详情

原文传递列车在线辨识与预测控制研究

论文题名：	列车在线辨识与预测控制研究
关键词：	地铁列车;自动驾驶系统;在线辨识;预测控制;递推最小二乘法
摘要：	列车自动驾驶系统(ATO)能够代替有经验的司机进行列车自动驾驶的任务，实现列车安全、可靠、高效的运行。对列车运行过程进行准确描述以及设计合理有效的列车速度控制算法是实现具有良好性能的ATO系统的基础，并能提高列车运行过程中的平稳性、节能性等运行品质。　　论文从实际工程应用的角度出发，研究了一种基于递推最小二乘法(RLS)的列车在线辨识方法，解决含有噪声干扰下的参数辨识问题以及时变参数辨识问题。并且，在此基础上，针对列车运行过程的不确定性，对广义预测控制(GPC)在ATO系统中的应用进行研究，从而为提高列车自动运行控制性能及实现列车ATO系统最优控制提供依据。　　论文主要研究内容包括以下几点: 　　1.通过研究ATO系统的功能和基本结构对ATO系统进行了简化，以列车单质点模型为基础，分析列车运行过程受力情况，建立了列车运行过程的模型结构; 　　2.针对列车模型参数辨识中存在的时变参数辨识问题和含有噪声干扰下的参数辨识问题，提出AM-VFF-RLS算法，并进行列车模型参数辨识。该方法采用递推最小二乘法辨识模型参数，利用可变遗忘因子跟踪时变参数，并且通过辅助模型提高了参数辨识的准确度。论文以杭州地铁4号线的运行数据为例，验证了本文所采用的列车模型及参数在线辨识方法的有效性和优越性; 　　3.研究了GPC的原理、特点及其在工业应用中存在的缺点，采用了基于阶梯式控制策略的GPC优化算法进行列车速度控制。该算法在传统的GPC算法的基础上，采用阶梯式控制策略规划控制量，将未来的控制变化作为反馈量，使用AM-VFF-RLS算法在线辨识预测模型参数，并考虑列车实际输入约束条件，实时计算列车运行所需牵引/制动力，保证列车自动驾驶的准确性和平稳性; 　　4.使用MATLAB编程进行基于GPC的ATO系统的仿真实验。基于杭州地铁4号线的运行数据，采用基于阶梯控制策略的GPC优化控制算法对列车进行速度控制，并与传统的GPC控制算法结果进行对比。仿真结果表明本论文设计的列车速度控制算法能够满足列车自动驾驶速度的跟踪要求，并为其在ATO系统中的应用提供了一定依据。
作者：	袁佳希
专业：	电子信息技术及仪器
导师：	陈祥献
授予学位：	硕士
授予学位单位：	浙江大学
学位年度：	2016
正文语种：	中文