摘要
在现行的城市轨道交通系统中,列车运行速度的追踪控制主要依赖于区域性监测节点,这种依赖性导致了控制响应的滞后性、制动位移的偏大以及稳态误差的累积。为解决上述问题,该文提出一种基于径向基函数(Radial Basis Function,RBF)神经网络的城市轨道交通列车运行速度追踪控制方法。该方法首先运用单位移多质点模型对列车进行深入细致地分析,从而精准地捕捉到列车内部各部分的动态变化情况。然后采用多层阶追踪监测节点策略,根据列车运行速度的不同阶段进行精细划分,并实时采集关键数据。在此基础上,构建了一个基于RBF神经网络的列车运行速度追踪控制模型。该模型充分利用了RBF神经网络的强大非线性逼近能力,能够准确预测列车在各种工况下的动态行为。同时,依据列车运行特征的变化,灵活调整监测层级的对应标准,以确保追踪控制的精准性和实时性。经过测试,与现有的方法相比,本研究提出的这种方法在制动追踪控制位移、控制效果以及实时控制精度等方面均表现出显著的优势,具有极高的实际应用价值和推广潜力。
出处
《装备制造技术》
2025年第2期17-19,26,共4页
Equipment Manufacturing Technology
作者简介
吴婷(1990-),女,贵州息烽人,硕士,讲师,研究方向:轨道交通运营管理、交通仿真优化.
