CN110647031A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN110647031A
CN110647031A CN201910886738.5A CN201910886738A CN110647031A CN 110647031 A CN110647031 A CN 110647031A CN 201910886738 A CN201910886738 A CN 201910886738A CN 110647031 A CN110647031 A CN 110647031A
Authority
CN
China
Prior art keywords
saturation
actuator
speed train
adaptive
sliding mode
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
Application number
CN201910886738.5A
Other languages
English (en)
Other versions
CN110647031B (zh
Inventor
郭祥贵
赵君杰
方晓
李洪建
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN201910886738.5A priority Critical patent/CN110647031B/zh
Publication of CN110647031A publication Critical patent/CN110647031A/zh
Application granted granted Critical
Publication of CN110647031B publication Critical patent/CN110647031B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05B11/00—Automatic controllers
    • G05B11/01—Automatic controllers electric
    • G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供一种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，能够提高高速列车跟踪期望轨迹的效果。所述方法包括：建立存在执行器故障、执行器非对称非线性饱和约束和积分二次型扰动的高速列车动态模型；给定期望轨迹的位置、速度，建立期望轨迹模型；建立执行器辅助饱和补偿系统；基于建立的高速列车动态模型、期望轨迹模型、执行器饱和补偿系统，计算轨迹跟踪误差；基于计算得到的轨迹跟踪误差，构造伪PID滑模面；基于构造的伪PID滑模面，确定自适应控制律，所述自适应控制律包括：用于实现指数稳定的标称控制律、用于抑制执行器故障和积分二次型扰动影响的补偿控制律以及自适应律。本发明涉及轨道交通控制技术领域。

Description

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
技术领域
本发明涉及轨道交通控制技术领域，特别是指一种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。
背景技术
高于200km/h的高速列车因其具有快速性、舒适性、方便性、安全性、绿色交通及经济特性而受到了广泛的运用。为了避免因人为因素而导致列车运行晚点进而影响列车正常的运行秩序，高速列车的自动驾驶也必然成为列车运行控制系统未来的发展趋势，而自动驾驶的核心是控制列车安全可靠地自动精确跟踪期望轨迹。为了实现该目标，许多跟踪控制策略应运而生，比如自适应滑模控制策略、自适应迭代学习控制策略、自适应反演控制策略和自适应神经/模糊控制策略。
但是现有基于自适应滑模控制策略需要测量期望轨迹的加速度信息，而自适应迭代学习控制策略需要假设每个迭代过程中的初始速度为零，而自适应反演控制策略和自适应神经/模糊控制策略往往结构比较复杂，而且计算量大。另外，由于高速列车长期运行于高速工况下，由于高温摩擦、剧烈振动和高频率工作等因素容易导致牵引/制动故障或失效，从而严重影响列车的运行安全。在实际应用中，由于受空气阻力、列车间的紊流、风洞偏航角和列车侧面的摩擦力等的影响，使得列车的运行阻力存在时变和不确定性等特点，使得难以对高速列车的数学模型进行精确刻画，而且列车运行过程中时刻受到外部的扰动，而这种扰动时变且不可预测。同时，由于执行器物理结构对控制输入的限制、线路的固定限速和临时限速，使得高速列车自动化驾驶系统是一个受限的控制系统。因此，为了保障高速列车的运行安全性能，需要提出更可行、更有效的控制策略来解决上述问题。
发明内容
本发明要解决的技术问题是提供一种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，无需测量期望轨迹的加速度信息，且能够有效解决执行器故障、执行器非对称非线性饱和约束和积分二次型扰动下的高速列车轨迹跟踪问题，从而提高高速列车跟踪期望轨迹的效果。
为解决上述技术问题，本发明实施例提供一种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，包括：
建立存在执行器故障、执行器非对称非线性饱和约束和积分二次型扰动的高速列车动态模型；
给定期望轨迹的位置、速度，建立期望轨迹模型；
建立执行器辅助饱和补偿系统；
基于建立的高速列车动态模型、期望轨迹模型、执行器饱和补偿系统，计算轨迹跟踪误差；
基于计算得到的轨迹跟踪误差，构造伪PID滑模面；
基于构造的伪PID滑模面，确定自适应控制律，所述自适应控制律包括：用于实现指数稳定的标称控制律、用于抑制执行器故障和积分二次型扰动影响的补偿控制律以及自适应律。
进一步地，所述高速列车动态模型表示为：
Figure BDA0002207511570000021
其中，x(t)和v(t)分别表示高速列车t时刻的实际位置和实际速度；
Figure BDA0002207511570000022
和
Figure BDA0002207511570000023
