[发明专利]一种悬挂式永磁磁悬浮列车自动驾驶系统的速度控制方法

说明书

一种悬挂式永磁磁悬浮列车自动驾驶系统的速度控制方法，包括以下步骤：步骤1)设计永磁磁悬浮列车自动驾驶系统；步骤2)建立永磁磁悬浮列车的数学模型；步骤3)建立永磁磁悬浮列车的轨道线路模型与行车规则；步骤4)建立永磁磁悬浮列车自动驾驶在站点之间速度限制模型；以及步骤5)基于模糊PID控制器设计永磁磁悬浮列车自动驾驶速度控制系统，其中模糊PID控制器包括模糊控制器和PID控制器。本发明的悬挂式永磁磁悬浮列车自动驾驶系统的速度控制方法，用高效稳定的智能控制系统控制永磁磁悬浮列车的速度，以确保永磁磁悬浮列车的快速、高效、平稳运行。

技术领域

本发明涉及磁悬浮列车技术领域，特别涉及一种悬挂式永磁磁悬浮列车自动驾驶系统的速度控制方法。

背景技术

轨道交通作为近年来发展迅速的交通形式被广泛应用于我国的各大城市，悬挂式永磁磁悬浮列车作为一种新的轨道交通体系，开发永磁磁悬浮列车的自动驾驶功能不但可以使永磁磁悬浮列车能够在各个站点之间快速、高效、平稳的运行，减小列车驾驶员的负担，也可以防止人为的误操作引发事故。

由于传统PID控制技术对永磁磁悬浮列车的速度控制存在控制参数难以确定、有较大的超调量和较长的调节时间，而且磁悬浮列车在运行的过程中存在众多不确定的因素，传统的PID控制对扰动的抗干扰能力较差，使磁悬浮列车速度控制的平稳性、实时性和抗干扰等能力不足。

目前广泛应用于自动驾驶系统的控制算法大致可分为以下几种：经典控制算法、智能控制算法、自适应控制算法。其中经典控制算法以PID控制算法最为典型应用也最为广泛，该方法与其他方法相比结构比较简单，但是该方法的参数不易确定，抗干扰能力较差，而以模糊控制为代表的智能控制算法，该方法以语言型规则控制系统，对系统模型未知的系统表现良好。

专利文件1(CN106529023B)公开了一种基于迭代学习的地铁列车自动运行速度控制方法,通过迭代过程中的输出误差和修正函数对学习增益进行自动调整，将其用来更新控制输入，对迭代初态进行学习以保证对列车任意初态的收敛性，最终实现对目标速度曲线的精确追踪。该公开的技术方案存在以下缺陷:1、迭代学习控制算法只能用于小干扰或者系统干扰重复出现的情况，对不确定的随机干扰系统则需要重新学习，并且列车在运行过程中所受到的干扰是不确定的，同一类型的干扰的重复率也不高，如果新来一个系统未知的新型干扰，系统要重新学习，在学习过程中系统刚度会受影响。而当系统学习完成后，如果此类干扰不一定会再次出现，从而使系统降低系统效率。2、迭代学习控制算法的迭代次数不确定，一般需要进行多次迭代才能得到好的参数，迭代次数多导致系统的实时性差，从而降低了列车运行的安全性。

专利文件2(CN106842901B)公开了一种为列车自动驾驶系统生成速度控制指令的方法,该方法在迭代过程中，不断改善算法的收敛性，使处理结果更加趋于真实情况，并最终得到更优的速度控制命令参数。该公开的技术方案存在以下缺陷:1、由于列车运行过程中所受干扰有可能不是连续干扰，而粒子群优化算法对于离散的问题处理不佳，容易陷入局部最优。2、同样该公开的技术方案利用pareto原理优化迭代算法的收敛特性，但是在优化迭代算法的收敛特性和利用迭代算法求最优参数的过程中迭代次数无法确定，因此该方法的实时性较差，不利于列车的行车安全。

专利文件3(CN106842901B)公开了一种城轨列车PID控制器自动调整方法，根据已有的列车实际运行数据实时拟合出适合当前线路的PID控制器参数，以此可减少新线路开通前动态测试调整参数的工作量，同时还可应对由于外界条件变化(如：雨雪天气、轨道损耗等)引起的列车运行不稳定的状况。该公开的技术方案存在以下缺陷:1、该公开技术方案中利用果蝇优化算法迭代出PID算法的参数，但是该算法虽然在初始时刻收敛速度较快但是在趋于极值点时搜索调整较慢，而且不可不免的存在陷入局部最优解得可能。2、该果蝇优化算法的种群多样性损失较快，因此使得该算法易于早熟，并且该方法应用了随机变量，导致结果存在不确定性。