CN106249591A - 一种针对列车未知扰动的神经自适应容错控制方法 - Google Patents
一种针对列车未知扰动的神经自适应容错控制方法 Download PDFInfo
- Publication number
- CN106249591A CN106249591A CN201610822076.1A CN201610822076A CN106249591A CN 106249591 A CN106249591 A CN 106249591A CN 201610822076 A CN201610822076 A CN 201610822076A CN 106249591 A CN106249591 A CN 106249591A
- Authority
- CN
- China
- Prior art keywords
- centerdot
- train
- gamma
- delta
- unknown
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种针对列车未知扰动的神经自适应容错控制方法。在对列车纵向运动进行受力分析的基础上,建立列车的纵向运动动力方程,根据执行器故障和列车纵向运动动力方程,利用神经网络径向基函数逼近未知附加阻力,建立执行器故障情况下的列车纵向运动动力方程,然后构造比例积分微分滑模面。根据执行器故障情况下的列车纵向运动动力方程,利用未知自适应律和控制器,建立列车闭环动态方程。证明系统的稳定性,进而利用观测器和控制器方程控制列车实际的位移和速度趋近期望的位移和速度。本发明能够补偿执行器故障对列车系统的影响,衰减或去除附加阻力对列车系统的影响,使列车系统具有良好的位置和速度跟踪性能。
Description
技术领域
本发明涉及列车控制技术领域。具体地,涉及一种基于列车未知扰动的神经自适应容错控制方法。
背景技术
列车的安全运行至关重要,其安全性与人们的生活、社会的发展和国家的进步密切相关。如何提高列车的舒适性、便捷性和有效性等性能,是当今一个引起关注的研究方向。
随着人们对列车可靠性和安全性的要求越来越高,执行器故障、传感器故障、元器件故障等引起广泛关注。容错控制是一种有效降低故障影响、保证系统期望性能的控制策略,主要分为被动容错控制策略和主动容错控制策略。
然而,国内外针对列车故障和未知扰动共同作用的研究比较少。
发明内容
本发明的目的是提出一种针对此情况的神经自适应容错控制策略,以解决未知扰动和执行器故障对列车的影响。
基于存在的上述问题,本发明提供一种基于列车未知扰动的神经自适应容错控制方法,所述方法包括如下步骤:
S1、分析列车纵向运动进行受力情况,建立列车纵向运动动力方程;
S2、利用神经网络径向基函数逼近未知附加阻力;结合列车纵向运动动力方程,获得执行器故障下的列车动力学方程;
S3、构造近似比例积分微分(PID)滑模面;
S4、根据执行器故障情况下的列车纵向运动动力方程,利用未知自适应律和控制器,建立列车闭环动态方程;
S5、选取合适的李雅普诺夫(Lyapunov)函数证明系统的稳定性,进而利用观测器和控制器方程控制列车实际的位移和速度趋近期望的位移和速度。
优选地,步骤S1中,分析列车纵向运动进行受力情况,建立列车纵向运动动力方程,所述纵向运动的动力方程为:
其中,t∈[0,T′],T′是列车的运行时间;x(t)是列车从0至t时刻的实际位移;m是列车的总质量,大小未知;是列车t时刻的实际速度,是列车t时刻的实际加速度;u(t)是列车t时刻的实际控制力,控制力为牵引力或制动力;co、cv和ca是戴维斯系数,且均大于0,不同列车的戴维斯系数不同,co、cv和ca大小未知;d(t)是列车t时刻的附加阻力,包括斜坡阻力wi、隧道阻力ws、曲线阻力Wr和其它阻力We等;
假设期望的位置跟踪曲线xd(t)光滑有界,且其一阶导数和二阶导数是存在的。
优选地,所述步骤S2进一步包括如下子步骤:
S2.1、采用神经网络径向基函数逼近未知的附加阳力:
其中,是未知的,代表加权矩阵的最优向量;代表实矩阵;p代表径向基神经网络隐含层的个数;(·)T代表向量的转置;z(t)代表神经网络的输入;h(z(t))代表神经网络的径向基函数;ε(z(t))代表径向基神经网络的重构误差,满足
|ε(z(t))|≤ε0
其中,ε0为未知的正常数;
对于定义域内所有的z(t),为了最小化重构误差ε(z(t)),引入一个紧凑的子集:
其中,是的估计。
