本文關(guān)鍵詞：列車自動(dòng)駕駛控制模型參數(shù)辨識(shí)及其應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：為了滿足日益增長(zhǎng)的城市軌道交通運(yùn)輸需求,列車自動(dòng)駕駛控制技術(shù)受到業(yè)界的廣泛關(guān)注。列車自動(dòng)駕駛系統(tǒng)是提高軌道交通運(yùn)行控制系統(tǒng)服務(wù)水平和控制品質(zhì)的重要子系統(tǒng),能夠?yàn)槁每吞峁?zhǔn)時(shí)、精確、高效、快捷的運(yùn)輸服務(wù)。列車自動(dòng)駕駛控制是一個(gè)復(fù)雜的多目標(biāo)綜合控制過程,車輛參數(shù)偏移等干擾給控制性能提升帶來極大挑戰(zhàn)。 系統(tǒng)辨識(shí)與參數(shù)估計(jì)是研究基于模型的控制問題的基礎(chǔ)。本文以參數(shù)辨識(shí)方法研究為切入點(diǎn),對(duì)一類廣義線性參數(shù)模型進(jìn)行了參數(shù)辨識(shí)方法研究。由于該類模型具有豐富的表達(dá)能力,能夠代表多個(gè)列車模型,因此針對(duì)該模型的參數(shù)辨識(shí)方法研究具有普遍意義。在研究中,通過引入數(shù)據(jù)濾波技術(shù)以及利用批量數(shù)據(jù)迭代計(jì)算的方式解決了有色噪聲干擾下的參數(shù)辨識(shí)問題：在保證收斂速度、辨識(shí)精度的前提下,應(yīng)用多新息參數(shù)辨識(shí)理論使隨機(jī)梯度算法取得收斂速度與計(jì)算量的平衡,應(yīng)用模型分解技術(shù)改善了迭代辨識(shí)算法的計(jì)算效率,有效滿足了列車實(shí)時(shí)控制的需求。同時(shí),本文對(duì)列車自動(dòng)駕駛跟蹤控制以及終端停車控制進(jìn)行研究,結(jié)合參數(shù)辨識(shí)方法,提出了具有自適應(yīng)參數(shù)鎮(zhèn)定能力的跟蹤控制算法和終端停車控制算法,有效的改善變化車輛參數(shù)和外界干擾對(duì)列車跟蹤控制精度及停車精度的影響�？刂破焚|(zhì)的改善提升了旅客服務(wù)水平。此外,本文還對(duì)列車自動(dòng)駕駛系統(tǒng)輸入輸出非均勻采樣條件下的參數(shù)辨識(shí)方法以及傳感器和執(zhí)行器故障時(shí)的故障檢測(cè)方法進(jìn)行了研究,有效的提高了列車自動(dòng)駕駛控制系統(tǒng)的彈性。 論文的創(chuàng)新點(diǎn)如下： 1.針對(duì)一類含有自回歸滑動(dòng)平均有色噪聲干擾的廣義線性參數(shù)模型,提出了基于多新息參數(shù)辨識(shí)理論的遺忘廣義增廣隨機(jī)梯度算法和基于濾波的多新息隨機(jī)梯度算法�；诒孀R(shí)回歸模型,推導(dǎo)了基于多新息辨識(shí)的隱式自校正列車跟蹤控制算法。利用鞅收斂理論分析了參數(shù)辨識(shí)算法的收斂性能并證明了控制算法的穩(wěn)定性。 2.針對(duì)一類含有自回歸有色噪聲的廣義線性參數(shù)模型,提出了基于有限量測(cè)數(shù)據(jù)的梯度迭代辨識(shí)算法和基于滾動(dòng)數(shù)據(jù)的分解最小二乘迭代算法。利用分解技術(shù)降低了算法計(jì)算量,滿足列車實(shí)時(shí)控制的需求�；诘孀R(shí)算法提出了兩階段自適應(yīng)終端停車控制算法,該算法能夠保證變化車輛參數(shù)干擾下的停車精度,并擁有較好的乘車舒適度。 3.針對(duì)ATO系統(tǒng)存在輸入輸出非均勻采樣和丟失數(shù)據(jù)的情況,將ATO系統(tǒng)建模成一個(gè)雙率系統(tǒng)�；趶V義線性參數(shù)模型,提出了基于輔助模型思想和基于遞推數(shù)據(jù)間隔的非均勻采樣(雙率)參數(shù)辨識(shí)算法,保證了非均勻采樣數(shù)據(jù)／缺失數(shù)據(jù)條件下算法的辨識(shí)精度。所提出方法無需數(shù)據(jù)解耦,方便實(shí)際ATO控制使用。 4.針對(duì)ATO系統(tǒng)輸入輸出傳感器故障,提出基于未知輸入觀測(cè)器的傳感器故障檢測(cè)方法。分析了觀測(cè)器設(shè)計(jì)的收斂條件,并結(jié)合收斂條件給出了基于殘差的故障檢測(cè)算法的設(shè)計(jì)步驟。借助殘差生成器的閾值設(shè)定,能夠?qū)θ愅ㄓ眯盘?hào)故障進(jìn)行有效檢測(cè)。檢測(cè)信息可供列車控制、維護(hù)使用,方法具有較強(qiáng)的實(shí)用性。
【關(guān)鍵詞】：城市軌道交通 列車自動(dòng)駕駛 參數(shù)辨識(shí) 線性參數(shù)模型 列車跟蹤控制 停車控制 故障檢測(cè)
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP13
【目錄】：

