迭代學習控制及其在列車自動駕駛系統(tǒng)中的應用.pdf

1、列車自動駕駛系統(tǒng)的核心之一是列車速度調整算法,通過算法實時調整列車的運行速度,保證列車按照預訂計劃安全行駛。本文根據列車自動駕駛系統(tǒng)的結構特點,考慮列車運行過程中的受力情況建立了列車動力學模型。利用迭代學習控制理論為列車自動駕駛系統(tǒng)設計了4個迭代學習控制器,D型、PD型、改進的D型迭代學習控制器及非參數自適應迭代學習控制器。利用列車動力學模型,模擬了在迭代學習控制器作用下列車對期望速度的跟蹤過程。仿真結果驗證了迭代學習控制器的收斂性,及

2、其在列車速度調整中良好的控制性能。通過對仿真結果的分析比較了D型、PD型迭代學習控制、改進的D型迭代學習控制器以及非參數自適應迭代學習控制的自動速度調整算法在控制性能上的差異。
　　 論文的主要內容如下:
　　 (1)針對一般線性及非線性問題,研究了迭代學習控制器的設計方法。研究了D型迭代學習律及其收斂條件,在理論上證明了當系統(tǒng)初始條件相同時跟蹤誤差在有限時間區(qū)間上的一致收斂性;研究了PID型迭代學習律以及高階迭代學習律

3、、濾波器型迭代學習律、模型算法迭代學習律并分析了其收斂條件。
　　 (2)根據列車自動駕駛系統(tǒng)中列車運行的特點設計了D型與PD型迭代學習控制器。仿真結果表明,在D型與PD型迭代學習控制器的控制之下,經過一定的迭代次數后列車速度均收斂于期望速度,并在以后的迭代中保持較高精度。由于PD型學習律中加入了比例環(huán)節(jié),其收斂速度相對較快。
　　 (3)針對D型及PD型控制器中存在的列車初始誤差較大的問題,提出改進的D型迭代學習控制器