基于模糊自适应PID算法的列车自动驾驶系统研究

既有列车自动驾驶（automatic train operation,ATO）系统使用的传统PID算法囿于参数固定,在强耦合、高度非线性的实际运行场景中,难以很好地克服非线性干扰问题,控车效果不佳。对此,文章提出一种基于模糊自适应PID算法的列车自动驾驶方法,其可以根据预先制定的模糊规则实时调整比例、积分和微分系数,使PID控制器具有更强的速度跟踪性能,从而改善列车控制效果。以长沙轨道交通4号线线路数据为算例进行半实物仿真,实验结果显示,采用该算法后,列车真实速度与推荐速度的平均均方根误差为18.876 cm/s,小于传统PID控制器的35.200 cm/s;列车站间旅行贴合度为1.69 m/s,小于传统PID控制器的2.25 m/s,这表明文章所提算法能有效优化推荐速度曲线跟踪能力,提升系统运营效率。     

基于新型PID控制器的列车自动驾驶调速系统

基于对列车自动驾驶系统(ATO)的研究,提出了基于重新参数化的B样条神经网络以及粒子群算法的PSO-B-PID控制器;该控制器能通过PSO搜索找到最佳适合的β因子,从而得到适合本网络权值搜索的最佳的重新参数化B样条基函数,同时,文中还提出了由粒子群算法取代传统BP后向传播算法来作为网络学习算法,从而有效克服传统算法易于陷入局部最优的缺点。通过比较实验中建立的PSO-B-PID、BP-B-PID以及PSO-BP-PID 3种控制器的控制性能,结果表明PSO-B-PID控制过程的误差变化最为缓和,其超调量也最小,因此,该控制器能够提高ATO系统控制的快速性、乘坐舒适度以及停车精度。     

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．     

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。     

基于预测控制的列车精确停车算法

精确停车是评价列车自动驾驶性能的关键指标之一。在分析列车停车阶段运行情况的基础上,考虑制动模型的延迟特性和列车运行特性的约束条件,运用广义预测控制理论,将列车运行的参考速度和参考距离作为控制目标,结合控制量所需满足的约束条件,设计了一种带约束的多目标预测控制器,以提高停车精度和列车运行的舒适性。通过仿真实例表明,该控制器不仅可以使列车精确跟踪停车目标曲线,达到高精度的停车要求,而且使列车运行具有更高的舒适性。     

自动驾驶制动控制方案的研究

为了保证车辆在自动驾驶过程中安全、平稳、可靠地实施自动制动控制,应用最优化方法中的非线性规划理论,以控制制动时间最短、保证乘员最舒适为约束条件,对车辆制动控制行为进行了精确的数学建模;并使用MATLAB优化工具箱进行仿真计算,得出了在初速度分别为30 km/h、60 km/h、90 km/h和120 km/h时的车辆在200 m定长距离下以刹车次数、刹车时间、刹车间隔为参数的自动制动控制方案。仿真结果表明,在3090 km/h的低、中速情况下,通过间歇刹车,车辆可以平稳、安全地驻车在200 m处;而对于1     

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。     

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。     

基于模糊神经网络的自动驾驶决策系统研究

驾驶决策过程中,驾驶行为常受到人、车、路、环境等多源信息的刺激和影响。由于信息处理能力有限,驾驶员对多源信息无法同时实现知识获取与表示,以致有时不能准确、快速地进行驾驶决策,易引发交通事故。为了解决这一问题,针对驾驶员的控制行为进行了分析,并基于模糊控制和神经网络等理论知识,建立了智能车辆驾驶决策机制的模糊神经网络模型。该模型的建立有助于驾驶人员做出更安全、更有效的控制策略。仿真结果表明,用模糊神经网络推理系统有较高的推理速度,能实时、准确地识别当前的驾驶行为和预测下一时刻的驾驶决策,为智能车辆中自动驾驶系统的仿真和实现提供了理论指导和可行性依据。     

