【摘 要】
：
无人驾驶列车系统是随着时代发展应运而生的产物,安全性、高效性和舒适性是其发展的核心要素和重要的设计指标。列车从人工驾驶到无人驾驶的转变对控制系统提出了更高的设计要求。同时,现代通信硬件设施和技术手段的发展,以及移动闭塞技术的广泛应用,保证了列车之间的信息交互,也促进了多列车协同控制的发展。随着人们对于出行的需求提升,乘客的乘车舒适性被列入列车控制系统的设计指标中,这是在列车保证安全高效运行的基础上
论文部分内容阅读
无人驾驶列车系统是随着时代发展应运而生的产物,安全性、高效性和舒适性是其发展的核心要素和重要的设计指标。列车从人工驾驶到无人驾驶的转变对控制系统提出了更高的设计要求。同时,现代通信硬件设施和技术手段的发展,以及移动闭塞技术的广泛应用,保证了列车之间的信息交互,也促进了多列车协同控制的发展。随着人们对于出行的需求提升,乘客的乘车舒适性被列入列车控制系统的设计指标中,这是在列车保证安全高效运行的基础上,控制器设计的一大难点,也是当今社会乘客出行的基本要求。先进的控制算法不仅需要满足系统的诸多设计要求,也必须具有对复杂运行环境的强大适应能力。本文围绕无人驾驶列车系统的多列车协同控制和乘客舒适性控制问题展开研究,主要研究了以下内容:1.研究了一般的多列车协同控制算法,针对一般二阶列车动力学模型,充分考虑多种分布式控制拓扑结构的应用范围和作用局限,基于单向链接拓扑结构设计了一种多列车分布式控制系统,并通过MATLAB仿真分析得到列车运行曲线图。2.考虑乘客舒适性在列车动力学模型中的实际物理意义,分析传统二阶列车模型并提出改进,建立列车高阶物理模型。针对列车高阶模型,结合单向链接拓扑结构设计了一种基于高阶非奇异终端滑模的分布式控制系统。通过设计Lyapunov函数分析了算法的可行性和稳定性。最后MATLAB仿真结果表明列车能够在有限时间内实现自主跟踪,多列车能够在保证安全间隔的同时实现跟踪且满足乘客舒适性设计指标。3.考虑扰动对系统影响,提出了多种抑制扰动的解决思路,包括卡尔曼滤波,自适应参数辨识和自适应高阶非奇异终端滑模。通过仿真结果对比分析,体现了本文所设计的自适应高阶非奇异终端滑模控制器在扰动抑制效果和提升乘客舒适性方面的优越性。通过Lyapunov稳定性方法分析了所设计的自适应控制器的稳定性,系统能够对外加扰动有较好的抑制作用,能够在扰动作用下实现良好跟踪且满足乘客舒适性设计要求。
其他文献
柔性机械臂具有多自由度、可以实现多方向弯曲以及布置灵活等显著优点,在工业中有广泛的用途。本文针对排水管道检测机器人和清淤机器人的需求,研制了电机-钢丝绳驱动的机械弹簧式柔性臂及摆动气缸驱动的复合软管式柔性臂,应用力学理论分析了两种机械柔性臂的弯曲特性,通过了实验验证并成功应用于排水管道检测与清淤机器人。本论文主要做了以下工作:建立两种柔性臂的弯曲静态模型并进行实验验证。通过力学分析,建立了弹簧在弯
与轮式和履带式机器人相比,步行移动机器人在面对复杂的地形环境时表现出更强的灵活性、适应性和机动性,因此被广泛应用众多领域,成为移动机器人的研究热点。根据支链的形式可将步行机器人分为开链式和闭链式两类,闭链连杆步行机器人因其具有多腿少驱动特性、曲柄周转高频驱动特性、整体闭链高刚度特性及高可靠性特性等优势受到广泛关注,但其单一的足端轨迹反映出其适应能力较低的缺点,限制了其应用场景,因此设计出一款具有高
