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。     

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。     

基于Elman模型的高速列车速度跟踪控制

高速列车运行速度快,运行过程复杂,具有较强的非线性,难以实现高精度速度跟踪控制.为了实现高速列车的安全可靠运行,本文研究提出高速列车的运行过程建模和速度跟踪控制方法,采用数据驱动建模方法建立了高速列车运行过程Elman模型,设计了改进型广义预测控制实现了高速列车速度跟踪控制.基于CRH380AL运行过程数据的仿真结果表明,该方法具有更高的跟踪控制精度和较强的鲁棒性,可实现高速列车安全、正点运行.     

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。     

基于灰色遗传的高速列车速度控制器模型研究

速度控制器是列车自动驾驶系统(ATO)的核心,针对目前尚无研发成熟的速度控制器应用于高速列车的情况,引入灰色系统理论研究高速列车速度控制器模型;在灰色遗传预测模块中,对影响模型精度的λ值提出了基于遗传算法的求解方法,根据列车运行的4个目标设计其适应度函数,并加入先验知识判定对约束条件进行处理,同时建立新陈代谢GM(1,1)模型,在列车运行过程中不断求解新的模型参数a和b,实现模型在线校正,使系统可以进行长期预测;在灰色决策模块中,将高速列车的工况及运行目标转化为决策要素,应用灰靶决策产生最优策略控制列车运行;仿真结果显示了该模型应用于列车自动控速时的有效性和实时性,并使各项运行指标都有所提高。     

高速列车多质点子空间预测控制方法研究

针对列车单质点模型在坡道/曲线段受力存在误差,影响高速列车运行控制器的计算精度,建立多质点高速列车运行模型,提出一种基于子空间辨识的预测控制方法。首先,详细分析在坡道/曲线段高速列车考虑其长度的受力情况;接着,利用子空间从列车运行数据辨识模型参数,构建了列车多质点的状态空间模型;然后,具体给出预测控制器的设计步骤;最后,利用MatLab软件进行速度跟踪仿真对比实验,结果表明本文方法的有效性。     

高速列车节能运行的滑模预测控制研究北大核心CSCD

考虑高速列车的安全性、准时性和节能环保的要求,设计列车运行的目标曲线;根据列车运行过程随机性的特点,结合滑模预测控制强鲁棒性的优点设计了ATO的控制器。首先用模糊聚类算法对系统输入输出数据进行快速分类,应用最小二乘法辨识出相应的线性子模型作为预测模型;其次,在考虑准时性的基础上采用节能优化理论设计列车运行目标曲线,作为控制系统的参考输入;最后设计滑模预测控制器,利用极点配置方法设计渐进稳定的滑模面,有效克服抖振现象。以CRH2-300型列车为研究对象进行仿真分析,结果表明,滑模预测控制能有效克服干扰信号,且能实现精确跟随所设计的目标曲线;验证了该算法应用到ATO中的有效性和可行性。     

基于自适应模糊滑模控制的高速列车自动停车算法

为实现高速列车自动停车功能,根据列车纵向动力学分析和制动系统原理,建立了高速列车非线性制动模型.针对大系统模型的强耦合、强非线性和不确定性的特点,依据列车运行速度,将非线性模型表示为T-S(Takagi-Sugeno)模型,并基于自适应模糊策略,设计了自动停车滑模控制器.控制算法通过自适应模糊系统逼近模型中不确定项和互联项的上界,消除了车间作用力及运行阻力的影响,使列车追踪理想停车曲线.依据李亚普诺夫方法证明了闭环系统的稳定性和追踪误差的收敛性.仿真结果验证了所提滑模控制器的有效性.     

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。     

基于干扰观测器的高速列车RBF自适应滑模控制方法

针对高速列车动力学模型的不确定性和存在外部干扰难以实现高速列车对目标轨迹的高精度跟踪控制的问题,设计了一种基于非线性干扰观测器的RBF神经网络自适应滑模控制方法。首先,针对高速列车模型非线性系统的不确定性问题,设计自适应RBF神经网络鲁棒控制器进行跟踪控制,基于RBF神经网络的特性设计神经网络权值自适应律,对列车模型中的未知函数进行估计。其次,针对高速列车跟踪控制外部干扰问题,采用指数收敛干扰观测器进行干扰补偿,提高高速列车对目标轨迹追踪的抗干扰能力。最后,李雅普诺夫(Lyapunov)稳定性分析保证了闭环系统的渐近稳定性,以秦沈客运专线为仿真对象。结果表明,所设计的控制方法不仅解决了列车模型未知阻力部分的自适应逼近,而且在此基础上引入干扰观测器对外部非线性干扰进行补偿实现了对期望轨迹的高精度快速跟踪。     

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。     

基于自适应MPC算法的轨迹跟踪控制研究

为了保证智能车辆在低附着且变速条件下跟踪控制的精确性和稳定性,提出一种基于自适应模型预测控制（MPC）的轨迹跟踪控制算法。针对低附着条件下轨迹跟踪存在行驶稳定性较差的问题,对车辆动力学模型添加侧偏角软约束,分别设计有无添加侧偏角约束的MPC控制器。仿真结果表明,添加侧偏角约束后MPC控制器性能更优,车辆行驶稳定性得到有效提高。在此基础上,又提出了一种自适应的轨迹跟踪控制策略,能够根据车辆速度的变化,实时产生预测时域[(Hp)],分别设计自适应的MPC控制器与4组定值[Hp]的MPC控制器。仿真结果表明,基于自适应模型预测控制的轨迹跟踪控制算法在提高低附着且变速条件下智能车辆轨迹跟踪控制的精度和稳定性方面具有一定的有效性和先进性。     

