一种高速列车离散滑模轨迹及速度跟踪控制方法技术

本发明专利技术公开了一种高速列车离散滑模轨迹及速度跟踪控制方法，包括如下步骤：构造列车非线性列车模型并指定估计参数：采用位移和控制输入量为优化模型输入和输出数据：离散并线性化列车非线性模型，得到优化模型参数的列车离散线性模型；进而设计面向离散并线性化模型的扩展卡尔曼滤波器，得到滤波的列车位移和估计速度：采用离散滑模方法设计高速列车轨迹跟踪控制器，设计干扰观测器估计模型不确定和线性化误差以提高列车跟踪精度。采用混沌优化方法估计列车模型参数，将非线性列车模型离散化和线性化，进而采用离散扩展卡尔曼滤波方法设计列车位移和速度估计，从而缓解了列车位移的测量噪声干扰，并解决了速度传感器故障问题。并解决了速度传感器故障问题。并解决了速度传感器故障问题。

【技术实现步骤摘要】
一种高速列车离散滑模轨迹及速度跟踪控制方法


[0001]本专利技术涉及轨道列车
，特别涉及一种高速列车离散滑模轨迹及速度跟踪控制方法。

技术介绍

[0002]列车自动驾驶的任务之一是在给定的期望位移和速度曲线条件下能否实现对目标曲线的高品质跟踪，这直接影响到列车运行的安全与节能。高速列车的运行过程中环境复杂多变，相对风速变化和轮轨蠕滑率变化造成列车动力学模型参数不固定，传感器测量噪声造成控制命令大幅度抖动。当列车控制系统采用计算机实时控制时，列控制系统也为离散系统。因此针对含有模型参数不确定和噪声干扰的离散列车运动模型设计轨迹跟踪控制方法是很有意义的。在现有的列车位移速度控制方法中，针对连续模型的控制方法有： PID控制、迭代控制、滑模控制、Backstepping控制。
[0003]计算机控制系统成为控制领域从理论走向实践的桥梁，尽管连续系统的控制理论研究具有重要的科学意义，但是在实际控制工程应用阶段，还是需要将其转化成为离散系统控制问题。例如，列车动力学模型在自然界是连续时间模型，然而在基于计算机的控制方法实施过程中，由于需要数据存储，离散时间模型更方便实施控制。近几年针对离散列车模型的控制方法主要是迭代控制。虽然迭代学习控制方法不依赖与系统的精确数学模型，但迭代控制适合于重复运动性质被控对象或控制指令为周期运动，随着移动闭塞运行策略的实施，列车的参考位移和速度会随着前行列车运行状态或调度命令和运行图的改变而改变，轨道列车的运动不再是重复运动。

