CN114625003B - 一种基于多质点模型的高速列车分布式轨迹跟踪控制方法 - Google Patents

一种基于多质点模型的高速列车分布式轨迹跟踪控制方法 Download PDF

Info

Publication number
CN114625003B
CN114625003B CN202210221393.3A CN202210221393A CN114625003B CN 114625003 B CN114625003 B CN 114625003B CN 202210221393 A CN202210221393 A CN 202210221393A CN 114625003 B CN114625003 B CN 114625003B
Authority
CN
China
Prior art keywords
carriage
speed
train
speed train
tracking
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.)
Active
Application number
CN202210221393.3A
Other languages
English (en)
Other versions
CN114625003A (zh
Inventor
张吉烈
席文静
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong 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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202210221393.3A priority Critical patent/CN114625003B/zh
Publication of CN114625003A publication Critical patent/CN114625003A/zh
Application granted granted Critical
Publication of CN114625003B publication Critical patent/CN114625003B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Abstract

本发明涉及高速列车运行过程的建模与跟踪控制领域，尤其涉及一种基于多质点模型的高速列车分布式轨迹跟踪控制方法。分布式轨迹跟踪控制方法包括：建立高速列车多质点模型；利用每节车厢自带的位置和速度传感器采集实际速度和位置；计算实际速度和位置与期望速度和位置之间的跟踪误差；建立误差动态模型；采用分布式控制对列车模型进行解耦合；依据每节车厢的跟踪性能和能耗确立控制目标，设计最优控制器；增加前馈补偿以改善超调现象。将得到的最优控制器和分布式控制器结合，计算得出各车厢的控制力，并将控制力施加到所述车厢。本发明提出的跟踪控制方法能够可以实现每一节车厢按照给定的目标速度‑距离曲线行车，并保持车厢间的距离。