分别表示x(t)和v(t)对时间t的一阶导数；k和n分别表示扰动输入通道数和最大通道数；uF(t)表示列车牵引力或制动力输出信号存在故障；Sat(uF(t))表示执行器非对称非线性饱和约束；Bk、Hk和Gk都表示系数矩阵；wk(t)和ξk(t)分别表示积分二次型扰动的输入和输出；fd(t,x,v)用于描述作用在高速列车上的全部阻力。
进一步地，列车牵引力或制动力输出信号存在故障时的动态数学模型为：
uF(t)＝ρ(t,tρ)u(t)+r(t,tr)
其中，u(t)表示总的控制律，ρ(t,tρ)为未知时变执行器故障因子，ρ(t,tρ)满足：
Figure BDA0002207511570000031
Figure BDA0002207511570000032
和
Figure BDA0002207511570000033
分别为未知时变执行器故障因子ρ(t,tρ)的上下界；r(t,tr)为未知时变偏置执行器故障；tρ和tr分别表示执行器失效故障和偏置故障发生的时刻。
进一步地，wk(t)、ξk(t)之间满足：
Figure BDA0002207511570000034
其中，t0表示初始时刻；ψk(·)用于表示扰动输入wk(t)和扰动输出ξk(·)的积分二次型约束。
进一步地，执行器非对称非线性饱和约束表示为：
其中，bl和br分别表示第一饱和幅度和第二饱和幅度；umin和umax分别表示第一饱和限幅和第二饱和限幅；hr(uF(t))和hl(uF(t))为未知有界非线性函数，都用于表示执行器不存在饱和时与输入uF(t)之间的非线性关系。
进一步地，建立的期望轨迹模型表示为：
Figure BDA0002207511570000036
其中，xr(t)、vr(t)和ar(t)分别表示t时刻期望轨迹的位置、速度和加速度；
Figure BDA0002207511570000037
和
Figure BDA0002207511570000038
分别表示xr(t)和vr(t)对时间t的一阶导数。
进一步地，建立的执行器辅助饱和补偿系统表示为：
Figure BDA0002207511570000039
其中，c1和c2为正的常数系数；λ1(t)和λ2(t)都表示执行器辅助饱和补偿系统的状态；
Figure BDA00022075115700000310
和
Figure BDA00022075115700000311
分别表示λ1(t)和λ2(t)对时间t的一阶导数；△u(t)表示饱和输入误差，△u(t)＝Sat(uF(t))-uF(t)。
进一步地，轨迹跟踪误差计算公式为：
Figure BDA00022075115700000312
其中，ex(t)和ev(t)分别表示实际轨迹与期望轨迹之间的位置误差和速度误差，x(t)和v(t)分别为高速列车t时刻的实际位置和实际速度，xr(t)和vr(t)分别为期望轨迹的位置和速度，λ1(t)为执行器辅助饱和补偿系统的状态。
进一步地，构造的伪PID滑模面表示为：
Figure BDA0002207511570000041
其中，s(t)表示伪PID滑模面，α和β都表示常数系数。
进一步地，所述自适应控制律表示为：
u(t)＝un(t)+uc(t)
un(t)＝-Ks(t)
Figure BDA0002207511570000042
Figure BDA0002207511570000043
Figure BDA0002207511570000044
其中，u(t)表示总的控制律；un(t)表示用于实现指数稳定的标称控制律；uc(t)和
Figure BDA0002207511570000045
分别表示用于抑制执行器故障和积分二次型扰动影响的补偿控制律和自适应律；
Figure BDA0002207511570000046
表示
Figure BDA0002207511570000047
对时间t的一阶导数；K，ι和μ都表示控制参数；Ψ(t)为多项式
Figure BDA0002207511570000048
的简写形式，ξf(t,x,v)表示构造控制器的约束条件；为调节自适应律的稳定速度的参数，
Figure BDA00022075115700000413
是个连续有界函数，满足：
Figure BDA00022075115700000410
其中，
Figure BDA00022075115700000411
为正常数。
本发明的上述技术方案的有益效果如下：
上述方案中，建立存在执行器故障、执行器非对称非线性饱和约束和积分二次型扰动的高速列车动态模型；给定期望轨迹的位置、速度，建立期望轨迹模型；建立执行器辅助饱和补偿系统，能够有效解决执行器非对称非线性饱和受限问题；基于建立的高速列车动态模型、期望轨迹模型、执行器饱和补偿系统，计算轨迹跟踪误差；基于计算得到的轨迹跟踪误差，构造伪PID滑模面；基于构造的伪PID滑模面，确定自适应控制律，无需测量期望轨迹的加速度信息，且基于自适应控制律能够有效解决执行器故障、执行器非对称非线性饱和约束和积分二次型扰动下的高速列车轨迹跟踪问题，从而提高高速列车跟踪期望轨迹的效果。
附图说明
图1为本发明实施例提供的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的流程示意图；
图2为本发明实施例提供的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的详细控制流程示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
如图1所示，本发明实施例提供的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，包括：
S101，建立存在执行器故障、执行器非对称非线性饱和约束和积分二次型扰动的高速列车动态模型；
S102，给定期望轨迹的位置、速度，建立期望轨迹模型；
S103，建立执行器辅助饱和补偿系统；
S104，基于建立的高速列车动态模型、期望轨迹模型、执行器饱和补偿系统，计算轨迹跟踪误差；
S105，基于计算得到的轨迹跟踪误差，构造伪PID(比例-积分-微分)滑模面；
S106，基于构造的伪PID滑模面，确定自适应控制律，所述自适应控制律包括：用于实现指数稳定的标称控制律、用于抑制执行器故障和积分二次型扰动影响的补偿控制律以及自适应律。
