本文選題：高速動車組　切入點：系統(tǒng)辨識　出處：《華東交通大學》2017年碩士論文

【摘要】：高速動車組制動系統(tǒng)是動車組的重要組成部分,也是列車得以安全運行的保障。隨著我國和諧系列(CRH)動車組的迅速發(fā)展,對列車的制動系統(tǒng)也提出了更高的要求。目前,列車制動主要是通過制動手柄人工機械操作的,自動化程度不高。因此,如何建立有效的動車組制動模型并實現(xiàn)對目標速度優(yōu)化曲線(滿足列車安全、舒適、準確停車的速度-位移曲線)的高精度跟蹤控制對列車自動駕駛與停車過程自動化都具有重要的意義。本文首先從相關(guān)制動原理出發(fā)提出了一種列車制動過程的多級可切換方法,并結(jié)合實際運行情況運用基于RBF網(wǎng)絡(luò)的模型參考自適應(yīng)控制策略實現(xiàn)對目標速度優(yōu)化曲線的跟蹤控制。具體研究如下:1、根據(jù)CRH380AL型列車制動特性,構(gòu)建了由靜態(tài)特性和動態(tài)特性兩部分組成的動車組制動模型,其中靜態(tài)特性是模型的輸入(制動級位)在當前速度下與模型中間量(制動力大小)的非線性關(guān)系,為便于分析本文用多個線性模型對其線性處理,并采用最小二乘的方法對多個靜態(tài)線性函數(shù)辨識得到靜態(tài)特性部分;動態(tài)特性則是制動裝置作用下,模型中間量(制動力大小)對模型輸出(列車速度)的作用,是由列車自身性能所決定的用動態(tài)傳遞函數(shù)描述,基于改進的速度變異粒子群算法即求動態(tài)性能方程參數(shù),綜合兩部得到由多個線性模型描述的動車組制動模型。2、針對動車組制動過程的強非線性特點,傳統(tǒng)的控制方法在設(shè)計算法時計算量過大。本文采用一種基于RBF網(wǎng)絡(luò)的模型參考自適應(yīng)控制策略避免了傳統(tǒng)控制方法中復(fù)雜的數(shù)學分析,而待跟蹤的目標優(yōu)化曲線即可由一個穩(wěn)定的參考模型來描述,結(jié)合神經(jīng)網(wǎng)絡(luò)的學習記憶功能使得跟蹤精度大大提升。3、基于CRH380AL型列車制動特性曲線數(shù)據(jù)與實際運行過程中的數(shù)據(jù)對本文所提方法進行仿真與性能測試,仿真結(jié)果表明,本文建立的動車組制動模型能滿足實際制動過程的要求,基于RBF網(wǎng)絡(luò)的模型參考自適應(yīng)控制策略可實現(xiàn)對目標優(yōu)化曲線的高精度控制。
[Abstract]:High-speed EMU braking system is an important part of EMU, and it is also the guarantee of safe operation of the train.With the rapid development of CRH EMU in China, higher requirements are put forward for train braking system.At present, the train brake is mainly operated manually by the brake handle, and the degree of automation is not high.Therefore, how to establish an effective EMU braking model and achieve the target speed optimization curve (to meet the train safety, comfort,The high precision tracking control of accurate stopping speed-displacement curve is of great significance to the automation of automatic driving and stopping process of trains.In this paper, a multistage switchable method for train braking process is proposed based on the principle of relative braking.The model reference adaptive control strategy based on RBF network is used to realize the tracking control of the target speed optimization curve.The specific research is as follows: 1. According to the braking characteristics of CRH380AL train, the braking model of EMU composed of static characteristics and dynamic characteristics is constructed.The static characteristic is the nonlinear relation between the input (braking level) of the model and the middle quantity of the model (braking force) at the current speed. In order to analyze the linear relationship between the input (braking grade) and the braking force of the model, this paper uses multiple linear models to deal with them linearly.The static characteristic part is obtained by using least square method to identify many static linear functions, and the dynamic characteristic is the effect of the intermediate value (braking force) of the model on the model output (train speed) under the action of braking device.Based on the improved velocity variation particle swarm optimization algorithm, the parameters of the dynamic performance equation are obtained, which are determined by the performance of the train itself and described by the dynamic transfer function.In view of the strong nonlinear characteristics of the EMU braking process, the traditional control method has too much calculation in the design of the algorithm.In this paper, a model reference adaptive control strategy based on RBF network is used to avoid the complex mathematical analysis in the traditional control method, and the target optimization curve to be tracked can be described by a stable reference model.Combined with the learning and memory function of neural network, the tracking accuracy is greatly improved. Based on the data of braking characteristic curve of CRH380AL train and the data in actual running process, the simulation and performance test of the proposed method is carried out. The simulation results show that,The braking model of EMU in this paper can meet the requirements of actual braking process. The model reference adaptive control strategy based on RBF network can achieve high precision control of target optimization curve.
【學位授予單位】：華東交通大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：U266;TP273.2

【相似文獻】

相關(guān)期刊論文 前10條

1 Hans Büchi;豐淑春;;瑞士雙電流制動車組ALLEGRA(續(xù)完)[J];國外鐵道車輛;2014年03期

2 王燕舞,關(guān)治洪,王華,錢同惠;自適應(yīng)控制實現(xiàn)陳氏混沌系統(tǒng)的完全同步[J];華中科技大學學報(自然科學版);2002年12期

