详情

原文传递基于自适应神经网络的高速列车防滑控制

论文题名：	基于自适应神经网络的高速列车防滑控制
关键词：	高速列车;防滑控制;蠕滑率;李雅普诺夫函数;自适应神经网络
摘要：	近几年，中国高速铁路迅猛发展，高速列车的行车安全性和可靠性成为人们的关注焦点。随着高速列车运行速度的提高，中国铁路实现了跨越式的发展，同时也对列车行车安全性保障提出了新的挑战。列车车轮一旦滑行，通常会造成列车制动性能下降，导致车轮抱死打滑，甚至可能发生脱轨、倾覆事故，严重威胁列车行车安全。防滑控制不仅能完全防止车轮失稳、打滑，还能充分利用轮轨粘着。良好的防滑控制性能对保证列车运行安全有至关重要的作用，为保障列车行车安全，提高列车制动性能，高速列车应配备相应的防滑控制系统。　　本文综合考虑了复杂的外部环境造成的不确定性和未知性，复杂时变的轨面状态以及意想不到的地质灾害，对防滑控制系统进行了更为精确的动力学建模。在此基础上，设计了基于Barrier李雅普诺夫函数的自适应神经网络控制策略，所设计的控制策略计算简单，便于实际应用，并通过计算机仿真验证了其可行性。本文的主要工作和研究成果如下: 　　首先，概述了列车防滑控制国内外的研究现状，介绍了现代防滑控制方法的发展现状，指出了从事高速列车防滑控制研究的实际意义。　　其次，介绍了粘着基本理论及粘着与蠕滑的关系，详细描述了粘着特性曲线不同区域的蠕滑特点，分析了最佳蠕滑率和参考蠕滑率的内在联系，为下文控制策略的制定提供了理论依据。　　再次，考虑系统参数的时变性、外部扰动和前后轮对的相互作用等因素，对高速列车防滑控制系统进行了更加精确的动力学建模。所建立的模型可以有效反应出高速列车实际运行环境的复杂性、不确定性以及未知性。　　然后，根据所设计的动力学模型，本文提出了一套由参考蠕滑率生成算法和控制器组成的基于BLF的自适应神经网络控制策略。所设计的参考蠕滑率生成算法基于一套粘着力估计器和改进的递归最小二乘法推导得出最佳蠕滑率，有效提高了粘着力估计和最佳蠕滑率推导的精确性。需要强调的是，控制策略采用的参考蠕滑率并不是推导出的最佳蠕滑率，而是根据推导得到的最佳蠕滑率，设计了状态受限的动态参考蠕滑率，提高了控制策略的控制精度和稳定性。　　最后，所设计的基于BLF的神经自适应控制策略通过调节制动力矩使列车实际蠕滑率跟踪推导的参考蠕滑率，对建模过程中考虑的多种不确定项及干扰项都有良好的鲁棒性。控制策略不依赖于精确模型，且运算方便、结构简单，能够有效保障高速列车的制动性能。基于MATLAB建立控制模型，通过模拟高速列车防滑控制的实际系统运行状况，对所设计控制策略进行了仿真验证。　　仿真结果表明，所设计的控制策略可以同时兼顾防滑和粘着利用，既能防止车轮完全打滑，又能通过调节蠕滑率，充分利用轮轨粘着，使列车具有较好的制动性能，取得较满意的结果。
作者：	周媚媚
专业：	智能交通工程
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：	2014
正文语种：	中文