原文传递
高速列车的神经网络自适应容错PI控制
| 论文题名： | 高速列车的神经网络自适应容错PI控制 |
| 关键词： | 高速列车;执行器故障;神经网络;自适应控制;容错技术 |
| 摘要： | 随着社会经济的发展，对交通运输的需求也越来越大。高速铁路成为交通运输系统的重要组成部分，不仅是国民经济发展的必然要求，也是国家战略实施的重要支撑。因此，高速列车能否平稳安全运行关系到旅客生命健康以及财产安全。列车行车安全理论的研究还处于起步阶段，对列车长时间运行过程中可能出现的牵引/制动系统执行器故障方面的研究还不多，并未形成完善的理论体系。为确保高速列车安全高效行驶，对此进行深入系统的研究是十分有必要的。 牵引/制动执行器在时速大于300公里/小时的情况下，一旦发生故障，后果往往十分严重。因此，本论文针对高速列车可能存在的执行器故障问题，通过研究基于神经网络的自适应容错PI(Proportion Integral)控制策略，确保当执行器发生故障或失效时，列车依然能够安全行驶。 论文的主要工作总结如下: (1)论文对高速条件下的空气动力学阻力规律进行分析，以运动学理论为基础，分别介绍了高速列车系统单质点和多质点物理模型并推导动力学方程。同时，在考虑模型不确定性、系统非线性和外部扰动的情况下，采用“多质点单位移”的描述方式，建立列车系统模型。 (2)针对高阶非线性多输入多输出系统，考虑执行器部分或完全故障的情况，设计了一种结构简单、运算量小、成本较低的自适应PI控制策略。控制器能够依据算法自适应地更新参数，无需传统PI控制器繁琐的试凑过程。应用李雅普诺夫稳定性理论，分析证明了控制策略的稳定性。最终通过MATLAB数值仿真验证了该控制策略对执行器不同程度的故障均具备良好的容错能力，对系统参数的未知时变特性、非线性以及外部干扰具有很好的鲁棒性。 (3)基于迭代理论的思想，设计结构简单的迭代算法，进一步提高对多输入多输出非线性系统进行跟踪控制的精度，并通过MATLAB数值仿真验证了设计的迭代算法的有效性。 (4)利用径向基函数（Radial Basis Function，RBF）能够以满足任意要求的精度逼近连续的非线性函数的性质，设计以RBF神经网络为基础的自适应容错PI控制策略。该控制策略不依赖于系统精确模型，且运算方便、结构简单。利用MATLAB数值仿真，模拟列车行驶过程中的未知执行器故障，表明该控制器能够有效应对执行器失效故障，完成对高速列车运行位置和速度的精确跟踪控制，具有很好的鲁棒性。 |
| 作者： | 张路 |
| 专业： | 交通信息工程及控制 |
| 导师： | 宋永端 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
