重载列车运行过程的建模与RBFNN滑模控制

【目的】为解决重载列车在复杂线路条件下难以实现高精度轨迹跟踪控制的问题,提出了一种重载列车多质点模型和径向基函数神经网络滑模控制(RBFNNSMC)方法。【方法】首先,考虑空气制动和钩缓装置约束,建立重载列车多质点模型,并对人为测量误差和车辆参数差异等导致的模型不确定性问题,利用RBFNN对其进行估计。其次,设计一种非线性干扰观测器(NDO)对列车运行中受强风、雨雪等外界快时变干扰进行实时估计。然后,设计Lyapunov函数对整个系统进行稳定性证明。【结果】基于大秦线的实际线路数据,进行RBFNNSMC方法、PID方法和SMC方法的速度跟踪对比实验。仿真结果表明,RBFNNSMC方法的速度误差在±0.15 km/h以内,优于其他两种方法。加入NDO后,RBFNNSMC方法的抗干扰能力也更强。【结论】基于NDO的RBFNNSMC方法的跟踪精度相较于SMC方法在无干扰和受干扰情况下分别提升27.3%和28.9%,鲁棒性有所提升。