列车自动驾驶调速系统自适应模糊控制

列车自动驾驶（ATO）系统停车前采取一级调速制动，本文采用自适应模糊控制对ATO系统的速度进行控制．利用变论域收缩因子优化模糊控制器的量化因子，模糊推理实现比例因子的自调整．通过仿真表明，该算法能够有效改善速度控制的快速性与精度，提高乘客舒适性与运行效率，从而完成定位停车任务．     

基于切换系统的城轨列车ATO控制策略研究

为弥补模糊PID控制在ATO(列车自动运行)系统中无法自动靠站等问题,将切换控制系统理念引入ATO中.针对A型地铁的受力情况,建立其运动学模型,并设计简单的运行路线.使用MATLAB对列车的运行过程进行仿真,在得出的运行特性图的基础上,建立列车的切换系统各工况的子空间模型及切换控制策略.为验证上述切换策略的有效性,对列车在终点路段的切换过程进行仿真得出列车能够稳定停车靠站的结论.最后,加入外界扰动的情况下,对列车危险路段的切换过程进行仿真,验证上述切换策略的有限时间稳定性.     

城轨列车精确停车智能控制算法研究与仿真

随着我国城轨交通的大力发展,列车自动驾驶（ATO）系统在城轨列车中的应用越来越广泛,精确停车是衡量城轨列车自动驾驶性能重要指标之一。以精确停车、舒适性及能耗为指标,利用列车牵引计算知识建立列车运行多目标模型;利用遗传算法对该模型进行优化,结合MATLAB仿真软件得出列车运行理想目标曲线;运用SIMULINK模块分别搭建基于PID控制的仿真模型、基于模糊PID控制的仿真模型以及基于预测模糊PID控制的仿真模型,得出相应的列车运行跟踪曲线,并进行比较。结果表明：较前两者,预测模糊PID控制能最大程度地提高列车的停车精度。     

高速列车精确停车的鲁棒自触发预测控制

列车精确停车作为列车自动运行(Automatic train operation, ATO)系统的一项核心功能, 对高速列车的安全和高效运行至关重要. 本文针对高速列车停车过程的特点, 考虑在避免控制输出频繁切换的前提下实现高精度的停车曲线跟踪, 提出了基于模型预测控制(Model predictive control, MPC)的精确停车算法. 针对列车停车过程中外部不确定性阻力干扰, 采用鲁棒模型预测控制方法, 提高对外部干扰的鲁棒性. 引入自触发控制策略, 以进一步减少控制输出的频繁切换, 提高停车过程的舒适度. 该方法不需要每个采样时间都求解线性约束二次规划问题, 降低了对系统采样和通信能力的要求, 提高了算法的实用性. 分析结果表明, 高速列车精确停车控制方法的稳定性和性能指标的次优性可以得到保证. 基于高速列车实际运行数据的仿真结果验证了算法的有效性.     

灰色预测模糊自适应PID控制的城轨列车智能驾驶系统研究

为提高城轨列车驾驶系统的智能化程度，将灰色预测控制与模糊自适应PID控制技术相结合，应用到城轨列车驾驶系统中。在对城轨列车驾驶系统进行需求分析的基础上，针对其对各种性能指标的要求，提出了基于灰色预测模糊自适应PID控制的城轨列车智能驾驶系统的设计方案。将灰色预测控制与模糊自适应控制应用到经典PID控制中，设计出了系统的智能控制器，有效满足了城轨列车在运行时对跟踪误差、准点率、停车误差、舒适度和节能性等多个性能指标的要求。仿真结果表明：采用灰色预测模糊自适应PID算法的控制系统具有良好的控制精度且系统的智能化程度得到了相应的提升。     

定向战斗部随动系统新型模糊-PID复合控制

针对随动定向战斗部随动系统工作中存在的非线性与随机干扰问题,普通的PID控制器和模糊控制器不能满足快速性与适应性的要求,基于模糊自整定PID参数控制器与模糊-PID切换控制器,提出了一种新型模糊-PID复合控制算法,控制前段利用模糊控制加快控制速度,后段利用模糊逻辑整定PID参数提高精度与自适应能力;仿真结果表明,采用这种新型模糊-PID复合控制算法能够保持跟踪精度,减少调节时间,加快系统跟踪速度,减小切换冲击,提高抗干扰能力。     

