基于神经网络自适应的P控制及在列车牵引控制中的应用

摘要

由于运营环境以及路况干扰的影响，在牵引制动过程中列车车轮仍面临着打滑空转或者颠簸等不稳定现象。本文针对列车车轮建立并完善其动力学模型，设计基于神经网络自适应算法的控制器，完成速度跟踪控制，并结合交叉控制的方式设计同步控制器，协调各个轮对之间的控制。
　　论文的研究内容主要包括以下几个部分:
　　首先，论文分析了列车驱动轮对的受力情况，建立并完善了其动力学数学模型，着重分析了列车运行过程中可能遇到的外界干扰、设备执行效率因子以及多个对象间差异的影响。本文针对多个轮对之间控制不一致的问题采用相邻交叉耦合控制方式，设计相应的跟踪控制器和同步协调控制器。
　　其次，论文提出了一种基于神经网络自适应算法的控制策略，对神经网络结构中神经元个数以及激活函数的选择做了进一步的分析，引入了广义的神经元自增长算法以及多层分组的新型网络结构。网络结构中每组选择不同的激活函数，每组可以根据误差值实现神经元个数的调节。控制策略改变了固定神经元个数模式的同时丰富了网络结构，提高了网络的学习能力。
　　然后，论文根据所提出的神经网络自适应算法，设计了速度跟踪控制器和同步协调控制器。速度跟踪控制器实现对列车牵引轮对速度的控制，同步协调控制器实现多个轮对之间的协调控制。通过与已有算法设计的控制器进行对比，表明所提方案的优势。
　　最后，通过仿真软件验证了算法的可行性和控制器的有效性。根据模拟运行线路的数据，以列车模型为对象进行仿真研究。结果表明控制器的设计能够实现列车速度控制的目标，实现更精准的控制同时减少各个轮对之间的速度差异，从而减少对轮轨等设备造成的物理差异，保证列车平稳运行。

目录

声明

致谢

摘要

1．1研究背景及意义

1．2国内外研究现状

1．2．1列车牵引运行方面

1．2．2控制策略方面

1．3本文的研究内容

2 高速列车动力学建模与同步控制策略选择

2．1高速列车受力分析

2．1．1高速列车牵引动力

2．1．2高速列车外界干扰力

2．2高速列车动力学模型建立

2．3高速列车同步控制策略的选择

2．4本章小结

3神经网络自适应算法以及细节因素的研究

3．1神经网络自适应算法

3．1．1 RBF神经网络基本原理

3．1．2一类自适应神经网络控制策略

3．2网络内部结构细节因素的研究

3．2．1神经元个数调节

3．2．2激活函数的选择

3．3本章小结

4基于神经网络算法的跟踪控制器设计

4．1 基于神经网络自适应算法的控制器设计

4．1．1控制器设计

4．1．2仿真验证

4．2对比基于滑模变结构算法的控制器

4．2．1控制器设计

4．2．2仿真验证

4．2．3 策略对比

4．3本章小节

5相邻交叉耦合同步控制器设计

5．1 基于神经网络自适应算法同步控制器的设计

5．1．1控制算法

5．1．2仿真验证

5．2实际高速列车运行曲线仿真研究

5．3本章小结

6．1 工作总结

6．2未来展望

参考文献

作者简历

学位论文数据集