高速列车自动驾驶前馈自适应广义预测控制方法研究
Research on Feed Forward Adaptive-generalized Model Predictive Control for High-speed Train Automatic Operation作者机构:株洲中车时代电气股份有限公司湖南株洲412001
出 版 物:《控制与信息技术》 (CONTROL AND INFORMATION TECHNOLOGY)
年 卷 期:2024年第1期
页 面:14-22页
学科分类:08[工学] 082303[工学-交通运输规划与管理] 0825[工学-航空宇航科学与技术] 0823[工学-交通运输工程]
基 金:中国国家铁路集团有限公司科技研究开发计划课题(P2023J001)
摘 要:高速列车自动驾驶(ATO)系统本质上是强非线性和不确定性的系统,针对高速列车模型参数非线性和时变性等特点,文章提出了一种前馈自适应广义预测控制(FA-GPC)的方法对ATO系统进行动态优化控制,并设计了一种带约束的多目标预测控制器。首先,基于列车多质点模型,分析附加阻力的改变对列车运行的影响;然后,结合列车运行过程中的速度跟踪精度、停车精度及运行舒适性等关键指标,构建包含控制输入约束的多目标性能指标函数,设计基于多目标函数的前馈广义预测速度跟踪控制算法,解决了由于附加阻力变化导致控制器超调的问题并加快了控制收敛速度。由于列车运行过程中受外界环境、乘客流动等因素影响,阻力变化大,难以建立精确的数学模型,因此采用带约束的变遗忘因子递推最小二乘法来辨识出列车控制系统在不同工况下受控自回归积分滑动平均模型(CARIMA),进而提高控制系统的鲁棒性。仿真结果表明,相比传统的无前馈GPC和PID控制器,前馈广义控制器在不同线路条件下巡航控速速度跟踪精度在±0.5km/h范围内,具有良好的跟踪性;在强扰动情况下通过引入自适应改进的前馈广义预测控制算法,具有较强的鲁棒性。