本文關(guān)鍵詞：自適應(yīng)迭代學(xué)習(xí)控制和卡爾曼一致性濾波及在高速列車運行控制中的應(yīng)用

  更多相關(guān)文章： 自適應(yīng)迭代學(xué)習(xí)控制 卡爾曼一致性濾波 列車自動運行控制 傳感器網(wǎng)絡(luò) 狀態(tài)估計 輸入飽和 狀態(tài)時滯 容錯控制

【摘要】：本文以自適應(yīng)迭代學(xué)習(xí)控制和卡爾曼一致性濾波理論為基礎(chǔ),從列車速度跟蹤控制技術(shù)和速度測量估計技術(shù)兩個角度,著重研究了高速列車重復(fù)運行控制中的若干實際問題。論文的主要研究內(nèi)容和創(chuàng)新點總結(jié)如下:一、針對高速列車運行中存在的控制輸入飽和與未知的速度時變時滯問題,研究了一類自適應(yīng)迭代學(xué)習(xí)控制方法,實現(xiàn)高速列車速度運行曲線的精確跟蹤控制。首先,考慮列車運行中存在的控制輸入飽和情況,利用非線性參數(shù)化系統(tǒng)描述高速列車動力學(xué)模型,進行系統(tǒng)非線性特性研究,提出基于參數(shù)分離原理的半飽和自適應(yīng)迭代學(xué)習(xí)控制律,以及沿迭代軸的系統(tǒng)時變參數(shù)辨識的全飽和參數(shù)學(xué)習(xí)律。其次,考慮列車運行中同時存在控制輸入飽和與未知的速度時變時滯情況,通過加入時滯補償項,提出帶有時滯補償改進的自適應(yīng)迭代學(xué)習(xí)控制方法。然后,基于Lyapunov泛函分析方法,證明自適應(yīng)迭代學(xué)習(xí)控制方法及其改進形式都可以嚴格保證列車速度在2-范數(shù)意義下沿迭代軸逐點收斂到期望速度軌跡。最后,數(shù)值仿真和比對實驗進一步驗證所提方法的有效性。二、針對高速列車運行中存在的牽引/制動執(zhí)行器故障問題,研究一類自適應(yīng)迭代學(xué)習(xí)容錯控制方法,實現(xiàn)高速列車速度運行曲線的精確跟蹤控制。首先,考慮列車運行中同時存在控制輸入飽和、未知速度時變時滯以及牽引/制動執(zhí)行器故障的情況,設(shè)計含有非線性反饋補償和魯棒補償項的半飽和自適應(yīng)迭代學(xué)習(xí)控制律和全飽和參數(shù)學(xué)習(xí)律。對于SISO高速列車系統(tǒng),該方法是一種不依賴于精確模型結(jié)構(gòu)、系統(tǒng)參數(shù)、時滯與故障等信息的速度跟蹤控制方法,可以同步補償和處理控制輸入飽和、狀態(tài)時滯、執(zhí)行器故障等非線性影響。其次,對于一類MIMO非線性參數(shù)化系統(tǒng),考慮系統(tǒng)同時存在執(zhí)行器故障、被控對象和控制增益矩陣非線性參數(shù)不確定的情況,提出擴展的自適應(yīng)迭代學(xué)習(xí)容錯控制方法。然后,通過設(shè)計一個新穎的時間權(quán)重Lyapunov-Krasovskii-Like復(fù)合能量函數(shù),證明了自適應(yīng)迭代學(xué)習(xí)容錯控制方法及其擴展形式都可以嚴格保證SISO列車速度誤差和MIMO系統(tǒng)狀態(tài)誤差在2-范數(shù)意義下沿迭代軸逐點收斂到零。最后,仿真結(jié)果進一步驗證算法的有效性和優(yōu)越性。三、針對傳感器網(wǎng)絡(luò)中傳感器節(jié)點觀測受限、分布式測量模型對網(wǎng)絡(luò)拓撲信息利用不足以及傳感器節(jié)點間通信噪聲等問題,研究了一類分布式連續(xù)時間信息權(quán)重的卡爾曼一致性濾波方法,實現(xiàn)傳感器網(wǎng)絡(luò)中含有噪聲的連續(xù)時間線性動態(tài)系統(tǒng)狀態(tài)最優(yōu)估計。首先,考慮控制輸入已知的情況,根據(jù)傳感器網(wǎng)絡(luò)拓撲結(jié)構(gòu),選取局部狀態(tài)估計誤差的協(xié)方差矩陣的逆作為信息權(quán)重矩陣,設(shè)計了新穎的傳感器局部測量模型,推導(dǎo)并得到局部最優(yōu)的系統(tǒng)狀態(tài)卡爾曼一致性濾波估計方法。其次,考慮系統(tǒng)控制輸入未知的情況,給出改進的分布式連續(xù)時間信息權(quán)重的卡爾曼一致性濾波算法,可以對含有噪聲的系統(tǒng)狀態(tài)和控制輸入同步進行分布式估計,避免使用系統(tǒng)輸入等全局信息,能夠減少通信負擔(dān)和拓展應(yīng)用范圍。然后,利用Lyapunov穩(wěn)定性理論,證明連續(xù)時間信息權(quán)重的卡爾曼一致性濾波方法及其改進形式都可以嚴格保證分布式傳感器對系統(tǒng)狀態(tài)的局部最優(yōu)估計。所有傳感器對含有噪聲的系統(tǒng)狀態(tài)估計在最小二乘的意義下都一致收斂到系統(tǒng)真實狀態(tài)的有界鄰域內(nèi)。最后,通過仿真數(shù)例和對比實驗,驗證提出的分布式濾波方法在傳感器網(wǎng)絡(luò)中對連續(xù)線性系統(tǒng)狀態(tài)估計有效,并且明顯優(yōu)于其他已有的濾波方法。四、針對離散時間線性或非線性系統(tǒng)的參數(shù)辨識和狀態(tài)一致性最優(yōu)估計問題,研究一類基于卡爾曼濾波的系統(tǒng)參數(shù)辨識方法和一類分布式離散時間信息權(quán)重卡爾曼一致性濾波估計方法,實現(xiàn)傳感器網(wǎng)絡(luò)中非重復(fù)運行線性系統(tǒng)的狀態(tài)最優(yōu)估計以及高速列車重復(fù)運行非線性系統(tǒng)的速度最優(yōu)估計。首先,考慮一般的含有噪聲的離散時間線性系統(tǒng),提出基于網(wǎng)絡(luò)信息流拓撲的信息矩陣權(quán)重的分布式測量模型,設(shè)計分布式離散時間信息權(quán)重卡爾曼一致性濾波方法,并給出了基于Lyapunov泛函的收斂性分析。仿真研究及對比實驗驗證提出的分布式濾波方法在傳感器網(wǎng)絡(luò)中對離散線性系統(tǒng)狀態(tài)估計有效。其次,考慮一般的含有噪聲的離散時間非線性系統(tǒng),利用全格式動態(tài)線性化技術(shù),將非線性模型等價轉(zhuǎn)化為含有外源輸入的線性時變自回歸模型,分別提出非重復(fù)系統(tǒng)的基序列擬合卡爾曼濾波和重復(fù)系統(tǒng)的迭代卡爾曼濾波兩種系統(tǒng)參數(shù)辨識方法。然后,考慮高速列車離散時間重復(fù)運行的非線性系統(tǒng),設(shè)計一種分布式離散時間數(shù)據(jù)驅(qū)動的信息權(quán)重卡爾曼一致性濾波的速度估計方法,可以通過列車速度傳感器網(wǎng)絡(luò),實現(xiàn)高速列車含有噪聲的速度測量與估計。理論分析表明提出的濾波方法可以保證列車速度估計在最小二乘的意義下都一致收斂到列車真實速度的有界鄰域內(nèi)。最后,高速列車速度估計仿真研究及對比實驗進一步驗證算法的有效性。
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TP13;U284.48

