基于分布式模型的动车组预测控制方法

针对动车组由若干动车/拖车组成的动力单元固定编组耦 合构成,难以用集中式模型进行有效描述的问题,提出一种动车组运 行过程的分布式描述与建模方法. 基于动车组牵引/制动特性曲线和实际运 行数据,采用子空间模型辨识方法建立了动车组各动力单元的分布式状态空间模型;提出基于分布式模型的动车组预测控制方法,给出了各动力单元牵引/制动力和运 行速度同步跟踪控制算法.基于CRH380AL型动车组运行过程数据的对比仿真结果验证了本文方法的有效性.     

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.     

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.     

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.     

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.     

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.     

列车安全距离控制形式化建模与验证

随着我国铁路的迅速发展,对列车运行安全性的要求越来越高。采用Event-B形式化建模方法研究了高速列车安全距离控制形式化验证问题,以Event-B形式化仿真工具Rodin为基础,通过结合多智能体理论,引入感知决策法则,实现了无线闭塞中心(RBC)与列车的车地通信,建立了多列车运行的安全距离控制模型。仿真研究了高速列车最小间隔追踪控制运行,对列车安全距离控车行为进行了形式化建模并进行了POs证明义务验证。仿真结果表明,对于CTCS列车控制系统的复杂逻辑关联行为,采用提出的Event-B和多智能体系统(MAS)结合的形式化验证方法,可进行系统规范的模型验证,对于复杂系统的逻辑验证有较强的实际意义。     

高速列车速度跟踪神经网络PID控制器的设计

高速列车速度跟踪控制系统是一个复杂的非线性系统,难以取得高精度的跟踪性能。为了减少速度跟踪误差,设计了高速列车神经网络PID控制器。首先建立了描述列车运行过程的单位移多质点模型,该模型考虑了列车的基本阻力和附加阻力以及车厢之间的相互作用力。然后阐述了BP神经网络PID控制,并设计了列车速度跟踪控制器,根据速度误差用神经网络PID控制决定牵引力和制动力。最后与模糊控制和常规PID控制进行了仿真对比,结果表明,神经网络PID控制具有很小的速度跟踪误差和优越的速度跟踪性能,可以满足列车正点运行的需求。     

汽车组合电子导航仪的路径智能规划效果测评研究

汽车导航系统是智能交通系统不可或缺的组成部分。目前,大多数汽车导航仪由于受到诸多因素的影响,不能满足市场需求,从而使得新型组合导航仪的研发成为全球最大的难点、热点。针对这一问题,首先采用DGNSS/INS组合导航系统实现了实时采集车辆位置、速度信息,提高了导航定位的精确性。其次,重点对适应高速工况的自主导航控制器进行了设计,并构建了运动学模型和动力学模型。最后,通过仿真试验验证了控制器在不同速度条件下对车辆的控制情况。结果表明,车辆在不同高速工况下行驶,设计的控制器在保证车辆稳定性的同时可以尽量提高对轨迹跟踪的精度。     

侵入物高速撞击下铰链式动车组的安全性

为探究侵入物高速撞击下铰链式动车组的安全性,在实物三维扫描重构的基础上,构建一种新的活体三维有限元层叠模型,并在LS-DYNA中进行摆锤侧面碰撞分析验证;通过铰链式动车组与活体在110 km/h速度下的碰撞仿真计算,讨论动车组运行的安全性以及吸能装置的可靠性.结果 显示:活体的有限元层叠模型既能保证计算精度,又能提高计算效率;在110 km/h的碰撞速度下,车体加速度为0.117g,轮对抬升量为0.238 mm,车钩每5 m长度的压缩量最大约为1.89 mm.各项指标都低于EN 15227标准,动车组行车安全性没有受到影响,吸能装置也能可靠工作.     

基于新型趋近律的双定子电机控制系统研究

为了提高双定子永磁无刷(DS-PMBL)电机调速系统的动态品质,在纯指数趋近律的基础上,结合终端吸引因子与系统状态变量的幂函数,进而提出一种新型的趋近律,有效抑制了滑模控制抖振,显著提高滑模趋近速度.以该新型趋近律为基础,设计了DS-PMBL电机的数学模型与滑模速度跟踪控制器,采用id=0的矢量控制方法确定DS-PMBL电机的动态性能,并与常规指数趋近律进行仿真比较.结果表明,提出的改进控制系统与传统的控制方法相比,提高了滑模趋近速度,减小了抖振,明显地提高了系统的动态特性与鲁棒性.     

Nonlinear asymptotic attitude tracking control of an underactuated 3-degree-of-freedom helicopter using neural network feedforward term

This paper proposes a new asymptotic attitude tracking controller for an underactuated 3-degree-of-freedom (DOF) laboratory helicopter system by using a nonlinear robust feedback and a neural network (NN) feedforward term. The nonlinear robust control law is developed through a modified inner-outer loop approach. The application of the NN-based feedforward is to compensate for the system uncertainties. The proposed control design strategy requires very limited knowledge of the system dynamic model, and achieves good robustness with respect to system parametric uncertainties. A Lyapunov-based stability analysis shows that the proposed algorithms can ensure asymptotic tracking of the helicopter’s elevation and travel motion, while keeping the stability of the closed-loop system. Real-time experiment results demonstrate that the controller has achieved good tracking performance.     

