[發(fā)明專利]基于ELM的自動駕駛列車車速跟隨的控制方法

在審

• 申請?zhí)枺?/td>: 201811372159.0
• 申請日: 2018-11-16
• 公開（公告）號: CN109491385A
• 公開（公告）日: 2019-03-19
• 發(fā)明（設(shè)計）人: 李滿;龐華
• 申請（專利權(quán)）人: 李滿;龐華
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 上海弼興律師事務(wù)所 31283
• 代理人: 薛琦

1.基于ELM的自動駕駛列車車速跟隨的控制方法，其特征在于，包括以下步驟：

S1，以列車運(yùn)行數(shù)據(jù)為輸入，基于神經(jīng)網(wǎng)絡(luò)算法ELM訓(xùn)練生成理想的列車自動駕駛模型，所述列車自動駕駛模型輸出為列車車速；

S2，以所述S1生成的列車自動駕駛模型為理想模型，根據(jù)所述列車自動駕駛模型設(shè)計列車車速跟隨控制器；

S3，對所述S2設(shè)計的列車車速跟隨控制器進(jìn)行穩(wěn)定性分析，給出穩(wěn)定條件；

S4，根據(jù)所述穩(wěn)定條件設(shè)計列車牽引/制動力控制器。

2.根據(jù)權(quán)利要求1所述的基于ELM的自動駕駛列車車速跟隨的控制方法，其特征在于，所述S1的具體過程為包括：

S1.1，采集某兩站點之間人為駕駛列車的運(yùn)行數(shù)據(jù)-實時加速度和距下一站點的距離數(shù)據(jù)，作為列車自動駕駛模型的訓(xùn)練輸入；

S1.2，基于ELM算法訓(xùn)練列車自動駕駛模型，包括確定訓(xùn)練集、激活函數(shù)和隱含節(jié)點個數(shù)，以及分配輸入權(quán)重和閾值，具體為：

利用單隱含層反饋的ELM算法訓(xùn)練獲得列車自動駕駛模型；對于自動駕馭列車模型指定訓(xùn)練集：a為列車加速度，m/s²；；s為列車跟下一站點的距離，m；v為列車車速，km/h；激活函數(shù)為隱含節(jié)點數(shù)目選取為

單隱含層反饋的ELM算法訓(xùn)練獲得列車自動駕駛模型如下：

式中，w_i＝[w_i1,w_i2]^T連接第i個隱含節(jié)點與輸入節(jié)點的權(quán)重向量，即輸入權(quán)重；β_i連接第i個隱含節(jié)點與輸出節(jié)點的權(quán)重向量，即輸出權(quán)重；θ_i第i個隱含節(jié)點的閾值；w_i·x_j表示w_i與x_j的內(nèi)積；輸出節(jié)點選取為線性的；w_i和θ_i均為隨機(jī)分配；

若存在β_i、w_i和θ_i使下式成立：

那么，所述ELM算法可使N個樣本的訓(xùn)練集輸入生成的列車自動駕駛模型接近零誤差，即

S1.3，基于所述S1.2，計算隱含層輸出矩陣H，具體為：

上式可寫成下式的形式：

Ηβ＝T

其中：

式中，H為神經(jīng)網(wǎng)絡(luò)隱含層輸出矩陣，H的第i列對應(yīng)輸入x₁,x₂,...,x_N的第i個隱含節(jié)點輸出；

S1.4，基于所述S1.2和S1.3，計算輸出權(quán)重并得到列車自動駕駛模型，具體為：

因隱含節(jié)點數(shù)與樣本數(shù)存在關(guān)系：因此H不是方陣，為使模型訓(xùn)練有效，須使下式成立：

ELM算法算計線性系統(tǒng)式的輸出權(quán)重的最小范數(shù)最小二乘解如下式：

式中，是H的Moore-Penrose廣義逆矩陣；

模型訓(xùn)練完成后，可得列車自動駕駛模型：

式中，為列車自動駕駛模型的輸出-列車車速，km/h。

3.根據(jù)權(quán)利要求1所述的基于ELM的自動駕駛列車車速跟隨的控制方法，其特征在于，所述S2的具體過程為：

S2.1，因ELM算法訓(xùn)練生成的列車自動駕駛模型沒有具體的動力學(xué)表達(dá)形式，故建立設(shè)計列車動力學(xué)模型如下：

式中，M為列車整備質(zhì)量，kg；F為目標(biāo)牽引力，N；d為行駛阻力與干擾的集總，N；

S2.2，以所述S1訓(xùn)練獲得的根據(jù)所述列車自動駕駛模型為理想模型，并基于STSM算法設(shè)計列車車速跟隨控制器，具體如下：

定義滑模變量：

控制器輸出為：

式中，α為控制增益；

假設(shè)：d*＝d₁|s|/2sgn(s)，0<d₁<D；

式中，d₁、D均為正常數(shù)；

S2.3，設(shè)計所述S2.2控制器增益的自適應(yīng)律如下：

式中，ω、θ、υ、λ及α_t均為正常數(shù)。