最优预见控制在高速列车自动驾驶中的应用

发布时间：2024-02-03 16:58

　　高速列车自动驾驶能够降低列车长时间高速度、高密度运行时驾驶员的疲劳强度,消除驾驶员水平不同带来的差异,保证列车按计划准确地自动运行。区间目标速度跟踪和定点停车是ATO(Automatic Train Operation,列车自动驾驶)技术的重要功能。区间目标速度跟踪需要列车保证安全舒适运行的同时,进行速度曲线的高精度跟踪,跟踪精度对停车误差会产生直接影响。若停车误差过大,对有屏蔽门的高速站台会影响乘客上下车,造成列车晚点等诸多问题;因此,研究利用最优预见控制实现高速列车自动驾驶运行过程中的目标速度曲线跟踪和定点停车具有重要意义。本文以ATO系统为研究对象,运用列车运行控制理论与方法,深入分析列车运行过程,针对列车牵引制动系统具有延时滞后特性,利用线性动态方程建立列车数学模型,并结合相关定理,对列车模型进行稳定性验证。由于列车模型存在临界极点,在选取合适的状态反馈矩阵后进行系统极点配置,使建立的列车模型稳定。在准点率、舒适性、停车精度和能耗等ATO性能指标的约束条件下,利用CPSO(Chaotic Particle Swarm Optimization,混沌粒子群)算法优化列车运行过程,...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 选题背景及研究意义
    1.2 国内外研究现状
        1.2.1 列车自动驾驶技术的研究现状
        1.2.2 预见控制算法的研究现状
    1.3 主要研究内容
2 列车自动驾驶系统及列车数学模型
    2.1 列车自动驾驶系统
        2.1.1 ATO系统技术要求
        2.1.2 ATO系统结构及功能
        2.1.3 ATO系统工作原理
    2.2 ATO系统性能指标
    2.3 列车数学模型
        2.3.1 列车牵引制动特性
        2.3.2 列车运行阻力
        2.3.3 列车刚性多质点模型
        2.3.4 列车牵引与制动系统模型
3 列车自动驾驶过程目标曲线的优化生成
    3.1 混沌粒子群算法
        3.1.1 粒子群算法基本原理
        3.1.2 混沌优化理论
        3.1.3 混沌粒子群优化算法
    3.2 混沌粒子群算法优化列车运行曲线
        3.2.1 列车运行过程优化分析
        3.2.2 列车运行过程目标曲线的优化生成
4 基于最优预见控制算法的列车速度曲线跟踪控制
    4.1 最优预见控制原理
    4.2 最优预见控制器设计
        4.2.1 列车模型状态空间方程的建立
        4.2.2 稳定性分析及极点配置法
        4.2.3 最优预见控制算法设计
    4.3 控制器约束条件
        4.3.1 安全性约束
        4.3.2 舒适性约束
        4.3.3 控制输入约束
    4.4 仿真结果与分析
        4.4.1 仿真参数选取
        4.4.2 控制器仿真结果分析
5 引入扰动观测器的列车自动驾驶最优预见跟踪控制
    5.1 扰动观测器设计
        5.1.1 扰动观测器原理
        5.1.2 扰动观测器设计
    5.2 仿真结果与分析
结论
致谢
参考文献
攻读学位期间的研究成果



本文编号：3894443