一种用于高速列车的自适应滑模容错控制方法专利检索-牵引阻力车轮和轮胎专利检索查询-专利查询网

一种用于高速列车的自适应滑模容错控制方法

阅读：1028发布：2021-01-18

专利汇可以提供一种用于高速列车的自适应滑模容错控制方法专利检索，专利查询，专利分析的服务。并且本发明实施例公开了一种用于高速列车的自适应滑模容错控制方法，涉及高速列车控制领域，能够缓减高速列车执行器不确定性的问题。本发明包括：根据所采集的列车运行参数，从列车模型集合中选择匹配所述列车运行参数的列车模型。获取所选择的列车模型对应的滑模容错控制器和自适应律。将所选择的列车模型加载至对应的所述滑模容错控制器和所述自适应律。利用所述滑模容错控制器和所述自适应律，根据当前时刻采集到的状态量跟踪期望位移和期望速度。本发明适用于应对高速列车执行器不确定性与故障的自适应滑模容错控制。，下面是一种用于高速列车的自适应滑模容错控制方法专利的具体信息内容。

权利要求

1.一种用于高速列车的自适应滑模容错控制方法，其特征在于，包括：
根据所采集的列车运行参数，从列车模型集合中选择匹配所述列车运行参数的列车模型；
获取所选择的列车模型对应的滑模容错控制器和自适应律；
利用所述滑模容错控制器和所述自适应律，根据当前时刻采集到的状态量跟踪期望位移和期望速度。
2.根据权利要求1所述的方法，其特征在于，所述列车模型集合至少包括:健康模型、参数化故障模型、非参数化故障模型和干扰界限未知的故障模型。
3.根据权利要求2所述的方法，其特征在于，所述健康模型表示为：
其中：
x1(t)是列车的位移，
列车的位移的导数，
x2(t)是列车的运行速度，
是列车的运行加速度，
a,b和c分别表示Davis方程中的三种阻力系数，a表示列车的滚动阻力，滚动阻力由行程、滚动和轨道阻力组成；b表示列车的线性阻力，线性阻力由对轮缘摩擦、轮缘冲击、轮轨滚动阻力和轨道的波动作用组成；c表示非线性阻力，非线性阻力由尾部阻力、头端风压、列车间的紊流、风洞偏航角和列车侧面的摩擦力组成。
牵引力Ft(t)的动态数学模型为Ft(t)＝(1+Δf(t))F(t)+ΔF(t)，
F(t)是电机提供的力，
ΔF(t)和Δf(t)是表示牵引系统不确定的时变函数，其中，ΔF(t)和Δf(t)有界，界限由最大牵引力和机械装置得到，Δf(t)表示牵引力的乘性扰动，ΔF(t)表示加性扰动；
列车质量表示为其中，M(t)是由列车负载决定的常数，表示空车
质量，ΔM(t)表示使空车质量增加的负载质量，在两车站间为常数，
d(t)表示外部干扰，
Δm(t)和满足0≤Δm(t)≤mb＜m， mb与db分别表示m与的界限为已
知常数且db＞0；
所述根据当前时刻采集到的状态量跟踪期望位移和期望速度，包括：
列车的跟踪误差表示为e1(t)和e2(t)：
e1(t)＝x1(t)-yd(t)
e2(t)＝x2(t)-xd(t)
其中，e1(t)是列车的位移跟踪误差，e2(t)是列车的速度跟踪误差，x1(t)是列车的位移，x2(t)是列车的速度，xd(t)是期望速度，yd(t)是期望位移，
由列车健康模型和跟踪误差得到跟踪误差动态方程为：
设计滑模面为δ(e1,e2)＝ke1(t)+e2(t)，其中k＞0为设计参数，则加载了所述健康模型的所述滑模控制器为：
其中, db满足 mb＜m，l(t)
是非负时变增益，满足
4.根据权利要求2所述的方法，其特征在于，所述参数化故障模型为：
其中，x3(t)是列车发生参数化故障情况下的位移，
是x3(t)的导数、x4(t)是列车发生参数化故障情况下的运行速度，
是列车发生参数化故障情况下的运行加速度，
v(t)为系统输入信号，
kv为剩余健康控制器数量，且满足
ξ和是描述故障类型的执行器故障参数，
其中，表示由基础信号组成的向量，kν是故障模式参数，与ξ和决定哪些执行器发生了故障及发生何种类型的故障。执行器发生故障时，kν，ξ为未知常数；发生故障前，kν＝n，ξ＝0。当故障发生时，ν(t)为根据故障补偿设计的控制信号，用于保证系统的稳定性和渐进跟踪性能，表示干扰；
