本發(fā)明涉及列車控制
技術(shù)領(lǐng)域：
。具體地，涉及一種基于列車未知擾動的神經(jīng)自適應(yīng)容錯控制方法。
背景技術(shù)：
：列車的安全運(yùn)行至關(guān)重要，其安全性與人們的生活、社會的發(fā)展和國家的進(jìn)步密切相關(guān)。如何提高列車的舒適性、便捷性和有效性等性能，是當(dāng)今一個引起關(guān)注的研究方向。隨著人們對列車可靠性和安全性的要求越來越高，執(zhí)行器故障、傳感器故障、元器件故障等引起廣泛關(guān)注。容錯控制是一種有效降低故障影響、保證系統(tǒng)期望性能的控制策略，主要分為被動容錯控制策略和主動容錯控制策略。然而，國內(nèi)外針對列車故障和未知擾動共同作用的研究比較少。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的是提出一種針對此情況的神經(jīng)自適應(yīng)容錯控制策略，以解決未知擾動和執(zhí)行器故障對列車的影響?；诖嬖诘纳鲜鰡栴}，本發(fā)明提供一種基于列車未知擾動的神經(jīng)自適應(yīng)容錯控制方法，所述方法包括如下步驟：S1、分析列車縱向運(yùn)動進(jìn)行受力情況，建立列車縱向運(yùn)動動力方程；S2、利用神經(jīng)網(wǎng)絡(luò)徑向基函數(shù)逼近未知附加阻力；結(jié)合列車縱向運(yùn)動動力方程，獲得執(zhí)行器故障下的列車動力學(xué)方程；S3、構(gòu)造近似比例積分微分(PID)滑模面；S4、根據(jù)執(zhí)行器故障情況下的列車縱向運(yùn)動動力方程，利用未知自適應(yīng)律和控制器，建立列車閉環(huán)動態(tài)方程；S5、選取合適的李雅普諾夫(Lyapunov)函數(shù)證明系統(tǒng)的穩(wěn)定性，進(jìn)而利用觀測器和控制器方程控制列車實(shí)際的位移和速度趨近期望的位移和速度。優(yōu)選地，步驟S1中，分析列車縱向運(yùn)動進(jìn)行受力情況，建立列車縱向運(yùn)動動力方程，所述縱向運(yùn)動的動力方程為：mx··(t)=u(t)-co-cvx·(t)-cax·2(t)-d(t)]]>其中，t∈[0，T′]，T′是列車的運(yùn)行時間；x(t)是列車從0至t時刻的實(shí)際位移；m是列車的總質(zhì)量，大小未知；是列車t時刻的實(shí)際速度，是列車t時刻的實(shí)際加速度；u(t)是列車t時刻的實(shí)際控制力，控制力為牽引力或制動力；co、cv和ca是戴維斯系數(shù)，且均大于0，不同列車的戴維斯系數(shù)不同，co、cv和ca大小未知；d(t)是列車t時刻的附加阻力，包括斜坡阻力wi、隧道阻力ws、曲線阻力Wr和其它阻力We等；假設(shè)期望的位置跟蹤曲線xd(t)光滑有界，且其一階導(dǎo)數(shù)和二階導(dǎo)數(shù)是存在的。優(yōu)選地，所述步驟S2進(jìn)一步包括如下子步驟：S2.1、采用神經(jīng)網(wǎng)絡(luò)徑向基函數(shù)逼近未知的附加陽力：d(t)=w*Th(z(t))+ϵ(z(t))]]>其中，是未知的，代表加權(quán)矩陣的最優(yōu)向量；代表實(shí)矩陣；p代表徑向基神經(jīng)網(wǎng)絡(luò)隱含層的個數(shù)；(·)T代表向量的轉(zhuǎn)置；z(t)代表神經(jīng)網(wǎng)絡(luò)的輸入；h(z(t))代表神經(jīng)網(wǎng)絡(luò)的徑向基函數(shù)；ε(z(t))代表徑向基神經(jīng)網(wǎng)絡(luò)的重構(gòu)誤差，滿足|ε(z(t))|≤ε0其中，ε0為未知的正常數(shù)；對于定義域內(nèi)所有的z(t)，為了最小化重構(gòu)誤差ε(z(t))，引入一個緊湊的子集：其中，是的估計。