Description

一种基于多质点模型的高速列车分布式轨迹跟踪控制方法
技术领域
本发明涉及高速列车运行过程的建模与跟踪控制领域，尤其涉及一种基于多质点模型的高速列车分布式轨迹跟踪控制方法。
背景技术
近年来，随着我国交通运输方式快速发展和交通运输体系的不断完善，标志着我国跻身交通大国行列，智慧交通已成为新的发展趋势和研究方向。高速铁路是通过提高运行速度来满足人们出行便利的需求，不断提速的同时也要求提高高速列车的运行控制的响应速度和跟踪精度。列车自动控制的功能在于能否准确跟踪最优目标速度-距离曲线，在给定的运行时分精确地完成列车位移任务，从而更好地保证列车运行的安全性和可靠性。
中国专利CN 111679577 A公开了一种高速列车的速度跟踪控制方法，该方法采用积分强化学习技术求解高速列车的优化控制模型，通过对神经网络权重进行不断更新得到最优权重，从而获得高速列车的最优控制策略。但是该方法采用单质点模型建模，忽略了高速列车车厢间的内作用力。
中国专利CN 112486024 A公开了一种高速列车的自适应控制方法，该方法通过跟踪误差确定自适应率，从而确定自适应控制器，并验证了所设计的控制器的有效性，高速列车的跟踪控制误差均在允许误差范围内。
中国专利CN 112462608 A公开了一种高速列车离散滑模轨迹及速度跟踪控制方法，该方法将高速列车视为一个刚性质点，建立了高速列车的离散线性模型，采用扩展卡尔曼滤波器估计列车的位移和速度，最后设计滑模控制器减小了列车的跟踪误差。
中国专利CN 111391887 A公开了一种高速列车的鲁棒控制器的设计方法，该方法提出了一种基于状态反馈控制律的鲁棒最优预测控制策略，能够在保证高速列车跟踪性能的同时显著提升列车的控制性能，并且分别比较了受干扰和不受干扰情况下列车控制力的变化，说明在受到干扰情况下也能有效减轻列车的纵向冲击力。
上述技术无论是采用单质点模型还是多质点模型建模，所设计的控制方法都是考虑的整个列车模型，由于高速列车的每节车厢受力状况和质量不同，采用上述方法不利于实现高精度跟踪，并且对于内部结构复杂的高速列车，不足以分析相邻车辆间的内作用力关系。
发明内容
为了解决现有技术存在的上述问题，本发明要设计一种基于多质点模型的高速列车分布式轨迹跟踪控制方法。
为了实现上述目的，本发明的技术方案如下：
一种基于多质点模型的高速列车分布式轨迹跟踪控制方法，包括以下步骤：
A、建立高速列车多质点模型；
为了更加准确地描述高速列车的动力学过程和各车厢间相互作用的内作用力，需要建立高速列车的级联质点模型。考虑到列车运行时受到空气阻力和滚动阻力的影响，相邻两节车厢之间在工况改变时由于弹簧缓冲器的变形会产生内作用力，将列车各车厢视为不同质量的质点，建立高速列车的多质点耦合模型。与单质点模型相比，多质点模型能够更加实际地描述列车的运行动态。
B、利用每节车厢自带的位置和速度传感器采集实际速度和位置；
C、计算实际速度和位置与期望速度和位置之间的跟踪误差；
D、根据跟踪误差建立误差动态模型；
E、采用分布式控制对耦合的高速列车进行解耦合；
采用分布式控制将高速列车模型拆分为各个独立控制的子模型，以此对不同受力状况下的各节车厢进行单独控制，提高列车运行的控制性能；
F、依据每节车厢的跟踪性能和能耗确立控制目标，设计最优控制器；
G、增加前馈补偿以改善仿真结果出现的超调现象。
H、将得到的最优控制器和分布式控制器结合，计算得出各车厢的控制力，并将控制力施加到所述车厢。