S2.2、结合所述列车纵向运动动力方程和所述紧凑子集,得出执行器故障情况下列车的动力学方程:
其中,E代表未知的执行器故障,满足E∈[0,1];E=0表示执行器完全失效;E∈(0,1)表示执行器部分失效;E=1表示执行器正常工作;定义E=1-τf,τf∈(0,1)。
优选地,步骤S3中,定义位移跟踪误差为:
e(t)=x(t)-xd(t)
其速度误差和加速度误差为
构造近似PID滑模面:
其中,和为滑模面参数。
优选地,所述步骤S4进一步包括如下子步骤:
S4.1、设计控制器:
其中,分别是co、cv、ca、w*、εo、m、Q的
估计值;k1为正常数;
S4.2、设计自适应律:
其中,γo、γv、γa、γε、γm和γΩ为合适的正常数;Γ为合适的正定矩阵;
为大于0的常数;
S4.3、设计滑模面参数公式:
S4.4、将构造的控制器滑膜面参数公式、设计控制器公式,自适应律公式,及滑模面参数公式,代入执行器故障下列车动力学方程,得到闭环系统:
优选地,所述步骤S5中,构造如下Lyapunov函数:
优选地,步骤S5中,还进一步包括对所述Lyapunov函数求导,并将所述位移跟踪误差、所述速度误差、所述加速度误差、所述近似PID滑模面公式、所述控制器公式、所述自适应率公式、所述滑模面参数、以及闭环系统公式带入求导后公式。
优选地,所述神经网络径向基函数选择为:
其中,z0∈[-1.5,1.5],σh=2。
优选地,为消除颤抖,采用饱和函数来替代符号函数:
其中,σψ代表边界层厚度。
本发明的有益效果是:
1、本发明能够有效补偿执行器故障对列车系统的影响。
2、本发明能够有效衰减或去除附加阻力对列车系统的影响。
3、本发明能够使列车系统具有良好的位置和速度跟踪性能。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明;
图1为本发明实施例的基于列车未知扰动的神经自适应容错控制方法的流程图;
图2为本发明实施例的列车的纵向运动的受力分析示意图;
图3为本发明实施例的列车运行期望位移和速度曲线示意图;
图4为本发明实施例的基于列车未知扰动的神经自适应容错控制方法中位移误差响应曲线的示意图;
图5为本发明实施例的基于列车未知扰动的神经自适应容错控制方法中速度误差响应曲线的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
实施例一:
本实施例提供的基于列车执行器故障的复合控制方法用于列车执行器故障时的位置和速度跟踪控制中,如图1所示,该方法包括如下步骤:
S1、对列车纵向运动进行受力分析,建立列车的纵向运动动力方程;
S2、根据执行器故障和列车纵向运动动力方程,利用神经网络径向基函数逼近未知附加阻力,建立执行器故障情况下的列车纵向运动动力方程;
S3、构造近似比例积分微分(PID)滑模面;
S4、根据执行器故障情况下的列车纵向运动动力方程,利用未知自适应律和控制器,建立列车闭环动态方程;
S5、选取合适的李雅普诺夫(Lyapunov)函数证明系统的稳定性,进而利用观测器和控制器方程控制列车实际的位移和速度趋近期望的位移和速度。
其中,
步骤S1中,结合图2所示的列车纵向运动的受力分析图,其纵向运动的动力方程为:
其中,t∈[0,T′],T′是列车的运行时间;x(t)是列车从0至t时刻的实际位移;m是列车的总质量,大小未知;是列车t时刻的实际速度,是列车t时刻的实际加速度;u(t)是列车t时刻的实际控制力,控制力为牵引力或制动力;co、cv和ca是戴维斯系数,且均大于0,不同列车的戴维斯系数不同,co、cv和ca大小未知;d(t)是列车t时刻的附加阻力,包括斜坡阻力wi、隧道阻力ws、曲线阻力wr和其它阻力We等。
不失一般性,假设期望的位置跟踪曲线xd(t)光滑有界,且其一阶导数和二阶导数是存在的。
步骤S2进一步包括如下子步骤:
S2.1、采用神经网络径向基函数逼近未知的附加阻力:
其中,是未知的,代表加权矩阵的最优向量;代表实矩阵;p代表径向基神经网络隐含层的个数;(·)T代表向量的转置;z(t)代表神经网络的输入;h(z(t))代表神经网络的径向基函数;ε(z(t))代表径向基神经网络的重构误差,满足
|ε(z(t))|≤ε0 (3)
其中,ε0为未知的正常数。
对于定义域内所有的z(t),为了最小化重构误差ε(z(t)),引入一个紧凑的子集:
其中,是的估计。
S2.2、结合公式(1)和(4),得出执行器故障下,列车的动力学方程:
