本文關(guān)鍵詞：自適應(yīng)迭代學(xué)習(xí)控制和卡爾曼一致性濾波及在高速列車運(yùn)行控制中的應(yīng)用

  更多相關(guān)文章： 自適應(yīng)迭代學(xué)習(xí)控制 卡爾曼一致性濾波 列車自動運(yùn)行控制 傳感器網(wǎng)絡(luò) 狀態(tài)估計(jì) 輸入飽和 狀態(tài)時(shí)滯 容錯控制

【摘要】：本文以自適應(yīng)迭代學(xué)習(xí)控制和卡爾曼一致性濾波理論為基礎(chǔ),從列車速度跟蹤控制技術(shù)和速度測量估計(jì)技術(shù)兩個(gè)角度,著重研究了高速列車重復(fù)運(yùn)行控制中的若干實(shí)際問題。論文的主要研究內(nèi)容和創(chuàng)新點(diǎn)總結(jié)如下:一、針對高速列車運(yùn)行中存在的控制輸入飽和與未知的速度時(shí)變時(shí)滯問題,研究了一類自適應(yīng)迭代學(xué)習(xí)控制方法,實(shí)現(xiàn)高速列車速度運(yùn)行曲線的精確跟蹤控制。首先,考慮列車運(yùn)行中存在的控制輸入飽和情況,利用非線性參數(shù)化系統(tǒng)描述高速列車動力學(xué)模型,進(jìn)行系統(tǒng)非線性特性研究,提出基于參數(shù)分離原理的半飽和自適應(yīng)迭代學(xué)習(xí)控制律,以及沿迭代軸的系統(tǒng)時(shí)變參數(shù)辨識的全飽和參數(shù)學(xué)習(xí)律。其次,考慮列車運(yùn)行中同時(shí)存在控制輸入飽和與未知的速度時(shí)變時(shí)滯情況,通過加入時(shí)滯補(bǔ)償項(xiàng),提出帶有時(shí)滯補(bǔ)償改進(jìn)的自適應(yīng)迭代學(xué)習(xí)控制方法。然后,基于Lyapunov泛函分析方法,證明自適應(yīng)迭代學(xué)習(xí)控制方法及其改進(jìn)形式都可以嚴(yán)格保證列車速度在2-范數(shù)意義下沿迭代軸逐點(diǎn)收斂到期望速度軌跡。最后,數(shù)值仿真和比對實(shí)驗(yàn)進(jìn)一步驗(yàn)證所提方法的有效性。二、針對高速列車運(yùn)行中存在的牽引/制動執(zhí)行器故障問題,研究一類自適應(yīng)迭代學(xué)習(xí)容錯控制方法,實(shí)現(xiàn)高速列車速度運(yùn)行曲線的精確跟蹤控制。首先,考慮列車運(yùn)行中同時(shí)存在控制輸入飽和、未知速度時(shí)變時(shí)滯以及牽引/制動執(zhí)行器故障的情況,設(shè)計(jì)含有非線性反饋補(bǔ)償和魯棒補(bǔ)償項(xiàng)的半飽和自適應(yīng)迭代學(xué)習(xí)控制律和全飽和參數(shù)學(xué)習(xí)律。對于SISO高速列車系統(tǒng),該方法是一種不依賴于精確模型結(jié)構(gòu)、系統(tǒng)參數(shù)、時(shí)滯與故障等信息的速度跟蹤控制方法,可以同步補(bǔ)償和處理控制輸入飽和、狀態(tài)時(shí)滯、執(zhí)行器故障等非線性影響。其次,對于一類MIMO非線性參數(shù)化系統(tǒng),考慮系統(tǒng)同時(shí)存在執(zhí)行器故障、被控對象和控制增益矩陣非線性參數(shù)不確定的情況,提出擴(kuò)展的自適應(yīng)迭代學(xué)習(xí)容錯控制方法。然后,通過設(shè)計(jì)一個(gè)新穎的時(shí)間權(quán)重Lyapunov-Krasovskii-Like復(fù)合能量函數(shù),證明了自適應(yīng)迭代學(xué)習(xí)容錯控制方法及其擴(kuò)展形式都可以嚴(yán)格保證SISO列車速度誤差和MIMO系統(tǒng)狀態(tài)誤差在2-范數(shù)意義下沿迭代軸逐點(diǎn)收斂到零。最后,仿真結(jié)果進(jìn)一步驗(yàn)證算法的有效性和優(yōu)越性。三、針對傳感器網(wǎng)絡(luò)中傳感器節(jié)點(diǎn)觀測受限、分布式測量模型對網(wǎng)絡(luò)拓?fù)湫畔⒗貌蛔阋约皞鞲衅鞴?jié)點(diǎn)間通信噪聲等問題,研究了一類分布式連續(xù)時(shí)間信息權(quán)重的卡爾曼一致性濾波方法,實(shí)現(xiàn)傳感器網(wǎng)絡(luò)中含有噪聲的連續(xù)時(shí)間線性動態(tài)系統(tǒng)狀態(tài)最優(yōu)估計(jì)。首先,考慮控制輸入已知的情況,根據(jù)傳感器網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),選取局部狀態(tài)估計(jì)誤差的協(xié)方差矩陣的逆作為信息權(quán)重矩陣,設(shè)計(jì)了新穎的傳感器局部測量模型,推導(dǎo)并得到局部最優(yōu)的系統(tǒng)狀態(tài)卡爾曼一致性濾波估計(jì)方法。其次,考慮系統(tǒng)控制輸入未知的情況,給出改進(jìn)的分布式連續(xù)時(shí)間信息權(quán)重的卡爾曼一致性濾波算法,可以對含有噪聲的系統(tǒng)狀態(tài)和控制輸入同步進(jìn)行分布式估計(jì),避免使用系統(tǒng)輸入等全局信息,能夠減少通信負(fù)擔(dān)和拓展應(yīng)用范圍。然后,利用Lyapunov穩(wěn)定性理論,證明連續(xù)時(shí)間信息權(quán)重的卡爾曼一致性濾波方法及其改進(jìn)形式都可以嚴(yán)格保證分布式傳感器對系統(tǒng)狀態(tài)的局部最優(yōu)估計(jì)。所有傳感器對含有噪聲的系統(tǒng)狀態(tài)估計(jì)在最小二乘的意義下都一致收斂到系統(tǒng)真實(shí)狀態(tài)的有界鄰域內(nèi)。最后,通過仿真數(shù)例和對比實(shí)驗(yàn),驗(yàn)證提出的分布式濾波方法在傳感器網(wǎng)絡(luò)中對連續(xù)線性系統(tǒng)狀態(tài)估計(jì)有效,并且明顯優(yōu)于其他已有的濾波方法。四、針對離散時(shí)間線性或非線性系統(tǒng)的參數(shù)辨識和狀態(tài)一致性最優(yōu)估計(jì)問題,研究一類基于卡爾曼濾波的系統(tǒng)參數(shù)辨識方法和一類分布式離散時(shí)間信息權(quán)重卡爾曼一致性濾波估計(jì)方法,實(shí)現(xiàn)傳感器網(wǎng)絡(luò)中非重復(fù)運(yùn)行線性系統(tǒng)的狀態(tài)最優(yōu)估計(jì)以及高速列車重復(fù)運(yùn)行非線性系統(tǒng)的速度最優(yōu)估計(jì)。首先,考慮一般的含有噪聲的離散時(shí)間線性系統(tǒng),提出基于網(wǎng)絡(luò)信息流拓?fù)涞男畔⒕仃嚈?quán)重的分布式測量模型,設(shè)計(jì)分布式離散時(shí)間信息權(quán)重卡爾曼一致性濾波方法,并給出了基于Lyapunov泛函的收斂性分析。仿真研究及對比實(shí)驗(yàn)驗(yàn)證提出的分布式濾波方法在傳感器網(wǎng)絡(luò)中對離散線性系統(tǒng)狀態(tài)估計(jì)有效。其次,考慮一般的含有噪聲的離散時(shí)間非線性系統(tǒng),利用全格式動態(tài)線性化技術(shù),將非線性模型等價(jià)轉(zhuǎn)化為含有外源輸入的線性時(shí)變自回歸模型,分別提出非重復(fù)系統(tǒng)的基序列擬合卡爾曼濾波和重復(fù)系統(tǒng)的迭代卡爾曼濾波兩種系統(tǒng)參數(shù)辨識方法。然后,考慮高速列車離散時(shí)間重復(fù)運(yùn)行的非線性系統(tǒng),設(shè)計(jì)一種分布式離散時(shí)間數(shù)據(jù)驅(qū)動的信息權(quán)重卡爾曼一致性濾波的速度估計(jì)方法,可以通過列車速度傳感器網(wǎng)絡(luò),實(shí)現(xiàn)高速列車含有噪聲的速度測量與估計(jì)。理論分析表明提出的濾波方法可以保證列車速度估計(jì)在最小二乘的意義下都一致收斂到列車真實(shí)速度的有界鄰域內(nèi)。最后,高速列車速度估計(jì)仿真研究及對比實(shí)驗(yàn)進(jìn)一步驗(yàn)證算法的有效性。
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TP13;U284.48

