一種用于高速列車的自適應(yīng)滑模容錯控制方法
專利匯可以提供一種用于高速列車的自適應(yīng)滑模容錯控制方法專利檢索，專利查詢，專利分析的服務(wù)。并且本 發(fā)明 實施例 公開了一種用于高速列車的自適應(yīng)滑模容錯控制方法，涉及高速列車控制領(lǐng)域，能夠緩減高速列車執(zhí)行器不確定性的問題。本發(fā)明包括：根據(jù)所采集的列車運行參數(shù)，從列車模型集合中選擇匹配所述列車運行參數(shù)的列車模型。獲取所選擇的列車模型對應(yīng)的滑模容錯 控制器 和自適應(yīng)律。將所選擇的列車模型加載至對應(yīng)的所述滑模容錯控制器和所述自適應(yīng)律。利用所述滑模容錯控制器和所述自適應(yīng)律，根據(jù)當(dāng)前時刻采集到的狀態(tài)量 跟蹤 期望位移和期望速度。本發(fā)明適用于應(yīng)對高速列車執(zhí)行器不確定性與故障的自適應(yīng)滑模容錯控制。，下面是一種用于高速列車的自適應(yīng)滑模容錯控制方法專利的具體信息內(nèi)容。
1.一種用于高速列車的自適應(yīng)滑模容錯控制方法，其特征在于，包括：
根據(jù)所采集的列車運行參數(shù)，從列車模型集合中選擇匹配所述列車運行參數(shù)的列車模型；
獲取所選擇的列車模型對應(yīng)的滑模容錯控制器和自適應(yīng)律；
利用所述滑模容錯控制器和所述自適應(yīng)律，根據(jù)當(dāng)前時刻采集到的狀態(tài)量跟蹤期望位移和期望速度。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述列車模型集合至少包括:健康模型、參數(shù)化故障模型、非參數(shù)化故障模型和干擾界限未知的故障模型。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述健康模型表示為：
其中：
x1(t)是列車的位移，
列車的位移的導(dǎo)數(shù)，
x2(t)是列車的運行速度，
是列車的運行加速度，
a,b和c分別表示Davis方程中的三種阻力系數(shù)，a表示列車的滾動阻力，滾動阻力由行程、滾動和軌道阻力組成；b表示列車的線性阻力，線性阻力由對輪緣摩擦、輪緣沖擊、輪軌滾動阻力和軌道的波動作用組成；c表示非線性阻力，非線性阻力由尾部阻力、頭端風(fēng)壓、列車間的紊流、風(fēng)洞偏航角和列車側(cè)面的摩擦力組成。
牽引力Ft(t)的動態(tài)數(shù)學(xué)模型為Ft(t)＝(1+Δf(t))F(t)+ΔF(t)，
F(t)是電機提供的力，
ΔF(t)和Δf(t)是表示牽引系統(tǒng)不確定的時變函數(shù)，其中，ΔF(t)和Δf(t)有界，界限由最大牽引力和機械裝置得到，Δf(t)表示牽引力的乘性擾動，ΔF(t)表示加性擾動；
列車質(zhì)量表示為 其中，M(t)是由列車負載決定的常數(shù)， 表示空車
質(zhì)量，ΔM(t)表示使空車 質(zhì)量增加的負載質(zhì)量 ，在兩車站間為常數(shù)，
d(t)表示外部干擾，
Δm(t)和 滿足0≤Δm(t)≤mb＜m， mb與db分別表示m與 的界限為已
知常數(shù)且db＞0；
所述根據(jù)當(dāng)前時刻采集到的狀態(tài)量跟蹤期望位移和期望速度，包括：
列車的跟蹤誤差表示為e1(t)和e2(t)：
e1(t)＝x1(t)-yd(t)
e2(t)＝x2(t)-xd(t)
其中，e1(t)是列車的位移跟蹤誤差，e2(t)是列車的速度跟蹤誤差，x1(t)是列車的位移，x2(t)是列車的速度，xd(t)是期望速度，yd(t)是期望位移，
由列車健康模型和跟蹤誤差得到跟蹤誤差動態(tài)方程為：
設(shè)計滑模面為δ(e1,e2)＝ke1(t)+e2(t)，其中k＞0為設(shè)計參數(shù)，則加載了所述健康模型的所述滑?？刂破鳛椋?br/>其中, db滿足 mb＜m，l(t)
是非負時變增益，滿足
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述參數(shù)化故障模型為：
其中，x3(t)是列車發(fā)生參數(shù)化故障情況下的位移，
