| 高速动车组数据驱动无模型自适应积分滑模预测控制 |
| |
| 引用本文： | 李中奇, 周靓, 杨辉. 高速动车组数据驱动无模型自适应积分滑模预测控制. 自动化学报, 2024, 50(1): 194−210 doi: 10.16383/j.aas.c230074 |
| |
| 作者姓名： | 李中奇 周靓 杨辉 |
| |
| 作者单位： | 1.华东交通大学电气与自动化工程学院 南昌 330013;;2.轨道交通基础设施性能监测与保障国家重点实验室 南昌 330013 |
| |
| 基金项目： | 国家自然科学基金(61991404, 52162048, 62003138), 江西省主要学科学术和技术带头人培养项目(20213BCJ22002), 流程工业综合自动化国家重点实验室开放基金(2022-KF-21-03)资助 |
| |
| 摘 要： | 同许多复杂系统一样, 动车组(Electric multiple unit, EMU) 运行过程也具有多变量、强耦合以及非线性等特性, 这严重影响着列控系统的性能. 针对包含外部扰动的动车组自动驾驶系统, 提出一种新型的多输入多输出(Multi-input-multi-output, MIMO) 数据驱动积分滑模预测控制(Integral sliding mode predictive control, ISMPC)算法. 首先, 该算法基于与动车组运行过程等效的全格式动态线性化(Full format dynamic linearization, FFDL)数据模型, 设计一种离散积分滑模控制(Integral sliding mode control, ISMC) 律. 为了使系统能够获得更高的输出跟踪误差精度, 利用模型预测控制(Model predictive control, MPC) 代替ISMC的切换控制, 进一步推导出ISMPC算法. 同时, 通过对FFDL 数据模型的未知扰动、参数误差等不确定项进行延时估计, 提升了算法的控制性能和对系统的等价描述程度. 在提供两种算法的稳定性证明分析之后, 以实验室配备的 CRH380A 型动车组仿真实验台对提出的ISMC和ISMPC算法进行仿真测试, 并与其他方法进行对比, 仿真结果表明ISMPC算法控制性能较好, 动车组各动力单元速度跟踪误差均在 ±0.132 km/h 以内, 满足列车的跟踪精度需求; 控制力和加速度分别在[−52 kN, 42 kN] 和 ±0.9249 m/s2 以内且变化平稳.
|
| 关 键 词： | 列车自动驾驶 数据驱动控制 速度跟踪 积分滑模控制 模型预测控制 全格式数据模型 |
| 收稿时间： | 2023-02-22 |
Data-driven Model-free Adaptive Integral Sliding Mode Predictive Control for High-speed Electric Multiple Unit |
| |
| Li Zhong-Qi, Zhou Liang, Yang Hui. Data-driven model-free adaptive integral sliding mode predictive control for high-speed electric multiple unit. Acta Automatica Sinica, 2024, 50(1): 194−210 doi: 10.16383/j.aas.c230074 |
| |
| Authors: | LI Zhong-Qi ZHOU Liang YANG Hui |
| |
| Affiliation: | 1. School of Electrical and Automation Engineering, East China Jiaotong University, Nanchang 330013;;2. State Key Laboratory of Performance Monitoring and Protecting of Rail Transit Infrastructure, Nanchang 330013 |
| |
| Abstract: | |
| |
| Keywords: | Train automatic driving data-driven control speed tracking integral sliding mode control (ISMC) model predictive control (MPC) full format data model |
|
| 点击此处可从《自动化学报》浏览原始摘要信息 |
|
点击此处可从《自动化学报》下载全文 |
|