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 阮小娥;樸光賢;卞增男;;迭代學(xué)習(xí)控制技術(shù)回顧與長期學(xué)習(xí)控制展望(英文)[J];控制理論與應(yīng)用;2012年08期

2 ;Observer-based Adaptive Iterative Learning Control for Nonlinear Systems with Time-varying Delays[J];International Journal of Automation & Computing;2010年04期

3 ;Novel Adaptive Learning Control of Linear Systems with Completely Unknown Time Delays[J];International Journal of Automation & Computing;2009年02期

4 侯忠生;金尚泰;趙明;;宏觀交通流模型參數(shù)的迭代學(xué)習(xí)辨識方法[J];自動化學(xué)報(bào);2008年01期

5 許建新,侯忠生;學(xué)習(xí)控制的現(xiàn)狀與展望[J];自動化學(xué)報(bào);2005年06期

6 唐濤,黃良驥;列車自動駕駛系統(tǒng)控制算法綜述[J];鐵道學(xué)報(bào);2003年02期

7 孫明軒,黃寶健,張學(xué)智;任意初態(tài)下不確定時(shí)滯系統(tǒng)的PD型迭代學(xué)習(xí)控制[J];控制理論與應(yīng)用;1998年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 李振軒;高速列車迭代學(xué)習(xí)運(yùn)行控制幾類問題研究[D];北京交通大學(xué);2016年

2 宋琦;高速列車的魯棒自適應(yīng)及容錯控制[D];北京交通大學(xué);2014年

3 孫何青;改進(jìn)的迭代學(xué)習(xí)控制算法及其在列車運(yùn)行控制應(yīng)用中的幾類問題研究[D];北京交通大學(xué);2014年

4 王軼;基于迭代學(xué)習(xí)控制的幾類列車自動控制問題研究[D];北京交通大學(xué);2010年

，

本文編號：1276109