S2.2、結(jié)合所述列車縱向運(yùn)動動力方程和所述緊湊子集，得出執(zhí)行器故障情況下列車的動力學(xué)方程：mx··(t)=Eu(t)-co-cvx·(t)-cax·2(t)-w*Th(z(t))-ϵ(z(t))]]>其中，E代表未知的執(zhí)行器故障，滿足E∈[0，1]；E＝0表示執(zhí)行器完全失效；E∈(0，1)表示執(zhí)行器部分失效；E＝1表示執(zhí)行器正常工作；定義E＝1-τf，τf∈(0，1)。優(yōu)選地，步驟S3中，定義位移跟蹤誤差為：e(t)＝x(t)-xd(t)其速度誤差和加速度誤差為e·(t)=x·(t)-x·d(t)]]>e··(t)=x··(t)-x··d(t)]]>構(gòu)造近似PID滑模面：s(t)=e·(t)+δ^1(t)e(t)+δ^2(t)∫0te(τ)dτ]]>其中，和為滑模面參數(shù)。優(yōu)選地，所述步驟S4進(jìn)一步包括如下子步驟：S4.1、設(shè)計控制器：u(t)=u1(t)-Ω^sign(s(t))ξ]]>u1(t)=-m^(δ^1(t)e·(t)+δ^2(t)e(t)-x··d)+c^o+c^vx·(t)+c^ax·2(t)+w^h(z(t))-ϵ0sign(s(t))-k1s(t)]]>其中，分別是co、cv、ca、w*、εo、m、Q的估計值；k1為正常數(shù)；S4.2、設(shè)計自適應(yīng)律：c^·o=-γos(t)]]>c^·v=-γvs(t)x·(t)]]>c^·a=-γas(t)x·2(t)]]>w^·=-Γs(t)h(z(t))]]>ϵ^·o=γϵs(t)sign(s(t))]]>Ω^·=-γΩ|s(t)|ξ]]>m^·=γms(t)(δ^1(t)e·(t)+δ^2(t)e(t)-x··d(t))]]>其中，γo、γv、γa、γε、γm和γΩ為合適的正常數(shù)；Γ為合適的正定矩陣；為大于0的常數(shù)；S4.3、設(shè)計滑模面參數(shù)公式：δ^·1=-s(t)e(t)]]>δ^·2=-s(t)∫0te(τ)dτ]]>S4.4、將構(gòu)造的控制器滑膜面參數(shù)公式、設(shè)計控制器公式，自適應(yīng)律公式，及滑模面參數(shù)公式，代入執(zhí)行器故障下列車動力學(xué)方程，得到閉環(huán)系統(tǒng)：me··(t)=-mx··d(t)-m^(δ^1(t)e·(t)+δ^2(t)e(t)-x··d)+c^o+c^vx·(t)+c^ax·2(t)+w^h(z(t))-ϵ0sign(s(t))-k1s(t)-τfu(t)-co-cvx·(t)-cax·2(t)-w*Th(z(t))-ϵ(z(t))]]>優(yōu)選地，所述步驟S5中，構(gòu)造如下Lyapunov函數(shù)：V(t)=m2s2(t)+12γmm~2+12γoc~o2+12γvc~v2+12γac~a2+12w~TΓ-1w~+12γϵϵ~02+1-τf2γΩΩ~2]]>優(yōu)選地，步驟S5中，還進(jìn)一步包括對所述Lyapunov函數(shù)求導(dǎo)，并將所述位移跟蹤誤差、所述速度誤差、所述加速度誤差、所述近似PID滑模面公式、所述控制器公式、所述自適應(yīng)率公式、所述滑模面參數(shù)、以及閉環(huán)系統(tǒng)公式帶入求導(dǎo)后公式。優(yōu)選地，所述神經(jīng)網(wǎng)絡(luò)徑向基函數(shù)選擇為：h(z(t))=exp(-(z(t)-z0)T(z(t)-z0)2σh2)]]>其中，z0∈[-1.5，1.5]，σh＝2。