基于多智能体模型的动车组分布式预测控制

以高速铁路普遍采用的动力分散式动车组为研究对象.针对动车组由若干动力单元相互耦合组成的结构特点,以各动力单元为智能体.结合动车组牵引特性曲线和实际运行数据,应用减法聚类和模式分类算法建立各智能体多模型集.依据各智能体网络拓扑结构和相互耦合约束关系,建立动车组多智能体模型.针对各智能体的耦合约束,采用PID和GPC相结合的平稳起动切换控制策略和基于邻域优化的多智能体分布式协调控制算法,实现各智能体对给定速度的同步跟踪.基于CRH380A型动车组运行数据的仿真结果验证了本文方法的有效性.     

动车组LSSVM建模与速度跟踪控制

动车组运行环境复杂多变、运行过程中空气阻力对动车组运行性能有较大影响,基于线性模型的动车组运行控制策略难以满足高精度跟踪给定速度-位移曲线要求。提出一种动车组非线性模型描述及其运行速度控制方法。首先,基于动车组牵引特性和系统运行数据,建立了动车组LSSVM非线性模型;给出了基于LSSVM模型的动车组运行速度控制方法。基于CRH380AL型动车组运行数据的仿真结果验证了该方法的有效性。     

基于SP/MC网络模型的分布式交易系统设计和实现

本文提出了基于SP/MC的网络模型。描述了一种基于该模型的分布式交易系统的设计和实现。介绍了该系统的总体设计架构和分布式结构,然后描述了系统如何实现各种分布式特性及一些通用服务的实现,如:异构系统接入,负载均衡,延迟重连。最后通过多次实测数据,展现了基于SP/MC网络模型的性能和基于该模型的交易系统性能。     

高速动车组强耦合模型的分布式滑模控制策略

高速动车组是由多节车辆与钩缓装置链接而成的复杂系统. 将钩缓装置等效成弹簧 ? 阻尼器系统, 分析动车组运行过程中钩缓装置对相邻车辆作用的动力学机理, 明确作用方式, 建立高速动车组的强耦合模型. 根据列车模型动力或制动力输入的分散特征, 设计分布式神经网络滑模控制策略, 对高速动车组进行速度跟踪控制. 为减小速度跟踪过程中未知因素对高速动车组控制精度的影响, 利用列车历史运行数据, 采用历史工况数据中心对当前控制律输出进行补偿以提高控制精度与实用稳定性. 采用高速动车组运行仿真平台的仿真实验结果表明, 该建模方法较以往多质点模型更能体现高速动车组运行特性, 且采用补偿规则的控制策略优于传统控制效果.     

高速动车组数据驱动无模型自适应控制方法

针对动车组的速度跟踪控制问题,同时考虑到现有基于模型的控制方法对系统动力学模型的依赖性,以及传统无模型自适应控制时变参数估计算法的复杂性,将改进的多输入多输出(Multiple-input multiple-output, MIMO)偏格式动态线性化无模型自适应控制(Partial form dynamic linearization-improved model-free adaptive control, PFDL-iMFAC)方法引入到动车组自动驾驶系统中.该控制方法在无模型自适应控制的基础上,考虑滑动时间窗口,增加了可调自由度和设计灵活性,并在输入准则函数中加上对能量函数的惩罚项,减少能量损耗,为动车组的跟踪精度和节能运行提供了一种优化的方法,在满足动车组速度跟踪效果好的前提下实现节能运行.最后以CRH380A动车组为对象进行仿真实验,通过与传统无模型自适应控制对比:所提出的控制算法各动力单元速度跟踪误差在±0.2 km/h以内,加速度在±0.65 m/s2以内且变化平稳,比传统无模型自适应控制方法节约9.86%的能量.     

