[发明专利]一种用于含干扰的高速列车纵向运动的模型的建立方法

权利要求书

1.一种用于含干扰的高速列车纵向运动的模型的建立方法，其特征在于，包括：

建立列车的分段动态模型，所述分段动态模型用于表示：所述列车的健康牵引系统在含干扰条件下的纵向运动状态；

建立执行器故障模型，所述执行器故障模型包括参数化故障模型和非参数化故障模型，用于分析所述列车在运行过程中发生执行器故障；

通过所述执行器故障模型，修正所述分段动态模型；

所述建立列车的分段动态模型，包括：

建立所述列车的纵向运动的初始模型其中：x(t)表示列车的位移，M(t)表示列车的质量，F(t)表示列车的牵引力，F_r(t)表示常见阻力，F_g(t)表示由斜面轨道产生的阻力，F_c(t)表示由曲线轨道产生的阻力，d(t)表示未建模的干扰成分，表示列车的运行加速度；

所述建立列车的分段动态模型，还包括：

根据采集的时变参数，建立常见阻力模型F_r(t)，其中，F_r(t)通过戴维斯方程表示为：表示所述列车的运行速度，所述时变参数包括：a(t)表示与所述列车运行速度无关的阻力组成部分，b(t)表示与运行速度相关的线性阻力，c(t)表示与运行速度相关的非线性阻力；

建立斜坡阻力模型F_g(t)和弯道阻力模型F_c(t)，其中，F_g(t)＝M(t)gsinθ(t)，F_c(t)＝0.004D(t)M(t)，θ(t)表示轨道倾斜角，D(t)表示曲线轨道的曲率度；

还包括：

根据所采集的参数更新所述分段动态模型，更新后的所述分段动态模型包括：

其中，x₁(t)＝x(t)，且所述列车的纵向运动的空间状态方程表示为x₁(t)表示所述列车的位移，表示所述列车的加速度，x₁(t)和从所述列车的GPS和车载传感器获得；

m(t)，a(t)，b(t)，c(t)，D(t)和分别表示未知的时变参数，m(t)，a(t)，b(t)，c(t)，D(t)和的分段方程表示为指示函数χ_i：

其中，Ω表示所述列车运行中所有可能的系统状态的阈值，共划分为l个分区Ω_i，i＝1...l，则各参数的分段方程标识为：

所述建立执行器故障模型，包括：

建立执行器的参数化故障模型，其中：

获取所述列车运行时所有执行器提供的牵引力的总和其中，n是执行器的个数，F_j(t)是n个执行器中第j个执行器产生的牵引力；

建立执行器参数化故障模型：其中，是第j个执行器发生故障时产生的力，s_j为第j个执行器故障基础信号的个数，t_j表示故障发生时间，都表示计算常数，f_jρ表示基础信号；

获取执行器发生故障时的系统输入：其中v_j(t)表示执行器的控制信号，σ_j表示执行器故障类型参数；

且其中，当σ_j＝0时，执行机构发生故障，当σ_j＝1时，执行机构处于健康状态；

由于牵引系统中所有的执行器均使用相同的控制信号，故系统输入可写为：

其中，是由基础信号组成的向量，ν_o(t)为设计的控制信号，k_ν是故障模式参数，与ξ和决定哪些执行器发生了故障及发生何种类型的故障，执行器发生故障时k_ν，ξ为未知常数，且发生故障前k_ν＝n，ξ＝0；

对列车故障系统重新建立含干扰的分段动态模型：