高速动车组改进广义预测自适应速度跟踪控制

《高速动车组改进广义预测自适应速度跟踪控制》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号______________________________密级______________________________ＵＤＣ______________________________编号______________________________硕士学位论文高速动车组改进广义预测自适应速度跟踪控制学位申请人：刘盼学科专业：控制科学与工程指导教师：杨辉教授答辩日期：独创性声明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表和撰写的研究成果，也不包含为获得

2、华东交通大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人签名_______________日期____________关于论文使用授权的说明本人完全了解华东交通大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅。学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。保密的论文在解密后遵守此规定，本论文无保密内容。本人签名____________导师签名__________日期___________摘要高速动车组改进广义预测自适应速

3、度跟踪控制摘要高速动车组运行控制方法的研究是实现高速动车组自动驾驶的关键。由于高速动车组运行环境复杂，因此高速动车组运行过程是一个强非线性、强干扰、多约束等特点的复杂动力学系统。设计自适应能力强、鲁棒性能好的控制策略，实现高速动车组速度高精度跟踪控制具有重要的意义。针对高速动车组运行过程模型参数时变的特点，本文提出了改进广义预测自适应控制算法对高速动车组进行速度跟踪控制。具体研究如下：1、根据现场采集的CRH380AL型高速动车组实际运行数据，经过数据处理后利用回声状态网络对高速动车组运行过程进行系统辨识，针对回声状态网络关键参数选取困难问题，利用微粒群优化算法对关键参

4、数进行优化，建立高速动车组非线性模型，并与动态递归型Elman神经网络辨识性能作对比。仿真结果表明，回声状态网络能够克服递归神经网络记忆逐渐消退问题，具有更强的非线性动态系统逼近能力和自适应能力，列车实际运行数据测试验证结果表明，回声状态网络结构模型能够较为完整的描述高速动车组运行过程。2、针对高速动车组在运行的过程中动力学模型参数会发生变化，甚至参数会发生突变，本文设计了改进的广义预测（JGPC）自适应控制算法。针对传统GPC算法计算量大、算法复杂，鲁棒性不强等缺点，提出了JGPC。利用FFRELS在线实时估计并更新高速动车组动力学模型参数，对JGPC算法模型进行修正

5、。JGPC自适应控制算法能够在较长时域长度通过多步预测、滚动优化以及反馈校正对开环不稳定系统、非最小相位系统、大延迟系统进行控制，而且具有较好的控制性能。3、以CRH380AL型高速动车组为研究对象，对本文所提出的JGPC自适应控制算法进行验证并测试其控制性能。仿真结果表明，改进的广义预测自适应控制算法能够实现高速动车组速度高精度跟踪，鲁棒性强，而且能够满足高速动车组安全、舒适等运行要求。关键词：高速动车组，回声状态网络，改进广义预测控制，速度跟踪，非线性系统IAbstractIMPROVEDGENERALIZEDPREDICTIVEADAPTIVESPEEDTRACK

6、INGCONTROLFORHIGH-SPEEDEMUABSTRACTTheresearchofoperationcontrolmethodsforhighspeedelectricmultipleunit(EMU)isakeytorealizeautomatictrainoperation.Duetothecomplexityofitsrunningenvironment,high-speedelectricmultipleunitoperationprocessisacomplexdynamicsystemwithstrongnonlinear,stronginter

7、ferenceandmoreconstraints.Ithassignificancefordesignofadaptiveandrobustcontrolschemesforhighspeedelectricmultipleunittoachieveitsprecisiontrackingcontrol.Sincetheparametersofthehighspeedelectricmultipleunitprocessmodelaretime-varying,thispaperpresentsanimprovedgeneralized