高速列车的自适应速度及位置控制

探讨高速列车在外界阻力扰动下的自动驾驶控制问题,针对系统参数及外界阻力的不确定性,提出了相应的控制方法并给出了稳定性理论证明。利用列车调度优化环节生成的实时速度及位移数据对算法进行了模拟实验,理论分析和仿真结果均验证了文中方法能有效克服列车所受阻力的影响实现高精度的位置和速度跟踪控制。     

基于最优预见控制的高速列车速度控制器研究

针对高速列车自动驾驶(ATO)速度控制器的设计及性能问题,以列车运行过程中的安全性、舒适性、控制输入为约束条件,提出用最优预见算法设计控制器。该算法以列车动力学为基础,确定列车模型传递函数,进行极点配置之后使控制系统稳定;以列车模型为该算法的控制对象,将列车运行过程中的线路附加阻力和基本阻力作为干扰,实现列车ATO模式下目标速度的自动跟踪控制。选取京津城际北京南站至武清站间线路数据进行仿真验证,仿真结果表明该算法在降低列车运行能耗、提高旅客舒适性与列车运行准点率方面的有效性。     

基于Elman模型的高速列车速度跟踪控制

高速列车运行速度快,运行过程复杂,具有较强的非线性,难以实现高精度速度跟踪控制.为了实现高速列车的安全可靠运行,本文研究提出高速列车的运行过程建模和速度跟踪控制方法,采用数据驱动建模方法建立了高速列车运行过程Elman模型,设计了改进型广义预测控制实现了高速列车速度跟踪控制.基于CRH380AL运行过程数据的仿真结果表明,该方法具有更高的跟踪控制精度和较强的鲁棒性,可实现高速列车安全、正点运行.     

高速列车自适应制动控制

针对传统控制方法难以保证高速列车在复杂多变的运行条件下的速度跟踪和安全、平稳停车问题,提出了一种基于间接模型参考自适应的高速列车制动控制策略.通过分析列车制动系统的工作流程,建立了具有未知参数的列车制动系统模型,并采用间接模型参考自适应控制(MRAC)方法设计了高速列车自适应制动控制策略,实现了对给定速度曲线的渐进跟踪.为了验证上述方法的有效性,以CRH380AL型动车组作为研究对象,利用MATLAB软件进行数值仿真.仿真结果表明,即使存在未知系统参数,基于间接模型参考自适应的高速列车制动控制策略仍然可以实现列车在制动过程中对目标速度的渐近跟踪,进而保证列车的安全可靠运行.     

神经网络PID速度控制器的研究

本文提出了一种基于神经网络的ＰＩＤ控制器。利用递推最小二乘法在线整定ＰＩＤＣ 克服神经网络ＢＰ算法收敛速度慢和可能出现的局部最小,仿真研究表明,这种ＰＩＤ控制器参数整定方便,控制精度高,跟随特性好,抗干扰能力强。     

基于灰色遗传的高速列车速度控制器模型研究

速度控制器是列车自动驾驶系统(ATO)的核心,针对目前尚无研发成熟的速度控制器应用于高速列车的情况,引入灰色系统理论研究高速列车速度控制器模型;在灰色遗传预测模块中,对影响模型精度的λ值提出了基于遗传算法的求解方法,根据列车运行的4个目标设计其适应度函数,并加入先验知识判定对约束条件进行处理,同时建立新陈代谢GM(1,1)模型,在列车运行过程中不断求解新的模型参数a和b,实现模型在线校正,使系统可以进行长期预测;在灰色决策模块中,将高速列车的工况及运行目标转化为决策要素,应用灰靶决策产生最优策略控制列车运行;仿真结果显示了该模型应用于列车自动控速时的有效性和实时性,并使各项运行指标都有所提高。     

高速列车闸片性能测试系统速度给定模型的构建

使用LabVIEW构建了一种新型的高速列车闸片的速度给定模型,该模型包括定速设定、匀加速设定、常用函数设定、组合设定以及多段速设定五种速度给定方式。可以模拟火车闸片的定速、匀加速、变加速等复杂工况。可以方便地较全面测试所研制闸片的性能参数。最后,给出一个例子,证明该模型是正确的。     

高速列车多质点子空间预测控制方法研究

针对列车单质点模型在坡道/曲线段受力存在误差,影响高速列车运行控制器的计算精度,建立多质点高速列车运行模型,提出一种基于子空间辨识的预测控制方法。首先,详细分析在坡道/曲线段高速列车考虑其长度的受力情况;接着,利用子空间从列车运行数据辨识模型参数,构建了列车多质点的状态空间模型;然后,具体给出预测控制器的设计步骤;最后,利用MatLab软件进行速度跟踪仿真对比实验,结果表明本文方法的有效性。     

基于模糊预测控制的高速列车速度控制研究

为了提高高速列车速度控制的跟踪精度,文章在分析了列车牵引制动系统的基础上,以CRH2-300数据为例计算了列车牵引制动的理想运行曲线,并对模糊控制、预测控制,经典的PID控制以及模糊预测控制的阶跃响应作了对比分析,将模糊控制的快速响应能力并能尽快的达到稳态的特点和预测控制能够提前预测的优点相结合设计了适合高速列车的模糊预测控制器,控制高速列车跟踪理想运行曲线;仿真结果表明,该控制器能够很好的跟踪目标曲线,满足误差小、精度高的要求。     

