摘要：针对高速列车自动驾驶系统,采用基于天牛须粒子群(BAS-PSO)优化自抗扰控制(ADRC)的算法,设计速度跟踪控制器。基于列车动力学模型设计自抗扰控制器,并以ITAE作为目标函数,利用BAS-PSO实现参数整定。选用CRH380A型动车组参数,通过MATLAB进行仿真验证,对比BAS-PSO、PSO以及改进鲨鱼优化ADRC算法对列车目标速度曲线的追踪效果,其中基于BAS-PSO优化ADRC算法的列车目标速度曲线跟踪误差保持在±0.4 km/h的范围内,相比另外两种算法更加紧密地贴近目标速度曲线。结果表明,基于BAS-PSO优化ADRC具有跟踪误差小、抗干扰能力强的优点。

摘要：[目的]针对城市轨道交通列车运行控制系统中传统ATO(列车自动运行)速度控制算法在速度跟踪控制方面存在的控制精度不高和抗扰动性差的问题,提出了一种新的速度控制算法来提高控制精度。[方法]首先,建立了列车运行的单质点动力学方程,针对牵引和制动系统在执行指令时存在的时滞现象设计了时延补偿模块;其次,在控制器设计部分采集速度和位置误差建立滑模切换函数,并通过微分方程推导建立滑模控制器;最后,为了抑制滑模控制器固有的抖振现象,将其输出的切换控制量采用径向基神经网络进行目标训练从而优化控制器。[结果及结论]基于徐州地铁3号线二期改造列车参数在Matlab软件上进行仿真试验,其仿真结果证明该算法保证了列车在运行过程中,控制器输出的速度可以更高效精确地跟踪给定的推荐速度曲线。

摘要：针对传统控制算法在农业机器人驱动电机速度控制方面存在的响应时间长、跟踪效果差以及参数整定难度大,导致驱动电机转速难以在短时间内收敛至预期值的问题,提出一种基于多策略改进的SMC-GTO电机速度跟踪控制算法。首先,为了缩短驱动电机速度响应时间,提高速度跟踪效果,设计了一种新型趋近率的改进滑模控制器(I-SMC);其次,为了快速整定滑模控制器参数,引入了多策略改进的大猩猩部队优化算法(MIGTO)。仿真结果表明:I-SMC能够将电机运行过程中的动态误差累计与过冲控制在0 rad/s内,并且可以在0.4 s内响应至预定速度。MIGTO算法在开发和探索阶段均展现出卓越的性能,尤其在整定基于新型趋近率的改进滑模控制器参数工作中表现突出。该研究通过引入I-SMC和MIGTO算法,成功改进了驱动电机速度控制方式,有效缩短了响应时间,提升了速度跟踪效果。

摘要：针对列车速度跟踪问题和自抗扰控制器(Nonlinear Active Disturbance Rejection Controller,NLADRC)参数整定问题,设计了一种基于强化学习自抗扰的高速列车速度控制算法.首先,采用结构简化的Levant跟踪微分器,提高对输入信号的跟踪.其次,设计基于ifaln函数改进扩张状态观测器的二阶NLADRC,解决误差大时系统增益大的问题.再次,考虑列车追踪要达到高精度的需求,控制器应该有良好的稳、动态性能,提出综合型目标函数指标.最后,根据列车运行系统特点设计长时连续动作强化学习器(Long Time Continuous Action Reinforcement Learning Automata,LTCARLA),在保持控制器非线性优势的情况下进行参数整定.实验结果表明:该算法在外加干扰作用下,跟踪误差仍能保持在±0.06 km/h间,抗扰性强,学习出的这组参数值能使控制器性能最优.

摘要：磁浮列车的速度跟踪控制具有典型的非线性、大时滞、多约束等特点,制约磁浮列车在节能运行、智能驾驶和精准停车等方向的发展。针对磁浮列车的速度跟踪控制的大时滞问题,首先运用自抗扰控制理论,改进并分解控制器结构,推演分析其改进后的传递函数;其次,对控制系统结构进行了优化,并在低频域对控制系统进行传递函数等效;第三,基于等效传递函数,提出1阶惯性环节加时滞环节(First order plus time delay,FOPTD)模型;第四,基于FOPTD模型,提出改进自抗扰控制器的参数调整方法;最后,在Simulink仿真环境下,搭建了磁浮列车速度跟踪系统。验证了基于改进自抗扰控制器的列车速度跟踪系统对正弦信号的跟踪能力,并比较了其与基于其他2种控制器(常规自抗扰控制器、2自由度比例-积分-微分控制器)(Two-Degree-of-Freedom Proportion-Integral-Derivative Controller,2DOF-PID)的列车速度跟踪系统的抗阶跃扰动能力,同时,在具体算例中,对比了改进自抗扰控制器与常规自抗扰控制器、2DOF-PID跟踪目标速度曲线效果,并进行了误差分析。仿真结果表明:在相同路况条件下,相比于基于其他2种控制器的磁浮列车速度跟踪系统,本文设计的磁浮列车速度跟踪系统能够在不同路段精准跟踪目标速度曲线。该控制方法对其他运动控制问题的学术研究和工程应用也具有很好的参考价值。