其中,E代表未知的执行器故障,满足E∈[0,1]。E=0表示执行器完全失效;E∈(0,1)表示执行器部分失效;E=1表示执行器正常工作。定义E=1-τf,τf∈(0,1)。
公式(5)可被整理为
步骤S3中,定义位移跟踪误差为
e(t)=x(t)-xd(t) (7)
其速度误差和加速度误差为
设计一个新颖的近似PID滑模面:
其中,和为滑模面参数,将在后面被设计。
步骤S4进一步包括如下子步骤:
S4.1、设计控制器:
其中,分别是co、cv、ca、w*、εo、m、Ω的估计值;k1为正常数。
S4.2、设计自适应律:
其中,γo、γv、γa、γε、γm和γΩ为合适的正常数;Γ为合适的正定矩阵; 为大于0的常数。
S4.3、设计滑模面参数:
S4.4、将控制器(11)-(12)、自适应律(13)-(19)及滑模面参数(20)-(21)代入公式(5),得闭环系统:
步骤S5中,构造如下Lyapunov函数:
对公式(23)求导后,将公式(7)-(22)代入,得因此,得出公式(22)所示的闭环系统,在控制器(11)-(12)、自适应律(13)-(19)及滑模面参数(20)-(21)作用下是渐近稳定的,闭环系统中的所有信号是有界的,且系统的位移跟踪误差和速度跟踪误差收敛到0,即系统具有良好的位移和速度跟踪特性,实际的位移和速度渐近跟踪于期望的位移和速度。
实施例二:
为了验证本实施例提供的基于列车未知扰动的神经自适应容错控制方法的有效性,采用MATLAB进行仿真实验验证,并作出详细说明。
本实施例提供的列车单质点模型,综合考虑未知执行器故障和附加阻力对列车位置和速度跟踪性能的影响,采用近似PID滑模面的神经自适应容错控制器使闭环系统渐近稳定,具有良好的位置和速度跟踪性能,且对故障具有良好的鲁棒性,对未知扰动具有良好的抑制性。
仿真实验中,列车运行距离总长83.355千米,列车总质量m=5×105千克,重力加速度g=9.8牛/千克,坡度角θ=rand(0,5),隧道总长ls=1000米,曲线长lr=200米,曲线中心角αr=2π/3,列车轨道环境如下:
其中,wr=10.5αrmg/(10wlr);ws=0.00013ls例g/103;
we=0.08mg sin(0.2t)cos(0.2t)/103;wi=mg sinθ。
选取高斯函数为神经网络径向基函数:
其中,Z0∈[-1.5,1.5],σh=2。
仿真过程中,为消除颤抖,采用饱和函数来替代符号函数:
其中,δψ代表边界层厚度。
基于上述参数和图3所示的列车运行期望位移和速度曲线,对本发明提出的复合控制策略进行仿真验证,得图4、图5。其中,图4显示了基于列车未知扰动的神经自适应容错控制策略下的位移误差曲线,图5显示了基于列车未知扰动的神经自适应容错控制策略下的速度误差曲线。根据图4和图5得,系统的位移跟踪误差和速度跟踪误差是趋于0的,即系统具有良好的位移跟踪性能和速度跟踪性能。
经过上述分析,证明了本实施例提供的基于列车未知扰动的神经自适应容错控制策略的有效性。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种针对列车未知扰动的神经自适应容错控制方法,其特征在于,所述方法包括如下步骤:
S1、分析列车纵向运动进行受力情况,建立列车纵向运动动力方程;
S2、利用神经网络径向基函数逼近未知附加阻力;结合列车纵向运动动力方程,获得执行器故障下的列车动力学方程;
S3、构造近似比例积分微分(PID)滑模面;
S4、根据执行器故障情况下的列车纵向运动动力方程,利用未知自适应律和控制器,建立列车闭环动态方程;
S5、选取合适的李雅普诺夫(Lyapunov)函数证明系统的稳定性,进而利用观测器和控制器方程控制列车实际的位移和速度趋近期望的位移和速度。
2.根据权利要求1所述的神经自适应容错控制方法,其特征在于:
优选的,步骤S1中,分析列车纵向运动进行受力情况,建立列车纵向运动动力方程,所述纵向运动的动力方程为:
其中,t∈[0,T′],T′是列车的运行时间;x(t)是列车从0至t时刻的实际位移;m是列车的总质量,大小未知;是列车t时刻的实际速度,是列车t时刻的实际加速度;u(t)是列车t时刻的实际控制力,控制力为牵引力或制动力;co、cv和ca是戴维斯系数,且均大于0,不同列车的戴维斯系数不同,co、cv和ca大小未知;d(t)是列车t时刻的附加阻力,包括斜坡阻力wi、隧道阻力ws、曲线阻力wr和其它阻力we等;
假设期望的位置跟踪曲线xd(t)光滑有界,且其一阶导数和二阶导数是存在的。