基于灰色系统理论高速列车ATO速度控制器研究

速度控制器是ATO系统的核心单元,也是列控系统的重要组成部分,针对目前高速列车无ATO功能的情况,研究智能的ATO系统速度控制器对实现高速列车自动驾驶具有的重要意义。通过分析CTCS-3级列控系统的结构和功能,提出了在CTCS-3级列控系统中增加ATO系统速度控制器的方案。首先设计了速度控制器与车载及地面设备的连接方式,实现了信息交互;而后应用灰色系统理论善于研究外延明确内涵不清系统的特点,建立速度控制器模型,进行预测及决策计算,得到比较合理的列车自动驾驶控制策略;最后采用遗传算法对其进行优化,得到最优控制策略。仿真结果表明,该方法实现了高速列车在CTCS-3级列控系统下的自动驾驶,列车运行的各项性能都得到了提高。     

Design of a Robust Adaptive Neural Tracking Controller

A robust neural tracking controller is designed based on the conic sector theory. An adaptive dead zone scheme is employed to enhance robustness of the system. The proposed algorithm does not require knowledge of either the upper bound of disturbance or the bound on the norm of the estimate parameter. A complete convergence proof is provided based on the sector theory to deal with the nonlinear system. Simulation results are presented to control a two-link direct drive robot and show the performance of the tracking controller.     

基于双权值神经网络的焊缝跟踪自适应控制设计

基于双权值神经网络设计了一个模型参考自适应控制系统,以实现焊缝跟踪的自适应控制.通过分析双权值神经网络控制器在最陡下降法训练下的收敛和稳定条件,保证系统达到稳定运行的状态.最后仿真实验证明,由于存在方向权值和核心权值双权值的调整,基于双权值神经网络的焊缝跟踪控制系统的性能远优于BP网络控制系统的性能,可以更好地实现焊缝的实时跟踪控制.     

基于神经网络的新型复合速度控制器的设计

针对传统PID控制和神经网络直接逆动态控制各自的特点,提出了将两者相结合构造一种新型复合神经网络速度控制器的方法：基于感应电机间接磁场定向矢量控制系统．对该复合速度控制器进行仿真研究。仿真结果表明,在电机参数变化和负载扰动的情况下,该控制器的应用使感应电机间接磁场定向矢量控制系统具有很好的鲁棒性和抗扰性能：     

一种神经网络自适应PID控制器

应用人工神经网络的原理,设计了一种神经网络的职能PID控制器。仿真结果表明,此PID控制器对非线性时不变系统有比传统的PID好的控制效果。该控制器将神经网络和PID控制规律融为一体,既具有常规PID控制器结构简单、参数物理意义明确之优点,又具有神经网络自学习、自适应之能力,控制效果明显提高。     

基于模糊神经网络驼峰溜放速度的控制

提出了一种基于模糊神经网络理论求得动态出口速度的模型，使用改进的误差反向传播学习算法进行学习，具有很好的自学习和自适应能力，能根据列车的溜放实际情况自动调整减速器出口速度，仿真结果表明，模糊神经网络用在驼峰溜放速度控制中有很好的效果。     

料筒温度RBF神经网络PID控制器设计及仿真

针对PID控制器具有参数整定不良、性能欠佳、温度控制精度较低,无法满足当今高精密挤出成型加工需要的问题,设计了一种基于RBF神经网络的PID控制器,该控制器将神经网络能无限地逼近非线性系统、运算量小、收敛快的优点和PID控制技术有机地结合起来,获得较高的温度控制精度。仿真结果表明,神经网络PID控制器能有效地缩短过渡过程时间,具有很好的稳定性和快速响应性,比普通PID控制具有更好的控制效果,可改善料筒温控系统的动、静态性能。     

基于神经网络的模糊自适应PID控制方法

提出一种基于BP神经网络的模糊自适应PID控制器。该控制器综合模糊控制、神经网络与PID调节各自的优点，既具有模糊控制的简单和有效的非线性控制作用，又具有神经网络的学习和适应能力，同时具备PID控制的广泛适应性，仿真实验表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

弧焊机器人焊缝跟踪神经网络控制器

介绍了一种能提高高弧焊机器人焊缝跟踪精度的神经网络控制器,通过神经网络的补偿作用,弥补了由于无法知道机器人精确模型所造成的控制上的误差,不同于机器人控制中传统的网络控制器,本文提出并应用了基于笛卡尔空间轨迹控制的机器人焊缝跟踪神经网络,大大简化了控制算法,计算机模拟及实验表明,该控制器非常适用于只的实际焊接,对于现有机器人,无须改变其控制器内部结构,即可应用该技术,与常用的机器人关节力矩控制法相比     

一种神经形态马赫数PID自适应控制器研究

本文从自适应控制和优化学习算法的角度出发,将传统的PID控制和神经网络BP算法相结合,构造了具有自适应、自学习功能的神经形态PID自适应马赫数控制器(NNCPID)。通过对网络控制模型的训练、学习和系统仿真,验证了该NNCPID控制器在改善马赫数控制性能、提高系统实时性、鲁棒性等方面,具有很大的优越性。