加速度估计方法、装置、机车运动控制方法及机车制造方法及图纸

本发明专利技术提供了一种加速度估计方法，包括：将物体的运动转化成SISO线性离散动态系统，以得到物体的系统数学模型；将物体的系统数学模型进行递推最小二乘法处理得到递推最小二乘模型；按照采样周期采集物体的速度，以得到物体在采样周期内的速度变化量；根据采样周期与速度变化量对递推最小二乘模型进行处理得到系统参数的实时估计值；以及根据系统参数的实时估计值输出物体的加速度的实时估计值。本发明专利技术还提供一种加速度估计装置、机车运动控制方法及机车。本发明专利技术实施例提供的加速度估计方法、装置、机车运动控制方法及机车，通过系统参数的估计得到的加速度的实时估计值能够保证与真实的加速度信号不断逼近，实时性高，可直接参与控制。

Acceleration estimation method, device, locomotive motion control method and locomotive

The present invention provides an acceleration estimation method, including: the movement of objects into SISO linear discrete dynamic system, the mathematical model of the system to get the object; the mathematical model of objects recursive least squares method by recursive least squares model; periodic sampling of objects according to the sampling rate, in order to get the object in the sample speed change period; according to the sampling period and the speed variation of the recursive least squares model for processing real-time estimated values of the system parameters; and the real-time estimation of the acceleration of an object according to the real-time output value of system parameter estimate value. The invention also provides an acceleration estimation device, a locomotive motion control method and a locomotive. The embodiment of the invention provides acceleration estimation method, motion control method and device, locomotive locomotive, real-time estimation of system parameters through the acceleration value and the real acceleration signal can ensure continuous approximation, real-time high, can be directly involved in the control of.

