[发明专利]一种基于迭代学习的地铁列车自动运行速度控制方法

摘要

本发明公开了一种基于迭代学习的地铁列车自动运行速度控制方法，包括步骤1：针对城市轨道交通列车自动运行速度控制系统，建立列车运行动力学模型；步骤2：通过迭代过程中的输出误差和修正函数对学习增益进行自动调整，将其用来更新速度控制器输入；步骤3：为保证算法对初态误差的鲁棒性，在对控制量进行学习的同时对迭代初态进行学习，使得系统可在任意初始条件下均能收敛至期望轨迹，而不要求迭代初态精确位于期望初态上，最终实现列车对目标速度曲线和目标位移曲线的精确跟踪。本发明利用学习增益初始值和上一次迭代的系统状态和跟踪误差对本次迭代的系统初态进行修正，给出了迭代初态修正算法，保证了学习律对任意系统初态的收敛性。

主权项

1.一种基于迭代学习的地铁列车自动运行速度控制方法，其特征在于，包括以下步骤：步骤1：针对城市轨道交通列车自动运行速度控制系统，建立列车运行动力学模型；步骤2：通过迭代过程中的输出误差和修正函数对学习增益进行自动调整，将其用来更新速度控制器输入；步骤3：为保证算法对初态误差的鲁棒性，在对控制量进行学习的同时对迭代初态进行学习，使得系统可在任意初始条件下均能收敛至期望轨迹，而不要求迭代初态精确位于期望初态上，最终实现列车对目标速度曲线和目标位移曲线的精确跟踪；所述步骤1中所述的列车运行动力学模型通过采用坡道线性模型来分析，其模型为：其中，s(t)∈[0,S]是列车运行位移，单位是m，S是线路全长；t∈[0,T]是列车运行时间，T是全程运行时间；v(t)∈[0,V]是列车运行速度，单位是m/s，V(s)为s处允许的最高运行速度；F(t)是作用在列车单位质量上的牵引力或制动力，f(t)是作用在列车单位质量上的总阻力，f₀(t)是列车单位质量受到的基本阻力，f_i(t)是列车单位质量受到的坡道阻力，f_r(t)是列车单位质量受到的弯道阻力，f_s(t)是列车单位质量受到的隧道阻力，相关作用力的单位为N/kg；取系统状态量x(t)为列车运行位移和运行速度，即x(t)＝[s(t) v(t)]^T，将式(1)写成状态方程为其中，k表示列车第k次运行，系统状态量x(t)＝[s(t) v(t)]^T为列车运行位移和运行速度，f(x_k(t),t)＝[f₁(x_k(t),t) f₂(x_k(t),t)]^T，f₁(x_k(t),t)＝v_k(t)，f₂(x_k(t),t)＝‑f₀(t)‑f_i(t)‑f_r(t)‑f_s(t)，u_k(t)＝[0 F_k(t)]^T，h(x_k(t),t)＝x_k(t)，y_k(t)是系统输出；所述步骤2中，给出学习增益可变的迭代学习控制器表达形式即列车自动运行速度控制系统第k+1次迭代的控制量表达式为：其中，λ_k(t)是与列车系统中参数时变特性相关可变学习增益，e_k(t)＝y_d(t)‑y_k(t)为系统在第k次运行时的输出误差，为系统在第k次运行时的输出误差e_k(t)的导数，在当前完整的迭代周期内产生相应的跟踪误差e_k+1(t)和误差导数将二者在迭代轴上按时间存储，下次迭代中，按顺序取出上一次迭代轴上的误差和误差导数值，并记为e_k(t)和用于更新当前控制量；y_d(t)为列车运行系统的期望输出；u₀(t)是初始控制量，获得理想的初始控制量能有效减小初始跟踪误差，可保证在相同学习律下减少迭代次数，提高跟踪精度；所述步骤2中，通过误差均值E[e_k(t)]来调整λ_k(t)的大小，采用如下的修正函数对λ_k(t)进行修正：其中，λ_min是根据实际系统设定的学习增益最小值；当输出误差大于E[e_k(t)]时，增大λ_k(t)使其接近于1以达到快速调整控制输入u_k(t)的目的，当输出误差小于E[e_k(t)]时，减小λ_k(t)使其接近于设定的最小值λ_min，对λ_k(t)的适时调整使得系统的跟踪能力加强，同时又减小了系统收敛时的估计误差。