基于多級(jí)切換的動(dòng)車組制動(dòng)過程RBF模型參考自適應(yīng)控制方法技術(shù)

本發(fā)明專利技術(shù)公開了一種基于多級(jí)切換的動(dòng)車組制動(dòng)過程RBF模型參考自適應(yīng)控制方法，所述方法針對(duì)動(dòng)車組制動(dòng)過程的特點(diǎn)，利用動(dòng)車組制動(dòng)數(shù)據(jù)采用參數(shù)辨識(shí)的方法建立了一種多級(jí)可切換的動(dòng)車組制動(dòng)模型。同時(shí)，考慮到RBF神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性處理能力與模型參考自適應(yīng)控制的自適應(yīng)能力，本發(fā)明專利技術(shù)在已建立好的制動(dòng)模型基礎(chǔ)上設(shè)計(jì)了基于RBF網(wǎng)絡(luò)的模型參考自適應(yīng)控制策略，由梯度下降原理與極小化誤差指標(biāo)函數(shù)，則可實(shí)時(shí)調(diào)節(jié)列車制動(dòng)級(jí)位，最終實(shí)現(xiàn)高速動(dòng)車組在無人操縱的情況下列車依舊能按照預(yù)先設(shè)定的目標(biāo)速度制動(dòng)曲線自動(dòng)運(yùn)行。大大提高了列車面臨突發(fā)事件時(shí)的自處理能力。本發(fā)明專利技術(shù)適用于軌道交通自動(dòng)化與運(yùn)行優(yōu)化控制。

RBF model reference adaptive control method for braking process of EMU based on multistage switching

The invention discloses a multi-level switching EMU braking process RBF model reference adaptive control method based on the characteristics of the method for the EMU braking process, establish a multi-level switchable EMU braking model using parameter identification method using EMU braking data. At the same time, considering the RBF neural network powerful ability model reference adaptive control and adaptive nonlinear processing ability, the invention has been established in the foundation of good braking model on the design of the control strategy of RBF model reference adaptive network based on principle and minimum error decreased by the gradient index function, it can be adjusted in real time train braking level. The final realization of high speed EMU in the case of unmanned train still can according to the preset target speed braking curve automatic operation. Greatly improve the ability of the train to deal with emergencies. The invention is suitable for the optimization and control of the automation and operation of the rail traffic.

【技術(shù)實(shí)現(xiàn)步驟摘要】
基于多級(jí)切換的動(dòng)車組制動(dòng)過程RBF模型參考自適應(yīng)控制方法