所述根据当前时刻采集到的状态量跟踪期望位移和期望速度，包括：
列车的跟踪误差表示为e3(t)：
e3(t)＝x3(t)-yd(t)
e4(t)＝x4(t)-xd(t)
其中，e3(t)是列车发生参数化故障情况下的位移跟踪误差，e4(t)是速度跟踪误差，x3(t)是列车发生参数化故障情况下的位移，xd(t)是期望速度，yd(t)是期望位移，由列车参数化故障模型和位移跟踪误差可得：
所述参数化故障模型控制信号ν1(t)为：
其中，和分别是和的估计值，l(t)是非负时变增益，
mb与db
是已知常数且db＞0，故障执行器数量满足控制增益l(t)满足
其中，η＞0，在所述参数化故障模型中，对于任意初始估计值和
则加载了所述参数化故障模型的情况下，信号的自适应律为：
其中，自适应律增益且是正常数，n是执行器电机的数量，gv(t)由下式
给出：
其中，
5.根据权利要求2所述的方法，其特征在于，所述非参数化故障模型为：
其中，x5(t)是列车发生非参数化故障情况下的位移，
x6(t)是列车发生非参数化故障情况下的运行速度，
是列车发生非参数化故障情况下的运行加速度，
v(t)为系统输入信号，
kv为剩余健康控制器数量，且满足
ξ(t)是有界时变电机故障，|ξ|≤ξ1，ξ1未知，表示干扰；
所述根据当前时刻采集到的状态量跟踪期望位移和期望速度，包括：
列车的跟踪误差表示为e5(t)：
e5(t)＝x5(t)-yd(t)
e6(t)＝x6(t)-xd(t)
其中，e5(t)是列车发生参数化故障情况下的位移跟踪误差，e6(t)是速度跟踪误差，e5(t)是列车发生参数化故障情况下的位移，xd(t)是期望速度，yd(t)是期望位移，由列车参数化故障模型和位移跟踪误差可得：
所述非参数化故障模型控制信号ν2(t)为：
其中， l(t)为非负时变增益，和
分别是和的估计值，对初始估计量则加载了所述
非参数化故障模型的情况下，信号v(t)、和的自适应律设计为：
v(t)＝-r|δ(t)|
其中r＞0，自适应律增益Γξ、为正常数，gv(t)由下式给出：
其中，
6.根据权利要求2所述的方法，其特征在于，所述干扰界限未知的故障模型为：
其中，x7(t)是列车发生参数化故障情况下的位移，
x8(t)是列车发生参数化故障情况下的运行速度，
是列车发生参数化故障情况下的运行加速度，
v(t)为系统输入信号，
kv为剩余健康控制器数量，且满足
ξ和是描述故障类型的执行器故障参数，
其中i＝1,...,n，矢量ξ可随故障发展而变化，但在一定时间间
隔内是固定的，||ξ||2≤ξ0，ξ0是已知常数，
其中，是由基础信号组成的向量，kν是故障模式参数，与ξ和决定哪些执行器发生了故障及发生何种类型的故障。执行器发生故障时，kν，ξ为未知常数；发生故障前，kν＝n，ξ＝0。当故障发生时，ν(t)为根据故障补偿设计的控制信号，用于保证系统的稳定性和渐进跟踪性能。表示干扰；
所述根据当前时刻采集到的状态量跟踪期望位移和期望速度，包括：
所述干扰界限未知故障模型的控制信号ν3(t)为：
其中， db满足故
障执行器数量满足 l(t)是非负时变增益，满足
对初
始估计量则加载了所述干扰界限未知的故障模型的情况下，信号v(t)、
和的自适应律设计为：
其中r＞0，Γξ，为正值，n是执行器电机的数量，gv由下式给出：
其中，

说明书全文

一种用于高速列车的自适应滑模容错控制方法

技术领域

[0001] 本发明涉及高速列车控制领域，尤其涉及一种用于高速列车的自适应滑模容错控制方法。

背景技术

[0002] 近20年间，中国的高速列车技术突飞猛进。高速列车因其速度快、载重大、准时的特点，已成为最重要的交通工具之一。由于对列车速度与安全的要求增加，控制器作为高速列车的核心元器件，其故障检测与容错控制的设计引起了越来越多的研究者和工程师的关注。