3.根据权利要求2所述的神经自适应容错控制方法,其特征在于:
步骤S2进一步包括如下子步骤:
S2.1、采用神经网络径向基函数逼近未知的附加阻力:
其中,是未知的,代表加权矩阵的最优向量;代表实矩阵;p代表径向基神经网络隐含层的个数;(·)T代表向量的转置;z(t)代表神经网络的输入;h(z(t))代表神经网络的径向基函数;ε(z(t))代表径向基神经网络的重构误差,满足
|ε(z(t))|≤ε0
其中,ε0为未知的正常数;
对于定义域内所有的z(t),为了最小化重构误差ε(z(t)),引入一个紧凑的子集:
其中,是的估计;
S2.2、结合所述列车纵向运动动力方程和所述紧凑子集,得出执行器故障情况下列车的动力学方程:
其中,E代表未知的执行器故障,满足E∈[0,1];E=0表示执行器完全失效;E∈(0,1)表示执行器部分失效;E=1表示执行器正常工作;定义E=1-τf,τf∈(0,1)。
4.根据权利要求3所述的神经自适应容错控制方法,其特征在于:
步骤S3中,定义位移跟踪误差为:
e(t)=x(t)-xd(t)
其速度误差和加速度误差为
构造近似PID滑模面:
其中,和为滑模面参数。
5.根据权利要求4所述的神经自适应容错控制方法,其特征在于:
步骤S4进一步包括如下子步骤:
S4.1、设计控制器:
其中,分另是c0、cv、ca、w*、εo、m、Q的估计值;k1为正常数;
S4.2、设计自适应律:
其中,γo、γv、γa、γε、γm和γΩ为合适的正常数;Γ为合适的正定矩阵;
为大于0的常数;
S4.3、设计滑模面参数公式:
S4.4、将构造的控制器滑膜面参数公式、设计控制器公式,自适应律公式,及滑模面参数公式,代入执行器故障下列车动力学方程,得到闭环系统:
6.根据权利要求5所述的神经自适应容错控制方法,其特征在于:
步骤S5中,构造如下Lyapunov函数:
7.根据权利要求6所述的神经自适应容错控制方法,其特征在于:
步骤S5中,还进一步包括对所述Lyapunov函数求导,并将所述位移跟踪误差、所述速度误差、所述加速度误差、所述近似PID滑模面公式、所述控制器公式、所述自适应率公式、所述滑模面参数、以及闭环系统公式带入求导后公式。
8.根据权利要求1-7之一所述的控制方法,其特征在于:
所述神经网络径向基函数选择为:
其中,z0∈[-1.5,1.5],σh=2。
9.根据权利要求5所述的控制方法,其特征在于:
为消除颤抖,采用饱和函数来替代符号函数:
其中,δΨ代表边界层厚度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610822076.1A CN106249591B (zh) | 2016-09-13 | 2016-09-13 | 一种针对列车未知扰动的神经自适应容错控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610822076.1A CN106249591B (zh) | 2016-09-13 | 2016-09-13 | 一种针对列车未知扰动的神经自适应容错控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106249591A true CN106249591A (zh) | 2016-12-21 |
CN106249591B CN106249591B (zh) | 2017-07-28 |
Family
ID=57599753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610822076.1A Active CN106249591B (zh) | 2016-09-13 | 2016-09-13 | 一种针对列车未知扰动的神经自适应容错控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106249591B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106843254A (zh) * | 2017-03-08 | 2017-06-13 | 北京航天自动控制研究所 | 一种实时主动重构容错控制方法 |
CN106873369A (zh) * | 2017-02-28 | 2017-06-20 | 北京交通大学 | 针对列车输入受限和执行器故障的自适应容错控制方法 |