干涉型光纤传感器由于其抗电磁干扰、耐腐蚀、探测灵敏度高、体积小、易于集成、探头本征无源等突出优势,在水声探测及地震海啸预警等领域中的研究和应用越来越广泛。在振动传感系统中,结合光学复用技术能够形成大规模的干涉型传感阵列,从而实现准分布式传感结构。同时基于声光调制器产生的脉冲信号具有较高消光比,有助于提升准分布式系统整体的性能。此外,干涉信号的相位解调方法也在检测过程中起到了关键性作用。因此以准分布
空间机械臂在太空中要完成许多复杂的任务,而且真空、失重、温差大的恶劣运行环境也为空间机械臂带来了很强的外扰,因此为空间机械臂设计精度高、抗扰能力强的位置控制策略是很有意义的。关节作为空间机械臂的核心组件,对空间机械臂的平稳运行起着至关重要的作用。关节的柔性、驱动电机的输出平稳性均影响空间机械臂的控制精度,因此本文考虑以上因素,对柔性关节机械臂系统的高精度位置控制开展研究。首先采用了基于端口受控哈密
在无人驾驶领域,驾驶决策是当前研究的热点和难点问题。深度强化学习（Deep Reinforcement Learning,DRL）算法寻求以端到端的方式解决问题,但一般需要大量的样本数据,同时面临输入数据复杂性高、模型复杂的问题,导致驾驶策略学习算法收敛速度慢,无法快速学习到有效策略。驾驶策略与多种因素相关,目前采用DRL的方法大多采用简单的约束奖励函数,仅能适应简单交通场景。由于实际交通场景复杂
随着深度学习的发展,全监督学习在计算机视觉、自然语言处理和语音识别等多个领域取得了巨大的进步。全监督学习依赖大量的数据标注,而大规模精细化标注需要很高的成本,影响了全监督学习进一步发展。弱监督学习只需利用不完整、不确切或不准确的数据标注,便可以完成与全监督学习相同的机器学习任务。因此,基于弱监督学习方法的研究具有重要现实应用意义。本文聚焦于以图像级类别标签为弱监督标注的目标定位研究。针对现有弱监督
随着计算机技术与人工智能的飞速发展,利用数字化智能化手段实现非物质文化资源的保护与传承已成为重要的研究课题。拉班舞谱是一种科学的人体动作分析记录体系,在全世界范围内被广泛应用和传播。作为一种便于存储的书面记录形式,拉班舞谱在记录和保存传统舞蹈方面发挥了巨大作用。由于手工记谱繁琐复杂,运用计算机技术的舞谱自动生成方法应运而生。然而,传统舞谱生成框架下的算法依赖于预先的动作分割,无法进行全局优化;普遍
二氧化碳排放所导致的全球变暖问题给生态环境带来了不可逆的破坏,实现“碳达峰、碳中和”目标已成为世界各国共同努力的方向。努力提升可再生能源发电占比则是持续推进碳减排,助力碳中和最终目标实现的重要手段。风电作为可再生能源发电的主要形式,也必将迎来大规模的发展。然而由于风电自身所固有的间歇性、随机性及波动性特点,其大规模并网会给电力系统带来较大的随机波动功率,对系统频率带来不利影响。自动发电控制（Aut
无人驾驶汽车是传感器、网络通信和信息安全等多种先进技术融合下的产物,包含感知、决策规划和动作执行三大模块。其中决策规划模块等同于人类的大脑,是无人驾驶系统中最核心的部分。近些年随着AI技术的飞速发展,强化学习逐渐崭露头角并成为了通往智慧型未来的主流方法之一。本文将以强化学习为手段设计面向无人驾驶汽车车道保持的决策方案,并在虚拟仿真环境下验证方案的可行性和有效性。首先,本文研究了典型的无人驾驶系统,
舵面负载模拟系统是一种地面条件下飞行器伺服控制机构的半实物仿真试验设备,主要用于复现飞行器舵面所受的各种空气动力载荷,以实现对伺服控制机构的检测和验证,从而确保飞行器的飞行控制精度。因此,舵面负载模拟系统对空气动力载荷谱的复现精度,将直接影响飞行器伺服控制机构检测结果的可信度和可靠性,并最终会关系到飞行器的飞控性能。然而,舵面负载模拟系统属于典型的被动式加载系统,将会受到多余力矩以及其它因素的干扰