[发明专利]一种基于迭代滑模控制的列车运行跟踪方法

说明书

本发明公开了一种基于迭代滑模控制的列车运行跟踪方法，将基本运行阻力和附加运行阻力两个在滑模控制过程中视作存在上限的未知干扰项，通过迭代学习进行参数辨识，变为控制过程的已知模型参数项，从而有效降低滑模控制器为了保证鲁棒性与稳定性而存在抖振的问题，提高列车运行平稳性与舒适度。

技术领域

本发明涉及列车控制领域，具体涉及一种基于迭代滑模控制的列车运行跟踪方法。

背景技术

高速列车自动驾驶系统(Automatic TrainOperation,ATO)是未来智能高速铁路发展的关键技术之一，然而，高速列车运行速度快，运行环境复杂多变，系统受内部和外部未知扰动影响，呈现出快时变、强非线性的特征，控制器的设计仍然是一个难点。

滑模控制本质上是一类特殊的非线性控制，且非线性表现为控制的不连续性。这种控制策略与其他控制的不同之处在于系统的“结构”并不固定，而是可以在动态过程中，根据系统当前的状态(如偏差及其各阶导数等)有目的地不断变化，迫使系统按照预定“滑动模态”的状态轨迹运动。由于滑动模态可以进行设计且与对象参数及扰动无关，这就使得滑模控制具有快速响应、对应参数变化及扰动不灵敏、无需系统在线辨识、物理实现简单等优点。但是当外界干扰较强时，为维持控制精度，不连续的非线性切换控制会增多，即可能出现抖震现象，尤其是控制器设计较差的时候，列车为了在速度上跟踪期望轨迹，可能导致控制器输出来回振荡，也就是列车控制级位在牵引制动上来回振荡，不利于列车的安全平稳驾驶，且对列车的器件损耗严重。

迭代学习控制(Iterative Learning Control，ILC)本质上是一种无模型的控制方法，非常适用于像列车速度控制这种非线性控制系统。与其他智能控制方法相比较，迭代学习控制能够不断地学习和积累“控制经验”，并且不需要总结人工经验向控制器移植，有效克服了现有控制方法的不足。同时随着迭代次数的增加，控制精度和稳定性不断提高，保证列车的安全运行。然而列车并不是真正意义上的严格重复，例如：列车牵引制动模型具有慢时变性、运行环境会受到天气和温度影响、控制信号传输存在时延随机性等。因此，若是仅使用迭代控制器，可能因为没有反馈状态而出现列车在某些时刻速度无法收敛的情况。且迭代控制的收敛速度较大程度依赖初始输入参数。

发明内容

针对现有技术中的上述不足，本发明提供了一种基于迭代滑模控制的列车运行跟踪方法。

为了达到上述发明目的，本发明采用的技术方案为：

一种基于迭代滑模控制的列车运行跟踪方法，其特征在于，包括如下步骤：

S1、获取列车上一次运行过程中的控制数据，根据所获取的控制数据调整名义模型；

S2、根据步骤S1调整后的名义模型修正滑模控制器参数；

S3、利用修正后的滑模控制器在当次列车运行过程中获取的跟踪误差并输出控制级位直至列车运行至终点；

S4、记录当次列车运行数据，并将其提供给下次列车运行时进行迭代学习使用。

上述方案的有益效果是，通过迭代学习对列车模型参数进行调整，有效利用历史数据降低运行抖振，提高乘客舒适度，同时结合滑模控制与迭代学习设计控制器，克服了迭代学习控制器由于运行条件变化导致的历史数据失效及安全性问题。

进一步的，所述步骤S1中名义模型表示为：