CN106970528A (zh) * | 2017-04-06 | 2017-07-21 | 北京交通大学 | 一种针对列车执行器失效故障的自适应反步容错控制方法 |
CN107102542A (zh) * | 2017-04-13 | 2017-08-29 | 北京交通大学 | 一种列车自动运行的鲁棒自适应非奇异终端滑模控制方法 |
CN107390517A (zh) * | 2017-07-21 | 2017-11-24 | 北京交通大学 | 用于列车ato系统的鲁棒自适应非奇异终端滑模控制方法 |
CN107515533A (zh) * | 2017-07-21 | 2017-12-26 | 北京交通大学 | 一种用于列车ato系统的鲁棒非奇异终端滑模控制方法 |
CN107817683A (zh) * | 2017-10-30 | 2018-03-20 | 湖南工业大学 | 一种动车组精准停车方法 |
CN108162935A (zh) * | 2017-12-12 | 2018-06-15 | 同济大学 | 一种轨道车辆自适应阻力的制动控制方法 |
CN108599667A (zh) * | 2018-04-02 | 2018-09-28 | 江苏理工学院 | 开关磁阻电机的控制方法和系统 |
CN109491385A (zh) * | 2018-11-16 | 2019-03-19 | 李满 | 基于elm的自动驾驶列车车速跟随的控制方法 |
CN109835372A (zh) * | 2019-02-03 | 2019-06-04 | 湖南工业大学 | 一种铁路运输列车稳定性的主动容错控制方法 |
CN110244747A (zh) * | 2019-08-02 | 2019-09-17 | 大连海事大学 | 一种基于执行器故障和饱和的异构车队容错控制方法 |
CN110647031A (zh) * | 2019-09-19 | 2020-01-03 | 北京科技大学 | 用于高速列车的抗饱和自适应伪pid滑模故障容错控制方法 |
CN111169513A (zh) * | 2020-01-07 | 2020-05-19 | 北京交通大学 | 面向乘客舒适性的多自动驾驶列车分布式协同控制方法 |
CN113110130A (zh) * | 2021-03-22 | 2021-07-13 | 青岛科技大学 | 一种多列车协同追踪运行的控制方法 |
CN113721497A (zh) * | 2021-07-13 | 2021-11-30 | 湖南工业大学 | 一种安全距离约束下重载列车滑模一致性跟踪控制方法 |
CN115257873A (zh) * | 2022-07-18 | 2022-11-01 | 青岛科技大学 | 一种多列车虚拟连挂协同控制方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636995A (zh) * | 2012-05-03 | 2012-08-15 | 河海大学常州校区 | 基于rbf神经网络滑模控制微陀螺仪的方法 |
CN104199294A (zh) * | 2014-08-14 | 2014-12-10 | 浙江工业大学 | 电机伺服系统双神经网络摩擦补偿和有限时间协同控制方法 |
CN105511268A (zh) * | 2016-01-07 | 2016-04-20 | 北京交通大学 | 一种针对列车执行器故障的复合控制方法 |
-
2016
- 2016-09-13 CN CN201610822076.1A patent/CN106249591B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636995A (zh) * | 2012-05-03 | 2012-08-15 | 河海大学常州校区 | 基于rbf神经网络滑模控制微陀螺仪的方法 |
CN104199294A (zh) * | 2014-08-14 | 2014-12-10 | 浙江工业大学 | 电机伺服系统双神经网络摩擦补偿和有限时间协同控制方法 |
CN105511268A (zh) * | 2016-01-07 | 2016-04-20 | 北京交通大学 | 一种针对列车执行器故障的复合控制方法 |
Non-Patent Citations (1)
Title |
---|
