目錄
序
前言
第1章 緒論 1
1.1 列車運(yùn)行控制系統(tǒng)概述 1
1.2 高速列車行駛環(huán)境感知技術(shù)概述 2
1.3 高速列車運(yùn)行過程建模與優(yōu)化控制方法分析 4
1.4 列車自動控制系統(tǒng)概述 7
1.5 本書的主要研究內(nèi)容 9
參考文獻(xiàn) 10
第2章 基于多源數(shù)據(jù)融合的高速列車高精度定位感知技術(shù) 14
2.1 引言 14
2.2 高速列車定位感知技術(shù) 16
2.2.1 基于測速測距的定位技術(shù) 16
2.2.2 基于無線網(wǎng)絡(luò)的測速定位技術(shù) 18
2.2.3 基于慣性導(dǎo)航的測速定位技術(shù) 19
2.2.4 基于北斗衛(wèi)星導(dǎo)航系統(tǒng)的定位技術(shù) 21
2.2.5 基于光纖傳感的定位技術(shù) 22
2.2.6 基于地圖匹配的定位技術(shù) 24
2.3 基于多源信息融合的高速列車高精度測速定位 27
2.3.1 種群的初始化 28
2.3.2 目標(biāo)函數(shù)的設(shè)計(jì) 28
2.3.3 約束條件的設(shè)計(jì) 30
2.3.4 邊界情況處理 31
2.4 求解方法 31
2.4.1 微分進(jìn)化算法的改進(jìn) 32
2.4.2 算法流程 33
2.5 應(yīng)用案例 34
2.5.1 仿真方法和實(shí)驗(yàn)數(shù)據(jù) 34
2.5.2 仿真結(jié)果和分析 36
2.6 本章小結(jié) 44
參考文獻(xiàn) 44
第3章 融合北斗的高速列車姿態(tài)感知技術(shù) 46
3.1 引言 46
3.2 高速列車姿態(tài)感知技術(shù) 46
3.2.1 傾角傳感器 49
3.2.2 微型方位水平儀 50
3.2.3 慣性導(dǎo)航系統(tǒng) 50
3.2.4 GNSS姿態(tài)測量原理 50
3.2.5 北斗衛(wèi)星基本觀測量 51
3.2.6 動車組車體姿態(tài)檢測原理 54
3.3 基于多源信息融合的高速列車姿態(tài)測量 57
3.4 應(yīng)用案例 61
3.5 本章小結(jié) 66
參考文獻(xiàn) 67
第4章 考慮運(yùn)行數(shù)據(jù)和機(jī)理特性的高速列車運(yùn)行多目標(biāo)優(yōu)化技術(shù) 69
4.1 引言 69
4.2 問題描述 69
4.2.1 高速列車運(yùn)行阻力 69
4.2.2 高速列車運(yùn)行過程受力分析 71
4.3 高速列車運(yùn)行多目標(biāo)在線優(yōu)化控制模型 72
4.3.1 高速列車運(yùn)行操縱評價(jià)指標(biāo) 72
4.3.2 高速列車在線優(yōu)化模型 74
4.4 高速列車操縱策略在線優(yōu)化 74
4.4.1 高速列車MOPSO算法 75
4.4.2 操縱策略優(yōu)化過程 75
4.5 應(yīng)用案例 78
4.5.1 高速列車運(yùn)行操縱策略離線優(yōu)化設(shè)定 79
4.5.2 高速列車運(yùn)行操縱策略在線優(yōu)化調(diào)整 81
4.6 本章小結(jié) 87
參考文獻(xiàn) 87
第5章 數(shù)據(jù)驅(qū)動的高速列車單質(zhì)點(diǎn)-ANFIS建模與運(yùn)行優(yōu)化控制技術(shù) 89
5.1 引言 89
5.2 問題描述 89
5.3 高速列車ANFIS建模 91
5.3.1 ANFIS模型初始化 91
5.3.2 ANFIS建模學(xué)習(xí)優(yōu)化 95
5.4 基于高速列車ANFIS模型的速度控制 96
5.4.1 速度控制原理 96
5.4.2 最優(yōu)控制律 97
5.5 應(yīng)用案例 99
5.5.1 模型驗(yàn)證 99
5.5.2 控制驗(yàn)證 103
5.6 本章小結(jié) 105
參考文獻(xiàn) 105
第6章 數(shù)據(jù)驅(qū)動的高速列車多質(zhì)點(diǎn)-ANFIS建模與同步跟蹤控制技術(shù) 107
6.1 引言 107
6.2 問題描述 107
6.3 多質(zhì)點(diǎn)-ANFIS模型 109
6.3.1 ANFISj 109
6.3.2 高速列車多質(zhì)點(diǎn)-ANFIS模型 111
6.4 高速列車運(yùn)行速度同步跟蹤控制 112
6.4.1 基于狀態(tài)空間的模型預(yù)測控制 112
6.4.2 基于多質(zhì)點(diǎn)-ANFIS模型的預(yù)測控制 123
