原文传递
多模型预测控制在高速列车自动驾驶系统中的应用研究
| 论文题名： | 多模型预测控制在高速列车自动驾驶系统中的应用研究 |
| 关键词： | 多模型预测控制;高速列车;自动驾驶系统;减法聚类算法;速度控制器 |
| 摘要： | 高速列车自动驾驶系统研究的关键是速度控制器的设计，其速度-位移跟踪控制功能是高速列车速度跟随系统的主要功能。由于城市轨道交通与高速铁路存在较大的区别，目前应用于城市轨道交通的列车自动驾驶技术不能直接应用在高速铁路中，而且高速列车的运行过程是复杂、非线性的动态过程，很难用常规方法建立精确的列车运动模型。用自动驾驶技术来代替高速列车已有的人工驾驶方式，可以改善列车驾驶策略，提高列车运行的各项性能，因此，本文应用多模型预测控制理论，对高速列车建模与控制方法进行了研究。主要研究内容如下: 通过对比分析城市轨道交通中基于通信的列车自动控制系统自动驾驶技术的原理，对高速铁路列控系统的自动驾驶技术进行了功能需求分析，提出了具有列车自动驾驶子系统的高速铁路列控系统结构，并分析了列车自动驾驶系统的原理及性能指标。 应用多模型策略及其控制方法建立高速列车运动多模型集，采用减法聚类算法结合聚类有效性评判指标，确定最优动态子模型个数，并利用渐消记忆的递推最小二乘法对高速列车运动方程中的时变参数进行辨识，建立相应的线性模型，从而得到了列车运动过程的线性多模型表示。 提出了将基于多模型切换的阶梯式广义预测控制算法应用在高速列车自动驾驶系统控制中的方法，同时，根据列车自动驾驶系统优化控制原则及线路模型，确定了列车运行目标曲线，并设计了基于多模型阶梯式广义预测控制算法的列车自动驾驶速度跟随系统的速度控制器。 对基于多模型阶梯式广义预测控制算法的速度控制器的效果进行了仿真验证，模拟列车运行中参数突变的影响，并与传统的基于单模型阶梯式广义预测控制算法的速度控制器的效果进行了对比。结果表明，采用本文方法设计的自动驾驶速度跟随系统的速度控制器，能够满足高速列车的高精度跟踪控制要求。 |
| 作者： | 朱雅楠 |
| 专业： | 交通信息工程及控制 |
| 导师： | 肖蒙 |
| 授予学位： | 硕士 |
| 授予学位单位： | 兰州交通大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