陶涛: "《高速铁路列车容错控制》", 《北京交通大学博士学位论文》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106873369A (zh) * | 2017-02-28 | 2017-06-20 | 北京交通大学 | 针对列车输入受限和执行器故障的自适应容错控制方法 |
CN106873369B (zh) * | 2017-02-28 | 2019-06-04 | 北京交通大学 | 针对列车输入受限和执行器故障的自适应容错控制方法 |
CN106843254A (zh) * | 2017-03-08 | 2017-06-13 | 北京航天自动控制研究所 | 一种实时主动重构容错控制方法 |
CN106843254B (zh) * | 2017-03-08 | 2019-08-09 | 北京航天自动控制研究所 | 一种实时主动重构容错控制方法 |
CN106970528B (zh) * | 2017-04-06 | 2019-06-04 | 北京交通大学 | 一种针对列车执行器失效故障的自适应反步容错控制方法 |
CN106970528A (zh) * | 2017-04-06 | 2017-07-21 | 北京交通大学 | 一种针对列车执行器失效故障的自适应反步容错控制方法 |
CN107102542A (zh) * | 2017-04-13 | 2017-08-29 | 北京交通大学 | 一种列车自动运行的鲁棒自适应非奇异终端滑模控制方法 |
CN107102542B (zh) * | 2017-04-13 | 2019-06-21 | 北京交通大学 | 一种列车自动运行的鲁棒自适应非奇异终端滑模控制方法 |
CN107390517A (zh) * | 2017-07-21 | 2017-11-24 | 北京交通大学 | 用于列车ato系统的鲁棒自适应非奇异终端滑模控制方法 |
CN107515533A (zh) * | 2017-07-21 | 2017-12-26 | 北京交通大学 | 一种用于列车ato系统的鲁棒非奇异终端滑模控制方法 |
CN107515533B (zh) * | 2017-07-21 | 2019-08-06 | 北京交通大学 | 一种用于列车ato系统的鲁棒非奇异终端滑模控制方法 |
CN107390517B (zh) * | 2017-07-21 | 2019-06-25 | 北京交通大学 | 用于列车ato系统的鲁棒自适应非奇异终端滑模控制方法 |
CN107817683A (zh) * | 2017-10-30 | 2018-03-20 | 湖南工业大学 | 一种动车组精准停车方法 |
CN108162935A (zh) * | 2017-12-12 | 2018-06-15 | 同济大学 | 一种轨道车辆自适应阻力的制动控制方法 |
CN108599667B (zh) * | 2018-04-02 | 2021-04-09 | 江苏理工学院 | 开关磁阻电机的控制方法和系统 |
CN108599667A (zh) * | 2018-04-02 | 2018-09-28 | 江苏理工学院 | 开关磁阻电机的控制方法和系统 |
CN109491385A (zh) * | 2018-11-16 | 2019-03-19 | 李满 | 基于elm的自动驾驶列车车速跟随的控制方法 |
CN109835372A (zh) * | 2019-02-03 | 2019-06-04 | 湖南工业大学 | 一种铁路运输列车稳定性的主动容错控制方法 |
CN110244747A (zh) * | 2019-08-02 | 2019-09-17 | 大连海事大学 | 一种基于执行器故障和饱和的异构车队容错控制方法 |
CN110647031A (zh) * | 2019-09-19 | 2020-01-03 | 北京科技大学 | 用于高速列车的抗饱和自适应伪pid滑模故障容错控制方法 |
CN111169513A (zh) * | 2020-01-07 | 2020-05-19 | 北京交通大学 | 面向乘客舒适性的多自动驾驶列车分布式协同控制方法 |
CN111169513B (zh) * | 2020-01-07 | 2021-05-11 | 北京交通大学 | 面向乘客舒适性的多自动驾驶列车分布式协同控制方法 |
CN113110130A (zh) * | 2021-03-22 | 2021-07-13 | 青岛科技大学 | 一种多列车协同追踪运行的控制方法 |