双闭环直流调速系统模糊PID控制研究*

针对电压和负载扰动导致传统PID控制双闭环直流调速系统性能下降的问题,本文提出一种模糊PID控制方法。本文的控制方法根据调速系统的转速偏差e和偏差变化率ec,经过模糊逻辑推理,动态自适应调整PID控制器的三个参数,能够有效提高系统抗扰动能力。为了对两种控制方法的性能进行比较分析,文中对系统在理想空载状态、负载扰动和电压波动三种情况下进行仿真试验。结果表明两种控制方法在理想空载状态下的稳态性能基本相同。在负载扰动和电压波动的情况下,本文的方法能使系统更快恢复到平衡状态,且具有更小的转速降。因此,本文的控制方法能够保证系统具有较好的动态性能和抗扰性能。     

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。     

磁浮列车自动驾驶系统控制策略及可靠性研究

为了提高磁浮列车自动驾驶系统的安全性和可靠性,提出了一种可行的自动运行控制策略。基于双机冗余模式的系统架构,采用设计的通信握手策略来实现系统通信及角色识别;通过运行控制策略来确保运行计划正确执行。为了验证系统的可行性,把单元失效率划分为一系列独立部分,根据各部分失效率对系统的产生影响,运用马尔可夫模型进行了仿真分析,结果表明该方案是有效的。     

基于区间特性和变量软约束的模型预测控制算法

针对传统的区间模型预测控制算法的性能指标函数设计复杂, 以及被控变量进入区间后稳态轨迹变化幅度大的缺点, 提出一种区间特性和变量软约束的模型预测控制算法. 该算法仅利用期望输出区间的上下限, 通过预测输出与区间的等式关系构造区间跟踪偏差项, 同时利用预测输出和操作变量的增量二次型构造变量软约束项, 减小区间内的稳态轨迹的变化幅度, 上述两项合称为软约束区间跟踪性能指标项. 以回转窑模型为被控对象进行仿真, 表明了算法的有效性.

     

具有输入延时的锚泊自动定位系统保性能控制

从半潜式平台定位系统的经济性及安全性角度出发,提出基于锚链切换控制的自动锚泊定位系统新方案.针对方案中具有输入延时及不确定性的特点,设计了带有输入延时的保性能控制器,以产生抵抗环境扰动所需的控制输入.基于LMI方法给出控制器存在的充分条件,通过求解相应的线性矩阵不等式得到系统的保性能控制律.仿真结果表明,所设计的控制器能有效解决锚泊自动定位系统的参数不确定性及输入延时问题,从而提高系统的精度和性能.     

具有多时变时滞的多智能体系统在切换拓扑下的平均一致性

研究带有多时变时滞的二阶多智能体系统在切换拓扑下的平均一致性问题. 利用模型变换的方法和 Lyapunov-Krasovskii 理论, 以线性矩阵不等式(LMIs) 的形式给出了多智能体系统达到平均一致性的充分条件, 其通 讯拓扑图为联合连通的. 仿真结果验证了理论分析的正确性.

     

无刷直流电机转速伺服系统反步高阶滑模控制

针对无刷直流电机转速伺服系统高性能非线性鲁棒控制, 提出一种新型的多滑模反步高阶滑模非线性控制方法. 在控制律设计的每一步都引入二阶滑模Super-Twisting 算法, 无需计算变量导数, 消除了滑模抖振, 并在第1 级子系统虚拟控制律设计中提出一种改进的二阶滑模Super-Twisting 算法. 与传统双闭环PI 控制相比, 能够令系统的动静态性能更好, 转矩脉动更小, 鲁棒性更强; 与标准Super-Twisting 算法相比, 进一步提高了系统对阶跃负载扰动的抑制能力. 最后通过仿真分析表明了所提出方法的有效性.

     

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...     

软集参数约简的新方法

软集理论是一种新的处理不确定性问题的数学工具. 讨论了软集与信息系统之间的关系, 介绍了由软集诱导的二元关系, 借助信息系统的属性约简来研究软集的参数约简, 得到了软集参数约简的新方法, 并通过算例验证了方法的有效性.

     

混合时滞不确定中立系统鲁棒稳定的时滞分割方法

研究了一类同时具有离散与分布时滞的不确定中市型系统的鲁棒稳定性问题.基于时滞分割思想,通过构造一类特殊的Lyapunov-Krasovskii泛函,并利用Jensen不等式,建立了线性矩阵不等式形式的时滞相关鲁棒稳定性新判据.该方法不涉及模型变换与自由权矩阵技术,减少了理论与计算上的复杂性;同时允许中立时滞项的系数矩阵...