[0003] 不确定性，包括模型不确定性与扰动，广泛存在于实际物理系统中，因此考虑控制设计、故障检测和容错控制设计中的各种不确定性是至关重要的。尤其是高速列车在实际运行中存在一些内部与外部不确定性。在现存所有针对高速列车设计的控制器和容错控制器而言，被建模为系统模型附加信号的外部扰动已被广泛研究，然而在系统微分动态方程中被建模为状态或输入/执行器不确定性的内部不确定性，却很少被考虑。

[0004] 因此，用于应对高速列车执行器不确定性与故障的方案，称为了业内研究的重点。

发明内容

[0005] 本发明的实施例提供一种用于高速列车的自适应滑模容错控制方法，能够缓减高速列车执行器不确定性的问题。

[0006] 为达到上述目的，本发明的实施例采用如下技术方案：

[0007] 根据所采集的列车运行参数，从列车模型集合中选择匹配所述列车运行参数的列车模型。

[0008] 获取所选择的列车模型对应的滑模容错控制器和自适应律。

[0009] 利用所述滑模容错控制器和所述自适应律，根据当前时刻采集到的状态量跟踪期望位移和期望速度。

[0010] 具体的，所述列车模型集合至少包括:健康模型、参数化故障模型、非参数化故障模型和干扰界限未知的故障模型。

[0011] 本发明公开了具有执行器不确定的高速列车自适应滑模容错控制方案，在执行器不确定条件下，提出了高速列车的纵向动力学模型；针对执行器不确定和外部扰动的健康系统，设计了一种新型滑模控制器，能在有限时间内将跟踪误差动态系统驱动至预设的滑模面上，并在此后保持滑模运动；分别针对具有已知故障界限、未知故障界限和非参数化故障的列车模型提出新型自适应滑模容错控制器，从而缓解高速列车牵引系统执行器故障和不确定性的问题。附图说明

[0012] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

[0013] 图1a为本发明实施例提供的牵引系统工作原理示意图；

[0014] 图1b为本发明实施例提供的方法流程的示意图；

[0015] 图2为本发明实施例提供的列车健康系统的位移和速度跟踪图；

[0016] 图3a为本发明实施例提供的列车健康系统含界限已知干扰的分段模型的跟踪误差图；

[0017] 图3b为本发明实施例提供的列车系统含界限已知干扰的参数化故障模型的跟踪误差；

[0018] 图3c为本发明实施例提供的列车系统含界限已知干扰的非参数化故障模型的跟踪误差；

[0019] 图3d为本发明实施例提供的列车系统含界限未知干扰的参数化故障模型的跟踪误差。

具体实施方式

[0020] 为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。下文中将详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

[0021] 本发明实施例提供一种用于高速列车的自适应滑模容错控制方法，如图1b所示，包括：

[0022] S1、根据所采集的列车运行参数，从列车模型集合中选择匹配所述列车运行参数的列车模型。

[0023] S2、获取所选择的列车模型对应的滑模容错控制器和自适应律。

[0024] 其中，针对列车健康系统的执行器设计自适应滑模控制器及其自适应律，保证闭环系统的稳定性以及位移状态量能够跟踪期望值。当列车在运行过程中发生执行器故障时，针对列车故障系统的分段动态模型及执行器参数化故障模型设计自适应故障补偿控制器结构及其自适应律。

[0025] 在实际应用中，列车在运行过程中执行器发生的一般故障，针对执行器非参数化故障模型，本实施例中设计自适应滑模容错控制器结构及其自适应律。若干扰界限未知，则需估计干扰的界限。针对干扰界限未知的情况，设计自适应滑模容错控制器。

[0026] S3、利用所述滑模容错控制器和所述自适应律，根据当前时刻采集到的状态量跟踪期望位移和期望速度。

[0027] 具体的，列车的位移和速度信号是在在列车运行过程中实时获得的。当前时刻采集到的状态量可以理解为列车运行过程中，系统内部的中间变量，表征系统运动状态，是用微分方程来描述一个控制系统的方式。

[0028] 列车模型集合包括:健康模型、参数化故障模型、非参数化故障模型、干扰界限未知的故障模型。

[0029] 健康模型为：

[0030]

[0031]