分布式远程备份空间模型研究

本文提出一种有效的寻找条块化存储最优化策略的方法，根据分布式备份的基本需求，定义了描述条块化策略好坏的性能参数，定量给出了各种空间存储模型下的性能计算方法，从空间几何的角度用多面体形象地描述各种存储模型，并研完了四面体和六面体存储模型下各种存储策略的性能和计算方法。     

基于Agent的分布式空间数据挖掘系统

本文在介绍空间数据挖掘、Agent技术的概念和特点的基础上,提出一个基于Agent的分布式空间数据挖掘系统,描述了其实现过程.由于在实现过程中只传送执行挖掘功能的移动Agent本身的代码及局部知识,所以大大减少了网络的数据传输量,且加强了数据的安全性及隐私性.     

基于多质点模型的动车组精准停车自适应控制

精准停车是列车自动驾驶系统的关键技术之一, 有助于提高乘客上下车效率, 降低列车停站晚点风险. 本 文针对动车组精准停车问题, 建立动车组多质点非线性动力学模型, 处理各节车厢因随机且未知的乘车人数分配不 同的制动力. 在此模型的基础上, 利用动车组运行过程中的状态偏差, 设计自适应控制器. 针对模型动态非线性和参 数的未知性, 设计参数的估计律, 对参数值进行实时估计. 根据输入–输出稳定性理论, 通过构建含参数估计误差的 Lyapunov函数, 证明自适应控制算法的渐近稳定性. 仿真结果表明: 基于动车组多质点模型, 参数自适应控制器分配 不同的控制输入给复合控制单元进行协调制动. 该控制方法在实现动车组平稳运行的同时, 使得停车误差在±5 cm 以内.     

大规模空间矢量数据分布式存储与计算优化

针对海量空间矢量数据分布式存储与计算需求, 研究了基于四叉树格网编码建立要素索引的方法, 设计了HBase预分区优化策略, 提出了一种空间矢量数据分布式存储模型. 基于MapReduce计算框架, 构建了空间数据分布式计算与分析的优化流程. 最后, 针对空间叠加与统计场景, 采用一定规模的业务数据对所提的方法进行测试, 验证了设计方案的可行性和有效性.     

基于Agent的分布式空间数据挖掘模型及实现

在分析数据挖掘、空间数据挖掘、Agent的概念和技术特点的基础上，提出了一种基于代理的分布式空间数据挖掘系统，描述了其实现方法，因为本系统只传送数据挖掘的中间结果，所以大大减少了网络的数据传输量，并加强了数据的安全性和保密性。     

基于多智能体模型的动车组分布式预测控制（英文）

The distributed-power electric multiple units(EMUs) are widely used in high-speed railway. Due to the structural characteristic of mutual-coupled power units in EMUs, each power unit is set as an agent. Combining with the traction/brake characteristic curve and running data of EMUs, a subtractive clustering method and pattern classification algorithm are adopted to set up a multi-model set for every agent. Then, the multi-agent model is established according to the multi-agent network topology and mutual-coupled constraint relations. Finally, we adopt a smooth start switching control strategy and a multi-agent distributed coordination control algorithm to ensure the synchronous speed tracking control of each agent. Simulation results on the actual CRH380 A running data show the effectiveness of the proposed approach.     

CRH1与CRH2动车组牵引变流器性能比较与优化

动车组牵引变流器的性能是评估动车纽安全高效运行的重要指标之一。以CRH1A和CRH2A型动车组牵引变流器为对象,基于Matlab／Simulink仿真软件对两种变流器的性能及其优化进行了研究。根据两种变流器主电路实际设计参数分别建立了各自的仿真模型,比较和分析了相应主电路结构及其对应的控制策略对系统输入输出性能的影响。在此基础上,探究了空间矢量脉宽调制SVPWM控制策略应用在CRH2A型动车组变流器中对改善变流器输入输出特性及动态性能的效果,通过仿真建模初步验证了该结论。仿真结果和数据基本符合预期目标。     

有限时间内的动车组群分布式协同巡航多智能体控制

本文研究了动车组群系统的移动闭塞协同巡航控制问题,通过设计有限时间分布式协同控制算法实现了多车高速协同巡航.算法取消了动车组中心控制单元,将单列动车组的每个动力单元视为一个智能体,不同动车组之间的智能体形成多智能体群系统.设计了动车组智能体有限时间分布式协同控制算法,该算法首先实现了单列动车组各个动力单元快速追踪到期望的速度,且保证车钩位移在安全范围内,其次该算法还能实现动车组群高速巡航等间距运行,提高了线路利用率的同时避免了碰撞.最后进行了理论分析,证明了算法的稳定性和有限时间收敛性,并提供了仿真结果验证了该算法的有效性.     