本專利技術(shù)涉及動(dòng)車組制動(dòng)過程的一種多級(jí)切換模型與自適應(yīng)速度控制方法，屬軌道交通自動(dòng)化與過程控制領(lǐng)域。
技術(shù)介紹
隨著自動(dòng)控制、系統(tǒng)集成、牽引傳動(dòng)、網(wǎng)絡(luò)信息等技術(shù)的日益成熟加快了我國高速鐵路的發(fā)展步伐，現(xiàn)如今我國高鐵技術(shù)居于世界前列且擁有規(guī)模最大運(yùn)營速度最高的鐵路網(wǎng)，良好的解決了在能源和環(huán)境約束下我國交通運(yùn)輸能力不足的問題。然而，高速列車作為大型的非線性系統(tǒng)其運(yùn)行環(huán)境也是相當(dāng)復(fù)雜，一旦列車面臨突發(fā)事件只能依靠駕駛員經(jīng)驗(yàn)與調(diào)度中心，難以保證列車運(yùn)行安全。因此，如何確保在脫離駕駛員操作與調(diào)度中心指揮的情況下列車依舊能按照既定的目標(biāo)速度進(jìn)行制動(dòng)顯得尤為關(guān)鍵，同時(shí)也對(duì)下一階段完善我國列車制動(dòng)控制系統(tǒng)具有重要的意義。顯然，要使高速列車按照目標(biāo)速度制動(dòng)，核心的技術(shù)是建立一個(gè)符合實(shí)際情況的制動(dòng)模型，然后在此模型的基礎(chǔ)上設(shè)計(jì)合理有效的控制器。通常的做法是基于數(shù)據(jù)驅(qū)動(dòng)研究列車受到的制動(dòng)力與列車速度之間的關(guān)系，然而這種做法忽略了制動(dòng)力是由制動(dòng)級(jí)位在制動(dòng)裝置下動(dòng)態(tài)產(chǎn)生的過程，且制動(dòng)力作為一個(gè)抽象的概念其大小最終是通過操縱制動(dòng)級(jí)位由動(dòng)力單元產(chǎn)生。因此要建立更加符合實(shí)際列車制動(dòng)的模型其輸入變量應(yīng)該是列車的制動(dòng)級(jí)位而不是制動(dòng)力大小。其次，建立制動(dòng)模型后如何使列車按照目標(biāo)速度制動(dòng)曲線自動(dòng)精確的運(yùn)行則需要設(shè)計(jì)合理的控制器形成自動(dòng)控制的閉環(huán)反饋系統(tǒng)。工業(yè)流程控制中，PID控制由于算法簡單受到了廣泛的運(yùn)用，但是同時(shí)其參數(shù)不易整定通常依靠專家經(jīng)驗(yàn)或者試湊方法得到，控制的精度往往難達(dá)到要求；運(yùn)用模糊控制的方法，其缺點(diǎn)是依靠司機(jī)經(jīng)驗(yàn)形成的規(guī)則庫難以應(yīng)對(duì)列車運(yùn)行的各個(gè)運(yùn)行環(huán)境，自適應(yīng)能力不足；廣義預(yù)測控制算法依靠多步預(yù)測和滾動(dòng)優(yōu)化可以取得良好的動(dòng)態(tài)性能，然而需要求解Diophantine方程，算法復(fù)雜。因此，既要滿足控制的精度同時(shí)能適應(yīng)高速列車這個(gè)大型非線性系統(tǒng)，上述控制方法并非最優(yōu)選擇。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的是，以高速動(dòng)車組作為被控對(duì)象建立動(dòng)車組制動(dòng)過程的多級(jí)切換模型，采用基于RBF網(wǎng)絡(luò)的模型參考自適應(yīng)控制策略，以最小化目標(biāo)速度與實(shí)際速度間的誤差為準(zhǔn)則，計(jì)算當(dāng)誤差最小時(shí)此刻所需的制動(dòng)級(jí)位大小從而切換至已建立的多級(jí)制動(dòng)模型的各個(gè)子模型最終實(shí)現(xiàn)動(dòng)車組制動(dòng)的自動(dòng)化。