Hybrid force control of astronaut rehabilitative training robot under active loading mode

In order to mitigate the effects of space adaptation syndrome(SAS) and improve the training efficiency of the astronauts, a novel astronaut rehabilitative training robot(ART) was proposed. ART can help the astronauts to carry out the bench press training in the microgravity environment. Firstly, a dynamic model of cable driven unit(CDU) was established whose accuracy was verified through the model identification. Secondly, to improve the accuracy and the speed of the active loading, an active loading hybrid force controller was proposed on the basis of the dynamic model of the CDU. Finally, the actual effect of the hybrid force controller was tested by simulations and experiments. The results suggest that the hybrid force controller can significantly improve the precision and the dynamic performance of the active loading with the maximum phase lag of the active loading being 9° and the maximum amplitude error being 2% at the frequency range of 10 Hz. The controller can meet the design requirements.

Modeling and simulation of high-speed passenger train movements in the rail line

In this paper, we propose a new formula of the real-time minimum safety headway based on the relative velocity of consecutive trains and present a dynamic model of high-speed passenger train movements in the rail line based on the proposed formula of the minimum safety headway. Moreover, we provide the control strategies of the high-speed passenger train operations based on the proposed formula of the real-time minimum safety headway and the dynamic model of highspeed passenger train movements. The simulation results demonstrate that the proposed control strategies of the passenger train operations can greatly reduce the delay propagation in the high-speed rail line when a random delay occurs.

基于Tri-training GPR的半监督软测量建模方法

集成学习因通过构建并结合多个学习器,常获得比单一学习器显著优越的泛化能力。但是在标记数据比例较少时,建立高性能的集成学习软测量模型依然是个挑战。针对这一个问题,提出一种基于半监督集成学习的软测量建模方法——Tri-training GPR模型。该建模策略充分发挥了半监督学习的优势,减轻建模过程对标记样本数据的需求,在低数据标签率下,仍能通过对无标记数据进行筛选从而扩充可用于建模的有标记样本数据集,并进一步结合半监督学习和集成学习的优势,提出一种新的选择高置信度样本的思路。将所提方法应用于青霉素发酵和脱丁烷塔过程,建立青霉素和丁烷浓度预测软测量模型,与传统的建模方法相比获得了更优的预测结果,验证了模型的有效性。

Scheduling of high-speed rail traffic based on discrete-time movement model

In this paper, a new simulation approach for solving the mixed train scheduling problem on the high-speed double-track rail line is presented. Based on the discrete-time movement model, we propose control strategies for mixed train movement with different speeds on a high-speed double-track rail line, including braking strategy, priority rule, travelling strategy, and departing rule. A new detailed algorithm is also presented based on the proposed control strategies for mixed train movement. Moreover, we analyze the dynamic properties of rail traffic flow on a high-speed rail line. Using our proposed method, we can effectively simulate the mixed train schedule on a rail line. The numerical results demonstrate that an appropriate decrease of the departure interval can enhance the capacity, and a suitable increase of the distance between two adjacent stations can enhance the average speed. Meanwhile, the capacity and the average speed will be increased by appropriately enhancing the ratio of faster train number to slower train number from 1.

Error Detection and Reconfigurationin Reliable Ethernet Train Networks

In this paper, a novel reconfiguration technique is developed in the context of a fault-tolerant Networked Control System (NCS) in two train wagons. All sensors, controllers and actuators in both wagons are connected on top of a single Gigabit Ethernet network. The network also carries wired and wireless entertainment loads. A Markov model is used to prove that this reconfiguration technique reduces the effect of a failure in the error detection and switching mechanisms on the reliability of the control function. All calculations are based on closed-form solutions and verified using the SHARPE software package.

Asymptotic Tracking Control for Wind Turbines in Variable Speed Mode

This paper presents a variable speed control strategy for wind turbines in order to capture maximum wind power.Wind turbines are modeled as a two-mass drive-train system with generator torque control.Based on the obtained wind turbine model,variable speed control schemes are developed.Nonlinear tracking controllers are designed to achieve asymptotic tracking for a prescribed rotor speed reference signal so as to yield maximum wind power capture.Due to the difficulty of torsional angle measurement,an observer-based control scheme that uses only rotor speed information is further developed for global asymptotic output tracking.The effectiveness of the proposed control methods is illustrated by simulation results.

