[发明专利]基于ELM的自动驾驶列车车速跟随的控制方法

权利要求书

1.基于ELM的自动驾驶列车车速跟随的控制方法，其特征在于，包括以下步骤：

S1，以列车运行数据为输入，基于神经网络算法ELM训练生成理想的列车自动驾驶模型，所述列车自动驾驶模型输出为列车车速；

S2，以所述S1生成的列车自动驾驶模型为理想模型，根据所述列车自动驾驶模型设计列车车速跟随控制器；

S3，对所述S2设计的列车车速跟随控制器进行稳定性分析，给出稳定条件；

S4，根据所述稳定条件设计列车牵引/制动力控制器。

2.根据权利要求1所述的基于ELM的自动驾驶列车车速跟随的控制方法，其特征在于，所述S1的具体过程为包括：

S1.1，采集某两站点之间人为驾驶列车的运行数据-实时加速度和距下一站点的距离数据，作为列车自动驾驶模型的训练输入；

S1.2，基于ELM算法训练列车自动驾驶模型，包括确定训练集、激活函数和隐含节点个数，以及分配输入权重和阈值，具体为：

利用单隐含层反馈的ELM算法训练获得列车自动驾驶模型；对于自动驾驭列车模型指定训练集：a为列车加速度，m/s²；；s为列车跟下一站点的距离，m；v为列车车速，km/h；激活函数为隐含节点数目选取为

单隐含层反馈的ELM算法训练获得列车自动驾驶模型如下：

式中，w_i＝[w_i1,w_i2]^T连接第i个隐含节点与输入节点的权重向量，即输入权重；β_i连接第i个隐含节点与输出节点的权重向量，即输出权重；θ_i第i个隐含节点的阈值；w_i·x_j表示w_i与x_j的内积；输出节点选取为线性的；w_i和θ_i均为随机分配；

若存在β_i、w_i和θ_i使下式成立：

那么，所述ELM算法可使N个样本的训练集输入生成的列车自动驾驶模型接近零误差，即

S1.3，基于所述S1.2，计算隐含层输出矩阵H，具体为：

上式可写成下式的形式：

Ηβ＝T

其中：

式中，H为神经网络隐含层输出矩阵，H的第i列对应输入x₁,x₂,...,x_N的第i个隐含节点输出；

S1.4，基于所述S1.2和S1.3，计算输出权重并得到列车自动驾驶模型，具体为：

因隐含节点数与样本数存在关系：因此H不是方阵，为使模型训练有效，须使下式成立：

ELM算法算计线性系统式的输出权重的最小范数最小二乘解如下式：

式中，是H的Moore-Penrose广义逆矩阵；

模型训练完成后，可得列车自动驾驶模型：

式中，为列车自动驾驶模型的输出-列车车速，km/h。

3.根据权利要求1所述的基于ELM的自动驾驶列车车速跟随的控制方法，其特征在于，所述S2的具体过程为：

S2.1，因ELM算法训练生成的列车自动驾驶模型没有具体的动力学表达形式，故建立设计列车动力学模型如下：

式中，M为列车整备质量，kg；F为目标牵引力，N；d为行驶阻力与干扰的集总，N；

S2.2，以所述S1训练获得的根据所述列车自动驾驶模型为理想模型，并基于STSM算法设计列车车速跟随控制器，具体如下：

定义滑模变量：

控制器输出为：

式中，α为控制增益；

假设：d*＝d₁|s|/2sgn(s)，0<d₁<D；

式中，d₁、D均为正常数；

S2.3，设计所述S2.2控制器增益的自适应律如下：

式中，ω、θ、υ、λ及α_t均为正常数。