与现有技术相比，本发明具有以下有益效果：
1.对于多质点的高速列车动力学模型，采用分布式控制方法将耦合的高速列车模型解耦为单一车厢模型，能够针对不同受力状况的车厢进行控制，从而更精确地提高整个列车的跟踪精度。
2.针对不同受力条件下的单一车厢模型设计分布式控制器，分别求解黎卡提方程验证系统的渐进稳定性。并且可以对每一节车厢的位置和速度进行跟踪控制并验证其仿真效果，提高仿真效率。
3.考虑到列车运行过程中会有工况改变的现象，在设计最优控制器时增加了前馈补偿，解决了仿真曲线的超调问题。
附图说明
图1为本发明提供的一种基于多质点模型的高速列车分布式轨迹跟踪控制方法的流程示意图。
图2为高速列车受力分析图。
图3为高速列车模型分布式最优控制原理示意图。
图4为列车各车厢的实际跟踪曲线(前馈补偿前)，不同的车厢由不同的线型表示。
图5为列车各车厢的实际跟踪曲线(前馈补偿后)，不同的车厢由不同的线型表示。
图6为相邻车厢间的内作用力变化曲线。
图7为各节车厢的最优控制力变化曲线。
图8为各节车厢的分布式最优控制力变化曲线。
图9为相邻车厢间的实际距离变化曲线。
图10为各节车厢的位置跟踪误差变化曲线。
图11为各节车厢的速度跟踪误差变化曲线。
具体实施方法
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实例对本发明进行进一步详细说明：
S11，建立高速列车多质点模型。
构建高速列车多质点模型的过程为：
首先将高速列车的每节车厢看作一个单质点，对高速列车的每节车厢进行受力分析，高速列车的运行受力状况如图2所示。假定含有n节车厢的高速列车在直线上行驶，i(i＝1，2，…，n)是指列车中的第i节车厢，其中mi是第i节车厢的质量，fi-1，i是第i-1节与第i节车厢间的作用力，例如f1，2为第一节车厢(机车)与第二节车厢间的作用力。ui(t)是施加在第i节车厢上的动力，当ui(t)＞0时，它是牵引力，反之为制动力，为了实现更高精度的跟踪，假设每节车厢都有自己的驱动力。是第i节车厢行驶过程中受到的阻力。因此可以建立高速列车的多质点耦合模型如下：
高速列车车厢间的相互作用力是由车钩缓冲器产生的，将车钩缓冲器简化为弹簧-阻尼器可具体描述车厢间的作用力为：
其中，ki-1和di-1是第i节车厢车钩缓冲器的弹簧系数和阻尼系数，xi-1(t)，xi(t)和分别是第i-1节车厢和第i节车厢的位置和速度。
高速列车间的运行阻力可表示为：
其中vi(t)是第i节车厢的速度，mi(c0+cvvi(t))是第i节车厢的滚动阻力，第i节车厢的空气阻力，wi(t)是由于轨道坡度和曲率作用于在第i节车厢的附加阻力。
S12，利用每节车厢自带的位置和速度传感器采集实际速度和位置。
高速列车的每节车厢都配有精确的位置和速度传感器，能够准确地测量每节车厢的位置xi(t)和速度vi(t)。
S13，计算实际速度和位置与期望速度和位置之间的跟踪误差。
根据ATP限速和不同工况的加速度a0(t)确定高速列车的期望速度-距离曲线，并得到期望的位置x0(t)和速度v0(t)。假定车厢间的期望距离为d，通过比较每节车厢的实际状态与期望状态可以得到其跟踪误差为
S14，根据跟踪误差建立误差动态模型。
误差动态模型为：
S15，根据误差动态模型设计分布式最优控制器。
设定的分布式控制器为：