本專利技術(shù)的技術(shù)方案是：一種基于多級(jí)切換的動(dòng)車組制動(dòng)過程RBF模型參考自適應(yīng)控制方法，列車制動(dòng)模型分為靜態(tài)特性與動(dòng)態(tài)特性兩部分，先根據(jù)列車制動(dòng)靜態(tài)特性曲線，由最小二乘進(jìn)行曲線擬合得到在當(dāng)前時(shí)刻的速度y(k)下制動(dòng)級(jí)位與制動(dòng)力大小的靜態(tài)特性；然后根據(jù)制動(dòng)系統(tǒng)的工作原理分析制動(dòng)力大小與將來時(shí)刻速度y(k+d)的動(dòng)態(tài)特性，采用改進(jìn)的粒子群辨識(shí)算法求得動(dòng)態(tài)特性方程的未知參數(shù)，綜合靜態(tài)特性部分和動(dòng)態(tài)特性部分所建立的制動(dòng)模型，其中輸入變量為制動(dòng)級(jí)位，中間量為制動(dòng)力大小，輸出變量為列車速度；采用基于RBF網(wǎng)絡(luò)的模型參考自適應(yīng)控制策略，使列車實(shí)際輸出能跟隨參考模型的輸出，最終實(shí)現(xiàn)動(dòng)車組按預(yù)定的制動(dòng)曲線自動(dòng)運(yùn)行。所述的方法，根據(jù)高速動(dòng)車組制動(dòng)過程特點(diǎn)建立由列車靜態(tài)特性與動(dòng)態(tài)特性兩部分組成的多級(jí)可切換制動(dòng)模型，并利用相關(guān)制動(dòng)數(shù)據(jù)對(duì)未知參數(shù)辨識(shí)，具體實(shí)施步驟為：(1)列車制動(dòng)靜態(tài)特性是列車在各制動(dòng)級(jí)位下的不同速度區(qū)段內(nèi)制動(dòng)級(jí)位與制動(dòng)力之間的關(guān)系，其結(jié)構(gòu)可描述為：式中，n為列車制動(dòng)級(jí)位，y(k)為列車當(dāng)前速度，f(n,y(k))為列車所受到的制動(dòng)力，ε(k)為白噪聲；(2)列車動(dòng)態(tài)特性是由制動(dòng)性能所決定的，表示制動(dòng)力與列車速度之間的動(dòng)態(tài)關(guān)系，具體結(jié)構(gòu)可用動(dòng)態(tài)傳遞函數(shù)表示：式中，Y(s),U(s)分別是列車速度與列車控制力在S域的表達(dá)形式；參數(shù)集X＝[K,T,τ]為待辨識(shí)量，采用改進(jìn)的粒子群辨識(shí)算法求得該參數(shù)集的解；綜合靜態(tài)特性與動(dòng)態(tài)性能兩部分建立多級(jí)切換的制動(dòng)模型為：其中，f(n,y(k))為靜態(tài)特性部分。所述的方法，列車制動(dòng)靜態(tài)特性常用制動(dòng)有7個(gè)制動(dòng)級(jí)位，因此列車制動(dòng)靜態(tài)特性可由28個(gè)線性方程描述；采用最小二乘法對(duì)未知參數(shù)Ain,Bin辨識(shí)，其結(jié)果為：所述的方法，所述基于RBF網(wǎng)絡(luò)的模型參考自適應(yīng)控制策略，使列車實(shí)際輸出能跟隨參考模型的輸出，最終實(shí)現(xiàn)動(dòng)車組按預(yù)定的制動(dòng)曲線自動(dòng)運(yùn)行，(1)定義理想速度制動(dòng)曲線為yd,考慮列車制動(dòng)時(shí)受到阻力作用，因此目標(biāo)速度曲線即參考模型的輸出為：其中，基本阻力為ω＝ayd2+byd+c，列車質(zhì)量m＝890t,阻力系數(shù)a＝0.00112,b＝0.038,c＝5.2；(2)根據(jù)梯度下降的原理，以目標(biāo)速度制動(dòng)曲線與實(shí)際速度制動(dòng)曲線間的誤差作為網(wǎng)絡(luò)權(quán)值調(diào)節(jié)指標(biāo)，即：因此，控制器的輸出制動(dòng)級(jí)位n為：n(k)＝h1ω1+…+hjωj+…+hmωm。所述的方法，改進(jìn)的粒子群辨識(shí)算法流程為：a.初始化：設(shè)定參數(shù)運(yùn)動(dòng)范圍、學(xué)習(xí)因子c1、c2，最大進(jìn)化代數(shù)G；kg表示當(dāng)前的進(jìn)化代數(shù)；參數(shù)搜索空間中，粒子組成的種群規(guī)模大小為Size(即參數(shù)集X的長度為3)，每個(gè)粒子代表解空間的一個(gè)候選解，其中第i(1≤i≤Size)個(gè)粒子在解空間的位置為Xi，速度表示為Vi；第i個(gè)粒子從初始到當(dāng)前迭代次數(shù)搜索產(chǎn)生最優(yōu)解、個(gè)體極值Pi、整個(gè)種群目前的最優(yōu)解記為BestS(即最優(yōu)參數(shù))；隨機(jī)產(chǎn)生Size個(gè)粒子、隨機(jī)初始粒子位置和速度；b.