本发明实施例所述的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，建立存在执行器故障、执行器非对称非线性饱和约束和积分二次型扰动的高速列车动态模型；给定期望轨迹的位置、速度，建立期望轨迹模型；建立执行器辅助饱和补偿系统，能够有效解决执行器非对称非线性饱和受限问题；基于建立的高速列车动态模型、期望轨迹模型、执行器饱和补偿系统，计算轨迹跟踪误差；基于计算得到的轨迹跟踪误差，构造伪PID滑模面；基于构造的伪PID滑模面，确定自适应控制律，无需测量期望轨迹的加速度信息，且基于自适应控制律能够有效解决执行器故障、执行器非对称非线性饱和约束和积分二次型扰动下的高速列车轨迹跟踪问题，从而提高高速列车跟踪期望轨迹的效果。
为了更好地理解本发明实施例提供的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，对其进行详细说明，如图1和图2所示，所述方法具体可以包括以下步骤：
S101，建立存在执行器故障、执行器非对称非线性饱和约束和积分二次型扰动的高速列车动态模型(即：图2中的高速列车模型)；所述高速列车动态模型表示为：
其中，x(t)和v(t)分别表示高速列车t时刻的实际位置和实际速度；和分别表示x(t)和v(t)对时间t的一阶导数；k和n分别表示扰动输入通道数和最大通道数；uF(t)表示列车牵引力或制动力输出信号存在故障；Sat(uF(t))表示执行器非对称非线性饱和约束；Bk、Hk和Gk都表示系数矩阵；wk(t)和ξk(t)分别表示积分二次型扰动的输入和输出；fd(t,x,v)用于描述作用在高速列车上的全部阻力。
本实施例中，fd(t,x,v)是未知非线性连续函数，用于描述作用在高速列车上的全部阻力，包括基本阻力fb(t,v)和附加阻力fa(t,x)，其具体形式如下所示：
Figure BDA0002207511570000064
其中，m表示高速列车(含乘客)的总重量；a(t)、b(t)、c(t)和l(t)为时变参数，a(t)表示由行程、滚动和轨道阻力引起的滚动机械阻力系数，b(t)表示由对轮缘摩擦、轮缘冲击、轮轨滚动阻力和轨道的波动作用引起的线性机械阻力系数，c(t)表示由尾部阻力、头端风压、列车间的紊流、风洞偏航角和列车侧面的摩擦力引起的非线性阻力系数，l(t)表示其他附加阻力系数；θ(x)为实际位置x的坡度。
假设存在已知非负函数ξf(t,x,v)和未知非负常数系数κ>0使得如下约束成立：
|fd(t,x,v)|≤κξf(t,x,v) (3)
其中，ξf(t,x,v)表示构造控制器的约束条件。
本实施例中，列车牵引力或制动力输出信号存在故障时的动态数学模型为
uF(t)＝ρ(t,tρ)u(t)+r(t,tr) (4)
其中，u(t)表示总的控制律，ρ(t,tρ)为未知时变执行器故障因子，ρ(t,tρ)满足：
Figure BDA0002207511570000077
ρ和
Figure BDA0002207511570000071
分别为未知时变执行器故障因子ρ(t,tρ)的上下界；r(t,tr)为未知时变偏置执行器故障，并假设
Figure BDA0002207511570000072
Figure BDA0002207511570000073
为未知常数；tρ和tr分别表示执行器失效故障和偏置故障发生的时刻。
本实施例中，从实际角度出发，执行器故障包括以下情况：
Figure BDA0002207511570000074
另外，wk(t)和ξk(t)分别表示积分二次型扰动的输入和输出，wk(t)和ξk(t)之间的关系描述如下：
其中，t0表示初始时刻；ψk(·)表示非线性时变动态不确定，用于表示扰动输入wk(t)和扰动输出ξk(·)的积分二次型约束。
若存在时间序列ta≥0(其中，正常数a的取值范围为1到正无穷大)和正的常数δk(k＝1,…,n)满足如下式(7)：
Figure BDA0002207511570000076
那么，式(5)可认为可解的。
本实施例中，由式(1)和式(6)进一步可以得到存在未知常数δw,k>0使得式(8)成立：
其中，ζ1、ζ2、δw都为简写形式，
Figure BDA0002207511570000082
Figure BDA0002207511570000083
本实施例中，由执行器的实际物理限制引起执行器非对称非线性饱和约束表示如下：
Figure BDA0002207511570000084
其中，bl<0和br>0分别表示第一饱和幅度和第二饱和幅度；umin<0和umax>0分别表示第一饱和限幅和第二饱和限幅；hr(uF(t))和hl(uF(t))为未知有界非线性函数，都用于表示执行器不存在饱和时与输入uF(t)之间的非线性关系。
那么，饱和输入误差为：
从而，高速列车动态模型式(1)可以改写为：
Figure BDA0002207511570000086
S102，给定期望轨迹的位置、速度，建立期望轨迹模型；
本实施例中，建立的期望轨迹模型表示为：
Figure BDA0002207511570000087
其中，xr(t)、vr(t)和ar(t)分别表示t时刻期望轨迹的位置、速度和加速度；
Figure BDA0002207511570000091
和
Figure BDA0002207511570000092
分别表示xr(t)和vr(t)对时间t的一阶导数。
S103，建立执行器辅助饱和补偿系统；
本实施例中，建立的执行器辅助饱和补偿系统表示为：
其中，c1和c2为正的常数系数；λ1(t)和λ2(t)都表示执行器辅助饱和补偿系统的状态；和
Figure BDA0002207511570000095
分别表示λ1(t)和λ2(t)对时间t的一阶导数；△u(t)表示饱和输入误差，作为此执行器辅助饱和补偿系统的输入，△u(t)＝Sat(uF(t))-uF(t)。本实施例中，执行器辅助饱和补偿系统式(13)可以进一步改写成：
Figure BDA0002207511570000096
其中，
Figure BDA0002207511570000097
从而，由式(14)求得λ(t)的解为：
Figure BDA0002207511570000098
由于c1和c2为正的常数系数，因此A为赫尔维茨矩阵。从而，存在常数k0和λ0使得：
Figure BDA0002207511570000099
对于任意两个时变函数a(τ)和b(τ)，由如下施瓦茨(Schwartz)不等式
Figure BDA00022075115700000910
可得
Figure BDA00022075115700000911
