详情

原文传递基于自适应迭代学习控制的高速动车组速度跟踪控制研究

论文题名：	基于自适应迭代学习控制的高速动车组速度跟踪控制研究
关键词：	高速动车组;速度跟踪控制;ATO系统;自适应迭代学习控制
摘要：	高速动车组运行控制和自动驾驶一体化是我国高速铁路智能化发展的重要研究方向之一。高速动车组运行过程具有强非线性、高度重复性和参数时变性的特点，提升高速动车组速度跟踪控制的精度已成为自动驾驶技术需要解决的关键问题。论文以CRH2C型高速动车组为研究对象，将城市轨道交通领域的ATO（AutomaticTrainOperation，列车自动驾驶）系统融入到高铁列控系统中，对高速动车组速度跟踪控制展开研究。主要工作内容与成果如下：　　（1）详细分析了高速铁路列车运行控制系统的结构、功能和控制原理。在现有高速铁路CTCS-3级（ChineseTrainControlSystem-3，中国列车运行控制系统-3级）列控系统设备的基础上引入ATO系统，研究了具有速度控制器的CTCS-3+ATO列控系统的结构与功能；着重探讨了基于CTCS-3+ATO列控系统的高速动车组速度—距离跟踪控制的原理。　　（2）以高速动车组速度跟踪控制为对象，研究了自适应迭代学习控制理论（AdaptiveIterativeLearningControl，AILC）的基本思想与设计方法。结合自适应控制和迭代学习控制的优点，提出了连续时变系统在有限时间区间上的自适应迭代学习控制的设计方法，该方法能够利用较少的模型信息完成在时间域、迭代域上控制器参数的修正与控制器输出的调整，为实现精确的高速动车组速度跟踪控制奠定理论基础。　　（3）在细致分析高速动车组实际结构与运行过程受力情况的基础上，构建了高速动车组速度跟踪控制的动力学模型。对比分析了高速动车组单质点模型和多质点模型的优缺点，在多质点模型基础上引入一维坐标系，并结合“作用力与反作用力”原理构建了高速动车组的单位移多质点动力学模型；通过理论分析表明单位移多质点动力学模型既计算简便，又能更加贴合实际地描述高速动车组在整个运行过程中的运动状态。　　（4）针对高速动车组运行控制系统同时存在输入受限和速度受限等情况，改进了AILC算法，设计了一种基于自适应迭代学习控制的高速动车组速度控制器，主要包括高速动车组控制力的学习控制更新律和未知动力学模型参数的参数估计更新律，并基于Lyapunov泛函分析方法，对算法进行了收敛性证明。　　（5）通过实例仿真验证了基于自适应迭代学习控制的高速动车组速度跟踪控制方法的有效性。以沪宁城际铁路常州至丹阳区段的CRH2C型高速动车组为案例，采用本文提出的AILC算法进行仿真分析，采用MATLABR2018a中的Simulink可视化仿真工具作为平台搭建仿真模型，仿真结果表明改进的AILC算法能使控制器输出速度精确地跟踪期望速度曲线，验证了单位移多质点建模方法与改进的AILC算法比传统的PID（Proportional-Integral-Derivative，比例积分微分）控制方法更为有效、更加精确。　　论文成果可为高速动车组速度跟踪控制方法的研究提供新的思路，也为高速铁路自动驾驶提供技术支撑，同时有助于未来ATO系统在高铁领域的开发应用与推广。
作者：	孙芮
专业：	交通信息工程及控制
导师：	曹从咏
授予学位：	硕士
授予学位单位：	南京理工大学
学位年度：	2020