列车自动驾驶控制模型参数辨识及其应用

列车自动驾驶控制模型参数辨识及其应用

ID:33170840

大小:8.26 MB

页数:138页

时间:2019-02-21

列车自动驾驶控制模型参数辨识及其应用_第1页
列车自动驾驶控制模型参数辨识及其应用_第2页
列车自动驾驶控制模型参数辨识及其应用_第3页
列车自动驾驶控制模型参数辨识及其应用_第4页
列车自动驾驶控制模型参数辨识及其应用_第5页
资源描述:

《列车自动驾驶控制模型参数辨识及其应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、劣臻交万方数据博士学位论文赡铆一列车自动驾驶控制模型参数辨识及其应用ParameterIdentificationandItsApplicationinAutomaticTrainOperationControl作者:王呈导师:唐涛北京交通大学2014年12月万方数据学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索,提供阅览服务,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门

2、或机构送交论文的复印件和磁盘。学校可以为存在馆际合作关系的兄弟高校用户提供文献传递服务和交换服务。(保密的学位论文在解密后适用本授权说明)学位论文作者签名:签字日期:&。fp年胁月;)日翮妊/磊谚导师签名:f『々l,,∥签字日期:。口7蚴月;)日万方数据学校代码:10004北京交通大学博士学位论文列车自动驾驶控制模型参数辨识及其应用密级:公开ParameterIdentificationandItsApplicationinAutomaticTrainOperationControl作者姓名:王呈导师姓名:唐涛学位

3、类别:工学学号:07111005职称:教授学位级别:博士学科专业:交通信息工程及控制研究方向:先进列车控制技术北京交通大学2014年12月万方数据致谢本论文是在导师唐涛教授的精心指导下完成的,从论文的选题至最终成稿都倾注了导师的心血。进入研究生阶段,唐老师在学习和生活中给予我悉心指导和无私帮助,其敏捷的思维、富于启迪的分析、渊博的学识以及严谨的治学态度使我受益终生。在此,谨向唐涛教授致以最诚挚、最衷心的感谢。同时,感谢轨道交通控制与安全国家重点实验室的陈德旺、郜春海、李开成、步兵,王海峰等教授一直对我的支持,特此道

4、谢。在实验室工作及撰写论文期间,罗仁士、王洪伟、李伟、刘金涛、顾青、荀径等同学老师和我进行了广泛的学术交流,在此对他们给予我的无私帮助表达我的感激之情。同时感谢我多年的同学和朋友朱力、徐成赞、沈羽等对我生活、学习上的关心与帮助。感谢Zee在/j口,J,H对我的照顾,让我度过人生难忘的时光。特别感谢江南大学的丁锋教授,论文的主要思想源自您对我的口传亲授,没您的帮助,很难相信我能够取得今天的成绩。您夜以继日的工作态度以及严谨的学术研究态度时时激励着我。感谢我的父母家人对我的耐心,没有他们的理解和支持我无法全身心地完成我

5、的学业。其他未提及姓名的朋友们,没有你们的陪伴与支持,我无法走到今天,在此一并感谢!由衷感谢国家在我博士阶段的给予的经济支持,以及学校给予的生活、学术资源上的保证。万方数据摘要为了满足日益增长的城市轨道交通运输需求,列车自动驾驶控制技术受到业界的广泛关注。列车自动驾驶系统是提高轨道交通运行控制系统服务水平和控制品质的重要子系统,能够为旅客提供准时、精确、高效、快捷的运输服务。列车自动驾驶控制是一个复杂的多目标综合控制过程,车辆参数偏移等干扰给控制性能提升带来极大挑战。系统辨识与参数估计是研究基于模型的控制问题的基础

6、。本文以参数辨识方法研究为切入点,对一类广义线性参数模型进行了参数辨识方法研究。由于该类模型具有丰富的表达能力,能够代表多个列车模型,因此针对该模型的参数辨识方法研究具有普遍意义。在研究中,通过引入数据滤波技术以及利用批量数据迭代计算的方式解决了有色噪声干扰下的参数辨识问题;在保证收敛速度、辨识精度的前提下,应用多新息参数辨识理论使随机梯度算法取得收敛速度与计算量的平衡,应用模型分解技术改善了迭代辨识算法的计算效率,有效满足了列车实时控制的需求。同时,本文对列车自动驾驶跟踪控制以及终端停车控制进行研究,结合参数辨识

7、方法,提出了具有自适应参数镇定能力的跟踪控制算法和终端停车控制算法,有效的改善变化车辆参数和外界干扰对列车跟踪控制精度及停车精度的影响。控制品质的改善提升了旅客服务水平。此外,本文还对列车自动驾驶系统输入输出非均匀采样条件下的参数辨识方法以及传感器和执行器故障时的故障检测方法进行了研究,有效的提高了列车自动驾驶控制系统的弹性。论文的创新点如下:l。针对一类含有自回归滑动平均有色噪声干扰的广义线性参数模型,提出了基于多新息参数辨识理论的遗忘广义增广随机梯度算法和基于滤波的多新息随机梯度算法。基于辨识回归模型,推导了基

8、于多新息辨识的隐式自校正列车跟踪控制算法。利用鞅收敛理论分析了参数辨识算法的收敛性能并证明了控制算法的稳定性。2.针对一类含有自回归有色噪声的广义线性参数模型,提出了基于有限量测数据的梯度迭代辨识算法和基于滚动数据的分解最小二乘迭代算法。利用分解技术降低了算法计算量,满足列车实时控制的需求。基于迭代辨识算法提出了两阶段自适应终端停车控制算法,该算法能够保证变

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。