[0032] 其中，x1(t)是列车的位移， x2(t)是列车的运行速度，是列车的运行加速度，a,b和c是Davis方程的阻力系数。

[0033] 牵引系统产生牵引力，可视为高速列车的执行器，由逆变器、整流器、PWMs(脉宽调制)、牵引电机和相关的机械传动机构等组成。考虑执行器不确定，牵引力Ft(t)的动态数学模型为Ft(t)＝(1+Δf(t))F(t)+ΔF(t)。高速列车在执行器中存在输入饱和与死区现象。由于牵引系统起动时制动系统处于工作状态，当发动机正常工作时，牵引力施加于列车，可以避免输入死区。此外，允许的最大速度决定了最大牵引力和牵引系统冗余。且高速列车不能在输入饱和下工作，因此该式可表示大部分执行器不确定。F(t)是电机提供的力，ΔF(t)和Δf(t)是表示牵引系统不确定的时变函数。ΔF(t)和Δf(t)有界，界限由最大牵引力和机械装置得到。

[0034] 高速列车的纵向动力学模型可描述为

[0035] 列车质量可认为在每个车站是不同的，且在两个连续车站间保持不变，列车质量可描述为 M(t)是由列
车负载决定的常数，ΔM(t)在两车站间为常数，且只在停止车站改变。ΔM(t)有界且可被估计。 d(t)模拟天气条件或轨道条件(坡道、隧
道、曲率等)产生的外部干扰。由于斜坡和弯曲轨道会引起额外阻力，为实现列车的高速行驶，铁路轨道需是平滑的，且坡度角和弯曲度较小。因此，斜坡和弯曲阻力可视为干扰d(t)，Δm(t)和满足0≤Δm(t)≤mb＜m， mb与db是已
知常数且db＞0。

[0036] 跟踪误差e1(t)，e2(t)为：

[0037] e1(t)＝x1(t)-yd(t)

[0038] e2(t)＝x2(t)-xd(t)

[0039] 其中，e1(t)是列车的位移跟踪误差，e2(t)是列车的速度跟踪误差，x1(t)是列车的位移，xd(t)是期望速度，yd(t)是期望位移。由列车健康模型和跟踪误差得到跟踪误差动态方程为：

[0040]

[0041]

[0042] 设计滑模面为δ(e1,e2)＝ke1(t)+e2(t)，其中k＞0为设计参数。健康模型滑模控制器结构为：

[0043]

[0044] 其中 db满足l(t)是非负时变增益，满足

[0045] 由于

[0046]

[0047] 满足可达性，因此无故障时滑模控制律在有限时间内能够驱使系统状态到达预定滑模面。控制器可保证健康列车系统跟踪误差渐进收敛。

[0048] 参数化故障模型为：

[0049]

[0050]

[0051] 其中，x3(t)是列车发生参数化故障情况下的位移， x4(t)是列车发生参数化故障情况下的运行速度，是列车发生参数化故障情况下的运行加速度，其中v(t)为系统输入信号，kv为剩余健康控制器数量，且满足 ξ和是描述故障类型的执行器故障参数。其中i＝1,...,n。矢量ξ可随
故障发展而变化，但在一定时间间隔内是固定的，||ξ||2≤ξ0，ξ0是已知常数。是由基础信号组成的向量，基础信
号riρ(t)已知。kν、ξ和决定哪些执行器发生了故障及发生何种类型的故障:发生故障前，kν＝n，ξ＝0；执行器发生故障时，kν，ξ为未知常数。表示干扰。

[0052] 位移跟踪误差为e3(t)：

[0053] e3(t)＝x3(t)-yd(t)

[0054] e4(t)＝x4(t)-xd(t)

[0055] 其中，e3(t)是列车发生参数化故障情况下的位移跟踪误差，e4(t)是速度跟踪误差。x3(t)是列车发生参数化故障情况下的位移，xd(t)是期望速度，yd(t)是期望位移。由列车参数化故障模型和位移跟踪误差可得：

[0056] 所述参数化故障模型控制信号ν1(t)为：

[0057]其中，和分别是和的估计值，l(t)是非负时变增益。

[0058] 0≤Δm(t)≤mb＜m，mb与db是已知常数且db＞0。故障执行器数量满足控制增益l(t)满足
其中η＞0。

[0059] 在所述参数化故障模型中，对于任意初始估计值和参数的自适应律为：

[0060]

[0061]

[0062] 其中，自适应律增益且是正常数。n是执行器电机的数量，gv(t)由下式给出：

[0063]

[0064] 其中，

[0065] 选择如下Lyapunov方程：

[0066]

[0067] 令(Tp,Tp+1),p＝0,1,...,N，T0＝0,为时间间隔，执行器只在时间Tp出现故障。执行器故障模式在这段时间内是固定的，这表示ξ在t∈(Tp,Tp+1)为常数，且在t∈[0,∞)不连续。对t∈(Tp,Tp+1),p＝0,1,...,N根据估计误差和自适应律，得到V2的时间导数：