6.5 穩(wěn)定性分析 127
6.6 應(yīng)用案例 131
6.6.1 建模過程 132
6.6.2 控制過程 137
6.7 本章小結(jié) 142
參考文獻(xiàn) 142
第7章 高速列車模糊雙線性模型辨識與運(yùn)行優(yōu)化控制技術(shù) 144
7.1 引言 144
7.2 問題描述 144
7.3 高速列車T-S模糊雙線性模型 147
7.3.1 模型參數(shù)辨識 149
7.3.2 模型結(jié)構(gòu)辨識 149
7.4 基于T-S模糊雙線性模型的預(yù)測控制方法 151
7.5 高速列車自適應(yīng)預(yù)測控制 154
7.5.1 基于即時(shí)學(xué)習(xí)的自適應(yīng)預(yù)測控制 154
7.5.2 穩(wěn)定性分析 155
7.6 應(yīng)用案例 156
7.6.1 模型驗(yàn)證 157
7.6.2 算法穩(wěn)定性和實(shí)時(shí)性分析 162
7.6.3 自適應(yīng)預(yù)測控制性能分析 163
7.7 本章小結(jié) 165
參考文獻(xiàn) 166
第8章 數(shù)據(jù)驅(qū)動的高速列車追蹤運(yùn)行優(yōu)化控制技術(shù) 168
8.1 引言 168
8.2 高速列車追蹤運(yùn)行優(yōu)化建模 168
8.2.1 動力學(xué)建模 168
8.2.2 追蹤運(yùn)行場景特征建模 169
8.2.3 追蹤運(yùn)行多目標(biāo)優(yōu)化控制模型 171
8.3 高速列車追蹤運(yùn)行優(yōu)化控制策略 174
8.3.1 追蹤運(yùn)行控制序列 174
8.3.2 追蹤運(yùn)行多目標(biāo)優(yōu)化算法 175
8.3.3 追蹤運(yùn)行多目標(biāo)優(yōu)化收斂性分析 175
8.4 應(yīng)用案例 178
8.4.1 實(shí)驗(yàn)設(shè)置 178
8.4.2 仿真結(jié)果與分析 178
8.5 本章小結(jié) 184
參考文獻(xiàn) 184
第9章 高速列車牽引/制動手柄級位預(yù)測控制技術(shù) 186
9.1 引言 186
9.2 問題描述 187
9.2.1 高速列車操縱手柄特性描述 187
9.2.2 基于端-邊-云協(xié)同的高速列車操縱系統(tǒng) 187
9.2.3 面向邊緣計(jì)算的高速列車模型 189
9.3 基于LSTM網(wǎng)絡(luò)的高速列車操縱過程預(yù)測 189
9.3.1 LSTM網(wǎng)絡(luò)架構(gòu) 189
9.3.2 數(shù)據(jù)采集及預(yù)處理 191
9.3.3 高速列車操縱過程預(yù)測流程 196
9.4 應(yīng)用案例 197
9.4.1 速度預(yù)測 197
9.4.2 級位預(yù)測 203
9.5 本章小結(jié) 205
參考文獻(xiàn) 206
第10章 數(shù)據(jù)驅(qū)動的高速列車牽引電機(jī)多故障診斷與容錯控制技術(shù) 209
10.1 引言 209
10.2 問題描述 209
10.2.1 牽引電機(jī)最小二乘模型描述 210
10.2.2 牽引電機(jī)多故障特征提取 212
10.3 牽引電機(jī)多故障分離 215
10.3.1 故障分離機(jī)制 215
10.3.2 故障分離決策 218
10.4 牽引電機(jī)多故障估計(jì) 218
10.4.1 基于多模型的故障參數(shù)估計(jì) 219
10.4.2 二階段自適應(yīng)設(shè)計(jì) 220
10.4.3 穩(wěn)定性分析 222
10.4.4 報(bào)警等級量化分析 223
10.5 牽引電機(jī)容錯控制技術(shù) 224
10.5.1 考慮切換動態(tài)的牽引電機(jī)多故障模型 224
10.5.2 基于異步切換的多故障估計(jì)原理 227
10.5.3 牽引電機(jī)切換動態(tài)魯棒閉環(huán)故障估計(jì) 227
10.5.4 基于性能指標(biāo)的觀測器增益計(jì)算 230
10.6 應(yīng)用案例1 234
10.6.1 多故障分離 236
10.6.2 報(bào)警等級量化分析 238
10.7 應(yīng)用案例2 241
10.8 本章小結(jié) 245
參考文獻(xiàn) 245
第11章 高速列車智能輔助駕駛關(guān)鍵技術(shù)應(yīng)用與展望 248
11.1 本書的主要工作 248
11.2 后續(xù)研究工作的展望 250