基于钩缓约束的重载列车驾驶过程优化

重载列车是一种由上百甚至几百节车厢组成的动力集中式大载重系统, 其牵引力/制动力需通过车钩相继传递给车厢, 存在明显的非线性和大滞后性. 现有的人工驾驶模式, 司机难以考虑车厢之间的钩缓约束, 易引起车钩断裂和脱轨; 且运行性能与司机的操纵经验密切相关, 存在耗电大, 无法按照列车运行图正点运行等问题. 本文针对此关键问题, 以实现重载列车安全、正点、节能运行为目标, 开展其驾驶过程运行优化研究. 分析列车钩缓系统受力原理, 基于其特性曲线, 采用翟方法构造重载列车钩缓模型及整车纵向动力学模型; 据此, 考虑钩缓约束运用多目标自适应遗传算法, 结合实际运行线路(限速、坡道、曲线率等)约束条件设定列车理想的运行速度目标曲线; 最后, 采用改进广义预测控制器设计重载列车驾驶过程优化控制方法, 跟踪理想速度目标曲线安全、正点、低能耗运行. 基于大秦线上HXD1型重载列车实际数据的仿真结果表明本文所设计的理想目标速度曲线优化方法可以较好地改善列车运行中的安全, 正点和节能等关键性指标, 运行优化控制能保证列车精确跟踪理想速度目标曲线, 实现其驾驶过程优化运行.     

六自由度机械臂约束预测控制系统的设计

本文提出了一种基于约束预测控制的机械臂实时运动控制方法.该控制方法分为两层,分别设计了约束预测控制器和跟踪控制器.其中,约束预测控制器在考虑系统物理约束的条件下,在线为跟踪控制器生成参考轨迹;跟踪控制器采用最优反馈控制律,使机械臂沿参考轨迹运动.为了简化控制器的设计和在线求解,本文采用输入输出线性化的方式简化机械臂动力学模型.同时,为了克服扰动,在约束预测控制器中引入前馈策略,提出了带前馈一反馈控制结构的预测控制设计.因此,本文设计的控制器可以使机械臂在满足物理约束的条件下快速稳定地跟踪到目标位置.通过在PUMA560机理模型上进行仿真实验,验证了预测控制算法的可行性和有效性.     

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。     

高速列车制动及牵引自动控制研究

列车自动运行(ATO)系统的列车自动控制系统的重要组成部分。针对牵引和制动工况的不同工作机理,建立了列车牵引和电阻制动下的动力学模型,并采用非线性反步设计方法设计了相应控制器,以实现列车的速度和位置自动跟踪。理论分析和仿真结果表明,文中给出的反步控制器可以取得满意的高精度速度和位置跟踪效果。     

特殊天气污水溶解氧浓度的自适应广义预测控制

污水处理过程具有非线性、时变、大滞后的特点,尤其在雨天暴雨等特殊天气下,污水的入水波动会对控制器造成严重干扰。文中提出一种基于模糊神经网络模型的自适应广义预测控制算法,实现对污水处理过程中溶解氧浓度的实时控制。该算法利用反馈线性化思想实现自适应广义预测控制器的设计,在证明其李雅普诺夫稳定的同时,得到修正系统的受控自回归积分滑动平均模型参数自适应规则,动态调整模型参数使系统跟踪误差达到最小。仿真实验结果表明,该算法能够稳定、快速地控制溶解氧浓度,具有较强的抗干扰能力和鲁棒性,该控制算法特别适合用于污水处理过程的特殊天气（如雨天和暴雨天）中。     

自然循环锅炉主蒸汽压力双值动态矩阵控制器

针对自然循环锅炉主蒸汽压力对象的大时滞和非线性的特性,将双值动态矩阵控制算法应用于锅炉燃烧系统蒸汽压力回路的控制中。考虑双值动态矩阵控制算法在模型失配和干扰影响下稳态精度低的问题,引入预测前馈补偿措施。基于分布式控制系统和可编程逻辑控制器编制程序实现了双值动态矩阵控制器,所设计的双值动态矩阵控制器模块具有可变采样和双向无扰动切换等功能。实验运行结果表明,双值动态矩阵控制计算量能满足快速采样频率的实时性要求,鲁棒稳定性、稳态精度、设定值跟踪速度、抗干扰能力和动态过渡过程均满足控制要求。     

基于LS-SVM/PID复合逆系统的预测控制

为了提高预测控制算法的控制性能,提出一种基于最小二乘支持向量机(LS-SVM)/PID复合逆系统的预测控制算法。该算法在PID控制的基础上,利用LS-SVM离线建立被控对象的非线性逆模型作为前馈控制器,形成直接逆控制,其克服了逆系统方法鲁棒性不强的缺陷,并与原系统串联构成一个伪线性系统;然后,结合预测控制算法实现系统的预测控制。仿真结果表明,该算法具有较好的跟踪性能和抗干扰能力。     

基于广义双曲正切模型的机器人模糊自适应控制

利用广义模糊双曲正切模型的全局逼近特点,设计一种直接模糊自适应控制器用于机器人轨迹跟踪控制．模糊控制器的输入变量经过平移变化后得到的广义输入变量能够覆盖整个输入空间,因此,模糊控制器能以任意精度逼近系统的最优控制;由于双曲正切模型的特殊结构,在保证跟踪精度的同时,避免了因模糊子集数目增加而带来的计算负担的增加,满足了机器人实时控制的需要．仿真结果表明,该控制算法具有较强的鲁棒性和较好的跟踪性．