CN113263921A - 一种结合振动辨识的磁浮列车动态悬浮控制方法 - Google Patents

一种结合振动辨识的磁浮列车动态悬浮控制方法 Download PDF

Info

Publication number
CN113263921A
CN113263921A CN202110588424.4A CN202110588424A CN113263921A CN 113263921 A CN113263921 A CN 113263921A CN 202110588424 A CN202110588424 A CN 202110588424A CN 113263921 A CN113263921 A CN 113263921A
Authority
CN
China
Prior art keywords
vibration
levitation
signal
control
suspension
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
CN202110588424.4A
Other languages
English (en)
Other versions
CN113263921B (zh
Inventor
徐俊起
陈琛
荣立军
林国斌
孙友刚
倪菲
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN202110588424.4A priority Critical patent/CN113263921B/zh
Publication of CN113263921A publication Critical patent/CN113263921A/zh
Application granted granted Critical
Publication of CN113263921B publication Critical patent/CN113263921B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L13/00—Electric propulsion for monorail vehicles, suspension vehicles or rack railways; Magnetic suspension or levitation for vehicles
    • B60L13/04—Magnetic suspension or levitation for vehicles
    • B60L13/06—Means to sense or control vehicle position or attitude with respect to railway
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2200/00—Type of vehicles
    • B60L2200/26—Rail vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Vehicle Body Suspensions (AREA)
  • Control Of Vehicles With Linear Motors And Vehicles That Are Magnetically Levitated (AREA)

Abstract

本发明涉及一种结合振动辨识的磁浮列车动态悬浮控制方法，包括：获取悬浮状态信号，通过误差比较器得到悬浮状态信号和期望状态信号的间隙误差，将间隙误差传输至悬浮控制器；获取振动信号，通过振动辨识器得到振动信号的振幅和频率传输至陷波滤波器，陷波滤波器输出过滤后的振幅和频率传输至悬浮控制器；在悬浮控制器中，间隙误差通过悬浮控制算法得到第一控制信号，陷波信号通过振动控制算法得到第二控制信号，第一控制信号和第二控制信号的叠加值即为悬浮控制器的输出控制信号。与现有技术相比，本发明具有解决振动问题所导致的舒适性差，有效提高列车的悬浮性能等优点。