技术实现思路

[0004]本专利技术的目的在于提供一种高速列车离散滑模轨迹及速度跟踪控制方法，采用混沌优化方法估计列车模型参数，将非线性列车模型离散化和线性化，进而采用离散扩展卡尔曼滤波方法设计列车位移和速度估计，从而缓解了列车位移的测量噪声干扰，并解决了速度传感器故障问题。基于离散扩展卡尔曼滤波方法设计存在测量噪声干扰的列车位移和速度估计；最后采用离散滑模方法设计高速列车轨迹/速度跟踪控制器及干扰观测器，估计模型不确定和线性化误差以提高列车跟踪精度，可以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]一种高速列车离散滑模轨迹及速度跟踪控制方法，采用离线估计在线调整的控制构建方法，包括如下步骤：
[0007]S101：构造列车非线性列车模型并指定估计参数：
[0008]S102：利用混沌优化算法，采用位移和控制输入量为优化模型输入和输出数据，设计优化指标，得到优化后的模型参数；
[0009]S103：离散并线性化列车非线性模型，得到优化模型参数的列车离散线性模型；进而设计面向离散并线性化模型的扩展卡尔曼滤波器，得到滤波的列车位移和估计速度；
[0010]S104：采用离散滑模方法设计高速列车轨迹跟踪控制器，设计干扰观测器估计模型不确定和线性化误差以提高列车跟踪精度。
[0011]进一步地，还包括如下步骤：
[0012]S201：考虑高速列车的单质点模型，假设线路长度远大于列车的车长，将列车视为一个刚性质点，由牛顿力学定律，得到高速列车在水平直线轨道上的非线性运动学方程，并通过模型转换得到列车离散线性化方程；
[0013]S202：混沌优化算法的非线性列车参数估计，采用Logistc映射来描述混沌动力学特性；
[0014]S203：列车位移滤波和速度观测器的EKF设计；
[0015]S204：高速列车离散滑模控制器设计。
[0016]进一步地，S201中运动方程如下：
[0017][0018]s是高速列车的位移(m)；v是列车运行速度(m/s)；f
u
(v)为列车的单位动力 (N/kN)；a,b和c为基本运行阻力参数；d表示列车回转质量参数，由列车总质量与列车回转部分的折算质量决定；d
x
(k)为过程噪声v
y
(k)为观测噪声，假设噪声为均值为零的已知白噪声。
[0019]进一步地，S202的混沌动力学特性描述为：
[0020]Θ
n+1
＝μΘ
n
(1-Θ
n
)
[0021]其中，μ表示控制参量，当μ＝4时上式所示系统完全处于混沌状态，变量也为混沌变量；Θ
n
为混沌变量，值在(0,1)范围，但是不能为混沌变量的不动点为0.25，0.5，0.75。根据需要优化的参数，在(0,1)之间赋予不同的初值，一般随机产生，进而可以得到多个不同轨迹的混沌变量。
[0022]进一步地，S203采用EKF方法将非线性函数展开为Taylor级数，略去一些高阶项，从而将非线性系统转换为线性系统，包括列车模型的离散化和列车模型的线性化两个方面。
[0023]进一步地，S204的目标为针对列车模型设计控制器，使得列车位移和速度跟踪上期望位移y
d
(k)和期望速度取采用线性外推的方法预测给出k+1时刻列车的参考轨迹。
[0024]与现有技术相比，本专利技术的有益效果是：
[0025]1.本专利技术采用离线估计列车模型参数，在线滤波位移测量误差并且估计列车速度的方法，设计干扰观测器估计模型不确定和线性化误差以提高列车跟踪精度，控制器和干扰观测器的设计都是基于李雅普诺夫稳定性分析，保证跟踪误差闭环系统误差最终有界。相比已有的方案，只能采用卡尔曼滤波估列车状态或者列车模型参数，本文采用离线和在线混合设计方法，并在控制器设计减小建模误差对跟踪效果的影响，从而增加了能够同时解决问题的种类(模型不确定和测量噪声问题)。
[0026]2.本专利技术设计的离散滑模列车位移和速度跟踪控制器，相对已有的迭代学方法降
低了在线计算压力以及降低了应用条件。迭代学习方法需要通过必要的迭代次数计算才能得到最佳控制律，但是由于列车速度较快，因此本专利技术设计的控制器降低了计算机计算压力；迭代控制适合于重复运动性质被控对象或控制指令为周期运动，随着移动闭塞运行策略的实施，列车的参考位移和速度会随着前行列车运行状态或调度命令和运行图的改变而改变，轨道列车的运动不再是重复运动，因此本专利技术相对迭代学习方法降低了应用条件。
[0027]3.本专利技术采用离散滑模方法，相对现有的连续时间控制方法更适用于计算机控制系统。计算机控制系统成为控制领域从理论走向实践的桥梁，尽管连续系统的控制理论研究具有重要的科学意义，但是在实际控制工程应用阶段，还是需要将其转化成为离散系统控制问题。例如，列车动力学模型在自然界是连续时间模型，然而在基于计算机的控制方法实施过程中，由于需要数据存储，离散时间模型更方便实施控制。
附图说明
[0028]图1为本专利技术的高速列车离散滑模控制框架图；
[0029]图2为本专利技术的高速列车离散滑模控制环节流程图；
[0030]图3为本专利技术的高速列车模型参数混沌优化流程图；
[0031]图4为本专利技术的扩展卡尔曼滤波器流程图；
[0032]图5为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高速列车离散滑模轨迹及速度跟踪控制方法，其特征在于，采用离线估计在线调整的控制构建方法，包括如下步骤：S101：构造列车非线性列车模型并指定估计参数；S102：利用混沌优化算法，采用位移和控制输入量为优化模型输入和输出数据，设计优化指标，得到优化后的模型参数；S103：离散并线性化列车非线性模型，得到优化模型参数的列车离散线性模型；进而设计面向离散并线性化模型的扩展卡尔曼滤波器，得到滤波的列车位移和估计速度；S104：采用离散滑模方法设计高速列车轨迹跟踪控制器，设计干扰观测器估计模型不确定和线性化误差以提高列车跟踪精度。2.如权利要求1所述的高速列车离散滑模轨迹及速度跟踪控制方法，其特征在于，还包括如下步骤：S201：考虑高速列车的单质点模型，假设线路长度远大于列车的车长，将列车视为一个刚性质点，由牛顿力学定律，得到高速列车在水平直线轨道上的非线性运动学方程，并通过模型转换得到列车离散线性化方程；S202：混沌优化算法的非线性列车参数估计，采用Logistc映射来描述混沌动力学特性；S203：列车位移滤波和速度观测器的EKF设计；S204：高速列车离散滑模控制器设计。3.如权利要求2所述的高速列车离散滑模轨迹及速度跟踪控制方法，其特征在于，S201中运动方程如下：s是高速列车的位移(m)；v是列车运行速度(m/s)；f
u
(v)为列车的单位动力(N/kN)；a,b和c为基本运行...

【专利技术属性】
技术研发人员：刘杨，乌干琪琪格，
申请(专利权)人：大连交通大学，
类型：发明
国别省市：