是x3(t)的導(dǎo)數(shù)、x4(t)是列車發(fā)生參數(shù)化故障情況下的運行速度，
是列車發(fā)生參數(shù)化故障情況下的運行加速度，
v(t)為系統(tǒng)輸入信號，
kv為剩余健康控制器數(shù)量，且滿足
ξ和 是描述故障類型的執(zhí)行器故障參數(shù)，
其中， 表示由基礎(chǔ)信號組成的向量，kν是故障模式參數(shù)，與ξ和 決定哪些執(zhí)行器發(fā)生了故障及發(fā)生何種類型的故障。執(zhí)行器發(fā)生故障時，kν，ξ為未知常數(shù)；發(fā)生故障前，kν＝n，ξ＝0。當(dāng)故障發(fā)生時，ν(t)為根據(jù)故障補償設(shè)計的控制信號，用于保證系統(tǒng)的穩(wěn)定性和漸進跟蹤性能， 表示干擾；
所述根據(jù)當(dāng)前時刻采集到的狀態(tài)量跟蹤期望位移和期望速度，包括：
列車的跟蹤誤差表示為e3(t)：
e3(t)＝x3(t)-yd(t)
e4(t)＝x4(t)-xd(t)
其中，e3(t)是列車發(fā)生參數(shù)化故障情況下的位移跟蹤誤差，e4(t)是速度跟蹤誤差，x3(t)是列車發(fā)生參數(shù)化故障情況下的位移，xd(t)是期望速度，yd(t)是期望位移，由列車參數(shù)化故障模型和位移跟蹤誤差可得：
所述參數(shù)化故障模型控制信號ν1(t)為：
其中， 和 分別是 和 的估計值，l(t)是非負時變增益，
mb與db
是已知常數(shù)且db＞0，故障執(zhí)行器數(shù)量 滿足 控制增益l(t)滿足
其中，η＞0，在所述參數(shù)化故障模型中，對于任意初始估計值 和
則加載了所述參數(shù)化故障模型的情況下，信號 的自適應(yīng)律為：
其中，自適應(yīng)律增益 且 是正常數(shù)，n是執(zhí)行器電機的數(shù)量，gv(t)由下式
給出：
其中，
5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述非參數(shù)化故障模型為：
其中，x5(t)是列車發(fā)生非參數(shù)化故障情況下的位移，
x6(t)是列車發(fā)生非參數(shù)化故障情況下的運行速度，
是列車發(fā)生非參數(shù)化故障情況下的運行加速度，
v(t)為系統(tǒng)輸入信號，
kv為剩余健康控制器數(shù)量，且滿足
ξ(t)是有界時變電機故障，|ξ|≤ξ1，ξ1未知， 表示干擾；
所述根據(jù)當(dāng)前時刻采集到的狀態(tài)量跟蹤期望位移和期望速度，包括：
列車的跟蹤誤差表示為e5(t)：
e5(t)＝x5(t)-yd(t)
e6(t)＝x6(t)-xd(t)
其中，e5(t)是列車發(fā)生參數(shù)化故障情況下的位移跟蹤誤差，e6(t)是速度跟蹤誤差，e5(t)是列車發(fā)生參數(shù)化故障情況下的位移，xd(t)是期望速度，yd(t)是期望位移，由列車參數(shù)化故障模型和位移跟蹤誤差可得：
所述非參數(shù)化故障模型控制信號ν2(t)為：
其中， l(t)為非負時變增益， 和
分別是 和 的估計值，對初始估計量 則加載了所述
非參數(shù)化故障模型的情況下，信號v(t)、 和 的自適應(yīng)律設(shè)計為：
v(t)＝-r|δ(t)|
其中r＞0，自適應(yīng)律增益Γξ、 為正常數(shù)，gv(t)由下式給出：
其中，
6.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述干擾界限未知的故障模型為：
其中，x7(t)是列車發(fā)生參數(shù)化故障情況下的位移，
x8(t)是列車發(fā)生參數(shù)化故障情況下的運行速度，
是列車發(fā)生參數(shù)化故障情況下的運行加速度，
v(t)為系統(tǒng)輸入信號，
kv為剩余健康控制器數(shù)量，且滿足
ξ和 是描述故障類型的執(zhí)行器故障參數(shù)，
其中i＝1,...,n，矢量ξ可隨故障發(fā)展而變化，但在一定時間間
隔內(nèi)是固定的，||ξ||2≤ξ0，ξ0是已知常數(shù)，