利用分布式控制器可将误差动力学模型进行解耦合，实现对每节车厢进行单独控制。得到第i节车厢的误差动力学方程为：
将上述误差动力学方程转化为矩阵形式得到：
其中可控性矩阵[B AB]是满秩的，很容易知道系统(8)是可控的。由此控制目标转化为设计ηi(t)使得每节车厢实现/>将高速列车的轨迹跟踪问题转化为系统(8)的稳定性问题。
本专利将跟踪误差和能耗作为高速列车运行的性能指标，设定评价高速列车的分布式最优保成本函数为：
其中Qi和Ri是给定的正定矩阵，上式的第一部分表明控制系统可以快速实现第i辆车的跟踪误差尽可能小。第二部分是对整个控制过程的能耗进行测量，实现跟踪过程的节能。
通过求解Riccati方程：
得到最优控制器为：
其中Ki＝-Ri -1BTPi。Pi是满足Riccati方程(10)的唯一正定对称解。
将最优控制器(11)代入系统(8)得到闭环动态误差系统：
以上设计的最优控制器会受到高速列车变工况的干扰，使得仿真结果出现超调现象。为了改善超调现象，提出采用前馈控制进行补偿，重新设计最优控制器，得到的最优控制器为：
其中ηff＝mia0(t)，mi是第i节车厢的质量。
将重新设计的控制器(13)代入系统(8)中，得到新的闭环误差系统：
由此可以得到最终的分布式控制器设计为：
为了验证本发明提出的分布式最优控制方法的有效性，以下对控制器的性能进行了仿真实验并对实验结果进行分析。
根据列车的运行路段及ATP限速特性，由高速列车限制的加速度(加速度单位为m/s2)设计得到仿真中的期望运行曲线如下式(15)。
选择合适的系统参数进行仿真，仿真时间设定为1200s，车厢间的期望间距保持为1m，各节车厢的初始状态为[x1(t)，v1(t)]T＝[1，0.02]T，[x2(t)，v2(t)]T＝[0，0.01]T，[x3(t)，v3(t)]T＝[-1，0.01]T，[x4(t)，v4(t)]T＝[-2，0.01]T。跟踪误差和能耗的加权矩阵为Q＝150I2，R＝5。采用设计的分布式最优控制器使高速列车跟踪期望的运行曲线得到仿真结果如图4-11所示。分别为列车各车厢的实际跟踪曲线(前馈补偿前)、列车各车厢的实际跟踪曲线(前馈补偿后)、相邻车厢间的内作用力、各节车厢的最优控制力、各节车厢的分布式最优控制力、相邻车厢间的实际距离、各节车厢的位置跟踪误差、各节车厢的速度跟踪误差。
如图4、5所示，每节车厢都能较好地跟踪期望运行曲线，但在高速列车的工况发生变化时存在超调现象。经过前馈补偿后，每节车厢都能很好地跟踪期望曲线，并且抑制了超调现象的产生。
如图6所示，高速列车在运行过程中车间最大耦合力为1000kN,在控制器的作用下，车厢间的内作用力满足要求。
如图7、8所示，高速列车运行过程中牵引单元的最大输出为500kN，制动单元的最大输出为500kN，牵引力/制动力变化量的最大允许范围为60kN/s，无论是最优控制力还是分布式最优控制力均满足要求，且变化较为平缓。
如图9所示，车厢间的间距在工况变化时发生了较小的变化，在工况不变时都能保持期望的间距。
如图10、11所示，高速列车的位置和速度误差在跟踪时最大，经过短时间参数调节，跟踪误差明显减小，实现了对期望运行曲线的高精度跟踪。
以上仿真结果说明针对高速列车耦合的多质点模型，所设计的分布式最优控制器能够达到预期性能，验证了良好的跟踪效果。
本发明不局限于本实施例，任何在本发明披露的技术范围内的等同构思或者改变，均列为本发明的保护范围。

