基于子空间LQG的高速列车预测控制器性能监控

作     者：刘伯鸿 连文博 李婉婉 LIU Bohong;LIAN Wenbo;LI Wanwan

作者机构：兰州交通大学自动化与电气工程学院兰州730070 

出 版 物：《振动．测试与诊断》 (Journal of Vibration,Measurement & Diagnosis)

年 卷 期：2021年第41卷第6期

页      面：1226-1231,1244页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 082302[工学-交通信息工程及控制] 0701[理学-数学] 0811[工学-控制科学与工程] 0823[工学-交通运输工程] 080201[工学-机械制造及其自动化] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61664010) 国家重点研发计划资助项目(2017YFB1201003-20)。 

主　　题：高速列车 子空间辨识 预测控制器 性能监控 支持向量机 

摘      要：针对高速列车在复杂多变环境运行时子空间预测控制器出现性能下降的问题,提出一种基于子空间线性二次高斯(linear quadratic Gaussian,简称LQG)基准的列车预测控制器性能监控算法。首先,使用子空间辨识算法处理列车历史运行数据获得子空间矩阵,设计基于子空间LQG的高速列车预测控制器性能评价基准;其次,通过在线求解列车实时性能指标并与已建立的性能基准进行比较得到评价指标后,对列车预测控制器进行在线评估;最后,对评估结果为列车控制性能下降进行诊断,即建立控制器性能下降模式库,设计基于支持向量机的分类器,对噪声方差变化、过程模型失配、输出约束饱和及控制参数设置不当这4类性能下降源进行训练学习。将测试集输入分类器进行仿真,得到的准确率分别为95.63%,92.49%,90.52%和97.56%,表明该分类器可靠性强,准确率高。