[0068]

[0069] 根据Lyapunov稳定定理，执行器发生参数化故障时，闭环系统估计误差一致有界。由于有限能量滑动函数

[0070]即则因控制信号有界，跟且踪误差可在t趋于无穷时收敛至0。

[0071] 非参数化故障模型为：

[0072]

[0073]

[0074] 其中，x5(t)是列车发生非参数化故障情况下的位移， x6(t)是列车发生非参数化故障情况下的运行速度，是列车发生非参数化故障情况下的运行加速度，其中v(t)为系统输入信号，kv为剩余健康控制器数量，且满足n-n≤kv≤n，ξ(t)是有界时变电机故障。|ξ|≤ξ1，ξ1未知。表示干扰。

[0075] 所述非参数化故障模型控制信号ν2(t)为：

[0076]

[0077] 其中，其中， l(t)为非负时变增益。和分别是和的估计值。

[0078] 对初始估计量信号v(t)和与的自适应律设计为：

[0079] v(t)＝-r|δ(t)|

[0080]

[0081]

[0082] 其中r＞0，自适应律增益Γξ、为正常数，gv(t)由下式给出：

[0083]

[0084] 其中，

[0085] 选择如下Lyapunov方程：

[0086]

[0087] 根据估计误差和自适应律，得到V3的时间导数：

[0088]

[0089] 根据Lyapunov稳定定理，执行器发生参数化故障时，控制器状态估计误差一致有界，跟踪误差一致有界。

[0090] 干扰界限未知的故障模型为：

[0091]

[0092]

[0093] 其中，x7(t)是列车发生参数化故障情况下的位移， x8(t)是列车发生参数化故障情况下的运行速度，是列车发生参数化故障情况下的运行加速度，其中v(t)为系统输入信号，kv为剩余健康控制器数量，且满足 ξ和是描述故障类型的执行器故障参数。其中i＝1,...,n。矢量ξ可
随故障发展而变化，但在一定时间间隔内是固定的，||ξ||2≤ξ0，ξ0是已知常数。是由基础信号组成的向量，

[0094] 基础信号.riρ(t).已知。kν、ξ和决定哪些执行器发生了故障及发生何种类型的故障:发生故障前，kν＝n，ξ＝0；执行器发生故障时，kν，ξ为未知常数。表示干扰。

[0095] 所述干扰界限未知故障模型的控制信号ν3(t)为：

[0096]

[0097] 其中， db满足 mb＜m。故障执行器数量满足 l(t)是非负时变增益，满足

[0098]

[0099] 对初始估计量信号v(t)和与的自适应律设计为：

[0100]

[0101]

[0102]

[0103] 其中r＞0，Γξ，为正值，n是执行器电机的数量，gv由下式给出：

[0104]

[0105] 其中，

[0106] 选择如下Lyapunov方程：

[0107]

[0108] 对于故障模式固定间隔时间t∈(Tp,Tp+1),p＝1,...,N，得到V4的时间导数：

[0109]

[0110] 根据Lyapunov稳定定理，执行器发生参数化故障时，控制器状态估计误差一致稳定，其解一致有界。

[0111] 下面对本发明提供的高速列车滑模容错执行器进行仿真验证：

[0112] 步骤1、设计列车的运动过程，包括加速、再加速、匀速、减速、再减速、减缓至完全停止。

[0113] 列车参数选为，a＝8.63×10-3KN，b＝7.295×10-6KNs/m，c＝1.12×10-6KNs2/m2，-0.05tΔM(t)＝20(ton)，Δf(t)＝1-e ，ΔF(t)＝10sin(0.03t)。

[0114] 步骤2、针对高速列车健康模型，注入干扰：d(t)＝100sin(0.03t)。

[0115] 初始条件为x(0)＝[0.55 0]T，控制器参数为k＝8，l＝0.8。

[0116] 步骤3、针对高速列车参数化执行器故障模型，考虑16个电机中某一个电机发生故障，一开始为常值故障，再演变为时变故障，最后电机完全停止工作。故障表达式中生育健康执行器数量kv＝15，故障参数描述为：

[0117]

