详情

原文传递多列车协同运行的若干控制问题研究

论文题名：	多列车协同运行的若干控制问题研究
关键词：	列车自动驾驶;列车协同控制;运行阻力;自辨识方法;自适应控制
摘要：	城市轨道交通系统由于其节能性和便捷性等特点成为大城市有机整体的重要组成部分，先进的控制算法是保证其安全、高效、节能运行的重要手段，也是提升其自动化水平的核心保障。列车自动驾驶技术的发展实现驾驶列车从有人到无人的转变，也对核心驾驶控制算法提出较大的自学习能力的要求;同时，移动闭塞和现代通信技术的快速发展及其在列车运行控制系统中的应用，使得列车之间能够进行信息传递与交换，为实现多列车协同控制提供了基本实现条件，多列车协同控制是提升整体的列车运行效率和全局的系统安全性的最佳选择。本文围绕上述自动驾驶和多车协同控制问题展开研究，首先，研究具有自学习和抗干扰特性的单列车自动驾驶控制算法，设计列车运行阻力的自辨识方法，提出具有自学习能力的鲁棒自适应控制方法，然后，考虑移动闭塞运行模式的多列车耦合非线性动力学行为，提出多列车线性加权协同控制模型，设计多列车分布式协同控制算法，实时调整多列车相对位置与速度，保证多列车高效安全运行，由局部控制实现系统的全局最优。　　本文主要工作总结如下: 　　1.综合考虑列车运行的准时性、舒适性、节能性和精确停车等多指标要求，分析列车运行全过程受力情况，基于运动力学机理，建立列车运动非线性动力学模型，模型中无需历史运行数据拟合而来的经验值，提出具有自学习能力的控制算法，根据列车实际运行速度和目标速度的偏差，自适应估计不确定环境和列车参数的变化，给出实时控制信号，以实现对给定目标速度-距离曲线的跟踪控制，基于自适应辨识理论设计自适应控制方法，并考虑运行阻力随运行环境变化和存在建模不确定性和外部扰动影响的鲁棒自适应控制设计;进一步，为了降低对车载计算机计算能力的要求，避免反步设计过程中存在的复杂度爆炸问题，提出基于新型基于单参数估计和动态面技术的鲁棒单参数自适应控制方法，算法结构简单，计算复杂度低，保证算法的工程实用性。　　2.基于力学机理的动力学模型对变化的运行环境没有自学习能力，设计基于神经网络的列车运动过程不确定性的重构方法，弥补牛顿力学模型的缺陷;同时考虑乘车舒适性和列车牵引/制动系统的输出能力受限造成的输入饱和问题，提出截断自适应自动驾驶制方法，保证输入饱和发生时系统性能不会过于恶化，保证闭环系统稳定性;车速采集与反馈、定位信息采集与反馈，以及车载软件数据预处理过程，造成传输到车载控制单元的数据存在时滞，解决存在状态延时造成的无穷维状态描述难题，提出基于Lyapunov-Krasovskii函数的时滞依赖控制方法，所设计方法无需时滞的精确值，给出存在状态时滞稳定的充分条件;最后，提出一类含输入饱和和外部扰动的不确定SISO非线性系统的自适应神经动态面控制方法，给出系统稳定条件和控制参数的选取方法。　　3.分析现用移动闭塞模式的运行原理，提出多列车线性加权协同控制模型，设计基于全信息反馈情形下的分布协同控制，实时调节每列车的速度与相对位置，保证列车稳定行驶前车后最小安全位置处，并确保列车不冒进至防护距离，防止触发用制动甚至紧急制动，并保证多列车队列稳定性;进一步，利用高阶滑模观测器Levant Differentiator，提出位置反馈情形下的协同控制，实现从含噪声的位置信息中估计列车实时速度值与加速度值，并利用速度和加速度观测值设计分布协同控制律，保证不确定运行环境下的有限时间收敛，实现多列车的稳定安全运行。　　4.提出多拓扑结构下的协同控制模型，改进现用移动闭塞模式单向传输信息的结构，设计具有双向传输结构的邻接-通讯模式，并深入分析该模式下多列车耦合的复杂动力学行为，同时，考虑降低车载计算机的计算和结构复杂度，提出单值学习协同鲁棒自适应控制算法，所设计控制算法的特点在于控制器结构简单，含有一个在线估计的参数，保证了算法的简洁性和实用性，并对建模误差和外部扰动具有强鲁棒性，并保证有限时间收敛;最后，提出一类含有强耦合、输入饱和约束、不确定动力学和外部扰动的耦合MIMO非线性系统的神经自适应控制方法，基于连续函数分离和径向基神经网络逼近技术，提出新型单值学习的神经自适应控制律，与经典Minimal-Learning-Parameter算法具有两个估计参数相比，所设计控制律中只含一个估计参数，避免基于反推设计算法中的维数灾和计算复杂度爆炸问题。
作者：	高士根
专业：	交通信息工程及控制
导师：	宁滨
授予学位：	博士
授予学位单位：	北京交通大学
学位年度：	2016
正文语种：	中文