[发明专利]一种针对列车未知扰动的神经自适应容错控制方法

说明书

技术领域

本发明涉及列车控制技术领域。具体地，涉及一种基于列车未知扰动的神经自适应容错控制方法。

背景技术

列车的安全运行至关重要，其安全性与人们的生活、社会的发展和国家的进步密切相关。如何提高列车的舒适性、便捷性和有效性等性能，是当今一个引起关注的研究方向。

随着人们对列车可靠性和安全性的要求越来越高，执行器故障、传感器故障、元器件故障等引起广泛关注。容错控制是一种有效降低故障影响、保证系统期望性能的控制策略，主要分为被动容错控制策略和主动容错控制策略。

然而，国内外针对列车故障和未知扰动共同作用的研究比较少。

发明内容

本发明的目的是提出一种针对此情况的神经自适应容错控制策略，以解决未知扰动和执行器故障对列车的影响。

基于存在的上述问题，本发明提供一种基于列车未知扰动的神经自适应容错控制方法，所述方法包括如下步骤：

S1、分析列车纵向运动进行受力情况，建立列车纵向运动动力方程；

S2、利用神经网络径向基函数逼近未知附加阻力；结合列车纵向运动动力方程，获得执行器故障下的列车动力学方程；

S3、构造近似比例积分微分(PID)滑模面；

S4、根据执行器故障情况下的列车纵向运动动力方程，利用未知自适应律和控制器，建立列车闭环动态方程；

S5、选取合适的李雅普诺夫(Lyapunov)函数证明系统的稳定性，进而利用观测器和控制器方程控制列车实际的位移和速度趋近期望的位移和速度。

优选地，步骤S1中，分析列车纵向运动进行受力情况，建立列车纵向运动动力方程，所述纵向运动的动力方程为：

其中，t∈[0，T′]，T′是列车的运行时间；x(t)是列车从0至t时刻的实际位移；m是列车的总质量，大小未知；是列车t时刻的实际速度，是列车t时刻的实际加速度；u(t)是列车t时刻的实际控制力，控制力为牵引力或制动力；c_o、c_v和c_a是戴维斯系数，且均大于0，不同列车的戴维斯系数不同，c_o、c_v和c_a大小未知；d(t)是列车t时刻的附加阻力，包括斜坡阻力w_i、隧道阻力w_s、曲线阻力W_r和其它阻力W_e等；

假设期望的位置跟踪曲线x_d(t)光滑有界，且其一阶导数和二阶导数是存在的。

优选地，所述步骤S2进一步包括如下子步骤：

S2.1、采用神经网络径向基函数逼近未知的附加阳力：

其中，是未知的，代表加权矩阵的最优向量；代表实矩阵；p代表径向基神经网络隐含层的个数；(·)^T代表向量的转置；z(t)代表神经网络的输入；h(z(t))代表神经网络的径向基函数；ε(z(t))代表径向基神经网络的重构误差，满足

|ε(z(t))|≤ε₀

其中，ε₀为未知的正常数；

对于定义域内所有的z(t)，为了最小化重构误差ε(z(t))，引入一个紧凑的子集：

其中，是的估计。

S2.2、结合所述列车纵向运动动力方程和所述紧凑子集，得出执行器故障情况下列车的动力学方程：

其中，E代表未知的执行器故障，满足E∈[0，1]；E＝0表示执行器完全失效；E∈(0，1)表示执行器部分失效；E＝1表示执行器正常工作；定义E＝1-τ_f，τ_f∈(0，1)。

优选地，步骤S3中，定义位移跟踪误差为：

e(t)＝x(t)-x_d(t)

其速度误差和加速度误差为

构造近似PID滑模面：

其中，和为滑模面参数。

优选地，所述步骤S4进一步包括如下子步骤：

S4.1、设计控制器：

其中，分别是c_o、c_v、c_a、w^*、ε_o、m、Q的

估计值；k₁为正常数；