高速动车组数据驱动无模型自适应积分滑模预测控制OA北大核心CSTPCD

同许多复杂系统一样,动车组(Electric multiple unit,EMU)运行过程也具有多变量、强耦合以及非线性等特性,这严重影响着列控系统的性能.针对包含外部扰动的动车组自动驾驶系统,提出一种新型的多输入多输出(Multi-input-multi-output,MIMO)数据驱动积分滑模预测控制(Integral sliding mode predictive control,ISMPC)算法.首先,该算法基于与动车组运行过程等效的全格式动态线性化(Full format dynamic linearization,FFDL)数据模型,设计一种离散积分滑模控制(Integral sliding mode control,ISMC)律.为了使系统能够获得更高的输出跟踪误差精度,利用模型预测控制(Model predictive control,MPC)代替ISMC的切换控制,进一步推导出ISMPC算法.同时,通过对FFDL数据模型的未知扰动、参数误差等不确定项进行延时估计,提升了算法的控制性能和对系统的等价描述程度.在提供两种算法的稳定性证明分析之后,以实验室配备的CRH380A型动车组仿真实验台对提出的ISMC和ISMPC算法进行仿真测试,并与其他方法进行对比,仿真结果表明ISMPC算法控制性能较好,动车组各动力单元速度跟踪误差均在±0.132 km/h以内,满足列车的跟踪精度需求;控制力和加速度分别在[-52 kN,42 kN]和±0.9249 m/s2以内且变化平稳.