Description

一种结合振动辨识的磁浮列车动态悬浮控制方法
技术领域
本发明涉及磁浮列车控制技术领域，尤其是涉及一种结合振动辨识的磁浮列车动态悬浮控制方法。
背景技术
磁浮列车作为一种新型的轨道交通工具，能够在有效达成高铁、地铁等大容量交通运输工具相类似载客需求的前提下实现无接触运行，从而避免了以往轨道交通面临的轮轨磨损问题和噪声问题，进而有效降低了运营维护成本，并且提高了运行速度上限。此外，由于目前研发与运行的磁浮列车均采用“抱轨”形式，因此有效避免了脱轨等重大事故发生的可能性，进而提高了安全可靠性。电磁铁是保证磁浮列车稳定悬浮的执行机构，而悬浮控制系统结合悬浮传感器和加速度传感器所输出信号改变电磁铁内部电流大小，使磁浮列车能够在期望悬浮间隙处(8mm～10mm)处进行稳定悬浮。在过去几十年的开发研究过程中，磁浮列车技术基本成熟，但是由于控制电流和悬浮间隙的高阶耦合，悬浮系统具有很强的非线性和开环不稳定性。此外，由于垂向微小振动的影响，对悬浮控制的性能和乘坐舒适性都造成了一定影响。因此，对悬浮控制器的优化和重设计提出了很高的挑战。
目前，商业化运行的均为电磁悬浮型磁浮列车(EMS型磁浮列车)。当前，大多数磁浮列车的悬浮控制器均采用PID控制器进行控制，采用悬浮控制为主。在这种情况下虽然能满足大多数情况下的运行需求，但是并没有对振动情况(如电磁铁振动)进行仔细分析，因此当外界扰动造成某一悬浮点振动幅值较大或频率较高时会导致系统性能降低，在影响乘坐舒适度的同时可能会使悬浮稳定性降低，甚至失稳。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种结合振动辨识的磁浮列车动态悬浮控制方法，解决振动问题所导致的舒适性差，有效提高列车的悬浮性能。
本发明的目的可以通过以下技术方案来实现：
一种结合振动辨识的磁浮列车动态悬浮控制方法，包括：
获取悬浮状态信号，通过误差比较器得到悬浮状态信号和期望状态信号的间隙误差，将间隙误差传输至悬浮控制器；
获取振动信号，通过振动辨识器得到振动信号的振幅和频率传输至陷波滤波器，陷波滤波器输出过滤后的振幅和频率至悬浮控制器；
在悬浮控制器中，间隙误差通过悬浮控制算法得到第一控制信号，陷波信号通过振动控制算法得到第二控制信号，第一控制信号和第二控制信号的叠加值即为悬浮控制器的输出控制信号；
输出控制信号经过斩波器得到控制电流，对执行机构进行控制。
进一步地，所述悬浮控制算法对列车的动态悬浮间隙进行调节，悬浮控制器输出的第一控制信号通过执行机构使列车悬浮间隙逼近于期望悬浮间隙。
进一步地，所述振动控制算法对列车动态悬浮过程中的振动情况进行抑制，悬浮控制器输出的第二控制信号通过执行机构使列车在稳定悬浮时振动逼近于零。
进一步地，所述的悬浮控制器是由悬浮控制算法和振动控制算法共同构成的DSP控制电路。
进一步地，所述悬浮控制算法的表达式为：
Figure BDA0003088408140000021
其中，Kp，Ki，Kd为设定的控制参数；e(t)为悬浮状态信号和期望状态信号的间隙误差；u(t)为第一控制信号。
进一步地，所述陷波滤波器的模型表达式为：
Figure BDA0003088408140000022
其中，U(s)，I(s)分别为输出响应的S变换和激励输入量的S变换；ωn为陷波中心频率，ωn＝tan(πωT)/Tπ，ω为辨识出的振动频率，T为S域中G(s)双线性离散化采样周期；kh为陷波深度，kh＝Af/A，Af为滤波后的信号幅值，A为辨识出的振幅；kw表征陷波宽度；s为时域空间对应到S域的变量符号；G(s)为所述陷波滤波器在S域中的传递函数。
进一步地，所述陷波滤波器的陷波宽度为辨识出的振幅A的二分之一。
进一步地，所述振动控制算法是基于径向基函数神经网络的深度学习算法。
进一步地，所述过滤后的振幅和频率作为网络输入，控制电流作为网络输出，网络模型采用1-5-1结构。
进一步地，在振动辨识器中，振动信号通过调制滑动傅里叶变换算法进行迭代监测，得到相应时刻的频率和振幅。
与现有技术相比，本发明具有以下有益效果：
本发明通过获取磁浮列车的振动信号，并且在悬浮控制器中增加振动控制算法对原有的单一悬浮控制进行改进，实现对悬浮点振动进行有效抑制；同时，本发明能够有效抑制轨道不平顺和负载变化对悬浮点造成的相关扰动，大幅度降低系统对轨道刚度和负载限制的要求，整体上提高列车的悬浮性能，对于提高磁浮列车速度具有重要价值。
附图说明
图1为磁悬浮列车悬浮控制动力学模型示意图。。
图2为本发明的方法流程示意图。
图3为RBF网络控制结构。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本实施例提供了一种结合振动辨识的磁浮列车动态悬浮控制方法。如图1所示，给出了磁浮列车沿轨道梁运行时电磁铁和轨道之间的相对运动关系。由于轨道梁具有一定柔性，列车在行驶过程中会造成轨道梁挠度变形，此时悬浮间隙会收到轨道变形的影响发生变化，从而对悬浮控制性能造成影响。此外，由于轨道具有一定柔性，轨道的振动会通过悬浮间隙传递到电磁铁，从而进一步影响电磁铁的振动。因此需要从悬浮控制和振动控制两方面入手提高悬浮稳定性。图中zG为轨道梁挠度，zE为电磁铁垂向位移，z1为悬浮间隙，zref为期望悬浮间隙，Δz1为悬浮间隙误差，FL为悬浮力(由悬浮控制电流和振动抑制电流决定)，L为单跨梁跨度。