[0118] 故障界限为ξ0＝4×105。

[0119] 初始条件为x(0)＝[0.55 0]T，参数初始估计值为标称值的80％，自适应律的增益值为0.2，控制器参数为k＝8，l＝1。

[0120] 步骤4、针对高速列车非参数化执行器故障模型，考虑非参数化时变故障，剩余健康控制器数量为kv＝15，故障参数ξ(t)选择为ξ(t)＝2×105sin(0.01t-30),t≥600。

[0121] 初始条件为x(0)＝[0.05 0]T，参数初始估计值为标称值的90％，自适应律的增益值为0.2，控制器参数为k＝12，l＝2和r＝3。

[0122] 步骤5、针对高速列车参数化故障且干扰界限未知的情况，故障形式和步骤3中的故障形式相同：

[0123]

[0124] 在仿真过程中，干扰的界限未知。初始条件为x(0)＝[0.1 0]T，参数初始估计值为标称值的90％，自适应律的增益值为0.2，控制器参数为k＝12，l＝1和r＝2。

[0125] 步骤6、将得到的状态空间模型导入到Matlab/Simulink中，并在Simulink中建立列车牵引系统仿真模型，仿真时长为2000秒。列车健康系统含界限已知干扰的分段模型的位移跟踪图如图2所示。

[0126] 由图3(a)、(b)、(c)、(d)可知本发明的方法可以有效地在执行器不确定和故障情况下，达到闭环稳定和列车渐进跟踪特性，有效地解决了未知参数，非参数化故障，干扰未知等情况下的列车容错问题及其工程实用问题，这对于解决高速列车执行器不确定和故障问题具有重要的意义。

[0127] 众所周知的是，在输入信号有限和有界时，输入饱和、死区和滞后是导致执行器不确定性的普遍原因。而在系统建模中内部不确定性不同于外部不确定性，因为系统状态的有界性需要由控制器的设计来保证，通常用于设计好的控制器，而不能预先假定有界。虽然高速列车的执行器具有输入饱和与死区，但来自电气设备和机械装置的不确定性，包括一些动态特性，仍会影响输入分布矩阵。另一方面,容错控制是一种必要且有效的技术，能在系统故障的条件下保证系统的稳定性或某些控制性能(如渐进跟踪)。虽然对于不确定系统的故障诊断或容错控制已经取得了许多成果，但对输入分布矩阵中的不确定性的研究相当有限。对于故障系统，故障信号可看作未知参数。在此情况下，自适应技术可用来处理未知参数并取得理想性能。该方法适用于高速列车故障。

[0128] 本发明针对含有未知执行器不确定和故障的高速列车，提出了一种新型自适应滑模容错控制方案。除了提供了列车健康状态下的模型，同时针对高速列车出现参数化执行器故障、非参数化执行器故障以及干扰界限未知等情况，建立了多种列车模型。对健康列车系统，设计了滑模控制器来保证跟踪误差动态方程能渐进收敛。同时也对出现参数化执行器故障、非参数化执行器故障以及干扰界限未知等情况设计了自适应滑模容错控制器。本发明结合自适应技术，提出了自适应滑模容错控制方案同时处理执行器不确定性和故障。自适应滑模容错控制器能够在未知执行器不确定和故障情况下，使高速列车达到闭环稳定和渐进跟踪特性。

[0129] 本发明公开了具有执行器不确定的高速列车自适应滑模容错控制方案，在执行器不确定条件下，提出了高速列车的纵向动力学模型；针对执行器不确定和外部扰动的健康系统，设计了一种新型滑模控制器，能在有限时间内将跟踪误差动态系统驱动至预设的滑模面上，并在此后保持滑模运动；分别针对具有已知故障界限、未知故障界限和非参数化故障的列车模型提出新型自适应滑模容错控制器，从而缓解高速列车牵引系统执行器故障和不确定性的问题。

[0130] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

标题	发布/更新时间	阅读量
阻力传感器	2020-05-13	642
一种连续油管牵引机器人地面实验模拟装置	2020-05-14	585
机车用牵引通风装置	2020-05-14	688
电力机车运行阻力的测试方法及装置	2020-05-13	851
电力机车运行阻力的测试方法及装置	2020-05-13	178
一种窄轨览车牵引制动系统的设计方法	2020-05-13	379
用于水上阻力牵拉器的力特性标定方法	2020-05-14	729
测定牵引线和阻力线夹角的系统	2020-05-11	352
羽毛球牵引阻力训练器	2020-05-12	266
一种分体式牵引辊转阻力的测量装置及系统	2020-05-13	887

一种用于高速列车的自适应滑模容错控制方法

一种用于高速列车的自适应滑模容错控制方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：