[發明專利]一種基于迭代滑模控制的列車運行跟蹤方法

有效

• 申請號: 202110981170.2
• 申請日: 2021-08-25
• 公開（公告）號: CN113671838B
• 公開（公告）日: 2023-02-24
• 發明（設計）人: 孫鵬飛;郭佑星;王青元;鄢克勤;茍斌
• 申請（專利權）人: 西南交通大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 何凡

本發明公開了一種基于迭代滑模控制的列車運行跟蹤方法，將基本運行阻力和附加運行阻力兩個在滑模控制過程中視作存在上限的未知干擾項，通過迭代學習進行參數辨識，變為控制過程的已知模型參數項，從而有效降低滑模控制器為了保證魯棒性與穩定性而存在抖振的問題，提高列車運行平穩性與舒適度。

技術領域

本發明涉及列車控制領域，具體涉及一種基于迭代滑模控制的列車運行跟蹤方法。

背景技術

高速列車自動駕駛系統(Automatic TrainOperation,ATO)是未來智能高速鐵路發展的關鍵技術之一，然而，高速列車運行速度快，運行環境復雜多變，系統受內部和外部未知擾動影響，呈現出快時變、強非線性的特征，控制器的設計仍然是一個難點。

滑模控制本質上是一類特殊的非線性控制，且非線性表現為控制的不連續性。這種控制策略與其他控制的不同之處在于系統的“結構”并不固定，而是可以在動態過程中，根據系統當前的狀態(如偏差及其各階導數等)有目的地不斷變化，迫使系統按照預定“滑動模態”的狀態軌跡運動。由于滑動模態可以進行設計且與對象參數及擾動無關，這就使得滑模控制具有快速響應、對應參數變化及擾動不靈敏、無需系統在線辨識、物理實現簡單等優點。但是當外界干擾較強時，為維持控制精度，不連續的非線性切換控制會增多，即可能出現抖震現象，尤其是控制器設計較差的時候，列車為了在速度上跟蹤期望軌跡，可能導致控制器輸出來回振蕩，也就是列車控制級位在牽引制動上來回振蕩，不利于列車的安全平穩駕駛，且對列車的器件損耗嚴重。

迭代學習控制(Iterative Learning Control，ILC)本質上是一種無模型的控制方法，非常適用于像列車速度控制這種非線性控制系統。與其他智能控制方法相比較，迭代學習控制能夠不斷地學習和積累“控制經驗”，并且不需要總結人工經驗向控制器移植，有效克服了現有控制方法的不足。同時隨著迭代次數的增加，控制精度和穩定性不斷提高，保證列車的安全運行。然而列車并不是真正意義上的嚴格重復，例如：列車牽引制動模型具有慢時變性、運行環境會受到天氣和溫度影響、控制信號傳輸存在時延隨機性等。因此，若是僅使用迭代控制器，可能因為沒有反饋狀態而出現列車在某些時刻速度無法收斂的情況。且迭代控制的收斂速度較大程度依賴初始輸入參數。

發明內容

針對現有技術中的上述不足，本發明提供了一種基于迭代滑模控制的列車運行跟蹤方法。

為了達到上述發明目的，本發明采用的技術方案為：

一種基于迭代滑模控制的列車運行跟蹤方法，其特征在于，包括如下步驟：

S1、獲取列車上一次運行過程中的控制數據，根據所獲取的控制數據調整名義模型；

S2、根據步驟S1調整后的名義模型修正滑模控制器參數；

S3、利用修正后的滑模控制器在當次列車運行過程中獲取的跟蹤誤差并輸出控制級位直至列車運行至終點；

S4、記錄當次列車運行數據，并將其提供給下次列車運行時進行迭代學習使用。

上述方案的有益效果是，通過迭代學習對列車模型參數進行調整，有效利用歷史數據降低運行抖振，提高乘客舒適度，同時結合滑模控制與迭代學習設計控制器，克服了迭代學習控制器由于運行條件變化導致的歷史數據失效及安全性問題。

進一步的，所述步驟S1中名義模型表示為：