基于二维Roesser模型与范数优化迭代学习控制的市域铁路列车速度追踪研究

ATO(列车自动运行)技术通过控制算法实现列车运行速度自动调节,通过对控制算法进行优化,可使列车运行速度更加贴合目标速度。轨道交通列车作为具有高度重复性的非线性动力学系统,在固定线路的时间轴和批次轴具有二维动态演化的特性,因此考虑将二维模型迭代学习控制应用于轨道交通列车。不同车厢在列车运行时所受空气阻力不同,将列车车厢分为头、中、尾三类,求解基于多质点模型的列车动力学方程,对其进行线性化处理,得到列车的状态空间方程;应用二维系统理论,将其转换为二维Roesser模型;设计范数优化迭代学习控制算法,将其作为二维模型的输入信号,验证了新建立的二维模型具有渐进稳定性。同时,选择市域铁路D型列车组作为研究对象,通过对速度、位移追踪仿真,验证了优化后算法的可行性;并选择了两种常用的一维系统ILC(迭代学习控制)进行速度追踪仿真,通过比较三者的追踪误差,验证了优化后算法的追踪性能优于其余两者。