本实施例中，所述执行器辅助饱和补偿系统，能够有效解决执行器非对称非线性饱和受限问题，通过提前调解控制输入信号u(t)，使控制输入u(t)不会一直保持在过饱和状态，在实际工程中极大地减少执行器损耗，节约了资源使系统更加稳定地运行。
S104，基于建立的高速列车动态模型、期望轨迹模型、执行器饱和补偿系统，计算轨迹跟踪误差，即：实际轨迹与期望轨迹之间的位置误差和速度误差；
本实施例中，轨迹跟踪误差计算公式为：
其中，ex(t)和ev(t)分别表示实际轨迹与期望轨迹之间的位置误差和速度误差，x(t)和v(t)分别为高速列车t时刻的实际位置和实际速度，xr(t)和vr(t)分别为期望轨迹的位置和速度，λ1(t)为执行器辅助饱和补偿系统的状态。
S105，基于计算得到的轨迹跟踪误差，构造伪PID滑模面；
本实施例中，构造的伪PID滑模面表示为：
Figure BDA0002207511570000102
其中，s(t)表示伪PID滑模面，α和β为大于零的常数系数。
S106，基于构造的伪PID滑模面，确定自适应控制律，所述自适应控制律包括：用于实现指数稳定的标称控制律un(t)、用于抑制执行器故障和积分二次型扰动影响的补偿控制律uc(t)以及自适应律
Figure BDA0002207511570000103
具体表达式如下：
Figure BDA0002207511570000104
其中，u(t)表示总的控制律；un(t)表示用于实现指数稳定的标称控制律；uc(t)和
Figure BDA0002207511570000105
分别表示用于抑制执行器故障和积分二次型扰动影响的补偿控制律和自适应律；
Figure BDA0002207511570000106
表示
Figure BDA0002207511570000107
对时间t的一阶导数；K，ι和μ都表示控制参数；Ψ(t)为多项式
Figure BDA0002207511570000108
的简写形式；
Figure BDA00022075115700001013
为调节自适应律
Figure BDA0002207511570000109
的稳定速度的参数，是个连续有界函数，满足：
Figure BDA00022075115700001010
其中，
Figure BDA00022075115700001011
为未知正常数。
本实施例中，基于该滑模面s(t)所确定的控制策略(即：自适应控制律)无须像现有的基于PI、PD、PID和终端滑模面所设计的控制策略那样需要策略期望轨迹的加速度信息，从而更经济更具有实际应用价值；且所述控制策略结构简单，计算量小，相比现有的基于反演控制、自适应神经网络控制和模糊控制策略，具有计算时间大大减小，可以更快地实现在线计算的特点，从而减少了对硬件的依赖。
本实施例中，在控制输入中加入了自适应控制律，能够有效解决执行器故障、执行器非对称非线性饱和约束和积分二次型扰动下的高速列车轨迹跟踪问题，从而提高高速列车跟踪期望轨迹的效果，保证闭环系统以指数的形式稳定(简称：指数稳定)。
为了验证本发明实施例提供的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的有效性，所述方法还包括：
S107，分析所确定的自适应控制律的稳定性，具体过程如下：
先定义李雅普诺夫(Lyapunov)函数如下：
Figure BDA0002207511570000111
其中，估计误差定义为
Figure BDA0002207511570000113
其中ρ和
Figure BDA0002207511570000114
为式(4)中未知时变执行器故障因子ρ(t,tρ)的上下界，而ζ1在式(8)中定义，γ*将在式(22)中给出。
计算滑模面s(t)对时间的一阶导数：
Figure BDA0002207511570000115
由式(3)，可以得到
Figure BDA0002207511570000116
其中，
由于Ψ(t)≥0，由式(17)中自适应律
Figure BDA0002207511570000122
的表达式可知：
由上式可以得到
Figure BDA0002207511570000124
的解为
Figure BDA0002207511570000125
那么，若
Figure BDA0002207511570000126
则自适应律
Figure BDA0002207511570000127
总是非负的，从而可得
Figure BDA0002207511570000128
结合式(17)，(20)和(21)，可以计算得到
Figure BDA0002207511570000129
由式(8)中的约束
Figure BDA00022075115700001210
可得
Figure BDA00022075115700001211
将补偿控制律uc(t)代入到式(25)中可得：
Figure BDA00022075115700001212
由于
Figure BDA00022075115700001213
和
Figure BDA00022075115700001214
从而由式(17)中的自适应律
Figure BDA00022075115700001215
表达式和
Figure BDA00022075115700001216
可得
Figure BDA0002207511570000131
从而，式(19)中所选Lyapunov函数的导数可以计算得到：
Figure BDA0002207511570000132
其中，正数χ1和χ2的取值如下：
Figure BDA0002207511570000133
Figure BDA0002207511570000134
对式(28)左右乘
Figure BDA0002207511570000135
可得
Figure BDA0002207511570000136
对式(29)在[0,t]区间内求积分，并左右乘
Figure BDA0002207511570000137
可得：
Figure BDA0002207511570000138
其中，
Figure BDA0002207511570000139
从而由式(19)中所选Lyapunov函数的定义可以得到：
进而可以得到：
Figure BDA0002207511570000142
当V(0)是有界时，由式(32)可知s(t)和
Figure BDA0002207511570000143