Claims (3)

1.一种基于多质点模型的高速列车分布式轨迹跟踪控制方法，其特征在于，所述方法包括：
A、建立高速列车多质点模型；
为了更加准确地描述高速列车的动力学过程和各车厢间相互作用的内作用力，需要建立高速列车的级联质点模型；考虑到列车运行时受到空气阻力和滚动阻力的影响，相邻两节车厢之间在工况改变时由于弹簧缓冲器的变形会产生内作用力，将列车各车厢视为不同质量的质点，建立高速列车的多质点耦合模型；与单质点模型相比，多质点模型能够更加实际地描述列车的运行动态；
首先将高速列车的每节车厢看作一个单质点，对高速列车的每节车厢进行受力分析；含有n节车厢的高速列车在直线上行驶，i是指列车中的第i节车厢，其中i＝1，2，…，n；mi是第i节车厢的质量，fi-1，i是第i-1节与第i节车厢间的作用力，f1，2为第一节车厢与第二节车厢间的作用力；ui(t)是施加在第i节车厢上的动力，当ui(t)＞0时，它是牵引力，反之为制动力；是第i节车厢行驶过程中受到的阻力；因此可以建立高速列车的多质点耦合模型
高速列车车厢间的相互作用力是由车钩缓冲器产生的，将车钩缓冲器简化为弹簧-阻尼器可具体描述车厢间的作用力为
其中，ki-1和di-1是第i节车厢车钩缓冲器的弹簧系数和阻尼系数，xi-1(t)，xi(t)和分别是第i-1节车厢和第i节车厢的位置和速度；
高速列车间的运行阻力可表示为
其中vi(t)是第i节车厢的速度，其中cv、c0都为机械阻尼系数，ca为空气动力阻尼系数；mi(c0+cvvi(t))是第i节车厢的滚动阻力，第i节车厢的空气阻力，wi(t)是由于轨道坡度和曲率作用于在第i节车厢的附加阻力；
B、利用每节车厢自带的位置和速度传感器采集实际速度和位置；
C、计算实际速度和位置与期望速度和位置之间的跟踪误差；
D、根据跟踪误差建立误差动态模型：
E、采用分布式控制对耦合的高速列车进行解耦合；
采用分布式控制将将高速列车模型拆分为各个独立控制的子模型，以此对不同受力状况下的各节车厢进行单独控制，提高列车运行的控制性能；
设定的分布式控制器为
利用分布式控制器可将误差动力学模型进行解耦合，实现对每节车厢进行单独控制；得到第i节车厢的误差动力学方程为
将上述误差动力学方程转化为矩阵形式得到
其中可控性矩阵[B AB]是满秩的，系统是可控的；由此控制目标转化为设计ηi(t)使得每节车厢实现/>将高速列车的轨迹跟踪问题转化为系统的稳定性问题；
F、依据每节车厢的跟踪性能和能耗确立控制目标，设计最优控制器；
将跟踪误差和能耗作为高速列车运行的性能指标，设定评价高速列车的分布式最优保成本函数为
其中Qi和Ri是给定的正定矩阵，上式的第一部分表明控制系统可以快速实现第i辆车的跟踪误差尽可能小；第二部分是对整个控制过程的能耗进行测量，实现跟踪过程的节能；
通过求解Riccati方程
得到最优控制器为
其中Pi是满足Riccati方程的唯一正定对称解；
将最优控制器代入系统方程得到闭环动态误差系统
G、增加前馈补偿以改善仿真结果出现的超调现象；
以上设计的最优控制器会受到高速列车变工况的干扰，使得仿真结果出现超调现象；为了改善超调现象，提出采用前馈控制进行补偿，重新设计最优控制器，得到的最优控制器为
其中ηff＝mia0(t)，mi是第i节车厢的质量；
H、将得到的最优控制器和分布式控制器结合，计算得出各车厢的控制力，并将控制力施加到所述车厢；将重新设计的最优控制器代入系统方程中，得到新的闭环误差系统：
由此可以得到最终的分布式控制器设计为：
2.根据权利要求1所述的一种基于多质点模型的高速列车分布式轨迹跟踪控制方法，其特征在于，所述利用每节车厢自带的位置和速度传感器采集实际速度和位置，具体包括：
高速列车的每节车厢都配有精确的位置和速度传感器，能够准确地测量每节车厢的位置xi(t)和速度vi(t)。
3.根据权利要求2所述的一种基于多质点模型的高速列车分布式轨迹跟踪控制方法，其特征在于，所述计算实际速度和位置与期望速度和位置之间的跟踪误差，具体包括：
根据ATP限速和不同工况的加速度a0(t)确定高速列车的期望速度-距离曲线，并得到期望的位置x0(t)和速度v0(t)；车厢间的期望距离为d，通过比较每节车厢的实际状态与期望状态可以得到其跟踪误差为
CN202210221393.3A 2022-03-09 2022-03-09 一种基于多质点模型的高速列车分布式轨迹跟踪控制方法 Active CN114625003B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210221393.3A CN114625003B (zh) 2022-03-09 2022-03-09 一种基于多质点模型的高速列车分布式轨迹跟踪控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210221393.3A CN114625003B (zh) 2022-03-09 2022-03-09 一种基于多质点模型的高速列车分布式轨迹跟踪控制方法

