现了对给定速度曲线的渐近跟踪控制,且跟踪精度较高,验证了该方案的有效性。采用的模型参考自适应控制算法不仅解决了系统参数不确定性和输入时滞问题,而且优化了高速列车的制动性能,改善了列车的瞬态性能,使列车运行时更加平稳,达到了系统的控制目标。     

一种组合趋近律准滑模控制的列车停车算法

针对城轨列车运行过程外界未知干扰及运行周期中参数变动造成停车不准确的问题,设计准滑模变结构控制器和基于组合趋近律的控制算法,来实现停车控制。组合趋近律滑模控制是结合常规指数趋近律和变速趋近律2种趋近方式的优点,无需外加辅助控制器来消除抖振,结构简单。通过跟踪理想运动目标曲线,完成停车过程。研究结果表明:基于组合趋近律准滑模控制器在实现精确停车的同时,系统响应快,对外界干扰和不确定性具有较强的鲁棒性。     

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...     

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。     

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。     

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。     

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.     

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。     

基于参考模型的ATO自适应控制算法研究

提高列车自动驾驶ATO(Automatic Train Operation)系统的控制精度是实现全程无人驾驶的关键.本文首先分析列车制动系统的动态性能,然后基于该制动系统的状态空间模型构建一种模型参考自适应控制系统,并在理论上证明该控制算法的渐近稳定性,同时指出该类控制算法存在引起控制器震荡的固有弊端.随后,通过在原自适应控制系统中引入合适的辅助系统,构建基于增广误差的自适应控制系统,该算法不仅克服了前一种方法的固有缺陷,而且具有更加严谨的理论结构.最后,数学仿真结果显示本文所提算法能有效补偿列车运行过程中存在的不确定性因素,使列车精确地追踪目标制动曲线,验证了本文所提方法的有效性.     

基于混合系统模型预测控制的列车优化运行

为保证列车高效率运行,需要对自动驾驶系统进行高效设计。列车运行过程具有高度非线性化的特性,针对这一特性,通过引入整数变量,建立基于混合系统的列车混合逻辑动态模型,其次考虑列车运行过程的多重约束,通过二次规划求解控制律。同时为了降低控制器计算量,在模型预测控制的基础上引入了阶梯式控制策略。最后利用Matlab仿真软件使其跟踪一条即定曲线,对所提的控制策略进行数值仿真。结果表明,该控制器可以在降低计算量的基础上,保证列车准时高效跟踪既定曲线,当改变控制器参数时,对跟踪效果有较大的影响。仿真结果对本文采用的方法进行了有效验证。     

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。