分别指数稳定于有界区间
Figure BDA0002207511570000144
Figure BDA0002207511570000145
因此，由式(16)中伪PID滑模面的定义可知通过选择适当大小的χ1和χ2可以保证ex(t)和ev(t)也将指数有界于可调区间。从而证明了若初始值有界则闭环系统将指数稳定于可调区间。
本实施例中，通过李雅普诺夫函数稳定性分析证明所提控制策略可靠性高，能够提高高速列车跟踪期望轨迹的效果，并保证指数稳定有界。
综上，本发明实施例提供的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，提出了解决执行器故障、执行器非对称非线性饱和约束、未知动态模型和积分二次型扰动下的高速列车轨迹跟踪问题的控制策略，在实际工程中，可以在结合实际参数(例如，高速列车的实际位置和实际速度)的同时，按照该方法实现高速列车的抗扰动、输入饱和补偿和故障容错的轨迹跟踪控制，所述方法具有以下优点：
1)提出了伪PID滑模面，基于该滑模面所确定的控制策略(即：自适应控制律)无须像现有的基于PI、PD、PID和终端滑模面所设计的控制策略那样需要测量期望轨迹的加速度信息，从而更经济更具有实际应用价值。
2)提出执行器辅助饱和补偿系统，能够有效解决执行器非对称非线性饱和受限问题，通过提前调解控制输入信号，使控制输入不必一直保持过饱和状态，在实际工程中极大地减少执行器损耗，节约了资源使系统更加稳定地运行。
3)确定的控制策略结构简单，计算量小，相比现有的基于反演控制、自适应神经网络控制和模糊控制策略，具有计算时间大大减小，可以更快地实现在线计算的特点，从而减少了对硬件的依赖。
4)控制输入中加入了自适应控制律，能够有效解决执行器故障、执行器非对称非线性饱和约束和积分二次型扰动下的高速列车轨迹跟踪问题，从而提高高速列车跟踪期望轨迹的效果保证指数稳定。
5)通过李雅普诺夫函数稳定性分析证明所提控制策略(即：自适应控制律)可靠性高，能够提高高速列车跟踪期望轨迹的效果，并保证指数稳定有界。
6)本方法具有通用性，适合当前大多数二阶系统，都可以同时解决饱和输入约束、执行器故障和积分二次型扰动问题。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述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，在不脱离本发明所述原理的前提下，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 (10)

1.一种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，其特征在于，包括：
建立存在执行器故障、执行器非对称非线性饱和约束和积分二次型扰动的高速列车动态模型；
给定期望轨迹的位置、速度，建立期望轨迹模型；
建立执行器辅助饱和补偿系统；
基于建立的高速列车动态模型、期望轨迹模型、执行器饱和补偿系统，计算轨迹跟踪误差；
基于计算得到的轨迹跟踪误差，构造伪PID滑模面；
基于构造的伪PID滑模面，确定自适应控制律，所述自适应控制律包括：用于实现指数稳定的标称控制律、用于抑制执行器故障和积分二次型扰动影响的补偿控制律以及自适应律。
2.根据权利要求1所述的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，其特征在于，所述高速列车动态模型表示为：
Figure FDA0002207511560000011
其中，x(t)和v(t)分别表示高速列车t时刻的实际位置和实际速度；
Figure FDA0002207511560000012
和
Figure FDA0002207511560000013
分别表示x(t)和v(t)对时间t的一阶导数；k和n分别表示扰动输入通道数和最大通道数；uF(t)表示列车牵引力或制动力输出信号存在故障；Sat(uF(t))表示执行器非对称非线性饱和约束；Bk、Hk和Gk都表示系数矩阵；wk(t)和ξk(t)分别表示积分二次型扰动的输入和输出；fd(t,x,v)用于描述作用在高速列车上的全部阻力。
3.根据权利要求2所述的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，其特征在于，列车牵引力或制动力输出信号存在故障时的动态数学模型为：
uF(t)＝ρ(t,tρ)u(t)+r(t,tr)
其中，u(t)表示总的控制律，ρ(t,tρ)为未知时变执行器故障因子，ρ(t,tρ)满足： ρ和
Figure FDA0002207511560000022
分别为未知时变执行器故障因子ρ(t,tρ)的上下界；r(t,tr)为未知时变偏置执行器故障；tρ和tr分别表示执行器失效故障和偏置故障发生的时刻。
4.根据权利要求3所述的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，其特征在于，wk(t)、ξk(t)之间满足：
Figure FDA0002207511560000023
其中，t0表示初始时刻；ψk(·)用于表示扰动输入wk(t)和扰动输出ξk(·)的积分二次型约束。
5.根据权利要求4所述的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，其特征在于，执行器非对称非线性饱和约束表示为：
Figure FDA0002207511560000024
其中，bl和br分别表示第一饱和幅度和第二饱和幅度；umin和umax分别表示第一饱和限幅和第二饱和限幅；hr(uF(t))和hl(uF(t))为未知有界非线性函数，都用于表示执行器不存在饱和时与输入uF(t)之间的非线性关系。
6.根据权利要求5所述的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，其特征在于，建立的期望轨迹模型表示为：
Figure FDA0002207511560000025
其中，xr(t)、vr(t)和ar(t)分别表示t时刻期望轨迹的位置、速度和加速度；
Figure FDA0002207511560000026
和分别表示xr(t)和vr(t)对时间t的一阶导数。
7.根据权利要求6所述的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，其特征在于，建立的执行器辅助饱和补偿系统表示为：