Publications (2)

Publication Number Publication Date
CN114625003A CN114625003A (zh) 2022-06-14
CN114625003B true CN114625003B (zh) 2023-09-22

Family

ID=81899432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210221393.3A Active CN114625003B (zh) 2022-03-09 2022-03-09 一种基于多质点模型的高速列车分布式轨迹跟踪控制方法

Country Status (1)

Country Link
CN (1) CN114625003B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105372996A (zh) * 2015-12-25 2016-03-02 北京交通大学 一种基于马尔可夫跳跃系统的列车容错控制方法
CN109657339A (zh) * 2018-12-17 2019-04-19 西南交通大学 一种铁道车辆坡道运行综合性能的评估方法
CN111391887A (zh) * 2019-12-05 2020-07-10 中车工业研究院有限公司 高速列车控制方法及其鲁棒控制器的设计方法
CN111859610A (zh) * 2020-06-05 2020-10-30 中车齐齐哈尔车辆有限公司 一种考虑优化列车操纵方式的铁路货车安全评估方法
CN112486024A (zh) * 2021-01-12 2021-03-12 华东交通大学 一种基于多质点模型的高速列车自适应控制方法及系统
CN113110042A (zh) * 2021-03-22 2021-07-13 青岛科技大学 一种列车容错控制方法
CN113341726A (zh) * 2021-06-18 2021-09-03 江南大学 一种多质点车辆队列行驶系统的迭代学习控制方法
CN113815682A (zh) * 2021-10-20 2021-12-21 吉林大学 高速列车推拉式系统及速度跟踪控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101325691B (zh) * 2007-06-14 2010-08-18 清华大学 融合不同生存期的多个观测模型的跟踪方法和跟踪装置
CN111474854B (zh) * 2020-04-27 2022-05-03 北京工业大学 一种基于数据-知识驱动的污水处理过程优化控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105372996A (zh) * 2015-12-25 2016-03-02 北京交通大学 一种基于马尔可夫跳跃系统的列车容错控制方法
CN109657339A (zh) * 2018-12-17 2019-04-19 西南交通大学 一种铁道车辆坡道运行综合性能的评估方法
CN111391887A (zh) * 2019-12-05 2020-07-10 中车工业研究院有限公司 高速列车控制方法及其鲁棒控制器的设计方法
CN111859610A (zh) * 2020-06-05 2020-10-30 中车齐齐哈尔车辆有限公司 一种考虑优化列车操纵方式的铁路货车安全评估方法
CN112486024A (zh) * 2021-01-12 2021-03-12 华东交通大学 一种基于多质点模型的高速列车自适应控制方法及系统
CN113110042A (zh) * 2021-03-22 2021-07-13 青岛科技大学 一种列车容错控制方法
CN113341726A (zh) * 2021-06-18 2021-09-03 江南大学 一种多质点车辆队列行驶系统的迭代学习控制方法
CN113815682A (zh) * 2021-10-20 2021-12-21 吉林大学 高速列车推拉式系统及速度跟踪控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于多质点模型的高速列车速度控制研究;侯涛;郭洋洋;陈昱;杨宏阔;;铁道科学与工程学报(02);全文 *
骆科虎等."线性分布式高速列车速度目标曲线跟踪控制器".《CCSICC2021会议论文集》.2021,第38-43页. *

Also Published As

Publication number Publication date
CN114625003A (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
CN110827535B (zh) 非线性车辆队列协同自适应抗扰纵向控制方法
CN110450794B (zh) 一种基于最优蠕滑速度搜寻与跟踪的优化粘着控制方法
CN110154666B (zh) 一种可实现路况预测的车辆悬架系统自适应反推控制方法
CN111158349B (zh) 基于多步线性化策略的无人驾驶车辆模型预测控制方法
CN110949366B (zh) 应用智能车辆纵向速度控制的rbf神经网络的终端滑模控制方法
CN108284836A (zh) 一种车辆纵向跟随控制方法
CN113815682B (zh) 高速列车推拉式系统及速度跟踪控制方法
CN114491821B (zh) 一种悬挂式单轨线路平纵断面线形参数优化方法
CN111391887B (zh) 高速列车控制方法及其鲁棒控制器的设计方法
CN110161854B (zh) 一种高速公路重型卡车编队纵向行驶控制方法
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
CN112109773B (zh) 一种基于h∞和多目标优化的列车速度控制方法
CN111580391B (zh) 基于模型预测的动车组牵引力矩控制方法
CN114625003B (zh) 一种基于多质点模型的高速列车分布式轨迹跟踪控制方法
CN112782978B (zh) 一种基于自触发机制的高速列车巡航运行控制方法
CN107584984B (zh) 基于前端路面不平度的电磁混合悬架模式切换方法
CN103777521B (zh) 一种基于模糊控制的车辆低速控制方法
CN110162045B (zh) 一种基于自适应三步法的卡车编队行驶跟随车控制方法
Leng et al. Cascade modular path following control strategy for gantry virtual track train: time-delay stability and forward predictive model
CN115016264A (zh) 动态跟驰车距调整的主从协同控制方法、装置及存储介质
CN114537460A (zh) 一种应用于高速列车的智能减振协同系统及其控制方法
IT202100021065A1 (it) Metodo per determinare una distribuzione di coppia ottimizzata alle ruote motrici di un veicolo stradale e relativo veicolo stradale
CN115195799B (zh) 一种车辆蛇行运动稳定性在线识别与主动控制仿真方法及系统
Papagiannis et al. Enhancing the Braking Performance of a Vehicle Through the Proper Control of the Active Suspension System

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