[发明专利]基于无迹卡尔曼观测器的货运列车速度追踪与防滑控制

权利要求书

1.一种基于无迹卡尔曼观测器的货运列车速度追踪与防滑控制，其基本框架为自适应模型预测控制(Adaptive Model Predictive Control,AMPC)和无迹卡尔曼(UnscentedKalman,UK)观测器。所述方法为：

分析货运列车行驶的动力学受力情况，分析货运列车的动力学传递过程，建立货运列车动力学模型；

货运列车的行驶速度并不完全等于货运列车的轮速，在列车行驶的任何阶段都有可能出现车轮打滑的情况，尤其是在加速或减速阶段，故该控制器包含两个控制部分，速度追踪与车轮防滑；

货运列车的轮速由速度追踪控制系统控制，这个系统由一种AMPC算法实现，AMPC中集成了一个参数自适应调整机制，将会根据货运列车的行驶情况，实时性的动态调整控制系统中的各个优化控制权重，以实现对于货运列车行驶速度的自适应追踪；

基于埃尔曼神经网络(Elman Neural Network,ENN)，该参数自适应调整机制能够学习货运列车驾驶的优秀控制权重数据，对未知的货运列车行驶情况指定正确的驾驶决策，达到更高的速度追踪效果；

货运列车的车轮防滑控制由一种UK观测器完成，通过该观测器，观测货运列车行驶时的蠕滑率和车轮黏着系数变得更加简单，同时，防滑控制也能更加直观的实现；

对该方案输出的货运列车行驶速度曲线进行安全、节能约束等货运列车行驶约束，以确保速度曲线在符合追踪误差的前提下，能满足各项货运列车行驶指标。

2.根据权利要求1所述的AMPC中各个优化控制权重是通过一个参数自适应调整机制控制的，其使用的ENN是一种优秀的循环式神经网络，借助其中的承接层，该神经网络拥有一步延时记忆能力，对初始数据集的数量要求较小，在线学习方法也能使其拥有较高的泛化能力。同时，相较于普通的ENN模型，添加一个从输出端至输入端的反馈网络，并考虑列车行驶情况，能够进一步提高其自适应能力和自学习能力。

3.根据权利要求1所述的UK观测器，是一种基于无迹卡尔曼滤波(Unscented KalmanFilter,UKF)的观测器。通过选取特定的状态量和观测量，各个状态量的可观测性和观测量的观测精度能够得到保证。借助状态的转化信息和观测量的量测信息，观测器可实现对待观测量的最佳逼近。

4.根据权利要求1所述的防滑控制，是指如何通过控制货运列车的行驶速度、驱动电机的输出转矩等，达到列车车轮防滑的控制效果。在获得货运列车蠕滑率的前提之下，可以总结得到货运列车防滑约束：尽量使得列车运行在临界点之前；若列车运行处在临界点之后，以最快的速度使得列车的运行状态回到临界点之前。