Figure FDA0002207511560000028
其中，c1和c2为正的常数系数；λ1(t)和λ2(t)都表示执行器辅助饱和补偿系统的状态；
Figure FDA0002207511560000029
和
Figure FDA00022075115600000210
分别表示λ1(t)和λ2(t)对时间t的一阶导数；Δu(t)表示饱和输入误差，Δu(t)＝Sat(uF(t))-uF(t)。
8.根据权利要求7所述的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，其特征在于，轨迹跟踪误差计算公式为：
Figure FDA0002207511560000031
其中，ex(t)和ev(t)分别表示实际轨迹与期望轨迹之间的位置误差和速度误差，x(t)和v(t)分别为高速列车t时刻的实际位置和实际速度，xr(t)和vr(t)分别为期望轨迹的位置和速度，λ1(t)为执行器辅助饱和补偿系统的状态。
9.根据权利要求8所述的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，其特征在于，构造的伪PID滑模面表示为：
Figure FDA0002207511560000032
其中，s(t)表示伪PID滑模面，α和β都表示常数系数。
10.根据权利要求9所述的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，其特征在于，所述自适应控制律表示为：
u(t)＝un(t)+uc(t)
un(t)＝-Ks(t)
Figure FDA0002207511560000035
其中，u(t)表示总的控制律；un(t)表示用于实现指数稳定的标称控制律；uc(t)和
Figure FDA0002207511560000036
分别表示用于抑制执行器故障和积分二次型扰动影响的补偿控制律和自适应律；
Figure FDA0002207511560000037
表示
Figure FDA0002207511560000038
对时间t的一阶导数；K，ι和μ都表示控制参数；Ψ(t)为多项式
Figure FDA0002207511560000039
的简写形式，ξf(t,x,v)表示构造控制器的约束条件；
Figure FDA00022075115600000310
为调节自适应律的稳定速度的参数，是个连续有界函数，满足：
Figure FDA00022075115600000313
其中，
Figure FDA00022075115600000314
为正常数。
CN201910886738.5A 2019-09-19 2019-09-19 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 Active CN110647031B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910886738.5A CN110647031B (zh) 2019-09-19 2019-09-19 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910886738.5A CN110647031B (zh) 2019-09-19 2019-09-19 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

Publications (2)

Publication Number Publication Date
CN110647031A true CN110647031A (zh) 2020-01-03
CN110647031B CN110647031B (zh) 2020-10-02

Family

ID=68991984

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910886738.5A Active CN110647031B (zh) 2019-09-19 2019-09-19 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

Country Status (1)

Country Link
CN (1) CN110647031B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111027235A (zh) * 2020-01-07 2020-04-17 湖南工业大学 一种具有输入饱和的重载列车滑模跟踪控制方法
CN111474922A (zh) * 2020-05-08 2020-07-31 哈尔滨工业大学 一种连续非线性系统的控制器构建方法
CN111679577A (zh) * 2020-05-27 2020-09-18 北京交通大学 一种高速列车的速度跟踪控制方法和自动驾驶控制系统
CN112462608A (zh) * 2020-11-18 2021-03-09 大连交通大学 一种高速列车离散滑模轨迹及速度跟踪控制方法
CN112660126A (zh) * 2021-01-05 2021-04-16 北京汽车研究总院有限公司 用于自适应巡航的车辆协同控制方法、装置及车辆
CN113126623A (zh) * 2021-04-13 2021-07-16 吉林大学 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法
CN113715871A (zh) * 2021-09-24 2021-11-30 青岛海信微联信号有限公司 一种列车控制方法、装置、设备、系统及存储介质
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
CN114056386A (zh) * 2020-07-30 2022-02-18 比亚迪股份有限公司 车速控制方法及装置，存储介质及车辆
CN114114925A (zh) * 2021-11-29 2022-03-01 江南大学 基于数据驱动协同自适应滑模约束控制方法及系统
