[发明专利]基于多级切换的动车组制动过程RBF模型参考自适应控制方法

权利要求书

1.一种基于多级切换的动车组制动过程RBF模型参考自适应控制方法，其特征是，列车制动模型分为静态特性与动态特性两部分，先根据列车制动静态特性曲线，由最小二乘进行曲线拟合得到在当前时刻的速度y(k)下制动级位与制动力大小的静态特性；然后根据制动系统的工作原理分析制动力大小与将来时刻速度y(k+d)的动态特性，采用改进的粒子群辨识算法求得动态特性方程的未知参数，综合静态特性部分和动态特性部分所建立的制动模型，其中输入变量为制动级位，中间量为制动力大小，输出变量为列车速度；采用基于RBF网络的模型参考自适应控制策略，使列车实际输出能跟随参考模型的输出，最终实现动车组按预定的制动曲线自动运行；

根据高速动车组制动过程特点建立由列车静态特性与动态特性两部分组成的多级可切换制动模型，并利用相关制动数据对未知参数辨识，具体实施步骤为：

(1)列车制动静态特性是列车在各制动级位下的不同速度区段内制动级位与制动力之间的关系，其结构可描述为：

式中，n为列车制动级位，y(k)为列车当前速度，f(n,y(k))为列车所受到的制动力，ε(k)为白噪声；

(2)列车动态特性是由制动性能所决定的，表示制动力与列车速度之间的动态关系，具体结构可用动态传递函数表示：

式中，Y(s),U(s)分别是列车速度与列车控制力在S域的表达形式；参数集X＝[K,T,τ]为待辨识量，采用改进的粒子群辨识算法求得该参数集的解；综合静态特性与动态性能两部分建立多级切换的制动模型为：

其中，f(n,y(k))为静态特性部分；

列车制动静态特性常用制动有7个制动级位，因此列车制动静态特性可由28个线性方程描述；采用最小二乘法对未知参数A_in,B_in辨识，其结果为：

2.根据权利要求1所述的方法，其特征是，所述基于RBF网络的模型参考自适应控制策略，使列车实际输出能跟随参考模型的输出，最终实现动车组按预定的制动曲线自动运行；

(1)定义理想速度制动曲线为y_d,考虑列车制动时受到阻力作用，因此目标速度曲线即参考模型的输出为：

其中，基本阻力为ω＝ay_d²+by_d+c，列车质量m＝890t,阻力系数a＝0.00112,b＝0.038,c＝5.2；

(2)根据梯度下降的原理，以目标速度制动曲线与实际速度制动曲线间的误差作为网络权值调节指标；因此，RBF控制器的输出为制动级位。

3.根据权利要求1所述的方法，其特征是，改进的粒子群辨识算法流程为：

a.初始化：设定参数运动范围、学习因子c₁、c₂，最大进化代数G；kg表示当前的进化代数；参数搜索空间中，粒子组成的种群规模大小为Size，每个粒子代表解空间的一个候选解，其中第i个粒子在解空间的位置为X_i，1≤i≤Size，速度表示为V_i；第i个粒子从初始到当前迭代次数搜索产生最优解、个体极值P_i、整个种群目前的最优解记为BestS，即最优参数；随机产生Size个粒子、随机初始粒子位置和速度；

b.适应度评价：将采集到的速度数据作为理想输入输出数据样本，若理想输出与实际模型输出的累计误差平方和越小，则此时的粒子位置，为最佳粒子位置，且可定义适应度函数为：其中，N为总数据样本个数，y_k为第k个数据样本的输出，为第k个数据的实际模型输出；

c.更新粒子的速度和位置：在规定范围求解minJ过程中，粒子位置和速度不断更新，准则函数为：为避免搜索后期粒子的运动速度V_i^kg趋于0陷入局部最优，选取所有粒子在每一维运动速度中的最小值，按照一定的概率进行变异，使原本聚集的粒子群分散开，扩大了粒子的搜索范围，且定义速度最小为：V_l^kg＝minV_i^kg，I∈{1,2,…n}，为在某次搜索过程中每一维的速度最小值，则取该速度最小值对应的粒子I，按照一定的概率重新设置其速度初值V_l^kg＝rand[V_min,V_max]，最后各粒子以速度V_l^kg运动到新的位置点；有其中，kg＝1,2,…,G；i＝1,2,…,Size；r₁和r₂为0到1之间的随机数；c₁为局部学习因子，c₂为全局学习因子；p_i为历史最优值；

d.更新个体最优和全局最优：比较当前适应度值J和自身历史最优值p_i，若J≥p_i则值p_i为当前最优值J；比较当前适应度值J和种群最优值BestS，若J≥BestS，则置BestS为当前最优值J；并更新粒子位置；

e.检查结束条件：若寻优达到最大进化代数，则参数辨识过程结束，此时粒子的位置即为参数的最终值，否则令kg＝kg+1，转至第c步。