• 致謝5-6
• 摘要6-8
• ABSTRACT8-13
• 主要符號(hào)對(duì)照表13-14
• 114-27
• 1.2 列車自動(dòng)駕駛控制問題及其研究現(xiàn)狀14-18
• 1.2.1 列車自動(dòng)駕駛跟蹤控制14-15
• 1.2.2 列車自動(dòng)駕駛精確停車控制15-16
• 1.2.3 異常情況下的列車自動(dòng)駕駛控制16-18
• 1.3 參數(shù)辨識(shí)方法的引入18-25
• 1.3.1 參數(shù)辨識(shí)研究的必要性18-19
• 1.3.2 列車自動(dòng)駕駛中的參數(shù)辨識(shí)問題19-20
• 1.3.3 幾類參數(shù)辨識(shí)方法介紹20-25
• 1.4 選題的目的與意義25
• 1.5 論文研究?jī)?nèi)容和篇章結(jié)構(gòu)25-27
• 2 列車自動(dòng)駕駛模型及參數(shù)辨識(shí)基礎(chǔ)27-49
• 2.1 列車模型綜述27-31
• 2.1.1 單質(zhì)點(diǎn)與多質(zhì)點(diǎn)模型29-30
• 2.1.2 列車自動(dòng)駕駛控制模型30-31
• 2.2 廣義抽象模型與辨識(shí)框架31-37
• 2.2.1 廣義抽象模型提出31-34
• 2.2.2 辨識(shí)框架建立34-35
• 2.2.3 模型轉(zhuǎn)換35-37
• 2.3 辨識(shí)實(shí)驗(yàn)設(shè)計(jì)37-39
• 2.4 基于輔助模型思想的兩類參數(shù)辨識(shí)方法39-45
• 2.4.1 基于輔助模型的梯度辨識(shí)方法39-41
• 2.4.2 基于輔助模型的遞推增廣最小二乘辨識(shí)方法41-45
• 2.5 仿真結(jié)果45-48
• 2.5.1 線性系統(tǒng)仿真45-46
• 2.5.2 非線性系統(tǒng)仿真46-48
• 2.6 本章小結(jié)48-49
• 3 多新息參數(shù)辨識(shí)方法及其在列車自動(dòng)駕駛控制中的應(yīng)用49-81
• 3.1 引言49-50
• 3.2 基于多新息辨識(shí)理論的參數(shù)辨識(shí)方法研究50-58
• 3.2.1 問題描述50-52
• 3.2.2 基于多新息辨識(shí)理論的廣義增廣隨機(jī)梯度算法52-54
• 3.2.3 基于濾波技術(shù)的多新息隨機(jī)梯度算法54-58
• 3.3 多新息參數(shù)辨識(shí)方法在列車自動(dòng)駕駛跟蹤控制中的應(yīng)用58-62
• 3.3.1 列車自動(dòng)駕駛車輛電機(jī)控制模型58-60
• 3.3.2 基于多新息參數(shù)辨識(shí)的自適應(yīng)跟蹤控制方法60-62
• 3.4 主要收斂結(jié)果與證明62-70
• 3.5 仿真結(jié)果70-79
• 3.5.1 辨識(shí)算例仿真70-73
• 3.5.2 控制實(shí)例仿真73-79
• 3.6 本章小結(jié)79-81
• 4 迭代參數(shù)辨識(shí)方法及其在列車自動(dòng)駕駛控制中的應(yīng)用81-101
• 4.1 引言81-82
• 4.2 基于迭代技術(shù)的參數(shù)辨識(shí)方法研究82-88
• 4.2.1 問題描述82-83
• 4.2.2 有限量測(cè)數(shù)據(jù)下的迭代參數(shù)辨識(shí)算法83-85
• 4.2.3 基于滾動(dòng)數(shù)據(jù)的分解最小二乘迭代參數(shù)辨識(shí)算法85-88
• 4.3 迭代參數(shù)辨識(shí)方法在列車自動(dòng)駕駛終端停車控制中的應(yīng)用88-96
• 4.3.1 停車性能指標(biāo)和停車策略分析88-90
• 4.3.2 列車自動(dòng)駕駛車載制動(dòng)模型90-91
• 4.3.3 基于離線模型的終端停車控制方法91-93
• 4.3.4 兩階段自適應(yīng)終端停車控制方法93-96
• 4.4 仿真結(jié)果96-100
• 4.4.1 辨識(shí)算例仿真96-99
• 4.4.2 控制實(shí)例仿真99-100
• 4.5 本章小結(jié)100-101
• 5 非均勻采樣參數(shù)辨識(shí)和故障檢測(cè)方法研究101-125
• 5.1 引言101-102
• 5.2 面向列車自動(dòng)駕駛的非均勻采樣系統(tǒng)參數(shù)辨識(shí)研究102-112
• 5.2.1 面向列車自動(dòng)駕駛的非均勻采樣系統(tǒng)建模102-103
• 5.2.2 問題描述103-104
• 5.2.3 基于輔助模型和變遞推間隔的多率參數(shù)辨識(shí)算法104-110
• 5.2.4 仿真結(jié)果110-112
• 5.3 面向列車自動(dòng)駕駛的的故障檢測(cè)方法研究112-123
• 5.3.1 面向列車自動(dòng)駕駛控制的傳感器/執(zhí)行器故障建模112-114
• 5.3.2 問題描述114-116
• 5.3.3 基于未知輸入觀測(cè)器的列車自動(dòng)駕駛傳感器故障檢測(cè)算法116-120
• 5.3.4 仿真結(jié)果120-123
• 5.4 本章小結(jié)123-125
• 6 總結(jié)與展望125-129
• 6.1 研究成果總結(jié)125-127
• 6.2 未來工作展望127-129
• 參考文獻(xiàn)129-135
• 作者簡(jiǎn)歷及攻讀博士期間取得的研究成果135
• 教育背景135
• 以第一作者發(fā)表的學(xué)術(shù)論文135-138
• 學(xué)位論文數(shù)據(jù)集138

