自适应迭代学习控制在列车自动驾驶系统中的应用

发布时间：2021-07-12 04:38

　　迭代学习控制在处理重复运动系统的跟踪问题时,理论上可以完全消除系统的重复性误差,实现对期望曲线的完全跟踪。然而,在系统实际运行中,非严格重复性误差不可避免地客观存在,具体表现在时变外部扰动、初态扰动、输入受限、状态受限等情况,传统的迭代学习控制无法对这些非重复性扰动产生及时的响应。随着迭代次数的增加,系统跟踪误差不断累加,当系统误差累加到一定程度时,会使系统的瞬时输出过大,导致系统失稳,最终影响系统的控制性能。因此,本论文针对上述迭代学习控制研究中出现的问题,以高速列车自动驾驶系统为对象,设计合理的控制律,使列车在运行过程中能够学习有效的重复信息,用于提高列车对期望曲线的跟踪精度。本论文的主要工作和创新点总结如下:一、研究了高速列车运行过程中受到时变外部随机扰动的自适应迭代学习控制问题。将对列车阻力参数模型的研究分为参数化模型和非参数化模型两种情况。对于阻力模型参数化处理中,应用迭代域的递推最小二乘法对阻力模型参数进行辨识;对于阻力模型非参数化处理中,利用基于模糊推理的径向基神经网络算法对阻力参数进行逼近,并利用滑模控制对模型逼近误差、系统扰动项进行补偿。通过在迭代域和时间域设计参数更... 

【文章来源】：中国铁道科学研究院北京市

【文章页数】：136 页

【学位级别】：博士

【部分图文】：

CTCS-3+ATO系统结构示意图

列车期望轨迹曲线图

列车单位附加阻力图

【参考文献】：
期刊论文
[1]Automatic Train Operation Based on Adaptive Terminal Sliding Mode Control[J]. Peng Wu,Qing-Yuan Wang,Xiao-Yun Feng.  International Journal of Automation and Computing. 2015(02)
[2]基于差分进化的高速列车运行操纵的多目标优化研究[J]. 严细辉,蔡伯根,宁滨,上官伟.  铁道学报. 2013(09)
[3]高速列车气动阻力分布特性研究[J]. 姚拴宝,郭迪龙,杨国伟,李明高.  铁道学报. 2012(07)
[4]控制方向未知的二阶时变非线性系统自适应迭代学习控制[J]. 李静,胡云安,耿宝亮.  控制理论与应用. 2012(06)
[5]严格反馈非线性时变系统的迭代学习控制[J]. 朱胜,孙明轩,何熊熊.  自动化学报. 2010(03)
[6]列车自动驾驶系统控制算法综述[J]. 唐涛,黄良骥.  铁道学报. 2003(02)
[7]基于模拟退火算法（SAA）求解列车控制问题[J]. 陈万里,程家兴.  安徽大学学报(自然科学版). 2000(03)
[8]一类航天器智能自适应控制方法探讨[J]. 李智斌,吴宏鑫.  中国空间科学技术. 1998(05)
[9]大型挠性空间结构的变结构控制[J]. 熊勇,吴宏鑫.  航天控制. 1996(03)

博士论文
[1]受限非线性参数化系统的自适应迭代学习控制[D]. 张瑞坤.北京交通大学 2016
[2]非线性不确定系统迭代学习控制方法研究[D]. 严求真.浙江工业大学 2015
[3]非线性系统控制的鲁棒与自适应设计方法[D]. 柳向斌.浙江大学 2009



本文编号：3279217