虚拟编组下基于跟驰模型的列车群运行控制方法研究

高速铁路移动闭塞方式下运输能力与运输需求之间依然存在缺口,虚拟编组是未来提高运输能力的新方式。本文基于虚拟编组概念,受道路交通跟驰模型启发,引入列车动力学和运动学理论,根据相邻两列车之间的速度和距离关系,提出一种新的追踪列车加速度调整策略,建立相应的列车群虚拟编组加速度控制模型,当实现列车群的虚拟编组时,列车群中所有列车的速度相等,任意相邻列车之间的间距等于期望间距,同时,能够确保列车安全与乘客舒适度。本文以CRH380A动车组为背景验证模型,算例仿真结果表明,本文提出的加速度调整策略能有效实现列车群的虚拟编组;与移动闭塞方式相比,采取虚拟编组方式达到列车协同的时间减少9.7%,列车间距缩小10.1%,效率更高;将列车群视为一个整体时,实现虚拟编组的时间比将整个列车群分为多组时更短。

Vehicle Active Damping Control with Considering Time Delay

A model predictive control（ MPC） based active damping controller for automotive driveline oscillations with time-delay consideration is proposed. A simplified driveline model considering time delay is modeled and converted to a linear parameter varying state space equation. Based on the model and model predictive control theory,an active damping controller is designed for drivability and comfortability improvement. In order to verify the designed controller,a driveline with engine is modeled to simulate the tip-in/out driving operation. An MPC active damping controller without considering time delay is simulated together with the proposed controller. The simulation results show that,by adopting the new MPC active damping controller,the vibration of the vehicle is reduced and the drivability and comfortability are improved.

基于传染病和网络流模型分析APT攻击对列车控制系统的影响

高级可持续威胁(APT)是目前工业控制系统面临的主要威胁之一。APT攻击利用计算机设备漏洞入侵列车控制网络,感染并且扩散到网络中的其他设备,影响系统正常运行,因此评价APT攻击对列车控制系统的影响非常必要。提出一种基于传染病模型和网络流理论结合的APT攻击影响分析方法。首先,分析在APT攻击的不同阶段设备节点状态之间的转化规则,结合传染病理论建立APT攻击传播模型,研究攻击过程中的节点状态变化趋势;其次,把设备节点的状态变化融入网络流模型中,研究APT攻击过程中设备节点状态变化对列车控制网络中列车移动授权信息流的影响;最后,结合列车控制系统的信息物理耦合关系,分析APT攻击对列控系统整体性能的影响。仿真实验展现了APT攻击过程中节点状态变化的趋势,验证该方法在分析APT病毒软件在列车控制网络中的传播过程对列车控制系统整体性能影响的有效性,为管理者制定防御方案提供依据,提升列车控制系统信息安全水平。

具有未知时变参数城轨列车的精准停车鲁棒控制

列车运行情况复杂多变,使得列车质量、基本运行阻力及线路状况等参数难以精确获得且随着列车运行存在明显的时变特性。列车模型参数的不确定性和时变特性会对列车的精准停车性能产生重要的影响。在动车组多质点动力学模型的基础上,根据Lyapunov再设计方法设计了一种非线性列车鲁棒控制器。该控制器将系统中的不确定性因素视为等价干扰,并设计相应的鲁棒补偿项。根据参数的先验区间,设计的鲁棒补偿项能够抑制模型估计误差,使得列车的位置和速度跟踪误差快速收敛,最终实现精准停车的控制目标;同时,也证明了系统的最终一致有界稳定性。最后,选取城市轨道交通场景进行仿真验证,仿真结果表明:本文提出的控制方法在列车模型参数未知且时变情景下也能实现对期望停车曲线的快速、精确追踪,表现出较强的鲁棒特性。