基于PLC模糊自适应PID门座式起重机变频调速系统的设计与实现

为了进一步提高门座式起重机控制系统的平稳性和可靠性,在研究传统的起重机控制系统的基础上,设计了基于PLC模糊自适应PID的起重机变频调速系统,利用先进的模糊自适应PID算法与PLC控制技术相结合实现智能变频控制。系统直接由PLC实现函数运算取代常规的查表方式,改善调速性能,实现了变频调速系统的快速控制;同时,通过PLC对起重机变频器进行无触点控制,有效提高了的准确可靠性。仿真结果表明:加入模糊自适应PID控制的起重机变频调速系统比传统系统响应速度快,超调量低于3%,更加平稳可靠;同时降低了起重机功耗,节能近20%,并有效延长了电动机的使用寿命。     

模糊预测-PID复合控制在高速列车制动中的应用

为解决高速列车的快速、准确、舒适停车问题,分析并建立了列车制动的牵引力模型;综合考虑列车制动过程中舒适度因素的影响,提出了带有舒适度约束条件的模糊预测-PID复合控制方法。该控制方法结合了模糊预测控制以及模糊PID控制的优点,使列车制动过程的控制没有死角,控制状况始终处于最优。在制动距离较大情况下采用模糊预测控制修正控制量,优化制动力,使制动过程满足舒适度要求;在距离较近的情况下,采用模糊PID实现列车的准确停车。仿真结果证明了该方法的可行性和有效性。     

直流调速系统的模糊／PID控制器设计

本文采用模糊/PID控制策略对直流调速系统的转速环进行了设计,根据转速误差的阀值由模糊控制切换到PID控制,给出了模糊控制规则和PID控制器各参数确定的方法,并利用Matlab进行了仿真验证,结果表明模糊/PID控制器具有较好的控制性能。     

基于云台的变域论模糊PID算法研究

为了使云台能够快速的响应环境变化从而达到动态平衡目的,提出变域论模糊PID控制算法实现调平过程中动态特性控制设计。该系统以ARM920T为控制单元,采用模糊PID算法对云台进行控制。利用MATLAB对模糊PID算法进行了仿真分析,最后对变论域、模糊及传统算法的效果进行比较：在保证动态稳定性的前提下,模糊PID算法比常规PID算法能够有效的提高响应速度。     

Optimal control of rail transportation associated automatic train operation based on fuzzy control algorithm and PID algorithm

Rail transportation develops rapidly in recent years, which has made great contribution to the solution of urban traffic jam and promoted the coordinated development of urban economy and environment. Automatic train operation (ATO) system can transform artificial train work into automatic train work. Therefore, the optimal control of ATO system is of great significance to the improvement of operation efficiency of rail transportation and the reduction of labor strength of train drivers. The regulation of train speed is the key of ATO system operation, and PID control algorithm is a common control algorithm. Train automatic drive can be realized through repeatedly debugging parameters through a large amount of experiments using the traditional PID control algorithm; however, it wastes time and energy and is complicated to operate. This study made optimal control on rail transportation associated ATO using fuzzy control algorithm in combination with PID control algorithm to make up for deficiencies, with the intention of achieving the control on the train start and speed, direction adjustment and accurate control of train parking and cruising.     

基于最优预见控制的高速列车速度控制器研究

针对高速列车自动驾驶(ATO)速度控制器的设计及性能问题,以列车运行过程中的安全性、舒适性、控制输入为约束条件,提出用最优预见算法设计控制器。该算法以列车动力学为基础,确定列车模型传递函数,进行极点配置之后使控制系统稳定;以列车模型为该算法的控制对象,将列车运行过程中的线路附加阻力和基本阻力作为干扰,实现列车ATO模式下目标速度的自动跟踪控制。选取京津城际北京南站至武清站间线路数据进行仿真验证,仿真结果表明该算法在降低列车运行能耗、提高旅客舒适性与列车运行准点率方面的有效性。     