適應(yīng)度評(píng)價(jià)：將采集到的速度數(shù)據(jù)作為理想輸入輸出數(shù)據(jù)樣本，若理想輸出與實(shí)際模型輸出的累計(jì)誤差平方和越小，則此時(shí)的粒子位置(此時(shí)參數(shù)大小)為最佳粒子位置，且可定義適應(yīng)度函數(shù)為：其中，N為總數(shù)據(jù)樣本個(gè)數(shù)，yk為第k個(gè)數(shù)據(jù)樣本的輸出，為第k個(gè)數(shù)據(jù)的實(shí)際模型輸出；c.更新粒子的速度和位置：在規(guī)定范圍求解minJ過程中，粒子位置和速度不斷更新，準(zhǔn)則函數(shù)為：為避免搜索后期粒子的運(yùn)動(dòng)速度趨于0陷入局部最優(yōu)，選取所有粒子在每一維運(yùn)動(dòng)速度中的最小值，按照一定的概率進(jìn)行變異，使原本聚集的粒子群分散開，擴(kuò)大了粒子的搜索范圍，且定義速度最小為：I∈{1,2,…n}為在某次搜索過程中每一維的速度最小值，則取該速度最小值對(duì)應(yīng)的粒子I，按照一定的概率重新設(shè)置其速度初值最后各粒子以速度運(yùn)動(dòng)到新的位置點(diǎn)；有其中，kg＝1,2,…,G；i＝1,2,…,Size；r1和r2為0到1之間的隨機(jī)數(shù)；c1為局部學(xué)習(xí)因子，c2為全局學(xué)習(xí)因子；pi為歷史最優(yōu)值；d.更新個(gè)體最優(yōu)和全局最優(yōu)：比較當(dāng)前適應(yīng)度值J和自身歷史最優(yōu)值pi，若J≥pi則值pi為當(dāng)前最優(yōu)值J；比較當(dāng)前適應(yīng)度值J和種群最優(yōu)值BestS，若J≥BestS，則置BestS為當(dāng)前最優(yōu)值J；并更新粒子位置；e.檢查結(jié)束條件：若尋優(yōu)達(dá)到最大進(jìn)化代數(shù)，則參數(shù)辨識(shí)過程結(jié)束，此時(shí)粒子的位置即為參數(shù)的最終值，否則令kg＝kg+1，轉(zhuǎn)至第c步。與現(xiàn)有的列車制動(dòng)技術(shù)相比，本專利技術(shù)針對(duì)列車復(fù)雜的制動(dòng)過程建立了可以多級(jí)切換的制動(dòng)模型，由于模型的輸入量是列車制動(dòng)級(jí)位相比現(xiàn)有制動(dòng)技術(shù)中以列車制動(dòng)力為輸入量的方式本專利技術(shù)的方法更容易實(shí)現(xiàn)。其次，多級(jí)切換模型基本可以將列車的非線性特性用眾多線性方程近似處理，有效的解決了非線性系統(tǒng)中模型結(jié)構(gòu)不確定、計(jì)算分析復(fù)雜的問題。另一方面，傳統(tǒng)的機(jī)理分析方法依靠制動(dòng)原理與動(dòng)力學(xué)關(guān)系可建立出固有參數(shù)的數(shù)學(xué)模型，然而，動(dòng)車組的制動(dòng)受到外界環(huán)境和自身情況的影響其模型參數(shù)是時(shí)變的，必然導(dǎo)致傳統(tǒng)方法建立的模型精度達(dá)不本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于多級(jí)切換的動(dòng)車組制動(dòng)過程RBF模型參考自適應(yīng)控制方法，其特征是，列車制動(dòng)模型分為靜態(tài)特性與動(dòng)態(tài)特性兩部分，先根據(jù)列車制動(dòng)靜態(tài)特性曲線，由最小二乘進(jìn)行曲線擬合得到在當(dāng)前時(shí)刻的速度y(k)下制動(dòng)級(jí)位與制動(dòng)力大小的靜態(tài)特性；然后根據(jù)制動(dòng)系統(tǒng)的工作原理分析制動(dòng)力大小與將來時(shí)刻速度y(k+d)的動(dòng)態(tài)特性，采用改進(jìn)的粒子群辨識(shí)算法求得動(dòng)態(tài)特性方程的未知參數(shù)，綜合靜態(tài)特性部分和動(dòng)態(tài)特性部分所建立的制動(dòng)模型，其中輸入變量為制動(dòng)級(jí)位，中間量為制動(dòng)力大小，輸出變量為列車速度；采用基于RBF網(wǎng)絡(luò)的模型參考自適應(yīng)控制策略，使列車實(shí)際輸出能跟隨參考模型的輸出，最終實(shí)現(xiàn)動(dòng)車組按預(yù)定的制動(dòng)曲線自動(dòng)運(yùn)行。