面向安全高效运行的重载列车智能操控关键技术

面向我国重载铁路自动化和智能化发展以及重载铁路运输需求持续增长对既有列车运行控制带来的严峻挑战,文章围绕重载列车智能操控关键技术展开了研究现状介绍,并分析了目前亟待解决的难题与未来发展趋势。首先,针对列车纵向动力学建模,已有研究多考虑单一环境、固定工况下机理建模及分析,难以精确表征列车运行过程中的内、外部参数时空渐变特性,因此,在已有机理模型基础上考虑未建模动态,并进行降阶等效是未来一个重要研究方向。其次,长编组列车车辆间非线性强耦合特性、空气制动特性对列车运行过程中纵向冲动的影响依旧为重载列车操纵优化带来了巨大的挑战,借鉴高速列车多车协同控制技术,研究考虑主动抑制纵向冲动的重载列车多机车分布式协同控制具有重要意义。最后,结合数据驱动与人工智能算法、多源信息融合等新兴技术分析了列车控制领域一些新的机遇,而耦合仿真平台与评估体系的搭建也将成为重载列车安全运行分析、评估与优化的一种有效途径。

早期介入丹佛模式基础上联合神经反馈训练对孤独症谱系障碍儿童效果的随机对照试验

目的分析在早期介入丹佛模式(ESDM)基础上联合神经反馈训练对孤独症谱系障碍(ASD)儿童的效果。方法2020年8月至2024年5月,杭州市儿童医院60例ASD儿童随机分为对照组和观察组,每组30例。对照组接受ESDM治疗,观察组接受神经反馈训练联合ESDM治疗,共6个月。治疗前后采用中文版孤独症治疗评定量表(ATEC)和中文版儿童心理教育评估第3版(PEP-3)进行评定。结果治疗后,观察组ATEC评分低于对照组(t=3.545,P<0.05),PEP-3认知(t=2.236,P=0.029)、情感表达(t=2.293,P=0.025)、问题行为(Z=2.099,P=0.036)评分高于对照组;观察组ATEC评分治疗前后差值(Z=3.620,P<0.001),以及PEP-3认知(Z=2.920,P=0.004)、问题行为(Z=4.209,P<0.001)治疗前后差值均高于对照组。结论联合神经反馈训练能促进ESDM对ASD儿童的效果。

基于扩散序列的多元可控文本生成

随着大规模预训练语言模型的出现,文本生成技术已取得突破性进展。然而,在开放性文本生成领域,生成的内容缺乏拟人化的情感特征,使生成的文本难以让人产生共鸣和情感上的联系,可控文本生成在弥补当前文本生成技术不足方面具有重要意义。首先,在ChnSentiCorp数据集的基础上完成主题和情感属性的扩展,同时,为构建一个可生成流畅文本且情感丰富的多元可控文本生成模型,提出一种基于扩散序列的可控文本生成模型DiffuSeq-PT。该模型以扩散模型为基础架构,利用主题情感属性和文本数据在无分类器引导条件下对序列执行扩散过程,使用预训练模型ERNIE 3.0(Large-scale Knowledge Enhanced Pre-training for Language Understanding and Generation)的编码解码能力贴合扩散模型的加噪去噪过程,最终生成符合相关主题和多情感粒度的目标文本。与基准模型DiffuSeq相比,所提模型在2个公开的真实数据集(ChnSentiCorp和辩论数据集)上分别取得0.13和0.01的BERTScore值的提升,困惑度分别下降了14.318和9.46。

基于改进MPC的重载铁路移动闭塞系统下列车编队控制方法研究

列车编队控制是城市轨道交通移动闭塞系统下一种提升输送能力的重要手段。针对重载列车载重大、编组长、操控难度大的特点,提出一种重载移动闭塞系统下基于改进MPC的重载列车编队运行控制方法。首先建立基于多质点模型分布式控制结构的重载列车编队模型,然后通过增加自适应反馈环节改进MPC方法,并引入0-1指标变量处理非线性函数,进一步求解混合整数的二次型优化问题,最后采用朔黄重载移动闭塞系统下的实际线路数据和列车数据进行仿真,可得到最大速度误差为0.465 km/h,最大间隔误差为1.899 m,且误差分布聚集在零点附近。仿真结果表明:提出的基于改进MPC控制方法能够满足重载移动闭塞系统下编队控制精度要求,该控制方法是有效的。