Robot Control Optimization Using Reinforcement Learning

Conventional robot control schemes are basically model-based methods. However, exact modeling of robot dynamics poses considerable problems and faces various uncertainties in task execution. This paper proposes a reinforcement learning control approach for overcoming such drawbacks. An artificial neural network (ANN) serves as the learning structure, and an applied stochastic real-valued (SRV) unit as the learning method. Initially, force tracking control of a two-link robot arm is simulated to verify the control design. The simulation results confirm that even without information related to the robot dynamic model and environment states, operation rules for simultaneous controlling force and velocity are achievable by repetitive exploration. Hitherto, however, an acceptable performance has demanded many learning iterations and the learning speed proved too slow for practical applications. The approach herein, therefore, improves the tracking performance by combining a conventional controller with a reinforcement learning strategy. Experimental results demonstrate improved trajectory tracking performance of a two-link direct-drive robot manipulator using the proposed method.     

基于闭塞区间的高速列车运行时间与节能协同优化方法

提出了一种高速列车运行时间与节能协同优化方法.针对由动态调度层、优化控制层、跟踪控制层组成的列车运行控制与动态调度一体化结构,设计了面向动态调度层和优化控制层的列车运行时间调整策略和节能速度位置曲线.基于高速铁路闭塞区间,建立了列车区间模型和列车速度曲线节能优化模型.利用模型预测控制方法对列车区间运行时间进行调整,优化列车总延误时间;根据调整后的区间运行时间设计列车运行优化速度位置曲线,减少列车运行能耗.仿真算例验证了设计的运行时间与节能协同优化策略的有效性.     

多步k最近邻初值寻优的气压模拟系统遗忘迭代学习控制

高速列车车内压力波动过大会对乘客舒适性造成影响,而气压模拟系统是一套通过对车内模拟气压跟踪控制,实现对乘客舒适性进行研究的装置.为解决系统历史运行数据利用率低以及存在迭代初始误差导致系统收敛速度慢的问题,采用k最近邻(kNN)算法,建立一种基于历史控制信息的最优初次控制信号提取方法,并根据迭代学习控制的基本原理,将最优控制初值输入到带遗忘因子的迭代学习控制器中,通过不断迭代来实现车内期望气压轨迹的跟踪控制,并和基于大数据的迭代学习控制以及传统PID迭代学习控制进行对比分析.仿真结果表明:基于多步kNN的遗忘迭代学习控制收敛速度更快、系统抖动程度更小、控制精度更高以及算法鲁棒性更好.     

输出概率密度函数鲁棒弹性最优跟踪控制

研究了一类随机动态系统的鲁棒弹性最优跟踪控制问题。在采用B样条神经网络模型逼近随机动态系统的输出概率密度函数(PDF)的基础上,同时考虑系统模型和控制器增益不确定性,结合Lyapunov稳定性理论和线性矩阵不等式(LMI)技术,引入增广控制作用,设计基于广义状态反馈的鲁棒弹性最优跟踪控制器,目的是使系统的输出PDF跟踪给定PDF。通过求解LMI,所得控制器不仅能实现跟踪目的,而且能确保该随机动态系统全局稳定并满足一定的线性二次型性能指标上界。仿真结果表明该方法简单易行,且无需任何设计参数调整。     

Output tracking control for an omnidirectional rehabilitative training walker with incomplete measurements and random parameters

In this study, we propose a model and an output feedback tracking control for an omnidirectional rehabilitative training walker (ODW) with unmeasurable speed, incomplete measurements of position output, and random structural parameters. A stochastic model and an incomplete measurement model were proposed to describe the motion of an ODW subject to random structural parameters and to account for any incomplete data transmission phenomenon caused by possible sensor ageing or failures. A speed observer and a state observer were designed to estimate the unmeasurable speed and the incomplete measurements of position output. Moreover, a dynamic output feedback controller was constructed to ensure the exponential stability in mean square of the tracking error system. Furthermore, the results verify that the choice of appropriate design parameters can result in the mean square of the tracking error becoming arbitrarily small. A simulation example was provided to illustrate the effectiveness of the proposed design procedures.     

高速4WID-4WIS自主车路径跟踪控制

高速4WID-4WIS自主车采用独立悬挂结构,所有车轮均可独市驱动、制动和转向.对自主车路径跟踪问题进行几何和运动学上的描述,结合Burckhardt非线性轮胎模型建立自主车作路径跟踪运动时的2阶动力学模型,提出自主车进行路径跟踪的协调控制体系结构,利用白抗扰控制方法设计路径跟踪系统纵向速度、侧向位移和横摆角运动3个动...     

基于鲁棒预测控制的高速列车节能运行研究

针对高速列车在运行过程中的传统控制策略优化精度差、难以达到理想的节能效果的问题,提出了基于安全、准点、节能等多目标要求的高速列车鲁棒预测控制策略。对列车的运行过程进行受力分析,运用聚类和最小二乘法建立了基于多模型的线性预测模型,考虑高速列车惰行运行及道路条件等情况,合理设计出列车的节能目标曲线。将相应的节能曲线作为输入量,采用鲁棒预测控制算法进行优化,有效地提高了模型的适配性和跟踪性。以CRH3型列车作为研究对象进行仿真,结果表明,鲁棒预测控制能够满足跟踪节能曲线精度的要求,验证了该节能运行方式的可行性和优越性。