[发明专利]一种基于系统参数辨识的列车速度自适应控制方法

权利要求书

1.一种基于系统参数辨识的列车速度自适应控制方法，其特征在于，具体步骤如下：

步骤一、根据列车的力学分析和电机的力矩分析，建立包含待定参数的列车的动力学模型；

动力学模型如下：

m是列车的总质量，a是列车的加速度，T_d是电机提供的驱动力矩，T_r是旋转部件损失的力矩，r是列车轮的转动半径；

F_w是整个列车组受到的空气阻力，F_w＝f(b,v²,L)；f是关于v²和L的线性函数关系，b是待识辨的参数，v是列车的行驶速度，L是列车的长度；

F_f是列车组车轮和钢轨之间的滚动摩擦阻力，F_f＝cv，c是待识辨的常量；

F_a是列车组收到的附加阻力，包括坡道附加阻力、曲线附加阻力和隧道附加阻力；

步骤二、采集若干组实际的输入和输出数据，作为最小二乘法的拟合数据；

步骤三、最小二乘法拟合偏差最小时对应的待识辨参数b和c，作为待定参数，得到完整的动力学模型；

步骤四、针对实时运行的列车，根据既定的列车行驶曲线，通过神经网络对完整的动力学模型中的参数进行调整，实时控制列车的速度，实现列车速度自适应控制。

2.如权利要求1所述的一种基于系统参数辨识的列车速度自适应控制方法，其特征在于，所述的步骤三具体为:

步骤301、针对第一组待拟合数据的输入，在人为给定待识辨参数b₁和c₁下，得到动力学模型的对应输出；

步骤302、计算动力学模型的对应输出与该输入对应的实际输出之间的偏差e₁₁；

步骤303、最小二乘法根据该偏差e₁₁调整待识辨参数b₁和c₁为新的待识辨参数b₂和c₂，在此基础上计算第二组待拟合数据的输入对应的动力学模型的对应输出；

步骤304、计算动力学模型的对应输出与第二组待拟合数据实际输出之间的偏差e₁₂；

步骤305、最小二乘法根据偏差e₁₁和偏差e₁₂的和，再次调整待识辨参数b₂和c₂为新的待识辨参数b₃和c₃，对第三组待拟合数据的输入对应的动力学模型的对应输出；

步骤306、计算动力学模型的对应输出与第三组待拟合数据实际输出之间的偏差e₁₃；

步骤307、最小二乘法根据前边三组偏差的和，依次重复上述步骤，直至前边所有组的偏差之和达到最小时，得到最终的待识辨参数b和c；

偏差之和用最优性准则函数进行计算，公式如下：

m是待拟合数据的个数，e_1i是实际输出和动力学模型输出之间的偏差。

3.如权利要求1所述的一种基于系统参数辨识的列车速度自适应控制方法，其特征在于，所述的步骤四具体为：

步骤401、神经网络对常规PID自适应控制器进行改进，输入层包括三个节点；

步骤402、针对第k个控制步长，每个节点的输入设置为：

x＝[Δe(k),e(k),(Δe(k)-Δe(k-1))]

e(k)是第k步的控制偏差，Δe(k)是第k步的控制偏差和第k-1步的控制偏差之间的差值；

改进的神经网络的输出u(k)为：

u(k)＝w₁(k)x₁(k)+w₂(k)x₂(k)+w₃(k)x₃(k)

其中，w₁(k),w₂(k),w₃(k)分别是输入层三个节点对应的权值；

步骤403、将神经网络的输出u(k)分别输入实际行驶的列车以及完整的动力学模型中；

步骤404、计算第k个步长对应的列车实际输出和动力学模型的输出之间的差值；

计算公式如下：

r(k)为既定的列车行驶曲线上第k个步长对应的列车速度；y(k)为列车实际的行驶过程中第k个步长对应的实际速度；为动力学模型输出的第k个步长对应的速度；

步骤405、利用偏差值计算神经网络PID控制器的准测函数；

E(k)＝e₂(k)²

步骤406、将第k个步长的准测函数值E(k)反馈到改进的神经网络中，调整三个输入节点的权值增量；

Δw_i(k)表示第i个权值对应的偏差；α是学习步长，会影响神经网络的收敛速度；

步骤407、将第k个步长的权值结合各自的权值增量，得到第k+1个步长分别对应的三个权值；

步骤408、利用第k+1个步长的权值得到神经网络在第k+1个步长的输出，再次分别输入实际行驶的列车以及完整的动力学模型中，计算输出差值以及准测函数；

步骤409、依次重复上述步骤，通过神经网络调整三个节权值参数，让列车的实际输出和列车行驶曲线对应的速度差值尽量小。