基于模型预测控制的重载列车轨迹跟踪研究

【目的】为提升重载列车的安全性、平稳性、节能性,减小车钩力,提出了一种基于模型预测控制的重载列车轨迹跟踪方法。【方法】首先,建立考虑车辆间车钩力的重载列车多质点动力学模型;其次,将列车纵向冲动、运行能耗、速度跟踪误差转化为符合模型预测控制框架的问题;最后,设计基于模型预测控制算法的速度跟踪控制器,该控制器以目标速度曲线为输入,列车控制力为输出。【结果】提出了以提高参考速度曲线跟踪精度、减小车钩力冲动和降低列车运行能耗为目标的模型预测控制算法。【结论】基于实际车辆和线路数据开展了不同预测步长和不同权重系数对控制性能影响的仿真分析。通过仿真试验,对比验证了所提算法的有效性,该算法能够提高列车速度跟踪精度、减小车钩力冲动和降低列车运行能耗。

基于PDCA循环的PBL+CBL教学模式对临床规培生病案首页质控培训的效果

目的评估PCDA循环工作法联合PBL与CBL教学模式在临床规培生的病案首页质控培训中的效果。方法选取某院2021年参与病案首页质控培训的293名临床规培生作为对照组,2022年参与病案首页质控培训的243名临床规培生作为观察组,对照组仅采用PBL+CBL教学模式,观察组采用PDCA循环联合PBL+CBL教学模式。培训结束后,比较两组临床规培生病案基础理论考试成绩。结果观察组理论成绩为(84.41±12.27)分,高于对照组的(74.32±14.39)分,差异有统计学意义(P<0.05)。结论PDCA循环联合PBL+CBL教学模式能够提升临床规培生病案首页质控培训的教学效果,从而使提高病案首页数据的质量,确保病案首页数据上传的客观、准确、真实。

基于事件触发预测控制的高速列车轨迹跟踪

高速列车运行环境的开放性导致列车容易受到外部阻力的影响,而该阻力难以通过建模的形式进行描述,为此文章研究了以“安全、平稳、准点”为跟踪目标的列车模型预测跟踪控制策略。首先,搭建了高速列车带约束、多目标预测控制模型,计算系统的Tube不变集,对列车状态和控制力进行紧束;在此基础上,为降低在线求解最优控制问题的计算量,设计了动态事件触发Tube模型预测控制策略,仅在满足触发条件时求解最优控制序列;最后,基于上海市域列车实际线路开展仿真验证,结果表明文章提出的控制策略可在保证较好跟踪性能的同时,显著减小模型预测控制的触发次数,降低在线计算量。

快速轨道交通列车分段制动防滑控制仿真

轨道交通列车的防滑控制性能过差会影响列车的制动性能和稳定性能,为了提高轨道交通列车的安全性,以分段制动的方式控制轨道交通列车的滑动状态,提出快速轨道交通列车分段制动防滑控制仿真方法。通过分析轮轨间粘着力和滑移变化曲线建立轨道交通列车的纵向运行学模型,并以上述模型为基础,将轨道交通列车的整体制动过程分割成多组制动区段,通过将单位制动区段与滑模控制器结合,实现轨道交通列车的分段制动防滑控制。仿真结果表明,无论是在轨道粘着条件始终维持在较低水平的工况条件下,还是在轨道粘着条件发生突变的工况条件下,所提方法控制下的实际行驶速度均与目标行驶速度吻合,验证了上述方法具有较好的控制效果。

基于自回归预测模型的列车精确控制策略研究

随着科学技术的发展,自动驾驶技术越来越成熟,这对提高列车运行效率具有重要意义。传统的列车精确控制策略受到列车制动时间限制,在发生紧急情况时容易造成制动响应时间达不到要求,无法满足目前高密度列车精确控制的需求。基于自回归预测模型提出了列车精确控制策略,辨识列车精确控制参数,设计列车精确控制算法,预测验证列车精确控制状态,实现了列车精确控制。试验结果表明,提出的列车精确控制优化策略的紧急制动响应时间较短,能实现列车实时精确控制,有一定的应用价值。