CN114326386A (zh) * 2021-11-30 2022-04-12 卡斯柯信号有限公司 一种列车自动驾驶轨迹规划与跟踪一体化控制方法及装置
CN115185178A (zh) * 2022-06-23 2022-10-14 江南大学 一种基于虚拟传感器的离散非线性系统的mfac容错控制方法
CN116339155A (zh) * 2023-05-25 2023-06-27 华东交通大学 高速动车组数据驱动积分滑模控制方法、系统及设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016050433A1 (de) * 2014-10-01 2016-04-07 Thyssenkrupp Presta Ag Verfahren zur regelung eines elektrischen stellantriebs
CN106249591A (zh) * 2016-09-13 2016-12-21 北京交通大学 一种针对列车未知扰动的神经自适应容错控制方法
CN106647271A (zh) * 2016-12-23 2017-05-10 重庆大学 基于神经网络理论的非线性系统自适应比例积分控制方法
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
CN107561942A (zh) * 2017-09-12 2018-01-09 重庆邮电大学 基于模型补偿的智能车辆轨迹跟踪模型预测控制方法
CN108995495A (zh) * 2018-08-09 2018-12-14 燕山大学 一种非线性主动悬架的抗饱和自适应控制方法及系统
CN109375510A (zh) * 2018-11-14 2019-02-22 南京航空航天大学 一种用于高速列车的自适应滑模容错控制方法
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

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016050433A1 (de) * 2014-10-01 2016-04-07 Thyssenkrupp Presta Ag Verfahren zur regelung eines elektrischen stellantriebs
CN106249591A (zh) * 2016-09-13 2016-12-21 北京交通大学 一种针对列车未知扰动的神经自适应容错控制方法
CN106647271A (zh) * 2016-12-23 2017-05-10 重庆大学 基于神经网络理论的非线性系统自适应比例积分控制方法
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
CN107561942A (zh) * 2017-09-12 2018-01-09 重庆邮电大学 基于模型补偿的智能车辆轨迹跟踪模型预测控制方法
CN108995495A (zh) * 2018-08-09 2018-12-14 燕山大学 一种非线性主动悬架的抗饱和自适应控制方法及系统
CN109375510A (zh) * 2018-11-14 2019-02-22 南京航空航天大学 一种用于高速列车的自适应滑模容错控制方法
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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
GUO XG: "Neuroadaptive quantized PID sliding-mode control for heterogeneous vehicular platoon with unknown actuator deadzone", 《INTERNATIONAL JOURNAL OF ROBUST AND NONLINEAR CONTROL》 *
XIANGGUI GUO: "A Low-Complexity Control for Nonlinear Vehicular Platoon with Asymmetric Actuator Saturation", 《2018 IEEE 14TH INTERNATIONAL CONFERENCE ON CONTROL AND AUTOMATION(ICCA)》 *
田广旭: "异构自主车队的队列稳定性研究", 《中国优秀硕士学位论文全文数据库（工程科技Ⅱ辑）》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111027235A (zh) * 2020-01-07 2020-04-17 湖南工业大学 一种具有输入饱和的重载列车滑模跟踪控制方法
CN111474922A (zh) * 2020-05-08 2020-07-31 哈尔滨工业大学 一种连续非线性系统的控制器构建方法
CN111679577A (zh) * 2020-05-27 2020-09-18 北京交通大学 一种高速列车的速度跟踪控制方法和自动驾驶控制系统
CN111679577B (zh) * 2020-05-27 2021-11-05 北京交通大学 一种高速列车的速度跟踪控制方法和自动驾驶控制系统
CN114056386A (zh) * 2020-07-30 2022-02-18 比亚迪股份有限公司 车速控制方法及装置，存储介质及车辆
CN114056386B (zh) * 2020-07-30 2023-08-08 比亚迪股份有限公司 车速控制方法及装置，存储介质及车辆
CN112462608A (zh) * 2020-11-18 2021-03-09 大连交通大学 一种高速列车离散滑模轨迹及速度跟踪控制方法
CN112660126A (zh) * 2021-01-05 2021-04-16 北京汽车研究总院有限公司 用于自适应巡航的车辆协同控制方法、装置及车辆
CN113126623A (zh) * 2021-04-13 2021-07-16 吉林大学 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法
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