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 董海榮;高冰;寧濱;;列車自動(dòng)駕駛調(diào)速系統(tǒng)自適應(yīng)模糊控制[J];動(dòng)力學(xué)與控制學(xué)報(bào);2010年01期

2 董海榮;高冰;寧濱;張嚴(yán)心;;基于模糊PID軟切換控制的列車自動(dòng)駕駛系統(tǒng)調(diào)速制動(dòng)[J];控制與決策;2010年05期

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

4 于振宇;陳德旺;;城軌列車制動(dòng)模型及參數(shù)辨識(shí)[J];鐵道學(xué)報(bào);2011年10期

5 羅仁士;王義惠;于振宇;唐濤;;城軌列車自適應(yīng)精確停車控制算法研究[J];鐵道學(xué)報(bào);2012年04期

6 王呈;唐濤;羅仁士;;列車自動(dòng)駕駛迭代學(xué)習(xí)控制研究[J];鐵道學(xué)報(bào);2013年03期

7 王呈;唐濤;羅仁士;;基于UIO方法的列車自動(dòng)駕駛信號(hào)故障檢測(cè)研究[J];鐵道學(xué)報(bào);2013年06期

8 ;Parameter estimation for multirate multi-input systems using auxiliary model and multi-innovation[J];Journal of Systems Engineering and Electronics;2010年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

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

  本文關(guān)鍵詞：列車自動(dòng)駕駛控制模型參數(shù)辨識(shí)及其應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：367771