基于灰色系统理论高速列车ATO速度控制器研究

速度控制器是ATO系统的核心单元,也是列控系统的重要组成部分,针对目前高速列车无ATO功能的情况,研究智能的ATO系统速度控制器对实现高速列车自动驾驶具有的重要意义。通过分析CTCS-3级列控系统的结构和功能,提出了在CTCS-3级列控系统中增加ATO系统速度控制器的方案。首先设计了速度控制器与车载及地面设备的连接方式,实现了信息交互;而后应用灰色系统理论善于研究外延明确内涵不清系统的特点,建立速度控制器模型,进行预测及决策计算,得到比较合理的列车自动驾驶控制策略;最后采用遗传算法对其进行优化,得到最优控制策略。仿真结果表明,该方法实现了高速列车在CTCS-3级列控系统下的自动驾驶,列车运行的各项性能都得到了提高。     

LED 晶圆贴片过程中压力的二阶段模糊决策与控制

针对LED 晶圆贴片过程, 设计一种利用阀门的开关和开度控制气缸内气压的压力控制系统, 提出一种多目标分阶段决策和控制的方法, 实现活塞运动和加压控制. 根据活塞的位移和压力, 采用逻辑决策方法, 选择需要控制的阀门. 根据规划压力与实测压力的差值及其差值变化率, 利用模糊自适应PID 控制方法控制阀门的开度. 采用半张量积的方法将逻辑决策和模糊控制中的推理转变成矩阵形式, 以简化运算量, 提高运算速度和控制精确度.

     

基于遗传算法和粒子群优化的列车自动驾驶速度曲线优化方法

针对列车自动驾驶（ATO）过程中的精准停车、准时性、舒适性以及能耗问题,提出一种基于遗传算法与粒子群优化（GAPSO）算法结合的ATO速度曲线优化方法。首先,建立列车ATO运行多目标优化模型,将列车过分相区断电惰行纳入控制策略,并对运行控制策略进行分析;其次,对粒子群优化（PSO）算法进行改进,采用非线性动态惯性权重和改进的加速度系数,并将遗传算子融入其中,从而构成一种全新的GAPSO算法,且验证了GAPSO算法在全局搜索和局部搜索能力以及收敛速度上的优越性。最后,通过GAPSO算法对工况转换点进行寻优,以获取一组满足多目标优化的工况转换点速度,进而得到最优目标速度曲线。仿真实验结果表明,所提优化方法在总体运行时间满足准时性要求的前提下,使能耗降低了13.29%,舒适性提高了26.62%,停车误差降低了21.62%。由此可见,优化后的列车目标速度曲线能够满足多目标要求,该方法为列车ATO多目标优化提供了一种可行的解决方案。     

R-dPSO算法及其在ATO控制策略中的应用

城市轨道交通列车自动运行中,通过调整列车的5种工况序列解决含有安全、准点、准时、舒适度和能耗等指标的多目标优化问题。根据轨道交通列车自动运行过程中涉及的动力学公式建立ATO目标速度曲线的数学模型。提出一种随机驱动的全局粒子群优化算法（R-dPSO）,用12个基准函数测试了R-dPSO算法的有效性。进而,利用SPSO算法、XEPSO算法和R-dPSO算法解决上述多目标优化问题。实验表明,只有R-dPSO算法的优化结果满足ATO控制策略的各个指标要求。     

基于CBTC的列车自动驾驶控制算法

基于通信的列车控制系统是列车控制系统技术的发展方向。讨论了基于CBTC的列车自动控制系统的基本结构和功能，指出传统控制方法不能适应列车运行参数的非线性和时变性，而采用智能控制方法较为有效，对基于专家系统的ATO系统、基于模糊控制的ATO系统和基于模糊神经网络的ATO系统等几种速度控制算法进行了分析和建模。     

ATO系统速度控制的BP-FIPID算法

针对列车自动运行（Automatic Train Operation,ATO）系统控制算法的稳定性与智能性需求,以及比例积分微分（Proportion Integration Differentiation,PID）控制算法的拓展优化,结合BP（Back Propagation）神经网络算法和模糊免疫PID（Fuzzy Immune PID,FIPID）控制算法,提出一种基于BP神经网络的免疫控制参数自适应调整的模糊免疫PID控制算法（BP-FIPID）。以列车运行控制模型为控制对象,分别采用阶跃信号和列车运行目标速度曲线对传统FIPID以及BP-FIPID进行仿真检验。测试结果显示,与FIPID算法相比,BP-FIPID算法具有更好的阶跃响应和抗干扰性能,针对复杂工况的速度-时间曲线同样体现出理想的追溯性。免疫控制参数的自适应调整有助于改进FIPID的性能,两种算法均可作为实践参考。