结合迭代学习和模型预测的重载列车运行控制

为实现重载列车单次行程的高鲁棒高精度轨迹跟踪,根据列车纵向运动特性,构建重载列车多质点的动力学模型;基于利用批次化的运行过程积累控制经验,结合迭代学习和模型预测控制方法设计1种增强抗扰的重载列车跟踪控制器,将重载列车动力学模型转化为基于模型预测控制框架下的线性二次型最优控制模型,用二次型最优控制的速度和位置状态反馈增益表示迭代学习增益,利用批次化积累的控制经验不断提高跟踪性能,实现单次行程的滚动时域优化,提升轨迹跟踪的鲁棒性和精度;对某货运专线上的2万t重载列车进行跟踪控制仿真,分别从时域稳定性和迭代收敛性验证该控制器的稳定性。结果表明:结合迭代学习和模型预测控制方法能够很好地利用重载列车系统操纵重复性特征并实现全程跟踪控制,较传统控制方法跟踪效果更好并能有效降低列车纵向冲动,同时能够动态响应非重复性扰动,满足重载列车运行控制要求。

基于质点-弹簧-阻尼模型的人机接触运动皮肤三维形变仿真

人机接触运动中,在接触区域后方和前方皮肤表面分别产生拉伸和堆积形变。针对当前该领域研究的局限性,该文研究了黏滑摩擦下皮肤三维形变仿真模型,为人机作业参数优化、在线轨迹规划和控制提供参考。该文基于皮肤解剖结构,构建皮肤、肌肉脂肪、骨骼3层质点-弹簧-阻尼模型,描述皮肤在拉伸、剪切和弯曲作用下的形变;基于皮肤黏滑摩擦机理,结合改进Kelvin-Voigt黏弹模型,构建皮肤质点-弹簧-阻尼动力学模型,模拟不同作业环境下皮肤的实时三维形变;验证了皮肤质点-弹簧-阻尼模型在Kwiatkowska、Franklin等皮肤拉伸测量试验中的有效性。同时,该文搭建了机器人手臂按摩试验平台和皮肤表面形变测量视觉系统。与试验测量结果对比,皮肤三维形变仿真模型拉伸形变在X和Z方向的平均误差分别为0.295、0.360 mm,标准差分别为0.164、0.085 mm;堆积形变在X、Y和Z方向的平均误差分别为0.317、0.248、0.471 mm,标准差分别为0.090、0、0.232 mm。试验结果表明:该文构建的皮肤三维形变仿真模型误差较小、稳定性较高。