優(yōu)選地，為消除顫抖，采用飽和函數(shù)來替代符號函數(shù)：sat(ψ)=sign(ψ),|ψ|>δψψ/δψ,|ψ|≤δψ]]>其中，σψ代表邊界層厚度。本發(fā)明的有益效果是：1、本發(fā)明能夠有效補(bǔ)償執(zhí)行器故障對列車系統(tǒng)的影響。2、本發(fā)明能夠有效衰減或去除附加阻力對列車系統(tǒng)的影響。3、本發(fā)明能夠使列車系統(tǒng)具有良好的位置和速度跟蹤性能。附圖說明下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)的說明；圖1為本發(fā)明實(shí)施例的基于列車未知擾動的神經(jīng)自適應(yīng)容錯控制方法的流程圖；圖2為本發(fā)明實(shí)施例的列車的縱向運(yùn)動的受力分析示意圖；圖3為本發(fā)明實(shí)施例的列車運(yùn)行期望位移和速度曲線示意圖；圖4為本發(fā)明實(shí)施例的基于列車未知擾動的神經(jīng)自適應(yīng)容錯控制方法中位移誤差響應(yīng)曲線的示意圖；圖5為本發(fā)明實(shí)施例的基于列車未知擾動的神經(jīng)自適應(yīng)容錯控制方法中速度誤差響應(yīng)曲線的示意圖。具體實(shí)施方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對本發(fā)明作進(jìn)一步地詳細(xì)描述。實(shí)施例一：本實(shí)施例提供的基于列車執(zhí)行器故障的復(fù)合控制方法用于列車執(zhí)行器故障時的位置和速度跟蹤控制中，如圖1所示，該方法包括如下步驟：S1、對列車縱向運(yùn)動進(jìn)行受力分析，建立列車的縱向運(yùn)動動力方程；S2、根據(jù)執(zhí)行器故障和列車縱向運(yùn)動動力方程，利用神經(jīng)網(wǎng)絡(luò)徑向基函數(shù)逼近未知附加阻力，建立執(zhí)行器故障情況下的列車縱向運(yùn)動動力方程；S3、構(gòu)造近似比例積分微分(PID)滑模面；S4、根據(jù)執(zhí)行器故障情況下的列車縱向運(yùn)動動力方程，利用未知自適應(yīng)律和控制器，建立列車閉環(huán)動態(tài)方程；S5、選取合適的李雅普諾夫(Lyapunov)函數(shù)證明系統(tǒng)的穩(wěn)定性，進(jìn)而利用觀測器和控制器方程控制列車實(shí)際的位移和速度趨近期望的位移和速度。其中，步驟S1中，結(jié)合圖2所示的列車縱向運(yùn)動的受力分析圖，其縱向運(yùn)動的動力方程為：mx··(t)=u(t)-co-cvx·(t)-cax·2(t)-d(t)---(1)]]>其中，t∈[0，T′]，T′是列車的運(yùn)行時間；x(t)是列車從0至t時刻的實(shí)際位移；m是列車的總質(zhì)量，大小未知；是列車t時刻的實(shí)際速度，是列車t時刻的實(shí)際加速度；u(t)是列車t時刻的實(shí)際控制力，控制力為牽引力或制動力；co、cv和ca是戴維斯系數(shù)，且均大于0，不同列車的戴維斯系數(shù)不同，co、cv和ca大小未知；d(t)是列車t時刻的附加阻力，包括斜坡阻力wi、隧道阻力ws、曲線阻力wr和其它阻力We等。不失一般性，假設(shè)期望的位置跟蹤曲線xd(t)光滑有界，且其一階導(dǎo)數(shù)和二階導(dǎo)數(shù)是存在的。