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。     

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。     

基于模糊预测控制的高速列车速度控制研究

为了提高高速列车速度控制的跟踪精度,文章在分析了列车牵引制动系统的基础上,以CRH2-300数据为例计算了列车牵引制动的理想运行曲线,并对模糊控制、预测控制,经典的PID控制以及模糊预测控制的阶跃响应作了对比分析,将模糊控制的快速响应能力并能尽快的达到稳态的特点和预测控制能够提前预测的优点相结合设计了适合高速列车的模糊预测控制器,控制高速列车跟踪理想运行曲线;仿真结果表明,该控制器能够很好的跟踪目标曲线,满足误差小、精度高的要求。     

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。     

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。     

基于虚拟样机与二型模糊系统的机车粘着控制

为了抑制轮对空转,并使轮轨间的粘着处于极限状态,需要开发基于虚拟样机和现代控制理论的机车粘着控制技术。组建了包括电力机车多刚体动力学模型、电力牵引传动系统和控制系统的仿真平台。针对电力机车牵引系统的强非线性和不确定性,引入二型模糊逻辑以实现机车粘着控制。仿真结果表明,在该仿真平台上能够成功实现基于二型模糊系统的粘着控制,并且能够较好地抑制空转现象,实现优化粘着控制。     

高速列车自适应制动控制

针对传统控制方法难以保证高速列车在复杂多变的运行条件下的速度跟踪和安全、平稳停车问题,提出了一种基于间接模型参考自适应的高速列车制动控制策略.通过分析列车制动系统的工作流程,建立了具有未知参数的列车制动系统模型,并采用间接模型参考自适应控制(MRAC)方法设计了高速列车自适应制动控制策略,实现了对给定速度曲线的渐进跟踪.为了验证上述方法的有效性,以CRH380AL型动车组作为研究对象,利用MATLAB软件进行数值仿真.仿真结果表明,即使存在未知系统参数,基于间接模型参考自适应的高速列车制动控制策略仍然可以实现列车在制动过程中对目标速度的渐近跟踪,进而保证列车的安全可靠运行.     

基于嵌入式多信息融合的列车测速定位系统

列车的测速定位是提高列车运行安全及运输效率的关键技术。为此,根据国内外研究发展现状,提出一种基于嵌入式多传感器信息融合的列车测速定位系统。通过轮轴速度传感器、多普勒雷达速度传感器、加速度计和查询应答器采集列车的状态信息,并在嵌入式系统中利用联邦Kalman滤波及融合技术对信息进行处理,实现测速轮径的自适应校正以及空转／滑行的检测与补偿,减小由于车轮磨损、空转、滑行、环境等因素造成的列车测速定位误差。Matlab仿真结果表明,该系统能够有效提高列车测速定位的精度。     

基于模糊路况识别的电力机车粘着控制

在机车牵引控制系统中,是通过粘着控制实现车轴牵引转矩的控制。在传统的粘着控制方法中,由于不同路况下控制参数固定会导致机车牵引力损失过多,为优化轮轨间的粘着利用,提高机车的牵引力,提出了一种模糊路况识别的粘着控制方法,通过观测器观测到的粘着系数以及机车车轴参考速度估算模块计算的蠕滑速度模糊识别机车的运行路况,根据不同路况调整相应的空转判别参数以及牵引转矩输出函数。建立电力机车模型来验证方法的有效性,仿真结果表明,改进的粘着控制方法减少了牵引力的损失,提高了粘着利用效率,为电力机车的牵引运行提供更高的牵引力。     

SCARA机器人的模糊自适应滑模控制

为了提高SCARA机器人的轨迹跟踪控制性能,提出一种双模糊自适应滑模控制;采用一自适应模糊控制器,根据滑模到达条件对滑模切换增益进行估算,消除滑模控制中输出力矩的抖振现象,增强其对不确定性因素的适应能力;采用另一自适应模糊控制器对指数趋近律系数进行修正,改善由于大范围初始位姿产生的偏差而引起的大力矩和速度跳变问题;基于Lyapunov方法进行了稳定性证明,保证控制系统的稳定性与收敛性;仿真实验结果表明,该方法应用于SCARA机器人,跟踪效果良好并产生了平滑的力矩输出和速度输出.