其中， 是由基礎(chǔ)信號組成的向量，kν是故障模式參數(shù)，與ξ和 決定哪些執(zhí)行器發(fā)生了故障及發(fā)生何種類型的故障。執(zhí)行器發(fā)生故障時，kν，ξ為未知常數(shù)；發(fā)生故障前，kν＝n，ξ＝0。當(dāng)故障發(fā)生時，ν(t)為根據(jù)故障補償設(shè)計的控制信號，用于保證系統(tǒng)的穩(wěn)定性和漸進跟蹤性能。 表示干擾；
所述根據(jù)當(dāng)前時刻采集到的狀態(tài)量跟蹤期望位移和期望速度，包括：
所述干擾界限未知故障模型的控制信號ν3(t)為：
其中， db滿足 故
障執(zhí)行器數(shù)量 滿足 l(t)是非負時變增益，滿足
對初
始估計量 則加載了所述干擾界限未知的故障模型的情況下，信號v(t)、
和 的自適應(yīng)律設(shè)計為：
其中r＞0，Γξ， 為正值，n是執(zhí)行器電機的數(shù)量，gv由下式給出：
其中，
一種用于高速列車的自適應(yīng)滑模容錯控制方法
技術(shù)領(lǐng)域
背景技術(shù)
發(fā)明內(nèi)容
具體實施方式
車負載決定的常數(shù)，ΔM(t)在兩車站間為常數(shù)，且只在停止車站改變。ΔM(t)有界且可被估計。 d(t)模擬天氣條件或軌道條件(坡道、隧
道、曲率等)產(chǎn)生的外部干擾。由于斜坡和彎曲軌道會引起額外阻力，為實現(xiàn)列車的高速行駛，鐵路軌道需是平滑的，且坡度角和彎曲度較小。因此，斜坡和彎曲阻力可視為干擾d(t)，Δm(t)和 滿足0≤Δm(t)≤mb＜m， mb與db是已
知常數(shù)且db＞0。
故障發(fā)展而變化，但在一定時間間隔內(nèi)是固定的，||ξ||2≤ξ0，ξ0是已知常數(shù)。 是由基礎(chǔ)信號組成的向量， 基礎(chǔ)信
號riρ(t)已知。kν、ξ和 決定哪些執(zhí)行器發(fā)生了故障及發(fā)生何種類型的故障:發(fā)生故障前，kν＝n，ξ＝0；執(zhí)行器發(fā)生故障時，kν，ξ為未知常數(shù)。 表示干擾。
其中η＞0。
隨故障發(fā)展而變化，但在一定時間間隔內(nèi)是固定的，||ξ||2≤ξ0，ξ0是已知常數(shù)。 是由基礎(chǔ)信號組成的向量，
| 標題 | 發(fā)布/更新時間 | 閱讀量 |
|---|---|---|
| 纜繩器械中的磁性阻力機構(gòu) | 2020-05-13 | 431 |
| 發(fā)光牽引線和阻力線夾角檢測部件 | 2020-05-11 | 251 |
| 低滾動阻力及濕路面牽引力和胎面磨損改善的客車輪胎 | 2020-05-12 | 963 |
| 纜繩器械中的磁性阻力機構(gòu) | 2020-05-13 | 850 |
| 一種負載地錨 | 2020-05-13 | 621 |
| 水阻力牽引船舶避碰和應(yīng)急驅(qū)動方法 | 2020-05-11 | 843 |
| 視頻與速度可同步采集的動／阻力牽引訓(xùn)練裝置 | 2020-05-13 | 249 |
| 薯類收獲機牽引阻力測試裝置 | 2020-05-12 | 329 |
| 速度運動空氣阻力牽引傘 | 2020-05-12 | 57 |
| 家用低阻力腰椎牽引器 | 2020-05-12 | 288 |
高效檢索全球?qū)＠?/div>專利匯是專利免費檢索,專利查詢,專利分析-國家發(fā)明專利查詢檢索分析平臺，是提供專利分析，專利查詢，專利檢索等數(shù)據(jù)服務(wù)功能的知識產(chǎn)權(quán)數(shù)據(jù)服務(wù)商。
我們的產(chǎn)品包含105個國家的1.26億組數(shù)據(jù)，免費查、免費專利分析。
分析報告專利匯分析報告產(chǎn)品可以對行業(yè)情報數(shù)據(jù)進行梳理分析，涉及維度包括行業(yè)專利基本狀況分析、地域分析、技術(shù)分析、發(fā)明人分析、申請人分析、專利權(quán)人分析、失效分析、核心專利分析、法律分析、研發(fā)重點分析、企業(yè)專利處境分析、技術(shù)處境分析、專利壽命分析、企業(yè)定位分析、引證分析等超過60個分析角度，系統(tǒng)通過AI智能系統(tǒng)對圖表進行解讀，只需1分鐘，一鍵生成行業(yè)專利分析報告。
牽引阻力熱門專利