步驟S2進(jìn)一步包括如下子步驟：S2.1、采用神經(jīng)網(wǎng)絡(luò)徑向基函數(shù)逼近未知的附加阻力：d(t)=w*Th(z(t))+ϵ(z(t))---(2)]]>其中，是未知的，代表加權(quán)矩陣的最優(yōu)向量；代表實(shí)矩陣；p代表徑向基神經(jīng)網(wǎng)絡(luò)隱含層的個數(shù)；(·)T代表向量的轉(zhuǎn)置；z(t)代表神經(jīng)網(wǎng)絡(luò)的輸入；h(z(t))代表神經(jīng)網(wǎng)絡(luò)的徑向基函數(shù)；ε(z(t))代表徑向基神經(jīng)網(wǎng)絡(luò)的重構(gòu)誤差，滿足|ε(z(t))|≤ε0(3)其中，ε0為未知的正常數(shù)。對于定義域內(nèi)所有的z(t)，為了最小化重構(gòu)誤差ε(z(t))，引入一個緊湊的子集：其中，是的估計。S2.2、結(jié)合公式(1)和(4)，得出執(zhí)行器故障下，列車的動力學(xué)方程：mx··(t)=Eu(t)-co-cvx·(t)-cax·2(t)-w*Th(z(t))-ϵ(z(t))---(5)]]>其中，E代表未知的執(zhí)行器故障，滿足E∈[0，1]。E＝0表示執(zhí)行器完全失效；E∈(0，1)表示執(zhí)行器部分失效；E＝1表示執(zhí)行器正常工作。定義E＝1-τf，τf∈(0，1)。公式(5)可被整理為mx··(t)=u(t)-τfu(t)-co-cvx·(t)-cax·2(t)-w*Th(z(t))-ϵ(z(t))---(6)]]>步驟S3中，定義位移跟蹤誤差為e(t)＝x(t)-xd(t)(7)其速度誤差和加速度誤差為e·(t)=x·(t)-x·d(t)---(8)]]>e··(t)=x··(t)-x··d(t)---(9)]]>設(shè)計一個新穎的近似PID滑模面：s(t)=e·(t)+δ^1(t)e(t)+δ^2(t)∫0te(τ)dτ---(10)]]>其中，和為滑模面參數(shù)，將在后面被設(shè)計。步驟S4進(jìn)一步包括如下子步驟：S4.1、設(shè)計控制器：u(t)=u1(t)-Ω^sign(s(t))ξ---(11)]]>u1(t)=-m^(δ^1(t)e·(t)+δ^2(t)e(t)-x··d)+c^o+c^vx·(t)+c^ax·2(t)+w^h(z(t))-ϵ0sign(s(t))-k1s(t)---(12)]]>其中，分別是co、cv、ca、w*、εo、m、Ω的估計值；k1為正常數(shù)。S4.2、設(shè)計自適應(yīng)律：c^·o=-γos(t)---(13)]]>c^·v=-γvs(t)x·(t)---(14)]]>c^·a=-γas(t)x·2(t)---(15)]]>w^·=-Γs(t)h(z(t))---(16)]]>ϵ^·o=γϵs(t)sign(s(t))---(17)]]>Ω^·=-γΩ|s(t)|ξ---(18)]]>m^·=γms(t)(δ^1(t)e·(t)+δ^2(t)e(t)-x··d(t))---(19)]]>其中，γo、γv、γa、γε、γm和γΩ為合適的正常數(shù)；Γ為合適的正定矩陣；為大于0的常數(shù)。S4.3、設(shè)計滑模面參數(shù)：δ^·1=-s(t)e(t)---(20)]]>δ^·2=-s(t)∫0te(τ)dτ---(21)]]>S4.4、將控制器(11)-(12)、自適應(yīng)律(13)-(19)及滑模面參數(shù)(20)-(21)代入公式(5)，得閉環(huán)系統(tǒng)：me··(t)=-mx··d(t)-m^(δ^1(t)e·(t)+δ^2(t)e(t)-x··d)+c^o+c^vx·(t)+c^ax·2(t)+w^h(z(t))-ϵ0sign(s(t))-k1s(t)-τfu(t)-co-cvx·(t)-cax·2(t)-w*Th(z(t))-ϵ(z(t))---(22)]