本实施例将传统的悬浮控制器改进为由悬浮控制算法和振动控制算法共同构成的DSP控制电路。通过悬浮控制算法对列车的动态悬浮间隙进行调节，悬浮控制器输出的第一控制信号通过执行机构使列车悬浮间隙逼近于期望悬浮间隙；振动控制算法对列车动态悬浮过程中的振动情况进行抑制，悬浮控制器输出的第二控制信号通过执行机构使列车在稳定悬浮时振动逼近于零。由此实现对悬浮点振动(电磁铁振动)进行有效抑制。
如图2所示，悬浮控制方法具体包括以下步骤：
一、获取悬浮状态信号，通过误差比较器得到悬浮状态信号和期望状态信号的间隙误差，将间隙误差传输至悬浮控制器。
二、获取振动信号，通过振动辨识器得到振动信号的振幅和频率传输至陷波滤波器，陷波滤波器输出陷波信号至悬浮控制器。
在振动辨识器中，振动信号通过调制滑动傅里叶变换算法进行迭代监测，得到相应时刻的频率和振幅。具体展开如下：
(1)在q-1时刻对悬浮架振动情况进行滚动采样，得到N个样值点：
zv(q-N),zv(q-N+1),…,zv(q-1)其中，q表示了对不同时刻的描述；N表示在每一时刻的样值点个数，由缓存区数据个数决定；zv表征了不同样值点的悬浮架的振动情况，此时得到的zv可以直接得到振动幅值。
对样值点进行快速傅里叶变化后得到：
Figure BDA0003088408140000041
其中，k为频域时刻索引，m＝0,1,2,...,N-1，WN为复旋转因子。
得到q-1时刻中所有样值点的频域响应，从而提取出振动频率。
(2)在q时刻采用相同方式进行采样和变换可以得到相似表达：
Figure BDA0003088408140000042
其中，
Figure BDA0003088408140000043
一般取1。
在算法中，由于极点在单位圆上达到稳定状态，不受
Figure BDA0003088408140000044
变化的影响，因此算法采集到的频率和振幅具有较高的可靠性。
而在频谱分析时，由于采样频率和信号频率不同步导致频谱泄露现象。为了减少频谱泄露，采用频域卷积和布莱克曼窗直接在计算得到的频域信号进行加窗，得到q时刻第k个加窗计算值，加窗系数一般介于[0,1]之间，可根据经验选取。
陷波滤波器的具体设计如下：
(1)中心频率设计：
将S域中的陷波滤波器G(s)进行频域转换得到Z域中的形式G(z)，根据对悬浮架振动传感器采样值进行分析辨识得到振动频率ω，保证G(z)的中心频率对准ω，对滤波器s域中(G(s))的中心频率设置偏置：ωn＝tan(πωT)/Tπ。T为S域中G(s)双线性离散化采样周期，ω为辨识出的振动频率。
(2)深度设计：
根据辨识得到振动幅值定义kh，振幅较大时会导致陷波深度增加；相反，振幅较小时，滤波深度较小，相位损失较小。根据频域特性可知中心频率处陷波最大，设置kh＝Af/A。式中，Af为滤波后的信号幅值，A为辨识得到的振动信号的振幅。
(3)宽度设计：
设计宽度时保证滤波器频率其偏移中心频率一定距离，从而保证滤波器具有一定的滤波效果。假设偏移dHz，滤波器的陷波宽度D应该保证在振动信号的振幅A的二分之一。此外，需要考虑G(s)离散化后的频率便宜，由此设置宽度参数kw：
Figure BDA0003088408140000051
B＝10lg(kh)
综上可知，陷波滤波器的模型表达式为：
Figure BDA0003088408140000052
其中，U(s)，I(s)分别为输出响应的S变换和激励输入量的S变换；ωn为陷波中心频率，ωn＝tan(πωT)/Tπ，ω为辨识出的振动频率，T为S域中G(s)双线性离散化采样周期；kh为陷波深度，kh＝Af/A，Af为滤波后的信号幅值，A为辨识出的振幅；kw表征陷波宽度；s为时域空间对应到S域的变量符号；G(s)为所述陷波滤波器在S域中的传递函数。
三、在悬浮控制器中，间隙误差通过悬浮控制算法得到第一控制信号，陷波信号通过振动控制算法得到第二控制信号，第一控制信号和第二控制信号的叠加值即为悬浮控制器的输出控制信号。
悬浮控制算法的控制律为：
Figure BDA0003088408140000053
其中，Kp，Ki和Kd为设定的控制参数；e(t)为悬浮状态信号和期望状态信号的间隙误差；u(t)为第一控制信号。Kp，Ki和Kd进行多次调试，当取值可以使得悬浮间隙能够在期望间隙处稳定悬浮，可以认为为最优。
振动控制算法是基于径向基函数神经网络的深度学习算法，具体展开如下：
结合径向基函数(RBF)神经网络进行深度学习来抑制振动，首先在将轨道视为刚体的前提下采集的电磁铁振动数据
Figure BDA0003088408140000061
即为过滤后的振幅和频率作为网络输入；其次，将控制电流作为网络输出；再次，神经网络采用1-5-1结构构造RBF网络，如图3所示。径向基函数控制(RBFC)模块的输入分别为电磁铁振动的偏差值
Figure BDA0003088408140000062
由于理想情况下预期振动为零，因此
Figure BDA0003088408140000063
