高速列車運行系統(tǒng)本質(zhì)上是高度非線性和不確定性的系統(tǒng),為了彌補建模過程中被忽略或者簡化的非線性和不確定性,提高高速列車運行過程的控制精度,提出一種基于模型補償?shù)母咚倭熊嚑顟B(tài)反饋預測控制方法。在建模和控制上,分別采用子空間辨識法和狀態(tài)反饋預測控制法,在此基礎上建立BP神經(jīng)網(wǎng)絡在線補償器,利用高速列車運行過程的狀態(tài)變量和實際速度作為補償器的輸入,參考軌跡與實際速度之間的差值構(gòu)成性能指標函數(shù)進行在線訓練,輸出補償控制力作用于控制系統(tǒng)完成在線補償,實現(xiàn)高速列車目標速度曲線高精度跟蹤控制。仿真實驗結(jié)果表明,該方法能夠提高控制系統(tǒng)的控制精度。 

【文章頁數(shù)】：9 頁

【參考文獻】：
期刊論文
[1]3.5萬km:中國高鐵的新跨度[J]. 訾謙.  城市軌道交通研究. 2019(12)
[2]高速列車追蹤運行過程的節(jié)能優(yōu)化[J]. 朱愛紅,馬曉娜,段玉瓊,李杰,李俊.  傳感器與微系統(tǒng). 2019(12)
[3]高路堤上列車橫風荷載的分布研究[J]. 曾永平,李永樂,張明金,宋莎嘉,蘇延文,唐平.  鐵道科學與工程學報. 2018(10)
[4]列車運行建模與速度控制方法綜述[J]. 楊輝,付雅婷.  華東交通大學學報. 2018(05)
[5]基于控制器匹配的高速列車廣義預測控制方法[J]. 李中奇,丁俊英,楊輝,劉江.  鐵道學報. 2018(09)
[6]EMU6動車組氣動聲學性能分析[J]. 何嬌,李盈利,譚曉明,楊志剛,劉加利.  鐵道科學與工程學報. 2018(08)
[7]神經(jīng)網(wǎng)絡補償算法在基于MEMS的姿態(tài)檢測中的應用[J]. 孫玉杰,賀思艷,徐小龍,田新誠.  計算機應用研究. 2019(09)
[8]基于神經(jīng)網(wǎng)絡方法的高速列車車外氣動噪聲預測[J]. 李輝,肖新標,金學松.  噪聲與振動控制. 2015(03)
[9]時速250km以上高速列車制動模式曲線算法[J]. 上官偉,蔡伯根,王晶晶,王劍,王利.  交通運輸工程學報. 2011(03)

碩士論文
[1]高速列車追蹤運行節(jié)能優(yōu)化與控制[D]. 高堅.北京交通大學 2018
[2]基于子空間辨識的工業(yè)過程建模及故障檢測[D]. 周楚程.東北大學 2017



本文編號：3648313