列车自动驾驶控制模型参数辨识及其应用

发布时间：2017-05-15 12:19

  本文关键词：列车自动驾驶控制模型参数辨识及其应用，，由笔耕文化传播整理发布。

【摘要】：为了满足日益增长的城市轨道交通运输需求,列车自动驾驶控制技术受到业界的广泛关注。列车自动驾驶系统是提高轨道交通运行控制系统服务水平和控制品质的重要子系统,能够为旅客提供准时、精确、高效、快捷的运输服务。列车自动驾驶控制是一个复杂的多目标综合控制过程,车辆参数偏移等干扰给控制性能提升带来极大挑战。 系统辨识与参数估计是研究基于模型的控制问题的基础。本文以参数辨识方法研究为切入点,对一类广义线性参数模型进行了参数辨识方法研究。由于该类模型具有丰富的表达能力,能够代表多个列车模型,因此针对该模型的参数辨识方法研究具有普遍意义。在研究中,通过引入数据滤波技术以及利用批量数据迭代计算的方式解决了有色噪声干扰下的参数辨识问题：在保证收敛速度、辨识精度的前提下,应用多新息参数辨识理论使随机梯度算法取得收敛速度与计算量的平衡,应用模型分解技术改善了迭代辨识算法的计算效率,有效满足了列车实时控制的需求。同时,本文对列车自动驾驶跟踪控制以及终端停车控制进行研究,结合参数辨识方法,提出了具有自适应参数镇定能力的跟踪控制算法和终端停车控制算法,有效的改善变化车辆参数和外界干扰对列车跟踪控制精度及停车精度的影响。控制品质的改善提升了旅客服务水平。此外,本文还对列车自动驾驶系统输入输出非均匀采样条件下的参数辨识方法以及传感器和执行器故障时的故障检测方法进行了研究,有效的提高了列车自动驾驶控制系统的弹性。 论文的创新点如下： 1.针对一类含有自回归滑动平均有色噪声干扰的广义线性参数模型,提出了基于多新息参数辨识理论的遗忘广义增广随机梯度算法和基于滤波的多新息随机梯度算法。基于辨识回归模型,推导了基于多新息辨识的隐式自校正列车跟踪控制算法。利用鞅收敛理论分析了参数辨识算法的收敛性能并证明了控制算法的稳定性。 2.针对一类含有自回归有色噪声的广义线性参数模型,提出了基于有限量测数据的梯度迭代辨识算法和基于滚动数据的分解最小二乘迭代算法。利用分解技术降低了算法计算量,满足列车实时控制的需求。基于迭代辨识算法提出了两阶段自适应终端停车控制算法,该算法能够保证变化车辆参数干扰下的停车精度,并拥有较好的乘车舒适度。 3.针对ATO系统存在输入输出非均匀采样和丢失数据的情况,将ATO系统建模成一个双率系统。基于广义线性参数模型,提出了基于辅助模型思想和基于递推数据间隔的非均匀采样(双率)参数辨识算法,保证了非均匀采样数据／缺失数据条件下算法的辨识精度。所提出方法无需数据解耦,方便实际ATO控制使用。 4.针对ATO系统输入输出传感器故障,提出基于未知输入观测器的传感器故障检测方法。分析了观测器设计的收敛条件,并结合收敛条件给出了基于残差的故障检测算法的设计步骤。借助残差生成器的阈值设定,能够对三类通用信号故障进行有效检测。检测信息可供列车控制、维护使用,方法具有较强的实用性。
【关键词】：城市轨道交通 列车自动驾驶 参数辨识 线性参数模型 列车跟踪控制 停车控制 故障检测
【学位授予单位】：北京交通大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP13
【目录】：

• 致谢5-6
• 摘要6-8
• ABSTRACT8-13
• 主要符号对照表13-14
• 114-27
• 1.2 列车自动驾驶控制问题及其研究现状14-18
• 1.2.1 列车自动驾驶跟踪控制14-15
• 1.2.2 列车自动驾驶精确停车控制15-16
• 1.2.3 异常情况下的列车自动驾驶控制16-18
• 1.3 参数辨识方法的引入18-25
• 1.3.1 参数辨识研究的必要性18-19
• 1.3.2 列车自动驾驶中的参数辨识问题19-20
• 1.3.3 几类参数辨识方法介绍20-25
• 1.4 选题的目的与意义25
• 1.5 论文研究内容和篇章结构25-27
• 2 列车自动驾驶模型及参数辨识基础27-49
• 2.1 列车模型综述27-31
• 2.1.1 单质点与多质点模型29-30
• 2.1.2 列车自动驾驶控制模型30-31
• 2.2 广义抽象模型与辨识框架31-37
• 2.2.1 广义抽象模型提出31-34
• 2.2.2 辨识框架建立34-35
• 2.2.3 模型转换35-37
• 2.3 辨识实验设计37-39
• 2.4 基于辅助模型思想的两类参数辨识方法39-45
• 2.4.1 基于辅助模型的梯度辨识方法39-41
• 2.4.2 基于辅助模型的递推增广最小二乘辨识方法41-45
• 2.5 仿真结果45-48
• 2.5.1 线性系统仿真45-46
• 2.5.2 非线性系统仿真46-48
• 2.6 本章小结48-49
• 3 多新息参数辨识方法及其在列车自动驾驶控制中的应用49-81
• 3.1 引言49-50
• 3.2 基于多新息辨识理论的参数辨识方法研究50-58
• 3.2.1 问题描述50-52
• 3.2.2 基于多新息辨识理论的广义增广随机梯度算法52-54
• 3.2.3 基于滤波技术的多新息随机梯度算法54-58
• 3.3 多新息参数辨识方法在列车自动驾驶跟踪控制中的应用58-62
• 3.3.1 列车自动驾驶车辆电机控制模型58-60
• 3.3.2 基于多新息参数辨识的自适应跟踪控制方法60-62
• 3.4 主要收敛结果与证明62-70
• 3.5 仿真结果70-79
• 3.5.1 辨识算例仿真70-73
• 3.5.2 控制实例仿真73-79
• 3.6 本章小结79-81
• 4 迭代参数辨识方法及其在列车自动驾驶控制中的应用81-101
• 4.1 引言81-82
• 4.2 基于迭代技术的参数辨识方法研究82-88
• 4.2.1 问题描述82-83
• 4.2.2 有限量测数据下的迭代参数辨识算法83-85
• 4.2.3 基于滚动数据的分解最小二乘迭代参数辨识算法85-88
• 4.3 迭代参数辨识方法在列车自动驾驶终端停车控制中的应用88-96
• 4.3.1 停车性能指标和停车策略分析88-90
• 4.3.2 列车自动驾驶车载制动模型90-91
• 4.3.3 基于离线模型的终端停车控制方法91-93
• 4.3.4 两阶段自适应终端停车控制方法93-96
• 4.4 仿真结果96-100
• 4.4.1 辨识算例仿真96-99
• 4.4.2 控制实例仿真99-100
• 4.5 本章小结100-101
• 5 非均匀采样参数辨识和故障检测方法研究101-125
• 5.1 引言101-102
• 5.2 面向列车自动驾驶的非均匀采样系统参数辨识研究102-112
• 5.2.1 面向列车自动驾驶的非均匀采样系统建模102-103
• 5.2.2 问题描述103-104
• 5.2.3 基于辅助模型和变递推间隔的多率参数辨识算法104-110
• 5.2.4 仿真结果110-112
• 5.3 面向列车自动驾驶的的故障检测方法研究112-123
• 5.3.1 面向列车自动驾驶控制的传感器/执行器故障建模112-114
• 5.3.2 问题描述114-116
• 5.3.3 基于未知输入观测器的列车自动驾驶传感器故障检测算法116-120
• 5.3.4 仿真结果120-123
• 5.4 本章小结123-125
• 6 总结与展望125-129
• 6.1 研究成果总结125-127
• 6.2 未来工作展望127-129
• 参考文献129-135
• 作者简历及攻读博士期间取得的研究成果135
• 教育背景135
• 以第一作者发表的学术论文135-138
• 学位论文数据集138

【参考文献】

中国期刊全文数据库 前8条

1 董海荣;高冰;宁滨;;列车自动驾驶调速系统自适应模糊控制[J];动力学与控制学报;2010年01期

2 董海荣;高冰;宁滨;张严心;;基于模糊PID软切换控制的列车自动驾驶系统调速制动[J];控制与决策;2010年05期

3 唐涛,黄良骥;列车自动驾驶系统控制算法综述[J];铁道学报;2003年02期

4 于振宇;陈德旺;;城轨列车制动模型及参数辨识[J];铁道学报;2011年10期

5 罗仁士;王义惠;于振宇;唐涛;;城轨列车自适应精确停车控制算法研究[J];铁道学报;2012年04期

6 王呈;唐涛;罗仁士;;列车自动驾驶迭代学习控制研究[J];铁道学报;2013年03期

7 王呈;唐涛;罗仁士;;基于UIO方法的列车自动驾驶信号故障检测研究[J];铁道学报;2013年06期

8 ;Parameter estimation for multirate multi-input systems using auxiliary model and multi-innovation[J];Journal of Systems Engineering and Electronics;2010年06期

中国博士学位论文全文数据库 前1条

1 王轶;基于迭代学习控制的几类列车自动控制问题研究[D];北京交通大学;2010年

  本文关键词：列车自动驾驶控制模型参数辨识及其应用，由笔耕文化传播整理发布。

本文编号：367771