CN113715871A (zh) * 2021-09-24 2021-11-30 青岛海信微联信号有限公司 一种列车控制方法、装置、设备、系统及存储介质
CN113715871B (zh) * 2021-09-24 2023-08-15 青岛海信微联信号有限公司 一种列车控制方法、装置、设备、系统及存储介质
CN114114925A (zh) * 2021-11-29 2022-03-01 江南大学 基于数据驱动协同自适应滑模约束控制方法及系统
CN114114925B (zh) * 2021-11-29 2023-09-08 江南大学 基于数据驱动协同自适应滑模约束控制方法及系统
CN114326386A (zh) * 2021-11-30 2022-04-12 卡斯柯信号有限公司 一种列车自动驾驶轨迹规划与跟踪一体化控制方法及装置
CN114326386B (zh) * 2021-11-30 2024-01-23 卡斯柯信号有限公司 一种列车自动驾驶轨迹规划与跟踪一体化控制方法及装置
CN115185178A (zh) * 2022-06-23 2022-10-14 江南大学 一种基于虚拟传感器的离散非线性系统的mfac容错控制方法
CN116339155A (zh) * 2023-05-25 2023-06-27 华东交通大学 高速动车组数据驱动积分滑模控制方法、系统及设备
CN116339155B (zh) * 2023-05-25 2023-08-15 华东交通大学 高速动车组数据驱动积分滑模控制方法、系统及设备

Also Published As

Publication number Publication date
CN110647031B (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
CN110647031B (zh) 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
CN110658724B (zh) 一类非线性系统自适应模糊容错控制方法
Wang et al. Robust output-feedback based vehicle lateral motion control considering network-induced delay and tire force saturation
Ferrara et al. Optimization‐based adaptive sliding mode control with application to vehicle dynamics control
CN102998973B (zh) 一种非线性系统的多模型自适应控制器及控制方法
Liu et al. Adaptive backstepping based fault-tolerant control for high-speed trains with actuator faults
CN109375510B (zh) 一种用于高速列车的自适应滑模容错控制方法
US20210331727A1 (en) Method and system for state feedback predictive control of high-speed train based on forecast error
Xiao et al. Effect of information delay on string stability of platoon of automated vehicles under typical information frameworks
CN114167733B (zh) 一种高速列车速度控制方法及系统
CN112015084B (zh) 一种基于虚拟总轴的总量协同一致抗饱和控制方法
Zhao et al. Adaptive event-based robust passive fault tolerant control for nonlinear lateral stability of autonomous electric vehicles with asynchronous constraints
Guo et al. Adaptive attitude tracking control for hypersonic reentry vehicles via sliding mode-based coupling effect-triggered approach
CN112486024A (zh) 一种基于多质点模型的高速列车自适应控制方法及系统
CN111027235B (zh) 一种具有输入饱和的重载列车滑模跟踪控制方法
CN113110042B (zh) 一种列车容错控制方法
CN111399458A (zh) 基于扰动抑制广义预测控制的scr脱硝系统设计方法
CN117170228A (zh) 面向虚拟编组高速列车间隔控制的自适应滑模控制方法
CN117434836A (zh) 一种基于扩张状态观测器的无模型自适应的车辆控制方法
Trudgen et al. Robust cooperative adaptive cruise control design for connected vehicles
Zeng et al. Event-triggered controller design for active suspension systems: An adaptive backstepping method with error-dependent gain
Shi et al. A novel integral terminal sliding mode control of yaw stability for steer-by-wire vehicles
CN110803182B (zh) 一种基于磁流变阻尼模型的高速列车横向振动控制方法
Bouchama et al. Observer-based freight train control to reduce coupler strain and low adhesion issues
CN114030526B (zh) 一种车辆主动转向控制方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant