CN116339155B - 高速动车组数据驱动积分滑模控制方法、系统及设备 - Google Patents
高速动车组数据驱动积分滑模控制方法、系统及设备 Download PDFInfo
- Publication number
- CN116339155B CN116339155B CN202310623739.7A CN202310623739A CN116339155B CN 116339155 B CN116339155 B CN 116339155B CN 202310623739 A CN202310623739 A CN 202310623739A CN 116339155 B CN116339155 B CN 116339155B
- Authority
- CN
- China
- Prior art keywords
- motor train
- train unit
- control law
- sliding mode
- ffdl
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 112
- 238000013499 data model Methods 0.000 claims abstract description 52
- 230000008569 process Effects 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 230000008859 change Effects 0.000 claims abstract description 8
- 238000010977 unit operation Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000013178 mathematical model Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 5
- 238000011217 control strategy Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 2
- 241000271559 Dromaiidae Species 0.000 claims 1
- 238000010276 construction Methods 0.000 claims 1
- 230000001133 acceleration Effects 0.000 abstract description 12
- 239000004973 liquid crystal related substance Substances 0.000 description 10
- 238000004088 simulation Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 230000003137 locomotive effect Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 101100207371 Curvularia clavata TR08 gene Proteins 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开一种高速动车组数据驱动积分滑模控制方法、系统及设备,涉及动车组运行控制领域。该方法通过对高速动车组运行过程进行动力学分析,将动车组输入输出数据集合等效为MIMO离散时间非线性系统,并据此构建包含广义扰动的动车组FFDL数据模型;基于FFDL数据模型设计等效控制律和切换控制律并建立MIMO动车组积分滑模控制律,来控制高速动车组的运行。本发明方法基于FFDL数据模型,推导出了积分滑模控制律来进行动车组非线性控制,有效减少了动车组运行控制过程中的计算量并提高控制精度,能够满足动车组速度误差要求,达到动车组的安全准时运行,并且控制力变化更平稳,各动力单元加速度能够满足乘客的舒适度要求。
Description
技术领域
本发明涉及动车组运行控制技术领域,特别是涉及一种高速动车组数据驱动积分滑模控制方法、系统及设备。
背景技术
高速动车组(Electric Multiple Unit,EMU)是一种由拖车和电力机车组成的动力分布式列车,它已经成为人们日常生活中最重要的交通工具之一。但随着动车组运行速度越来越快、运行环境越来越复杂多变,其动力单元之间的非线性效应也越来越显著。在这种情况下,仅凭借动车组司机手动操作无法保证动车组的安全性和其他性能要求。因此,进一步开发动车组自动驾驶系统以实现动车组高效运行是非常必要的。
可靠性高、跟踪效果好的控制器是动车组自动驾驶系统的核心,它是实现动车组安全、准点、舒适和停车精度等要求的关键。针对动车组控制问题,相关领域学者已经提出了许多先进的控制方法,从模型的角度出发,大体上可以分为基于模型和基于数据驱动的控制方法。
其中基于模型的控制方法研究大多数是从牛顿力学定律出发,通过引入一些假设条件,推导出动车组的机理模型从而设计控制方案。这种思路对单质点动车组模型尚且有效,但研究对象是更接近实际情况的多质点动车组时则较为困难。同许多复杂系统一样,动车组实际运行过程具有多变量、强耦合以及非线性等特性,使得机理模型的建立异常复杂。
针对多质点动车组建模难的问题,许多研究开始使用数据驱动建模的方法。首先设立模型结构,将采集到的各个动力单元的输入输出数据通过神经网络训练、聚类分析、系统辨识等方法获取模型参数,最后对所得模型设计控制方案。虽然数据驱动建模的方法能有效地降低动车组系统的非线性和耦合关系,但是其前提是获取动车组的模型结构(输入输出阶数和影响较大的非线性项)。然而,由于环境因素、系统内扰、执行器故障等因素导致各个动力单元的输入输出数据不仅数量众多并且具有较大的偶然性。
综上所述,动车组模型中的基本阻力系数、附加阻力和耦合关系由于诸多不确定因素的影响,导致精确数学模型无法得到;另外,即使建立了简化过后的多质点模型,设计控制器时也必然要考虑到解耦,这无疑增加了计算量和设计难度。
发明内容
针对上述背景技术中提出的问题,本发明提供一种高速动车组数据驱动积分滑模控制方法、系统及设备,以减少高速动车组运行控制过程中的计算量并提高控制精度。
为实现上述目的,本发明提供了如下方案:
一方面,本发明提供一种高速动车组数据驱动积分滑模控制方法,包括:
对高速动车组运行过程进行动力学分析,将动车组的输入输出数据集合等效为MIMO(Multi-Input-Multi-Output,多输入多输出)离散时间非线性系统;
基于所述MIMO离散时间非线性系统构建包含广义扰动的动车组FFDL(FullFormat Dynamic Linearization,全格式动态线性化)数据模型;
基于所述包含广义扰动的FFDL数据模型设计等效控制律和切换控制律;
根据所述等效控制律和所述切换控制律建立MIMO动车组积分滑模控制律;
根据所述MIMO动车组积分滑模控制律来控制高速动车组的运行。
可选地,所述对高速动车组运行过程进行动力学分析,将动车组的输入输出数据集合等效为MIMO离散时间非线性系统,具体包括:
对高速动车组运行过程进行动力学分析,得到动车组的多动力单元数学模型;
将一阶差分算子应用于所述多动力单元数学模型,得到离散时间非线性模型;
将所述离散时间非线性模型中所有位移项都转换成与速度和控制力相关的形式,从而将动车组的输入输出数据集合等效为MIMO离散时间非线性系统。
可选地,所述基于所述MIMO离散时间非线性系统构建包含广义扰动的动车组FFDL数据模型,具体包括:
在满足预设定理的情况下,将所述MIMO离散时间非线性系统等价为FFDL数据模型;
基于所述FFDL数据模型构建包含广义扰动的动车组FFDL数据模型。
可选地,所述根据所述等效控制律和所述切换控制律建立MIMO动车组积分滑模控制律,具体包括:
根据所述等效控制律和所述切换控制律/>建立MIMO动车组积分滑模控制律/>。
另一方面,本发明提供一种高速动车组数据驱动积分滑模控制系统,包括:
动力学分析模块,用于对高速动车组运行过程进行动力学分析,将动车组的输入输出数据集合等效为MIMO离散时间非线性系统;
FFDL数据模型构建模块,用于基于所述MIMO离散时间非线性系统构建包含广义扰动的动车组FFDL数据模型;
控制律设计模块,用于基于所述包含广义扰动的FFDL数据模型设计等效控制律和切换控制律;
滑模控制律建立模块,用于根据所述等效控制律和所述切换控制律建立MIMO动车组积分滑模控制律;
动车组运行控制模块,用于根据所述MIMO动车组积分滑模控制律来控制高速动车组的运行。
另一方面,本发明还提供一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述的高速动车组数据驱动积分滑模控制方法。
可选地,所述存储器为非暂态计算机可读存储介质。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明所提供的高速动车组数据驱动积分滑模控制方法、系统及设备,通过对高速动车组运行过程进行动力学分析,将动车组的输入输出数据集合等效为MIMO离散时间非线性系统;基于MIMO离散时间非线性系统构建包含广义扰动的动车组FFDL数据模型;基于包含广义扰动的FFDL数据模型设计等效控制律和切换控制律;根据等效控制律和切换控制律建立MIMO动车组积分滑模控制律;根据MIMO动车组积分滑模控制律来控制高速动车组的运行。本发明方法基于FFDL数据模型,推导出了积分滑模控制律来进行高速动车组的非线性控制,有效减少了高速动车组运行控制过程中的计算量并提高了控制精度,能够满足动车组速度误差要求,达到动车组的安全且准时运行,并且控制力变化更平稳,各动力单元加速度能够满足乘客的舒适度要求,具有广泛的应用前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的一种高速动车组数据驱动积分滑模控制方法的流程图;
图2为高速动车组运行过程的动力学分析示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种高速动车组数据驱动积分滑模控制方法、系统及设备,以减少高速动车组运行控制过程中的计算量并提高控制精度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的一种高速动车组数据驱动积分滑模控制方法的流程图,参见图1,一种高速动车组数据驱动积分滑模控制方法,包括:
步骤1:对高速动车组运行过程进行动力学分析,将动车组的输入输出数据集合等效为MIMO离散时间非线性系统。
所述步骤1具体包括:
步骤1.1:对高速动车组运行过程进行动力学分析,得到动车组的多动力单元数学模型。
高速动车组(以下也简称动车组)的运行系统是由多个相对独立的牵引动力单元组成的,每个动力单元又由若干动力机车和拖车分布式组合而成。动车组运行过程中各动力单元除了受自身控制力的作用外,还受到来自相邻单元的车钩影响,动车组纵向动力学分析如图2所示。图2中,中间车厢为装备了牵引单元的动力机车,首尾两节车厢为拖车。
根据牛顿运动学定律分析动车组的受力情况,各动力单元上均受到了牵引力或制动力(统称为控制力)、基本阻力、车间作用力。根据以上分析,可将动车组的多动力单元数学模型表示为:
(1)
其中,
(2)
(3)
上述多动力单元数学模型(1)中,为动车组不同工况下动力单元/>在/>时刻产生的控制力(牵引力或制动力);/>和/>分别表示动力单元/>在/>时刻的速度和位移;/>为加速度系数,/>表示动力单元/>所受的合力;/>为动车组运行时动力单元在/>时刻所受到的基本阻力;参数 /> 表示基本阻力系数,均具有高度不确定性;/>为/>时刻动力单元/>和动力单元/>+1的车间作用力;/>,/>为动车组包含的动力单元数量。/>为相邻动力单元的弹性系数,/>为动力单元/>的阻尼系数。
步骤1.2:将一阶差分算子应用于所述多动力单元数学模型,得到离散时间非线性模型。
由基本阻力公式(2)可以看出,动车组速度越快,非线性项对系统的影响则越明显。本发明考虑将一阶差分算子应用于所述多动力单元数学模型(1),得到如下离散时间非线性模型:
(4)
其中为动力单元/>在/>时刻的速度;/>为动力单元/>在/>时刻的控制力;为动力单元/>在/>时刻的位移;/>为非线性函数。
步骤1.3:将所述离散时间非线性模型中所有位移项都转换成与速度和控制力相关的形式,从而将动车组的输入输出数据集合等效为MIMO离散时间非线性系统。
应用常规方案实现动车组运行控制时,首要问题是对所有动力单元进行特性分析,将采集到的数据之间的非线性关系建立起来,得到可靠准确的动车组运行模型。然而动车组实际运行中,易受环境、路段变化的影响,动车组模型中质量参数、阻力系数、弹簧系数及阻尼系数都存在不确定性,同时模型中还存在着非线性项,导致精确的模型很难得到。针对上述问题,一些研究考虑对动车组的非线性部分和车钩作用进行简化,得到了理想情况下的动车组模型,在此情况下,若采用非数据驱动控制方法设计控制器需考虑各动力单元的耦合关系,计算量巨大。为此本发明设计无模型自适应滑模控制器,对动车组进行速度跟踪控制。
将离散时间非线性模型(4)中所有位移项都转换成与速度和控制力相关的形式,动车组的输入输出数据集合可等效为如下MIMO离散时间非线性系统:
(5)
其中,和/>分别表示动车组运行系统/>时刻的输入和输出;/>是动力单元/>在/>时刻的控制力;/>是动力单元/>在/>时刻的速度;/>和/>分别为动车组运行系统输入和输出阶数;/>为一个非线性且时变的函数。
步骤2:基于所述MIMO离散时间非线性系统构建包含广义扰动的动车组FFDL数据模型。
所述步骤2具体包括:
步骤2.1:在满足预设定理的情况下,将所述MIMO离散时间非线性系统等价为FFDL数据模型。
首先对动车组的输入输出数据集合进行动态线性化。常用的CFDL(Compact Form Dynamic Linearization,紧格式动态线性化)方法仅考虑了系统在下一时刻的输出变化量与当前时刻的输入变化量之间的关系。然而,动车组运行系统的输出不仅仅取决于某一个时刻的控制输入。基于以上考虑,在对数据线性化处理时,可将一个滑动时间窗口内的输入和输出对下一时刻输出的影响都考虑进来,这即是FFDL数据处理方法。理论上,使用该方法可以很好地捕获原系统中存在的复杂动态,并且该动态线性化方法可有效地将系统复杂性分散降低。
定义为一定时间内控制输入和输出组成的一个系统矩阵,形式如下:
(6)
其中和/>分别为系统输入和控制输出线性化的长度常数,也称为伪阶数。/>为/>时刻的输出变化量;为/>时刻的输入变化量。需要注意的是,本发明方法针对的是多输入多输出系统,因而加粗的参数是系统总量,不加粗的参数是某个动力单元的量。
对MIMO离散时间非线性系统(5)做出如下两个假设。
假设1:非线性时变函数对系统所有分量的偏导数为连续的。
假设2:系统满足广义的Lipschitz条件,即对于任意时刻和有:
(7)
其中,为一个大于0的常数。记/>。
定理1:如果MIMO离散时间非线性系统(5)满足假设1和假设2,当时,则一定存在一个伪分块雅克比矩阵/>,使得系统可以等价为FFDL数据模型:
(8)
任意时刻,时变参数矩阵/>均为有界,其中/>为相应的子方阵。
定理1已被严格证明,选择不同的线性化长度常数(包括/>和/>)可以得到不同的FFDL数据模型,合理的选择时变参数向量/>和/>可以提高数据模型对原系统描述时的灵活性,为方便描述,以下令/>,其他情况类似。
步骤2.2:基于所述FFDL数据模型构建包含广义扰动的动车组FFDL数据模型。
考虑动车组运行过程中存在未知外界扰动、参数估计误差等不确定因素,本发明将动车组的输入输出数据集合重写为:
(9)
其中是系统在外界影响下/>时刻的输出;为包含未知外界扰动、参数估计误差等不确定项的有界广义扰动。
将式(5)代入式(9)中,可得:
(10)
根据式(8)和式(10),可得到包含广义扰动的动车组FFDL数据模型:
(11)
其中;/>。
步骤3:基于所述包含广义扰动的FFDL数据模型设计等效控制律和切换控制律。
具体地,将所述包含广义扰动的FFDL数据模型中的扰动项通过其一步延时的值估计,并引入参数估计准则函数。
由于包含广义扰动的动车组FFDL数据模型(11)中是未知的,因此本发明基于扰动估计技术,将式(11)中的扰动项/>通过其一步延时的值估计:
(12)
其中为有界广义扰动/>的估计值;/>。
接下来需要对时变参数向量进行实时估计,引入参数估计准则函数:
(13)
其中,为约束相邻参数的变化率;/>为指标函数符号;是/>的估计值。以下用代替/>。
极小化参数估计准则函数(13),可得到以下参数估计算法:
(14)
其中为步长因子。利用该参数估计算法(14)可以得到式(11)中/>和/>的值。
进一步地,定义系统输出误差为:
(15)
其中,为系统在/>时刻的期望输出。
本发明考虑引入了一种新的积分滑模函数,形式如下:
(16)
其中参数,/>;/>为滑模函数;两个积分输出跟踪误差项和/>定义如下:
(17)
(18)
其中参数为大于0的常数;/>,sgn为符号函数,/>,/>为动车组包含的动力单元数量。
随后,基于以下趋近律和积分滑模函数(16)设计滑模控制策略:
(19)
结合式(15)、式(16)和式(19),不难得到:
(20)
将数据模型(11)代入到上式(20)中,可得:
(21)
由式(21),可以推导出等效控制律表达式:
(22)
当系统的初始状态不在滑模面上或者运动期间出现外部干扰时,独立的等效控制不能驱动系统的轨迹到滑模面。为减轻滑模抖振现象,提高系统鲁棒性,基于参数估计算法(14)和积分滑模函数(16)设计如下切换控制律:
(23)
其中sgn为符号函数,表示切换增益。
步骤4:根据所述等效控制律和所述切换控制律建立MIMO动车组积分滑模控制律。
根据所述等效控制律(22)和所述切换控制律(23),建立MIMO动车组积分滑模控制律如下:
(24)
步骤5:根据所述MIMO动车组积分滑模控制律来控制高速动车组的运行。
本发明方法首次针对包含外部扰动的动车组MIMO系统,提出了一种新的数据驱动积分滑模控制(Integral Sliding Mode Control,ISMC)方法,本发明中称为FFDL-ISMC方法。本发明所提出的FFDL-ISMC方法基于更符合动车组运行特性的FFDL数据驱动模型,构建了一种新的ISMC控制律(24)。本发明方法的技术效果主要体现在以下四个方面:
1)提出了一种新型的MIMO离散ISMC算法,相较于传统的滑模控制方法,系统抖振现象得到了缓解;利用一步延时估计动车组系统多种参数误差、扰动及不确定因素,实现了较为高效的非线性控制,解决了传统神经网络参数初始权值随机选取,控制参数较多,计算量较大等问题;
2)为提高控制精度,基于FFDL数据模型,推导出了积分滑模控制方案,与现有组合算法相比,本发明方法不依赖动车组动力学模型,是一种数据驱动控制算法;
3)与CFDL数据模型相比,本发明采用的FFDL数据模型综合考虑下一时刻输出变化量与固定长度滑动时间窗口内的输入和输出之间的关系,FFDL数据模型的维数虽然增加了,但每个分量的动态行为变得更简单,参数估计算法的设计和选择也更加容易,并且对系统的结构、参数的时变性不敏感;
4)与已有将动态线性化(Dynamic Linearization)技术运用在动车组上的现有方法相比,本发明的被控对象为多动力单元动车组,更符合实际运行要求;本发明所提的方法丰富了动车组运行控制理论,可以推广到其它型号的动车组系统中,例如14动2拖的CRH380AL、4动4拖的CRH380B、3-5节编组的TR08型磁浮动车组等,具有广泛的应用前景。
下面采用实验室装备的CRH380A型动车组仿真实验台对本发明提出的FFDL-ISMC方法进行仿真测试。通过该仿真实验台预留的编程接口输入相应的MIMO动车组积分滑模控制律(24),可以将动车组运行效果实时显示在虚拟视景设备上,同时记录动车组的运行速度、位置、与目标点的距离等信息,模拟真实运行环境。
操作过程中,引入了白噪声模拟动车组实际运行过程中遇到的外界干扰,用以验证所提FFDL-ISMC方法的鲁棒性。将积分滑模控制律(24)以及车辆信息输入到仿真实验台中,记录各种方法的动车组运行速度、位置、控制力等信息,并与传统MFAC(Model-FreeAdaptive Control,无模型自适应控制)方法进行对比。
通过速度跟踪及误差对比实验表明,由于存在外界扰动,本发明FFDL-ISMC方法和传统MFAC方法的控制性能均受到了较大的影响。平稳路段中,MFAC方法的各个动力单元跟踪误差范围在[-0.408km/h,0.413km/h]之间;但在经过期望速度变化频繁的路段时, MFAC方法的跟踪性能进一步恶化,误差只能稳定在 [-1.051km/h,0.962km/h]之间。反观本发明提出的FFDL-ISMC方法,采用新型的积分滑模控制律(24),保证了收敛性,其各个动力单元跟踪误差范围全程稳定在[-0.121km/h,0.132km/h]之间,受扰动影响较小,满足速度跟踪精度要求。
通过控制力与加速度对比实验表明,在启动、制动、惰性时本发明FFDL-ISMC方法的控制律方案各动力单元给出的单位控制力满足恒牵引力启动、恒功率运行等要求,牵引/制动力范围在[-52kN,42kN]内,在工况过渡阶段,控制力也能以一定的速率缓和变化。而MFAC方法在启动、制动时存在较大的控制力变化,牵引/制动力范围在[-55kN,47kN]内,并且MFAC方法的控制力变化较为频繁且幅值较大,在不节能的情况下,还给动车组运行带来一定程度的安全问题。此外,MFAC方法加速度变化过快,范围在[-0.9749m/s2,0.8687m/s2]之内,幅值较大。而采用本发明FFDL-ISMC方法的高速动车组加速度过度变化平缓,除了启动阶段,范围分别在 [-0.9249m/s2,0.8187m/s2]之间,幅值小于MFAC方法的同时,满足乘客的舒适度要求。
进一步地,为了更直观分析各个控制器算法的控制性能,考虑以下若干性能指标对控制器进行评价。
1)均方误差性能(Mean Squared Error,MSE)
(25)
2)绝对误差积分(Integrated Absolute Error,IAE)
(26)
3)最大加速度(Maximum Acceleration,MA)
(27)
性能指标MSE、IAE、MA的计算方式分别如式(25)、(26)、(27)所示,式中表示第/>个动力单元;/>为动车组包含的动力单元数量;/>和/>分别为当前采样时间和总时间。为动力单元/>在/>时刻的输出误差。/>表示取最大值。
性能指标评价结果如下表1所示。
表1 性能指标评价结果
方法 | MSE | IAE | MA |
FFDL-ISMC | 0.052 | 324 | 0.9249 |
MFAC | 0.287 | 1814 | 0.9749 |
其中MSE指标衡量的是观测值与真值偏差,并且对数据中的异常值较为敏感,该值越小,系统跟踪效果越好,IAE值类似。表1结果表明,本发明FFDL-ISMC方法的MSE值和IAE值均小于传统MFAC方法。最大加/减速度MA反应系统输入的稳定性,从表1结果可以看出,使用本发明FFDL-ISMC方法的动车组,最大加/减速度为0.9249m/s2,变化偏小;而传统MFAC方法最大加/减速度较大,为0.9749m/s2。这意味着传统MFAC方法不利于乘客的舒适性要求,而本发明FFDL-ISMC方法可以达到乘客的舒适性要求。综上,在有干扰的情况下,本发明FFDL-ISMC方法能够控制动车组以较小的跟踪误差、稳定的加/减速度运行。
基于本发明提供的方法,本发明还提供一种高速动车组数据驱动积分滑模控制系统,包括:
动力学分析模块,用于对高速动车组运行过程进行动力学分析,将动车组的输入输出数据集合等效为MIMO离散时间非线性系统;
FFDL数据模型构建模块,用于基于所述MIMO离散时间非线性系统构建包含广义扰动的动车组FFDL数据模型;
控制律设计模块,用于基于所述包含广义扰动的FFDL数据模型设计等效控制律和切换控制律;
滑模控制律建立模块,用于根据所述等效控制律和所述切换控制律建立MIMO动车组积分滑模控制律;
动车组运行控制模块,用于根据所述MIMO动车组积分滑模控制律来控制高速动车组的运行。
进一步地,本发明还提供一种电子设备,该电子设备可以包括:处理器、通信接口、存储器和通信总线。其中,处理器、通信接口、存储器通过通信总线完成相互间的通信。处理器可以调用存储器中的计算机程序,以执行所述的高速动车组数据驱动积分滑模控制方法。
此外,上述的存储器中的计算机程序通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个非暂态计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
同许多复杂系统一样,动车组运行过程也具有多变量、强耦合以及非线性等特性,这严重影响着列控系统的性能。针对包含外部扰动的动车组自动驾驶系统,本发明提出了一种新型的高速动车组数据驱动积分滑模控制方法。首先,该方法基于与动车组运行过程等效的FFDL数据模型,设计了一种离散积分滑模控制律;同时,通过对FFDL数据模型的未知扰动、参数误差等不确定项进行延时估计,进一步提升了算法的控制性能和对系统的等价描述程度。以实验室配备的CRH380A型动车组仿真实验台对本发明提出的FFDL-ISMC方法进行仿真测试,并与其他方法进行对比,仿真结果表明,本发明所提出的FFDL-ISMC方法控制性能较好,动车组各动力单元速度跟踪误差在[-0.121km/h,0.132km/h]以内,控制力和加速度分别在[-52kN,42kN]和[-0.9249m/s2,0.8187m/s2]以内且变化平稳,满足乘客的舒适度要求。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种高速动车组数据驱动积分滑模控制方法,其特征在于,包括:
对高速动车组运行过程进行动力学分析,将动车组的输入输出数据集合等效为多输入多输出MIMO离散时间非线性系统;
基于MIMO离散时间非线性系统构建包含广义扰动的动车组全格式动态线性化FFDL数据模型;
基于包含广义扰动的FFDL数据模型设计等效控制律和切换控制律;
基于扰动估计技术,将包含广义扰动的FFDL数据模型Δym(t+1)=Φ1(t)Δy(t)+Φ2(t)Δu(t)+Δd(t)中的扰动项Δd(t)通过其一步延时的值估计:
其中为有界广义扰动d(t)的估计值;/>Δy(t)=y(t)-y(t-1)为t时刻的输出变化量;Δu(t)=u(t)-u(t-1)为t时刻的输入变化量;Φi(t)为时变参数向量Φ(t)中的子方阵;
接下来需要对时变参数向量Φ(t)进行实时估计,引入参数估计准则函数:
其中,μ>0为约束相邻参数的变化率;J为指标函数符号;是Φ(t)=[Φ1(t),Φ2(t)]的估计值;以下用/>代替Φ(t)=[Φ1(t),Φ2(t)];/> 为一定时间内控制输入和输出组成的一个系统矩阵;
极小化所述参数估计准则函数,得到以下参数估计算法:
其中β∈(0,2]为步长因子;利用所述参数估计算法得到所述包含广义扰动的FFDL数据模型中Φ1(t)和Φ2(t)的值;
进一步地,定义系统输出误差为:
e(t)=ym(t)-yr(t);
其中,yr(t)为系统在t时刻的期望输出;
引入了一种新的积分滑模函数,形式如下:
s(t)=e(t)+l1E(t-1)+bl2F(t-1);
其中参数0<l1<1,0<l2<1;s(t)为滑模函数;两个积分输出跟踪误差项E(t)和F(t)定义如下:
其中参数α为大于0的常数;sigαe(t)=[sgn(e1)|e1|α,…,sgn(en)|en|α]T,sgn为符号函数,e(t)=[e1,e2,…,en]T,n为动车组包含的动力单元数量;
随后,基于以下趋近律和积分滑模函数设计滑模控制策略:
Δs(t+1)=s(t+1)-s(t)=0;
结合式e(t)=ym(t)-yr(t)、式s(t)=e(t)+l1E(t-1)+bl2F(t-1)和式Δs(t+1)=s(t+1)-s(t)=0,不难得到:
将所述包含广义扰动的动车组FFDL数据模型代入到式中,得到:
由推导出等效控制律表达式:
基于所述参数估计算法和所述积分滑模函数设计如下切换控制律:
根据等效控制律和切换控制律建立MIMO动车组积分滑模控制律;
所述根据等效控制律和所述切换控制律建立MIMO动车组积分滑模控制律,具体包括:
根据所述等效控制律Δueq(t)和所述切换控制律Δusw(t)建立MIMO动车组积分滑模控制律Δu(t)=Δueq(t)+Δusw(t);
根据MIMO动车组积分滑模控制律来控制高速动车组的运行。
2.根据权利要求1所述的高速动车组数据驱动积分滑模控制方法,其特征在于,所述对高速动车组运行过程进行动力学分析,将动车组的输入输出数据集合等效为MIMO离散时间非线性系统,具体包括:
对高速动车组运行过程进行动力学分析,得到动车组的多动力单元数学模型;
将一阶差分算子应用于所述多动力单元数学模型,得到离散时间非线性模型;
将所述离散时间非线性模型中所有位移项都转换成与速度和控制力相关的形式,从而将动车组的输入输出数据集合等效为MIMO离散时间非线性系统。
3.根据权利要求2所述的高速动车组数据驱动积分滑模控制方法,其特征在于,所述基于MIMO离散时间非线性系统构建包含广义扰动的动车组FFDL数据模型,具体包括:
在满足预设定理的情况下,将所述MIMO离散时间非线性系统等价为FFDL数据模型;
基于所述FFDL数据模型构建包含广义扰动的动车组FFDL数据模型。
4.一种高速动车组数据驱动积分滑模控制系统,其特征在于,包括:
动力学分析模块,用于对高速动车组运行过程进行动力学分析,将动车组的输入输出数据集合等效为多输入多输出MIMO离散时间非线性系统;
FFDL数据模型构建模块,用于基于所述MIMO离散时间非线性系统构建包含广义扰动的动车组全格式动态线性化FFDL数据模型;
控制律设计模块,用于基于所述包含广义扰动的FFDL数据模型设计等效控制律和切换控制律;
基于扰动估计技术,将包含广义扰动的FFDL数据模型Δym(t+1)=Φ1(t)Δy(t)+Φ2(t)Δu(t)+Δd(t)中的扰动项Δd(t)通过其一步延时的值估计:
其中为有界广义扰动d(t)的估计值;/>Δy(t)=y(t)-y(t-1)为t时刻的输出变化量;Δu(t)=u(t)-u(t-1)为t时刻的输入变化量;Φi(t)为时变参数向量Φ(t)中的子方阵;
接下来需要对时变参数向量Φ(t)进行实时估计,引入参数估计准则函数:
其中,μ>0为约束相邻参数的变化率;J为指标函数符号;是Φ(t)=[Φ1(t),Φ2(t)]的估计值;以下用/>代替Φ(t)=[Φ1(t),Φ2(t)];/> 为一定时间内控制输入和输出组成的一个系统矩阵;
极小化所述参数估计准则函数,得到以下参数估计算法:
其中β∈(0,2]为步长因子;利用所述参数估计算法得到所述包含广义扰动的FFDL数据模型中Φ1(t)和Φ2(t)的值;
进一步地,定义系统输出误差为:
e(t)=ym(t)-yr(t);
其中,yr(t)为系统在t时刻的期望输出;
引入了一种新的积分滑模函数,形式如下:
s(t)=e(t)+llE(t-1)+bl2F(t-1);
其中参数0<l1<1,0<l2<1;s(t)为滑模函数;两个积分输出跟踪误差项E(t)和F(t)定义如下:
其中参数α为大于0的常数;sigαe(t)=[sgn(e1)|e1|α,…,sgn(en)|en|α]T,sgn为符号函数,e(t)=[e1,e2,…,en]T,n为动车组包含的动力单元数量;
随后,基于以下趋近律和积分滑模函数设计滑模控制策略:
Δs(t+1)=s(t+1)-s(t)=0;
结合式e(t)=ym(t)-yr(t)、式s(t)=e(t)+l1E(t-1)+bl2F(t-1)和式Δs(t+1)=s(t+1)-s(t)=0,不难得到:
将所述包含广义扰动的动车组FFDL数据模型代入到式中,得到:
由推导出等效控制律表达式:
基于所述参数估计算法和所述积分滑模函数设计如下切换控制律:
滑模控制律建立模块,用于根据所述等效控制律和所述切换控制律建立MIMO动车组积分滑模控制律;
所述根据所述等效控制律和所述切换控制律建立MIMO动车组积分滑模控制律,具体包括:
根据所述等效控制律Δueq(t)和所述切换控制律Δusw(t)建立MIMO动车组积分滑模控制律Δu(t)=Δueq(t)+Δusw(t);
动车组运行控制模块,用于根据所述MIMO动车组积分滑模控制律来控制高速动车组的运行。
5.一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3中任一项所述的高速动车组数据驱动积分滑模控制方法。
6.根据权利要求5所述的电子设备,其特征在于,所述存储器为非暂态计算机可读存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310623739.7A CN116339155B (zh) | 2023-05-25 | 2023-05-25 | 高速动车组数据驱动积分滑模控制方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310623739.7A CN116339155B (zh) | 2023-05-25 | 2023-05-25 | 高速动车组数据驱动积分滑模控制方法、系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116339155A CN116339155A (zh) | 2023-06-27 |
CN116339155B true CN116339155B (zh) | 2023-08-15 |
Family
ID=86891565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310623739.7A Active CN116339155B (zh) | 2023-05-25 | 2023-05-25 | 高速动车组数据驱动积分滑模控制方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116339155B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117389157B (zh) * | 2023-12-11 | 2024-02-27 | 华东交通大学 | 虚拟编组高速列车运行滑模控制方法、系统、设备及介质 |
CN117850215B (zh) * | 2024-03-08 | 2024-05-17 | 华东交通大学 | 高速动车组无模型自适应滑模控制方法、系统及电子设备 |
CN117930666B (zh) * | 2024-03-25 | 2024-05-24 | 华东交通大学 | 基于快速变幂次趋近律的动车组控制方法、设备及介质 |
CN118034064A (zh) * | 2024-04-09 | 2024-05-14 | 华东交通大学 | 一种重载列车离散积分终端滑模控制方法、系统及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016011433A2 (en) * | 2014-07-17 | 2016-01-21 | Origin Wireless, Inc. | Wireless positioning systems |
CN105607472A (zh) * | 2015-11-10 | 2016-05-25 | 江苏科技大学 | 非线性二元机翼的自适应反演滑模控制方法及装置 |
CN107608212A (zh) * | 2017-08-30 | 2018-01-19 | 湖北工业大学 | 一种基于改进型双幂次趋近律的积分滑模控制的磁悬浮列车系统控制方法 |
CN110518846A (zh) * | 2019-08-01 | 2019-11-29 | 南京理工大学 | 基于惯量辨识的多电机伺服系统自抗扰滑模速度控制方法 |
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 |
CN111781827A (zh) * | 2020-06-02 | 2020-10-16 | 南京邮电大学 | 基于神经网络和滑模控制的卫星编队控制方法 |
CN112769367A (zh) * | 2021-01-07 | 2021-05-07 | 山东交通学院 | 永磁直线电机数据驱动离散迭代积分滑模控制方法及系统 |
CN114167733A (zh) * | 2022-02-14 | 2022-03-11 | 华东交通大学 | 一种高速列车速度控制方法及系统 |
-
2023
- 2023-05-25 CN CN202310623739.7A patent/CN116339155B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016011433A2 (en) * | 2014-07-17 | 2016-01-21 | Origin Wireless, Inc. | Wireless positioning systems |
CN105607472A (zh) * | 2015-11-10 | 2016-05-25 | 江苏科技大学 | 非线性二元机翼的自适应反演滑模控制方法及装置 |
CN107608212A (zh) * | 2017-08-30 | 2018-01-19 | 湖北工业大学 | 一种基于改进型双幂次趋近律的积分滑模控制的磁悬浮列车系统控制方法 |
CN110518846A (zh) * | 2019-08-01 | 2019-11-29 | 南京理工大学 | 基于惯量辨识的多电机伺服系统自抗扰滑模速度控制方法 |
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 |
CN111781827A (zh) * | 2020-06-02 | 2020-10-16 | 南京邮电大学 | 基于神经网络和滑模控制的卫星编队控制方法 |
CN112769367A (zh) * | 2021-01-07 | 2021-05-07 | 山东交通学院 | 永磁直线电机数据驱动离散迭代积分滑模控制方法及系统 |
CN114167733A (zh) * | 2022-02-14 | 2022-03-11 | 华东交通大学 | 一种高速列车速度控制方法及系统 |
Non-Patent Citations (1)
Title |
---|
高速动车组强耦合模型的分布式滑模控制策略;李中奇;《自动化学报》;第46卷(第3期);第495-511页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116339155A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116339155B (zh) | 高速动车组数据驱动积分滑模控制方法、系统及设备 | |
CN107791773B (zh) | 一种基于规定性能函数的整车主动悬架系统振动控制方法 | |
CN112327627B (zh) | 基于复合学习的非线性切换系统自适应滑模控制方法 | |
CN103324085A (zh) | 基于监督式强化学习的最优控制方法 | |
Ma et al. | Direct yaw-moment control of electric vehicles based on adaptive sliding mode | |
CN109375510B (zh) | 一种用于高速列车的自适应滑模容错控制方法 | |
CN114167733B (zh) | 一种高速列车速度控制方法及系统 | |
CN116027669A (zh) | 一种高速列车自适应滑模控制方法、系统及电子设备 | |
Shi et al. | Interacting multiple model-based adaptive control system for stable steering of distributed driver electric vehicle under various road excitations | |
Metzler et al. | Explicit non-linear model predictive control for vehicle stability control | |
Zhou et al. | Data-driven integral sliding mode control based on disturbance decoupling technology for electric multiple unit | |
CN103439883A (zh) | 汽车底盘集成系统神经网络广义逆解耦控制器及构造方法 | |
Canale et al. | Vehicle yaw control using a fast NMPC approach | |
Guo et al. | Adaptive fuzzy sliding mode control for high‐speed train using multi‐body dynamics model | |
CN117048667A (zh) | 一种基于车辆动态响应辨识的重载列车控制方法及系统 | |
Albeaik et al. | Deep Truck: A deep neural network model for longitudinal dynamics of heavy duty trucks | |
Sheykhi et al. | Providing robust-adaptive fractional-order sliding mode control in hybrid adaptive cruise control systems in the presence of model uncertainties and external disturbances | |
CN110658818B (zh) | 面向新型供电列车的多目标优化智能运行控制预测方法 | |
Hou et al. | Vehicle ride comfort optimization in the post-braking phase using residual reinforcement learning | |
CN114326646B (zh) | 一种高速列车有限时间自适应协调控制方法及系统 | |
CN109426140B (zh) | 基于simulink的负载模拟器参数影响度分析方法 | |
Ni | Design and validation of high speed active trailer steering system for articulated heavy vehicle | |
Jia et al. | Nonlinear hybrid multipoint model of high‐speed train with traction/braking dynamic and speed estimation law | |
Hu | Mode Switching Control of Hybrid Brake-By-Wire System | |
CN118034064A (zh) | 一种重载列车离散积分终端滑模控制方法、系统及设备 |
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 |