Speed tracking control using an ANFIS model for high-speed electric multiple unit

The high-speed electric multiple unit (EMU) is a complex, uncertain and nonlinear dynamic system. The traditional approach to operating the high-speed EMU is based upon manual operation. To improve the performance of high-speed EMU, this paper develops a control dynamic model to capture the motion of the high-speed EMU and then uses it to design a desirable speed tracking controller for EMU. We exploit a data-driven adaptive neurofuzzy inference system (ANFIS) to model the running process. Based on the ANFIS model, we propose a generalized predictive control algorithm to ensure the high-precision speed tracking of the high-speed EMU. The simulation results on the actual CRH380AL (China railway high-speed EMU type-380AL) operation data show that the proposed approach could ensure the safe, punctual, comfortable and efficient operation of high-speed EMU.     

基于分布式计算的月度机组组合高效算法设计

月度机组组合是电力系统运行方式安排的重要内容。随着电网规模的不断扩大,月度机组组合计算规模快速增加。传统的月度机组组合计算方法在计算效率上已不能满足当前系统要求。为此,介绍了分布式计算基本概念,提出了一种基于混合维度粒子群算法的分布式计算方法。根据月度机组组合模型实际,设计了面向月度机组组合问题的分布式高效计算方法,通过将传统串行计算转换为并行计算,提升了整体计算效率。最后基于某电网实际构造算例,验证了本文所提出方法的有效性。     

基于多时段机组组合的中长期市场安全校核方法

为解决电力中长期市场中调度机构安全校核缺乏有效技术方法的问题,基于多时段机组组合模型提出了一种面向电力中长期市场的安全校核方法。以发电企业中长期校核电量偏差最小化为优化目标,综合考虑电力平衡约束、网络传输能力约束、机组发电能力约束等多方面系统运行约束条件,构建了电力中长期市场机组组合模型。利用该机组组合模型,对电网调度过程进行运行模拟。并通过判定各发电企业电力中长期交易结果的完成率偏差,来判定电力中长期市场交易结果是否满足系统运行要求。最后,基于某省区电网实际数据构造的算例表明,与传统典型日运行模拟校核方法相比,本文所提出的校核方法能有效考虑机组启停时间约束等运行要求,更符合电网实际调度运行需要,能够给出更为准确的安全校核判定结果。     

基于转辙机牵引力和PSO-SVM的道岔故障诊断研究

随着高速铁路的快速发展,道岔故障频发,成为一直是急需解决的重大安全问题;首先从道岔的运行原理出发,研究了转辙机拉力对道岔的影响;然后进行了转辙机的电动机的功率和电流参数的比较,结果表明,转辙机拉力更能直观反映道岔的运行情况;最后提出了用转辙机拉力参数实现基于粒子群算法优化支持向量机(PSO-SVM)的道岔故障诊断算法;经过对实际数据的处理,表明此种诊断方法对道岔的故障有较好的分辨能力。     

基于不变网络模型和故障注入的分布式信息系统故障溯源方法

针对传统分布式信息系统故障溯源算法对于先验知识依赖严重的问题,提出一种基于不变网络与故障注入相结合的故障溯源方法.首先,利用系统日志中收集到的系统组件运行数据,构建系统的不变网络模型,在此基础上进行节点或组件故障注入及扩散建模,建立故障网络集;然后,根据原始时间序列取值情况,制定数据质量评价规则以甄别数据是否发生突变;最后,利用实际故障网络与故障网络集中故障网络局部拟合的方式进行故障溯源,并利用数据质量评价规则对该结果进行修正,实现对系统故障源的精确定位.在仿真数据集、某开源系统数据集和某电网调度系统实采数据上的实验结果表明,所提出方法具有更高的准确率.