摘要：同许多复杂系统一样,动车组(Electric multiple unit,EMU)运行过程也具有多变量、强耦合以及非线性等特性,这严重影响着列控系统的性能.针对包含外部扰动的动车组自动驾驶系统,提出一种新型的多输入多输出(Multi-input-multi-output,MIMO)数据驱动积分滑模预测控制(Integral sliding mode predictive control,ISMPC)算法.首先,该算法基于与动车组运行过程等效的全格式动态线性化(Full format dynamic linearization,FFDL)数据模型,设计一种离散积分滑模控制(Integral sliding mode control,ISMC)律.为了使系统能够获得更高的输出跟踪误差精度,利用模型预测控制(Model predictive control,MPC)代替ISMC的切换控制,进一步推导出ISMPC算法.同时,通过对FFDL数据模型的未知扰动、参数误差等不确定项进行延时估计,提升了算法的控制性能和对系统的等价描述程度.在提供两种算法的稳定性证明分析之后,以实验室配备的CRH380A型动车组仿真实验台对提出的ISMC和ISMPC算法进行仿真测试,并与其他方法进行对比,仿真结果表明ISMPC算法控制性能较好,动车组各动力单元速度跟踪误差均在±0.132 km/h以内,满足列车的跟踪精度需求;控制力和加速度分别在[-52 kN,42 kN]和±0.9249 m/s2以内且变化平稳.

摘要：文中设计了一种基于迭代学习控制的列车速度跟踪控制方法。首先,描述并建立了高速列车速度跟踪控制模型。然后,基于迭代学习理论,设计了初次控制序列的生成方法,结合高速列车实际运行特点设计了迭代学习律,对于离散级位控制的高速列车,设计了离散级位输出方法,得到列车速度跟踪控制算法。最后,选定某型动车组在京张高速铁路线路条件下进行仿真分析,验证了文中所设计方法的有效性。

摘要：为了提高高速列车的控制精度,设计了基于高速列车多质点模型的自适应跟踪控制策略,实现了对给定速度曲线的渐近跟踪。首先,通过对高速列车进行受力分析,得到考虑非线性阻力和相邻车厢间的车间作用力的高速列车多质点动力学模型;然后,充分运用自适应方法善于处理系统不确定性的能力,设计了高速列车直接自适应控制策略,实现了其对给定速度曲线的渐近跟踪;最后,基于CRH380A型高速列车多质点模型进行了仿真验证,结果表明所设计的多质点自适应控制策略对给定速度曲线的跟踪具有较高的精度,为高速列车的智能驾驶奠定了基础。

摘要：针对车辆在弯道工况下的跟踪控制问题,提出一种适用弯道工况的自适应巡航(ACC)控制系统。针对复杂的道路情况,将ACC系统划分为定速巡航、跟随、避撞3种模式;设计基于PID定速巡航模式,基于模型预测算法(MPC)的纵向速度跟踪控制器,设计考虑纵向车速的横向路径控制器,引入横向与纵向安全指数,实现车辆横向与纵向运动的跟踪控制;通过Matlab/Simulink和Carsim搭建仿真平台,设计4种仿真工况验证所设计跟踪控制器的有效性。仿真结果表明:所设计的横纵向跟踪控制器能跟踪期望的轨迹,具有较好的鲁棒性。

摘要：实际汽车行驶总承担不同的载荷以及运行状态(如速度)变化,以横摆角速度跟踪反馈为控制逻辑,设计μ综合鲁棒控制器来抑制外部干扰,优化权函数,实现了传统四轮转向4WS(Four-wheelsteering)车辆控制器难于达到的性能指标。仿真表明,所设计的4WS汽车μ综合鲁棒控制器不仅可使其具有良好操纵性能鲁棒性和稳定鲁棒性,即对外界干扰具有很好的抑制性能且不敏感于车辆参数变化,也改善了以往H∞控制器设计偏于保守的问题。