高速动车组强耦合模型的分布式滑模控制策略

高速动车组是由多节车辆与钩缓装置链接而成的复杂系统.将钩缓装置等效成弹簧?阻尼器系统,分析动车组运行过程中钩缓装置对相邻车辆作用的动力学机理,明确作用方式,建立高速动车组的强耦合模型.根据列车模型动力或制动力输入的分散特征,设计分布式神经网络滑模控制策略,对高速动车组进行速度跟踪控制.为减小速度跟踪过程中未知因素对高速动车组控制精度的影响,利用列车历史运行数据,采用历史工况数据中心对当前控制律输出进行补偿以提高控制精度与实用稳定性.采用高速动车组运行仿真平台的仿真实验结果表明,该建模方法较以往多质点模型更能体现高速动车组运行特性,且采用补偿规则的控制策略优于传统控制效果.

高速动车组分布式全局快速终端滑模控制策略

速度跟踪控制是高速动车组自动驾驶的关键技术之一。通过分析列车运行过程的动力学关系,将车钩系统描述为弹簧-阻尼器系统,并考虑列车受到的附加阻力,以及由于列车车钩形变产生的列车长度变化等,建立高速动车组纵向多质点动力学模型。在此模型基础上,设计分布式全局快速滑模控制器,此策略连续的控制率消除了传统滑模控制的抖振问题,控制器考虑动车与拖车的不同动力分配和牵引电机的输出功率上限,分别对动车与拖车的控制力进行不同的饱和限制。基于李雅普诺夫稳定性原理,证明了提出的控制算法的收敛与稳定。仿真结果表明,此高速动车组多质点模型能较为准确地反映列车运行中车钩的状态与受到的附加阻力,基于该模型的带有输出限制的分布式全局快速终端滑模控制器,使车钩纵向冲动更小,速度跟踪性能更优。

基于扩展滑模扰动观测器的高速列车分布式速度协同滑模控制

针对高速列车运行中因受外界未知扰动而导致的各车厢速度不同步问题,提出一种基于扩展滑模扰动观测器的高速列车分布式滑模控制算法。首先,考虑高速列车运行的受力情况,建立高速列车多质点模型;其次,设计领航者车厢滑模控制器和跟随者车厢分布式滑模控制器,构建扩展滑模扰动观测器估计外界未知干扰,并反馈给分布式滑模控制器,以消除外界未知干扰对高速列车各车厢速度同步造成的影响,同时利用Lyapunov理论证明了算法的稳定性。最后,通过Matlab仿真验证了该算法能实时精确观测外界未知扰动并反馈补偿,跟随者车厢能快速跟踪领航者车厢的速度,速度跟踪精确度高达99.9%。

基于滑模方法的分布式多无人机编队控制

给出了一种基于滑模控制(SMC)方法的分布式多无人机编队控制策略.首先,基于齐次性方法设计了一个分布式的滑模面,使得在滑模面上的多无人机系统能够实现有限时间编队.其次,设计滑模控制器,使得系统状态能够在有限时间内到达滑模面,同时还能对系统中存在的有界扰动进行补偿.再次,假设扰动未知且在不可建模的情况下,利用自抗扰的扩张状态观测器(ESO)对扰动进行估计并补偿.最后,仿真实验验证了所提方法的有效性.