隐层的输出用非线性激活函数hj表示。
Figure BDA0003088408140000064
式中，cj是隐含层jth神经元高斯基函数的中心，bj是隐层jth神经元高斯基函数的宽度。
网络系统的输出控制量为：
is＝w1h1+w2h2+w3h3+w4h4+w5h5
由于控制的目的是使电磁铁在复杂工况下的振动趋于零，故将性能指标Ee设为
Figure BDA0003088408140000065
其中，由于网络隐含层权值需要结合当前状态值进行调整，因此采用梯度下降法进行调整和学习，如下式所示。
Figure BDA0003088408140000066
wj(k)＝wj(k-1)+Δwj+αw(wj(k-1)-wj(k-2))
Figure BDA0003088408140000067
wj(k)＝wj(k-1)+Δwj+αw(wj(k-1)-wj(k-2))
式中，ηw是学习率。
Figure BDA0003088408140000068
表示与抑振电流uE相对应的电磁铁垂向振动
Figure BDA0003088408140000069
的灵敏度信息，αw是RBFC模块的动量因子。
四、输出控制信号经过斩波器得到控制电流，对执行机构，即电磁铁进行控制，改变当前悬浮力和悬浮间隙。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种结合振动辨识的磁浮列车动态悬浮控制方法，其特征在于，包括：
获取悬浮状态信号，通过误差比较器得到悬浮状态信号和期望状态信号的间隙误差，将间隙误差传输至悬浮控制器；
获取振动信号，通过振动辨识器得到振动信号的振幅和频率传输至陷波滤波器，陷波滤波器输出过滤后的振幅和频率至悬浮控制器；
在悬浮控制器中，间隙误差通过悬浮控制算法得到第一控制信号，陷波信号通过振动控制算法得到第二控制信号，第一控制信号和第二控制信号的叠加值即为悬浮控制器的输出控制信号；
输出控制信号经过斩波器得到控制电流，对执行机构进行控制。
2.根据权利要求1所述的一种结合振动辨识的磁浮列车动态悬浮控制方法，其特征在于，所述悬浮控制算法对列车的动态悬浮间隙进行调节，悬浮控制器输出的第一控制信号通过执行机构使列车悬浮间隙逼近于期望悬浮间隙。
3.根据权利要求1所述的一种结合振动辨识的磁浮列车动态悬浮控制方法，其特征在于，所述振动控制算法对列车动态悬浮过程中的振动情况进行抑制，悬浮控制器输出的第二控制信号通过执行机构使列车在稳定悬浮时振动逼近于零。
4.根据权利要求1所述的一种结合振动辨识的磁浮列车动态悬浮控制方法，其特征在于，所述的悬浮控制器是由悬浮控制算法和振动控制算法共同构成的DSP控制电路。
5.根据权利要求1所述的一种结合振动辨识的磁浮列车动态悬浮控制方法，其特征在于，所述悬浮控制算法的表达式为：
Figure FDA0003088408130000011
其中，Kp，Ki，Kd为设定的控制参数；e(t)为悬浮状态信号和期望状态信号的间隙误差；u(t)为第一控制信号。
6.根据权利要求1所述的一种结合振动辨识的磁浮列车动态悬浮控制方法，其特征在于，所述陷波滤波器的模型表达式为：
Figure FDA0003088408130000012
其中，U(s)，I(s)分别为输出响应的S变换和激励输入量的S变换；ωn为陷波中心频率，ωn＝tan(πωT)/Tπ，ω为辨识出的振动频率，T为S域中G(s)双线性离散化采样周期；kh为陷波深度，kh＝Af/A，Af为滤波后的信号幅值，A为辨识出的振幅；kw表征陷波宽度；s为时域空间对应到S域的变量符号；G(s)为所述陷波滤波器在S域中的传递函数。
7.根据权利要求6所述的一种结合振动辨识的磁浮列车动态悬浮控制方法，其特征在于，所述陷波滤波器的陷波宽度为辨识出的振幅A的二分之一。
8.根据权利要求1所述的一种结合振动辨识的磁浮列车动态悬浮控制方法，其特征在于，所述振动控制算法是基于径向基函数神经网络的深度学习算法。
9.根据权利要求8所述的一种结合振动辨识的磁浮列车动态悬浮控制方法，其特征在于，所述过滤后的振幅和频率作为网络输入，控制电流作为网络输出，网络模型采用1-5-1结构。
10.根据权利要求1所述的一种结合振动辨识的磁浮列车动态悬浮控制方法，其特征在于，在振动辨识器中，振动信号通过调制滑动傅里叶变换算法进行迭代监测，得到相应时刻的频率和振幅。
CN202110588424.4A 2021-05-28 2021-05-28 一种结合振动辨识的磁浮列车动态悬浮控制方法 Active CN113263921B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110588424.4A CN113263921B (zh) 2021-05-28 2021-05-28 一种结合振动辨识的磁浮列车动态悬浮控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110588424.4A CN113263921B (zh) 2021-05-28 2021-05-28 一种结合振动辨识的磁浮列车动态悬浮控制方法

Publications (2)

Publication Number Publication Date
CN113263921A true CN113263921A (zh) 2021-08-17
CN113263921B CN113263921B (zh) 2022-07-15

Family

ID=77233482

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110588424.4A Active CN113263921B (zh) 2021-05-28 2021-05-28 一种结合振动辨识的磁浮列车动态悬浮控制方法

Country Status (1)

Country Link
CN (1) CN113263921B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113561786A (zh) * 2021-08-26 2021-10-29 同济大学 一种基于车轨状态监测的悬浮冗余控制系统及方法
CN113885463A (zh) * 2021-10-26 2022-01-04 盐城工学院 一种畜禽生物菌肥好氧发酵罐工艺参数调控系统和方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05153704A (ja) * 1991-11-26 1993-06-18 Hitachi Ltd 平面内磁気反発／吸引浮上搬送制御方法とその装置
CN101077694A (zh) * 2006-05-22 2007-11-28 北京前沿科学研究所 磁悬浮抗震控制器及其控制方法
CN101261496A (zh) * 2007-11-01 2008-09-10 北京航空航天大学 一种磁悬浮飞轮高精度主动振动控制系统
JP2009116751A (ja) * 2007-11-08 2009-05-28 Yaskawa Electric Corp 多軸制御システムの設計ツール
KR101230535B1 (ko) * 2011-08-18 2013-02-06 한국철도기술연구원 병렬식 선형유도전동기와 공극유지장치를 적용한 지하철도차량
CN109298647A (zh) * 2018-10-16 2019-02-01 中国人民解放军国防科技大学 一种基于搭接结构整体的高速磁浮列车悬浮控制方法
CN109532510A (zh) * 2018-11-15 2019-03-29 中国人民解放军国防科技大学 一种磁浮列车振动控制装置及方法、磁浮列车
CN110261083A (zh) * 2019-06-13 2019-09-20 南京航空航天大学 一种基于视觉的磁悬浮转子振动力抑制效果测量方法
CN111806246A (zh) * 2020-03-20 2020-10-23 同济大学 一种用于磁悬浮列车的悬浮系统控制方法
CN212289523U (zh) * 2020-09-30 2021-01-05 香港理工大学 磁悬浮控制系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05153704A (ja) * 1991-11-26 1993-06-18 Hitachi Ltd 平面内磁気反発／吸引浮上搬送制御方法とその装置
CN101077694A (zh) * 2006-05-22 2007-11-28 北京前沿科学研究所 磁悬浮抗震控制器及其控制方法
CN101261496A (zh) * 2007-11-01 2008-09-10 北京航空航天大学 一种磁悬浮飞轮高精度主动振动控制系统
JP2009116751A (ja) * 2007-11-08 2009-05-28 Yaskawa Electric Corp 多軸制御システムの設計ツール
KR101230535B1 (ko) * 2011-08-18 2013-02-06 한국철도기술연구원 병렬식 선형유도전동기와 공극유지장치를 적용한 지하철도차량
CN109298647A (zh) * 2018-10-16 2019-02-01 中国人民解放军国防科技大学 一种基于搭接结构整体的高速磁浮列车悬浮控制方法
CN109532510A (zh) * 2018-11-15 2019-03-29 中国人民解放军国防科技大学 一种磁浮列车振动控制装置及方法、磁浮列车
CN110261083A (zh) * 2019-06-13 2019-09-20 南京航空航天大学 一种基于视觉的磁悬浮转子振动力抑制效果测量方法
CN111806246A (zh) * 2020-03-20 2020-10-23 同济大学 一种用于磁悬浮列车的悬浮系统控制方法
CN212289523U (zh) * 2020-09-30 2021-01-05 香港理工大学 磁悬浮控制系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113561786A (zh) * 2021-08-26 2021-10-29 同济大学 一种基于车轨状态监测的悬浮冗余控制系统及方法
CN113561786B (zh) * 2021-08-26 2024-01-12 同济大学 一种基于车轨状态监测的悬浮冗余控制系统及方法
CN113885463A (zh) * 2021-10-26 2022-01-04 盐城工学院 一种畜禽生物菌肥好氧发酵罐工艺参数调控系统和方法
CN113885463B (zh) * 2021-10-26 2023-09-01 盐城工学院 一种畜禽生物菌肥好氧发酵罐工艺参数调控系统和方法

Also Published As

Publication number Publication date
CN113263921B (zh) 2022-07-15

Similar Documents

Publication Publication Date Title
CN113263921B (zh) 一种结合振动辨识的磁浮列车动态悬浮控制方法
CAO et al. Research on virtual coupled train control method based on GPC & VAPF
Qin et al. Multiple convolutional recurrent neural networks for fault identification and performance degradation evaluation of high-speed train bogie
Tomizuka “Optimum linear preview control with application to vehicle suspension”—revisited
Sinha et al. Nonlinear h/sub/spl infin//controllers for electromagnetic suspension systems
CN103522912B (zh) Ems型低速悬浮列车的磁通反馈悬浮控制方法及装置
Rupp et al. Sliding mode based platooning with non-zero initial spacing errors
CN110084185B (zh) 一种高速列车小幅蛇行运行特征的快速提取方法
CN103246200A (zh) 一种基于分布式模型的动车组同步跟踪控制方法
CN111176118A (zh) 一种基于鲁棒自适应算法的转台伺服系统辨识方法
EP3832159B1 (en) Method and apparatus for controlling anti-yaw damper
CN111027235B (zh) 一种具有输入饱和的重载列车滑模跟踪控制方法
Wu et al. Dynamic stability of an electromagnetic suspension maglev vehicle under steady aerodynamic load
CN113085963B (zh) 列车控制级位的动态调控方法及其动态调控装置
CN113110042A (zh) 一种列车容错控制方法
Yang et al. Modeling and control of maglev train considering eddy current effect
CN116279690A (zh) 一种虚拟耦合高速列车群协同运行控制方法
Yin et al. Dynamic hybrid observer-based early slipping fault detection for high-speed train wheelsets
Zhang et al. Fault diagnosis of high-speed train bogie based on deep neural network
CN115891947B (zh) 一种中低速磁悬浮列车电液混合制动协同控制方法
Liu et al. Vibration control of disturbance gap for maglev vehicle considering stiffness change under unsteady aerodynamic forces
Jia et al. Nonlinear hybrid multipoint model of high-speed train with traction/braking dynamic and speed estimation law
Ding et al. Complex vector decoupling and Delay compensation for PMSM at Low Carrier Ratio
CN112180834A (zh) 基于线性扩张状态观测器实现改进自抗扰的方法及激光切割随动控制装置
Ma et al. Research on operational state monitoring of Maglev train based on machine learning

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