]>步驟S5中，構(gòu)造如下Lyapunov函數(shù)：V(t)=m2s2(t)+12γmm~2+12γoc~o2+12γvc~v2+12γac~a2+12w~TΓ-1w~+12γϵϵ~02+1-τf2γΩΩ~2---(23)]]>對公式(23)求導(dǎo)后，將公式(7)-(22)代入，得因此，得出公式(22)所示的閉環(huán)系統(tǒng)，在控制器(11)-(12)、自適應(yīng)律(13)-(19)及滑模面參數(shù)(20)-(21)作用下是漸近穩(wěn)定的，閉環(huán)系統(tǒng)中的所有信號是有界的，且系統(tǒng)的位移跟蹤誤差和速度跟蹤誤差收斂到0，即系統(tǒng)具有良好的位移和速度跟蹤特性，實(shí)際的位移和速度漸近跟蹤于期望的位移和速度。實(shí)施例二：為了驗證本實(shí)施例提供的基于列車未知擾動的神經(jīng)自適應(yīng)容錯控制方法的有效性，采用MATLAB進(jìn)行仿真實(shí)驗驗證，并作出詳細(xì)說明。本實(shí)施例提供的列車單質(zhì)點(diǎn)模型，綜合考慮未知執(zhí)行器故障和附加阻力對列車位置和速度跟蹤性能的影響，采用近似PID滑模面的神經(jīng)自適應(yīng)容錯控制器使閉環(huán)系統(tǒng)漸近穩(wěn)定，具有良好的位置和速度跟蹤性能，且對故障具有良好的魯棒性，對未知擾動具有良好的抑制性。仿真實(shí)驗中，列車運(yùn)行距離總長83.355千米，列車總質(zhì)量m＝5×105千克，重力加速度g＝9.8牛/千克，坡度角θ＝rand(0，5)，隧道總長ls＝1000米，曲線長lr＝200米，曲線中心角αr＝2π/3，列車軌道環(huán)境如下：d(t)=wr+ws+we,t∈(0,100]ws+we,t∈(100,250]wr+ws+we+wi,t∈(250,600]wr+we,t∈(600,1000]we,t∈(1000,2000],]]>其中，wr＝10.5αrmg/(10wlr)；ws＝0.00013ls例g/103；we＝0.08mgsin(0.2t)cos(0.2t)/103；wi＝mgsinθ。選取高斯函數(shù)為神經(jīng)網(wǎng)絡(luò)徑向基函數(shù)：k(z(t))=exp(-(z(t)-z0)T(z(t)-z0)2σh2)---(24)]]>其中，Z0∈[-1.5，1.5]，σh＝2。仿真過程中，為消除顫抖，采用飽和函數(shù)來替代符號函數(shù)：sat(ψ)=sign(ψ),|ψ|>δψψ/δψ,|ψ|≤δψ---(25)]]>其中，δψ代表邊界層厚度?；谏鲜鰠?shù)和圖3所示的列車運(yùn)行期望位移和速度曲線，對本發(fā)明提出的復(fù)合控制策略進(jìn)行仿真驗證，得圖4、圖5。其中，圖4顯示了基于列車未知擾動的神經(jīng)自適應(yīng)容錯控制策略下的位移誤差曲線，圖5顯示了基于列車未知擾動的神經(jīng)自適應(yīng)容錯控制策略下的速度誤差曲線。根據(jù)圖4和圖5得，系統(tǒng)的位移跟蹤誤差和速度跟蹤誤差是趨于0的，即系統(tǒng)具有良好的位移跟蹤性能和速度跟蹤性能。經(jīng)過上述分析，證明了本實(shí)施例提供的基于列車未知擾動的神經(jīng)自適應(yīng)容錯控制策略的有效性。以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對于本
技術(shù)領(lǐng)域：
的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也應(yīng)視為本發(fā)明的保護(hù)范圍。當(dāng)前第1頁1 2 3