原文传递
基于模糊神经网络的ATO系统速度控制器的研究
| 论文题名： | 基于模糊神经网络的ATO系统速度控制器的研究 |
| 关键词： | 模糊神经网络;列车自动驾驶;速度控制器;ATO系统 |
| 摘要： | 随着城市与城市交通的快速发展，城市轨道交通近年来发展迅速。目前建设与发展城市轨道交通系统已成为世界各国解决城市交通拥堵问题的首选方案，其关键在于城市轨道交通具有运量大、速度快、能耗低、污染少、可靠性高等特点。城市轨道交通的现代化水平，已经成为城市交通现代化的重要标志之一。列车自动驾驶系统是轨道交通控制系统的一项关键技术，而ATO(AutomaticTrainOperation，列车自动驾驶系统)速度控制器算法的好坏，直接决定着系统性能的优劣。本文通过分析列车的运行特征，了解ATO的系统结构，研究模糊控制和神经网络算法，将模糊控制和BP神经网络算法相结合，并将这种智能集成算法应用到列车自动驾驶系统中，设计出基于模糊神经网络算法的速度控制器。论文主要研究内容如下: 首先，论文对城市轨道交通自动驾驶系统的研究现状进行阐述，介绍了各种算法应用在ATO速度控制器中的优缺点，重点研究模糊控制与神经网络算法相结合，两种算法可以形成优势互补，验证该算法在ATO速度控制器中的可行性。 其次，建立列车运动数学模型、简化线路数据、设置限速信息、总结最优驾驶策略、生成速度距离和速度时间目标曲线，为论文最后的速度跟踪仿真提供分析对比依据。目标曲线的设计过程中，在考虑线路条件、列车附加阻力、线路限速等因素的前提下，结合列车操纵策略及运动方程，对列车运行过程中的各个阶段分别进行处理，设计出相应的程序，并仿真得到了目标曲线;然后，设计模糊神经速度控制器，建立模糊子集、模糊论域和输入输出参量，在推理过程中将BP神经网络引入到模糊算法中。总结地铁列车自动驾驶的各项性能指标作为验证模糊神经速度控制器的控制效果。另外，建立PID模型的速度控制器，通过阶跃响应来比较说明模糊神经控制器在动态性能和稳态性能的优越性。 最后对基于模糊神经控制算法设计的ATO系统速度控制器进行MATLAB仿真。通过仿真对结果进行比较、分析，验证该算法设计的速度控制器可以较好地跟随目标曲线，进而达到列车运行的各项性能指标。 |
| 作者： | 张睿兴 |
| 专业： | 交通信息工程及控制 |
| 导师： | 陶彩霞 |
| 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
