[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

说明书

本发明公开了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，所述方法针对动车组制动过程的特点，利用动车组制动数据采用参数辨识的方法建立了一种多级可切换的动车组制动模型。同时，考虑到RBF神经网络强大的非线性处理能力与模型参考自适应控制的自适应能力，本发明在已建立好的制动模型基础上设计了基于RBF网络的模型参考自适应控制策略，由梯度下降原理与极小化误差指标函数，则可实时调节列车制动级位，最终实现高速动车组在无人操纵的情况下列车依旧能按照预先设定的目标速度制动曲线自动运行。大大提高了列车面临突发事件时的自处理能力。本发明适用于轨道交通自动化与运行优化控制。

技术领域

本发明涉及动车组制动过程的一种多级切换模型与自适应速度控制方法，属轨道交通自动化与过程控制领域。

背景技术

随着自动控制、系统集成、牵引传动、网络信息等技术的日益成熟加快了我国高速铁路的发展步伐，现如今我国高铁技术居于世界前列且拥有规模最大运营速度最高的铁路网，良好的解决了在能源和环境约束下我国交通运输能力不足的问题。然而，高速列车作为大型的非线性系统其运行环境也是相当复杂，一旦列车面临突发事件只能依靠驾驶员经验与调度中心，难以保证列车运行安全。因此，如何确保在脱离驾驶员操作与调度中心指挥的情况下列车依旧能按照既定的目标速度进行制动显得尤为关键，同时也对下一阶段完善我国列车制动控制系统具有重要的意义。

显然，要使高速列车按照目标速度制动，核心的技术是建立一个符合实际情况的制动模型，然后在此模型的基础上设计合理有效的控制器。通常的做法是基于数据驱动研究列车受到的制动力与列车速度之间的关系，然而这种做法忽略了制动力是由制动级位在制动装置下动态产生的过程，且制动力作为一个抽象的概念其大小最终是通过操纵制动级位由动力单元产生。因此要建立更加符合实际列车制动的模型其输入变量应该是列车的制动级位而不是制动力大小。其次，建立制动模型后如何使列车按照目标速度制动曲线自动精确的运行则需要设计合理的控制器形成自动控制的闭环反馈系统。工业流程控制中，PID控制由于算法简单受到了广泛的运用，但是同时其参数不易整定通常依靠专家经验或者试凑方法得到，控制的精度往往难达到要求；运用模糊控制的方法，其缺点是依靠司机经验形成的规则库难以应对列车运行的各个运行环境，自适应能力不足；广义预测控制算法依靠多步预测和滚动优化可以取得良好的动态性能，然而需要求解Diophantine方程，算法复杂。因此，既要满足控制的精度同时能适应高速列车这个大型非线性系统，上述控制方法并非最优选择。

发明内容

本发明的目的是，以高速动车组作为被控对象建立动车组制动过程的多级切换模型，采用基于RBF网络的模型参考自适应控制策略，以最小化目标速度与实际速度间的误差为准则，计算当误差最小时此刻所需的制动级位大小从而切换至已建立的多级制动模型的各个子模型最终实现动车组制动的自动化。

本发明的技术方案是：

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，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。

所述的方法，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：