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 阮小娥;樸光賢;卞增男;;迭代學(xué)習(xí)控制技術(shù)回顧與長期學(xué)習(xí)控制展望(英文)[J];控制理論與應(yīng)用;2012年08期

2 ;Observer-based Adaptive Iterative Learning Control for Nonlinear Systems with Time-varying Delays[J];International Journal of Automation & Computing;2010年04期

3 ;Novel Adaptive Learning Control of Linear Systems with Completely Unknown Time Delays[J];International Journal of Automation & Computing;2009年02期

4 侯忠生;金尚泰;趙明;;宏觀交通流模型參數(shù)的迭代學(xué)習(xí)辨識方法[J];自動化學(xué)報;2008年01期

5 許建新,侯忠生;學(xué)習(xí)控制的現(xiàn)狀與展望[J];自動化學(xué)報;2005年06期

6 唐濤,黃良驥;列車自動駕駛系統(tǒng)控制算法綜述[J];鐵道學(xué)報;2003年02期

7 孫明軒,黃寶健,張學(xué)智;任意初態(tài)下不確定時滯系統(tǒng)的PD型迭代學(xué)習(xí)控制[J];控制理論與應(yīng)用;1998年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 李振軒;高速列車迭代學(xué)習(xí)運行控制幾類問題研究[D];北京交通大學(xué);2016年

2 宋琦;高速列車的魯棒自適應(yīng)及容錯控制[D];北京交通大學(xué);2014年

3 孫何青;改進的迭代學(xué)習(xí)控制算法及其在列車運行控制應(yīng)用中的幾類問題研究[D];北京交通大學(xué);2014年

4 王軼;基于迭代學(xué)習(xí)控制的幾類列車自動控制問題研究[D];北京交通大學(xué);2010年

，

本文編號：1276109