原文传递
ATO运行模式曲线最优预见跟踪控制算法研究
| 论文题名： | ATO运行模式曲线最优预见跟踪控制算法研究 |
| 关键词： | 城轨列车;自动驾驶系统;最优预见跟踪;控制算法;精确停车;扰动观测器 |
| 摘要： | 列车自动驾驶系统能够利用地面信息对列车进行牵引和制动控制,在安全、准点、节能、舒适的前提下,实现列车自动运行,提高列车的运行效率,保障轨道交通高密度运行。区间速度跟踪和精确停车是自动驾驶系统的关键技术。区间速度跟踪需要在保证安全舒适的前提下,对列车运行模式曲线进行高精度跟踪,跟踪的精度会直接影响停车精度。目前,停车精度一般要求在+30厘米内,若停站不准确,将会影响到乘客的上下车,甚至会影响列车与地面的正常通信,造成列车晚点等诸多问题。因此,研究城轨列车自动驾驶系统运行模式曲线速度跟踪及精确停车具有重要意义。 本文以城轨列车自动驾驶系统(ATO)为研究对象,以在满足安全、舒适、精确停车的前提下实现ATO运行模式曲线速度跟踪为目标,深入分析城轨列车运行过程。结合列车运动学方程,对于具有延时滞后的牵引系统和制动系统模型,采用一阶线性动态系统近似表示,建立列车模型。 由于建立的列车模型是临界稳定的,引入状态反馈进行极点配置,建立稳定的列车模型。引入最优预见跟踪控制,以ATO离线优化计算出的运行模式曲线为跟踪目标,线路附加阻力及运行基本阻力为扰动,设计列车运行模式曲线跟踪算法,并对控制器的约束条件和参数进行分析和设定。利用MATLAB搭建仿真平台,分析控制器在不同的外界线路扰动下的性能表现。 为抑制因建模偏差和阻力等因素造成的干扰,在最优预见跟踪控制算法的基础上,引入扰动观测器。将扰动观测值作为等效干扰输入,增强控制系统的鲁棒性。MATLAB仿真结果表明,基于扰动观测器的最优预见跟踪控制器具备良好的鲁棒性,在模型参数不精确及外部存在扰动的情况下,该算法能够较为精确地观测到扰动值,在保证舒适的前提下,能够提高速度跟踪和停车的精度。 |
| 作者： | 张彦栋 |
| 专业： | 电气工程 |
| 导师： | 冯晓云 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