【技術(shù)特征摘要】
1.一種基于多級(jí)切換的動(dòng)車組制動(dòng)過程RBF模型參考自適應(yīng)控制方法，其特征是，列車制動(dòng)模型分為靜態(tài)特性與動(dòng)態(tài)特性兩部分，先根據(jù)列車制動(dòng)靜態(tài)特性曲線，由最小二乘進(jìn)行曲線擬合得到在當(dāng)前時(shí)刻的速度y(k)下制動(dòng)級(jí)位與制動(dòng)力大小的靜態(tài)特性；然后根據(jù)制動(dòng)系統(tǒng)的工作原理分析制動(dòng)力大小與將來時(shí)刻速度y(k+d)的動(dòng)態(tài)特性，采用改進(jìn)的粒子群辨識(shí)算法求得動(dòng)態(tài)特性方程的未知參數(shù)，綜合靜態(tài)特性部分和動(dòng)態(tài)特性部分所建立的制動(dòng)模型，其中輸入變量為制動(dòng)級(jí)位，中間量為制動(dòng)力大小，輸出變量為列車速度；采用基于RBF網(wǎng)絡(luò)的模型參考自適應(yīng)控制策略，使列車實(shí)際輸出能跟隨參考模型的輸出，最終實(shí)現(xiàn)動(dòng)車組按預(yù)定的制動(dòng)曲線自動(dòng)運(yùn)行。2.根據(jù)權(quán)利要求1所述的方法，其特征是，根據(jù)高速動(dòng)車組制動(dòng)過程特點(diǎn)建立由列車靜態(tài)特性與動(dòng)態(tài)特性兩部分組成的多級(jí)可切換制動(dòng)模型，并利用相關(guān)制動(dòng)數(shù)據(jù)對(duì)未知參數(shù)辨識(shí)，具體實(shí)施步驟為：(1)列車制動(dòng)靜態(tài)特性是列車在各制動(dòng)級(jí)位下的不同速度區(qū)段內(nèi)制動(dòng)級(jí)位與制動(dòng)力之間的關(guān)系，其結(jié)構(gòu)可描述為：式中，n為列車制動(dòng)級(jí)位，y(k)為列車當(dāng)前速度，f(n,y(k))為列車所受到的制動(dòng)力，ε(k)為白噪聲；(2)列車動(dòng)態(tài)特性是由制動(dòng)性能所決定的，表示制動(dòng)力與列車速度之間的動(dòng)態(tài)關(guān)系，具體結(jié)構(gòu)可用動(dòng)態(tài)傳遞函數(shù)表示：式中，Y(s),U(s)分別是列車速度與列車控制力在S域的表達(dá)形式；參數(shù)集X＝[K,T,τ]為待辨識(shí)量，采用改進(jìn)的粒子群辨識(shí)算法求得該參數(shù)集的解；綜合靜態(tài)特性與動(dòng)態(tài)性能兩部分建立多級(jí)切換的制動(dòng)模型為：其中，f(n,y(k))為靜態(tài)特性部分。3.根據(jù)權(quán)利要求2所述的方法，其特征是，列車制動(dòng)靜態(tài)特性常用制動(dòng)有7個(gè)制動(dòng)級(jí)位，因此列車制動(dòng)靜態(tài)特性可由28個(gè)線性方程描述；采用最小二乘法對(duì)未知參數(shù)Ain,Bin辨識(shí)，其結(jié)果為：4.根據(jù)權(quán)利要求2所述的方法，其特征是，所述基于RBF網(wǎng)絡(luò)的模型參考自適應(yīng)控制策略，使列車實(shí)際輸出能跟隨參考模型的輸出，最終實(shí)現(xiàn)動(dòng)車組按預(yù)定的制動(dòng)曲線自動(dòng)運(yùn)行，(1)定義理想速度制動(dòng)曲線為yd,考慮列車制動(dòng)時(shí)受到阻力作用，因此目標(biāo)速度曲線即參考模型的輸出為：其中，基本阻力為ω＝ayd2+byd+c，列車質(zhì)量m＝890t,阻力系數(shù)a＝0.00112,b＝0.038,c＝5.2；(2)根據(jù)梯度下降的原理，以目標(biāo)速度制動(dòng)曲線與實(shí)際速度制動(dòng)曲線間的誤差作為網(wǎng)絡(luò)權(quán)值調(diào)節(jié)指標(biāo)，即：

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：楊輝，彭達(dá)，付雅婷，譚暢，
申請(qǐng)(專利權(quán))人：華東交通大學(xué)，
類型：發(fā)明
國別省市：江西,36