3 陳宗基,張洪鉞;自適應(yīng)控制在飛機控制中的應(yīng)用[J];航空學報;1985年06期

4 王正志,張良起;梯格形自適應(yīng)控制[J];國防科技大學學報;1989年03期

5 袁震東;;自適應(yīng)控制的存在問題與發(fā)展趨勢[J];電氣自動化;1997年05期

6 王大慶,丁崇生,葛思華,何鉞;自適應(yīng)控制收斂速度的研究[J];機床與液壓;1997年06期

7 孫艷娜,郭慶鼎;應(yīng)用H~∞控制律的魯棒自適應(yīng)控制[J];沈陽工業(yè)大學學報;2000年05期

8 魏紅根;自適應(yīng)控制引入車間[J];世界制造技術(shù)與裝備市場;2001年01期

9 馮永浩,李云,宋浩;一種用于功率自適應(yīng)控制的有效方法[J];空軍工程大學學報(自然科學版);2002年02期

10 郭慶鼎,孫艷娜;H~∞控制律用于自適應(yīng)控制的整體有界性證明[J];沈陽工業(yè)大學學報;2003年05期

相關(guān)會議論文 前10條

1 李傳慶;劉廣生;;無模型自適應(yīng)控制理論的研究進展[A];全國自動化新技術(shù)學術(shù)交流會會議論文集（一）[C];2005年

2 周淑秋;韓志剛;;同參數(shù)估計對偶的自適應(yīng)控制新算法[A];1998年中國智能自動化學術(shù)會議論文集（上冊）[C];1998年

3 秦濱;楊艷梅;韓志剛;;模型未知系統(tǒng)的無模型自適應(yīng)控制[A];1995中國控制與決策學術(shù)年會論文集[C];1995年

4 徐國凱;張秀玲;吳忠強;;從參考模型取狀態(tài)的混合自適應(yīng)控制方案[A];1995中國控制與決策學術(shù)年會論文集[C];1995年

5 張紀會;武玉強;初學導(dǎo);;輸入受限的自適應(yīng)控制[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

6 延俊華;郭三明;楊凌霄;;電機串阻起動的負荷自適應(yīng)控制[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

7 侯忠生;黃文虎;;一類非性系統(tǒng)的間接自適應(yīng)控制[A];1996年中國控制會議論文集[C];1996年

8 張紀會;周紹生;武玉強;初學導(dǎo);;一類輸入受限制系統(tǒng)的自適應(yīng)控制[A];1996年中國控制會議論文集[C];1996年

9 鐘曉敏;方建安;邵世煌;;基于神經(jīng)元混沌自適應(yīng)控制[A];1997年中國控制會議論文集[C];1997年

10 方錦清;黃良玉;羅曉曙;;半導(dǎo)體激光的混沌化及混沌自適應(yīng)控制[A];第二十四屆中國控制會議論文集（上冊）[C];2005年

相關(guān)重要報紙文章 前1條

1 羌菊興 舒縈 凌鷹鶴 羅文欽（作者單位：寶鋼集團寶鋼股份公司）;自適應(yīng)控制技術(shù)確保精確軋制[N];中國冶金報;2005年

相關(guān)博士學位論文 前6條

1 周宇;高速鐵路成網(wǎng)條件下動車組運用計劃編制理論與算法研究[D];北京交通大學;2017年

2 石懷龍;鐵道車輛剛?cè)狁詈舷到y(tǒng)振動研究[D];西南交通大學;2017年

3 吳健;基于逼近器的自適應(yīng)控制新方法[D];西安電子科技大學;2015年

4 Mohmmed Alsiddig Alamin Ahmed;[D];揚州大學;2017年

5 金尚泰;無模型學習自適應(yīng)控制的若干問題研究及其應(yīng)用[D];北京交通大學;2008年

6 卜旭輝;數(shù)據(jù)驅(qū)動無模型自適應(yīng)控制與學習控制的魯棒性問題研究[D];北京交通大學;2011年

相關(guān)碩士學位論文 前10條

1 彭達;基于多級切換的動車組制動過程自適應(yīng)控制[D];華東交通大學;2017年

2 孫濤;A公司動車組全壽命周期的風險管理研究[D];青島大學;2017年

3 王海洋;動車組牽引傳動系統(tǒng)的仿真研究與模擬教學裝置設(shè)計[D];石家莊鐵道大學;2017年

4 羅榮輝;動車組交路計劃編制相關(guān)問題研究[D];蘭州交通大學;2017年

5 郭慧敏;基于簇式運用的高速鐵路動車組檢修問題研究[D];蘭州交通大學;2017年

6 張玉清;動車組檢修流程監(jiān)控系統(tǒng)設(shè)計與實現(xiàn)[D];蘭州交通大學;2017年

7 何勇;分階段成組維護策略在動車組部件預(yù)防性維護中的研究[D];蘭州交通大學;2017年

8 朱琳;CRH2型動車組電力牽引傳動系統(tǒng)研究[D];西安科技大學;2017年

9 韓威;基于EEMD和小波包的動車組軸箱軸承故障診斷系統(tǒng)的研究[D];蘭州交通大學;2017年

10 肖政;動車組在風區(qū)過渡段的空氣動力學性能研究[D];華東交通大學;2017年

，

本文編號：1718233