CN113721497A (zh) * | 2021-07-13 | 2021-11-30 | 湖南工业大学 | 一种安全距离约束下重载列车滑模一致性跟踪控制方法 |
CN115257873A (zh) * | 2022-07-18 | 2022-11-01 | 青岛科技大学 | 一种多列车虚拟连挂协同控制方法及系统 |
CN115257873B (zh) * | 2022-07-18 | 2024-04-30 | 青岛科技大学 | 一种多列车虚拟连挂协同控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106249591B (zh) | 2017-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106249591A (zh) | 一种针对列车未知扰动的神经自适应容错控制方法 | |
CN106873369B (zh) | 针对列车输入受限和执行器故障的自适应容错控制方法 | |
CN104965414B (zh) | 针对四旋翼无人机执行器部分失效的容错控制方法 | |
CN104022742B (zh) | 基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法 | |
CN103676918B (zh) | 一种基于未知输入观测器的卫星执行机构故障诊断方法 | |
CN105843240B (zh) | 一种考虑执行器故障的航天器姿态积分滑模容错控制方法 | |
CN107544262A (zh) | 一种运载火箭自适应精确回收控制方法 | |
CN104880948B (zh) | 一种基于鲁棒自适应的带有飞轮的航天器容错控制方法 | |
CN105867401B (zh) | 单框架控制力矩陀螺群的航天器姿态容错控制方法 | |
CN103116357A (zh) | 一种具有抗干扰容错性能的滑模控制方法 | |
CN103616816B (zh) | 一种高超声速飞行器升降舵故障控制方法 | |
CN103488092B (zh) | 基于t-s模糊模型与学习观测器的卫星故障诊断与容错控制方法 | |
CN106773679A (zh) | 一种基于角速度观测器的航天器容错控制方法 | |
CN106094514A (zh) | 基于动态输出反馈控制的柔性航天器主动容错控制方法 | |
CN103853157A (zh) | 一种基于自适应滑模的飞行器姿态控制方法 | |
CN104570742B (zh) | 基于前馈pid控制的异面交叉快变轨道快速高精度相对指向控制方法 | |
CN107703742A (zh) | 一种柔性航天器传感器故障调节方法 | |
CN106778012A (zh) | 一种小天体附着探测下降轨迹优化方法 | |
CN106647783A (zh) | 倾转式三旋翼无人机姿态与高度自适应鲁棒控制方法 | |
CN105372996B (zh) | 一种基于马尔可夫跳跃系统的列车容错控制方法 | |
CN105182985A (zh) | 高超声速飞行器俯冲段全量一体化制导控制方法 | |
CN105511268B (zh) | 一种针对列车执行器故障的复合控制方法 | |
CN104049536B (zh) | 底盘非线性系统模糊神经网络广义逆控制器的构造方法 | |
CN107102542A (zh) | 一种列车自动运行的鲁棒自适应非奇异终端滑模控制方法 | |
CN104007663A (zh) | 一种含参数不确定性的四旋翼姿态自适应容错控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Dong Hairong Inventor after: Yao Xiuming Inventor after: Lin Xue Inventor after: Ning Bin Inventor after: Li Yadong Inventor before: Dong Hairong Inventor before: Yao Xiuming Inventor before: Lin Xue |
|
COR | Change of bibliographic data | ||
GR01 | Patent grant | ||
GR01 | Patent grant |