原文传递
基于迭代学习控制的几类列车自动控制问题研究
| 论文题名： | 基于迭代学习控制的几类列车自动控制问题研究 |
| 关键词： | 迭代学习;学习控制器;列车自动控制;跟踪控制算法;运行曲线;列车运行;跟踪误差;控制性能;辨识;制动力;动力学模型;收敛性;控制量;重复运行;停车控制;速度跟踪;数学分析;仿真验证;重复性;终端 |
| 摘要： | 论文将迭代学习控制理论引入列车自动控制领域,研究了动力学模型的参数辨识,运行曲线跟踪控制,安全控制,以及进站停车控制等列控领域的重要问题,提出了多种新算法。在这些基于迭代学习控制的列控算法中,列车运行的重复性信息被充分挖掘和利用,因此控制性能可以随列车重复运行而逐步提高。 现将论文的主要工作及创新点总结如下: 第一,提出了列车动力学模型参数的迭代学习辨识算法。算法以实测数据为期望输出量,以待辨识参数为控制输入量,借助迭代学习辨识器不断更新待辨识参数,最终使该参数逼近期望值。通过严格的数学分析证明了待辨识参数误差的收敛性,随后通过实例仿真验证了算法的有效性。 第二,提出了基于迭代学习控制的列车运行曲线跟踪控制算法。算法以期望的列车最优运行曲线为跟踪目标,利用前次运行时的速度跟踪偏差校正当前运行的控制量(牵引力或制动力),从而使得列车在重复运行过程中跟踪性能逐步提高。通过数学分析给出了跟踪误差收敛性定理。最后的实例仿真验证了所提算法的有效性。 第三,分析了应用所提运行运行曲线跟踪控制算法时列车运行的安全性问题。通过对列车速度跟踪误差和位移跟踪误差的分析,给出了防止超速和追尾事故发生的充分性条件,然后以此为基础分析了列车最小追踪间隔问题。 第四,提出了基于终端迭代学习控制的列车自动停车控制算法。算法依次选取初始制动位置,制动力,以及两者的组合作为控制量,给出了三种情形下的终端迭代学习控制算法并证明了停车误差的收敛性。在第三种算法中,同时选取系统的初始状态(初始制动位置)和外部输入信号(制动力)为控制量,以充分利用系统资源提高误差收敛速度,从理论上提出了一种终端迭代学习控制器设计的新方法。 本文研究的基于迭代学习控制的列车自动控制算法,将列车控制问题由时间域推广到迭代域内解决,最大特点是可以使控制性能沿迭代轴逐步提高,弥补了现有的控制方法无法利用列车运行的重复性提高控制性能的缺陷。同时,文中部分算法还从理论上对迭代学习控制器的设计提出了改进。 |
| 作者： | 王轶 |
| 专业： | 交通信息工程及控制 |
| 导师： | 侯忠生 |
| 授予学位： | 博士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
