中國(guó)擁有世界上規(guī)模最大的高速鐵路網(wǎng),接近三萬(wàn)公里的運(yùn)行里程遠(yuǎn)超世界其它國(guó)家。高速鐵路的不斷修建與蓬勃發(fā)展,全面提高了中國(guó)路網(wǎng)出行質(zhì)量與效率并促進(jìn)著中國(guó)區(qū)域經(jīng)濟(jì)的協(xié)調(diào)均衡發(fā)展。中國(guó)自主研發(fā)的高速鐵路運(yùn)行控制系統(tǒng),在國(guó)際上取得了領(lǐng)先地位并在不斷地創(chuàng)新完善。自動(dòng)駕駛技術(shù)(Automatic Train Operation,ATO)作為其關(guān)鍵技術(shù)之一已在城市軌道交通中成功應(yīng)用,高速列車(chē)ATO技術(shù)也在如火如荼的進(jìn)行著。其中控制列車(chē)安全高效運(yùn)行是ATO技術(shù)的重要職責(zé),因此如何保證高速列車(chē)運(yùn)行平穩(wěn)安全是近年來(lái)ATO速度跟蹤控制的研究熱點(diǎn)。故本文緊跟ATO技術(shù)發(fā)展步伐,研究具有跟蹤精度高、魯棒性強(qiáng)的智能化速度跟蹤控制算法。由于高速列車(chē)運(yùn)行工況較為復(fù)雜,其運(yùn)行過(guò)程具有明顯的非線性、時(shí)變性和易受外界干擾,因此本文利用神經(jīng)網(wǎng)絡(luò)建立高速列車(chē)運(yùn)行過(guò)程模型并用廣義預(yù)測(cè)控制實(shí)現(xiàn)列車(chē)速度跟蹤控制,具體研究?jī)?nèi)容如下:在研究國(guó)內(nèi)外學(xué)者對(duì)高速列車(chē)建模方式的基礎(chǔ)上,本文選擇數(shù)據(jù)驅(qū)動(dòng)方式建立高速列車(chē)運(yùn)行過(guò)程模型。根據(jù)獲取的列車(chē)運(yùn)行實(shí)際輸入輸出數(shù)據(jù),采用有監(jiān)督和無(wú)監(jiān)督學(xué)習(xí)方式對(duì)徑向基神經(jīng)網(wǎng)絡(luò)模型進(jìn)行離線訓(xùn)練,從而建立列車(chē)運(yùn)行過(guò)程...

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景與意義
    1.2 高速列車(chē)自動(dòng)駕駛系統(tǒng)
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 高速列車(chē)運(yùn)行過(guò)程建模
        1.3.2 ATO控制算法
        1.3.3 廣義預(yù)測(cè)控制
    1.4 本文主要研究?jī)?nèi)容
2 高速列車(chē)牽引計(jì)算模型及控制目標(biāo)
    2.1 運(yùn)行過(guò)程受力分析
    2.2 工況轉(zhuǎn)換規(guī)則及動(dòng)力學(xué)方程
    2.3 控制目標(biāo)
    2.4 本章小結(jié)
3 高速列車(chē)運(yùn)行過(guò)程建模
    3.1 ANN
    3.2 RBFNN
    3.3 RBFNN學(xué)習(xí)算法
    3.4 基于RBFNN的高速列車(chē)運(yùn)行過(guò)程模型
        3.4.1 建模過(guò)程
        3.4.2 模型驗(yàn)證
    3.5 本章小結(jié)
4 基于RBFNN的改進(jìn)GPC算法
    4.1 模型瞬時(shí)線性化
    4.2 GPC算法
        4.2.1 預(yù)測(cè)控制基本機(jī)理
        4.2.2 Diophantine方程的求解
        4.2.3 GPC基本算法
    4.3 GPC算法的改進(jìn)
    4.4 仿真驗(yàn)證
    4.5 本章小結(jié)
5 高速列車(chē)速度跟蹤多目標(biāo)預(yù)測(cè)控制算法
    5.1 控制目標(biāo)函數(shù)的建立
    5.2 多目標(biāo)預(yù)測(cè)控制算法
    5.3 仿真驗(yàn)證
    5.4 本章小結(jié)
結(jié)論
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果



本文編號(hào)：3844257