-
题名基于模型选择和优化技术的自动驾驶制动模型辨识研究
被引量：11
- 1
-
-
作者
郜春海
陈德旺
-
机构
北京交通大学轨道交通控制与安全国家重点实验室
-
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2011年第10期57-60,共4页
-
基金
国家自然科学基金项目(60736047)
轨道交通控制与安全国家重点实验室自主课题(RCS2008ZZ001
RCS2009ZT004)和开放课题(RCS2008K007)
-
文摘
本文结合城市轨道交通列车自动驾驶系统实测数据,对电动客车制动模型的类型和参数的辨识进行较为深入的研究。首先,在分析最大制动率条件下实测制动数据后,对列车制动模型类型进行研究。然后,应用非线性优化技术在不同模型种类、有无参数范围约束等情况下,对制动模型进行辨识,并根据模型选择技术获得最佳制动模型及其参数。最后,研究不同制动率下列车制动模型的一致性,并基于模型选择技术给出制动率和制动减速度之间的模型。
-
关键词
城市轨道交通
列车制动模型
系统辨识
模型选择
-
Keywords
urban rail transit
train braking model
system identification
model selection
-
分类号
U260.138
[机械工程—车辆工程]
-
-
题名基于参考模型的ATO自适应控制算法研究
被引量：30
- 2
-
-
作者
罗恒钰
徐洪泽
-
机构
北京交通大学轨道交通控制与安全国家重点实验室
-
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2013年第7期68-73,共6页
-
基金
国家科技支撑计划(2011BAG01B03)
-
文摘
提高列车自动驾驶ATO(Automatic Train Operation)系统的控制精度是实现全程无人驾驶的关键。本文首先分析列车制动系统的动态性能,然后基于该制动系统的状态空间模型构建一种模型参考自适应控制系统,并在理论上证明该控制算法的渐近稳定性,同时指出该类控制算法存在引起控制器震荡的固有弊端。随后,通过在原自适应控制系统中引入合适的辅助系统,构建基于增广误差的自适应控制系统,该算法不仅克服了前一种方法的固有缺陷,而且具有更加严谨的理论结构。最后,数学仿真结果显示本文所提算法能有效补偿列车运行过程中存在的不确定性因素,使列车精确地追踪目标制动曲线,验证了本文所提方法的有效性。
-
关键词
列车制动模型
自适应控制
ATO
-
Keywords
train braking model
adaptive control
automatic train operation（ATO）
-
分类号
U284.48
[交通运输工程—交通信息工程及控制]
-