【技术实现步骤摘要】
加速度估计方法、装置、机车运动控制方法及机车
本专利技术涉及机车运动控制
，尤其涉及一种加速度估计方法及装置，以及采用该加速度估计方法的机车。
技术介绍
在物体的运动控制中，加速度是一个重要的控制量，如轨道机车车辆的车体加速度、轮对加速度等，控制系统中加速度信号的获取主要通过软件计算。现有技术中加速度的计算方法主要有直接微分计算法、高精度一阶数值微分算法，但是这些方法的对噪声非常敏感，计算所得的加速度的噪声很大，不能直接参与控制。通常做法是在计算加速度前对原始信号进行滤波处理，然而，滤波后的信号存在时滞，影响控制性能。以下是现有技术中采用微分计算法计算加/减速度信号的具体步骤：加/减速度信号在数学上是速度信号的一阶导数，即式中，v(t)为实时输入的速度信号，a(t)为对应的加速度信号。由于实时输入的速度信号v(t)本身并不具有规律性，没有精确的函数表达式，因此不能基于理论微分公式计算a(t)，而必须基于数值微分算法计算。已知一段时间内的速度信号值v(t)在n+1个点上的对应函数值v(k)(k＝0,1,2…,n)，则采用数值微分算法计算加速度信号的公式为式中，T为信号采样周期。为提高计算精度，可采用误差阶次更低的高精度数值一阶微分计算方法。例如，采用三点后差公式计算一阶微分：从公式(2)、(3)可以看到，采用常规的数值微分法，加速度是通过不同采样时刻的速度差值直接除以采样周期T而得到，如果速度信号带有较大噪声，由于采样周期T很小，噪声将进一步被放大，那么，计算得到的加速度必然具有很大的噪声。
技术实现思路
有鉴于此，本专利技术提供一种加速度估计方法，通过系统参数的估计得到的加速度的实时估计值能够保证与真实的加速度信号不断逼近，实时性高，可直接参与控制，并且由于没有微分运算，可极大降低速度噪声的影响，提高控制的性能。本专利技术实施例提供了一种加速度估计方法，所述方法包括：将物体的运动转化成SISO线性离散动态系统，以得到所述物体的系统数学模型；将所述物体的系统数学模型进行递推最小二乘法处理得到递推最小二乘模型；按照采样周期采集所述物体的速度，以得到所述物体在所述采样周期内的速度变化量；根据所述采样周期与所述速度变化量对所述递推最小二乘模型进行处理得到系统参数的实时估计值；以及根据所述系统参数的实时估计值输出所述物体的加速度的实时估计值。具体地，所述递推最小二乘法包含遗忘因子。具体地，所述根据所述采样周期与所述速度变化量对所述递推最小二乘模型进行处理得到系统参数的实时估计值的步骤之前，还包括：获取所述递推最小二乘模型中的第一中间变量矩阵的初始值；根据所述第一中间变量矩阵的初始值及所述采样周期得到所述递推最小二乘模型的第二中间变量矩阵。具体地，所述根据所述采样周期与所述速度变化量对所述递推最小二乘模型进行处理得到系统参数的实时估计值的步骤，包括：获取所述递推最小二乘模型中的系统参数的初始值；根据所述系统参数的初始值、所述采样周期、所述速度变化量及所述第二中间变量矩阵对所述递推最小二乘模型进行运算，以得到所述系统参数的实时估计值。本专利技术实施例还提供一种机车运动控制方法，所述控制方法包括如上所述的加速度估计方法。本专利技术实施例还提供一种加速度估计装置，所述装置包括：建立模块，用于将物体的运动转化成SISO线性离散动态系统，以得到所述物体的系统数学模型；转化模块，用于将所述系统数学模型进行递推最小二乘法处理得到递推最小二乘模型；第一处理模块，用于按照采样周期采集所述物体的速度，以得到所述物体在所述采样周期内的速度变化量；第二处理模块，用于根据所述采样周期与所述速度变化量对所述递推最小二乘模型进行处理得到系统参数的实时估计值；以及输出模块，用于根据所述系统参数的实时估计值输出所述物体的加速度的实时估计值。具体地，所述递推最小二乘法包含遗忘因子。具体地，所述装置还包括：获取模块，用于获取所述递推最小二乘模型中的第一中间变量矩阵的初始值；第三处理模块，用于根据所述第一中间变量矩阵的初始值及所述采样周期得到所述递推最小二乘模型的第二中间变量矩阵。具体地，所述第二处理模块包括：获取单元，用于获取所述递推最小二乘模型中的系统参数的初始值；处理单元，用于根据所述系统参数的初始值、所述采样周期、所述速度变化量及所述第二中间变量矩阵对所述递推最小二乘模型进行运算，以得到所述系统参数的实时估计值。本专利技术实施例还提供一种机车，所述机车包括如上所述的加速度估计装置。本专利技术实施例提供的加速度估计方法、装置、机车运动控制方法及机车，通过将物体的运动转化成SISO线性离散动态系统，以构建系统数学模型，从而将加速度计算转化为系统参数的估计，并采用递推最小二乘法对系统数学模型进行转化及计算，由于递推最小二乘法本身具有估计的无偏性和一致性，因此，通过系统参数的估计得到的加速度的实时估计值能够保证与真实的加速度信号不断逼近，实时性高，可直接参与控制，并且由于没有微分运算，可极大降低速度噪声的影响，提高控制的性能。为让本专利技术的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。附图说明图1为本专利技术第一实施例提供的加速度估计方法流程图；图2为第一实施例提供的加速度估计方法中加速度估计的流程图；图3为本专利技术第二实施例提供的加速度估计装置的结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术第一实施例提供的加速度估计方法的流程图，图2为第一实施例提供的加速度估计方法中加速度估计的流程图。本实施例的加速度估计方法可以运行于加速度估计装置内。其中，加速度估计装置可以但不限于位于机车内，机车可以但不限于为电力机车、内燃机车等等。如图1与图2所示，本实施例的加速度估计方法可包括以下步骤：步骤S11，将物体的运动转化成SISO线性离散动态系统，以得到物体的系统数学模型。具体地，加速度估计装置获取物体(或质点)的运动方程，并将物体的运动转化成单输入单输出(SingleInputSingleOutput，SISO)线性离散动态系统，从而根据时不变SISO线性离散动态系统的数学模型将物体的运动方程进行转化，以得到物体的系统数学模型，由此，可将物体的加速度的计算转化为系统参数的估计。在本实施例中，加速度估计装置先获取物体(或质点)的运动方程为：V(k)＝V(k-1)+a(k)*T(4)式中，V(k)为速度，a(k)为加速度，T为信号采样周期，k为采样次数。然后设一个时不变SISO线性离散动态系统的数学模型为：式中，u(k)为系统激励信号，z(k)为系统输出，e(k)为模型噪声，k为采样次数，为参数。从而可将物体的运动仿照时不变SISO线性离散动态系统的数学模型进行转化，以得到物体的系统数学模型，也就是说，将上述公式(4)仿照时不变SISO线性离散动态系统的数学模型进行变型得到：V(k)-V(k-1)＝a(k)*T+e(k)(6)式中，V(k)为系统输出，T为系统激励信号，e(k)为系统噪声(可以是白本文档来自技高网...

【技术保护点】
一种加速度估计方法，其特征在于，所述方法包括：将物体的运动转化成SISO线性离散动态系统，以得到所述物体的系统数学模型；将所述物体的系统数学模型进行递推最小二乘法处理得到递推最小二乘模型；按照采样周期采集所述物体的速度，以得到所述物体在所述采样周期内的速度变化量；根据所述采样周期与所述速度变化量对所述递推最小二乘模型进行处理得到系统参数的实时估计值；以及根据所述系统参数的实时估计值输出所述物体的加速度的实时估计值。

【技术特征摘要】
1.一种加速度估计方法，其特征在于，所述方法包括：将物体的运动转化成SISO线性离散动态系统，以得到所述物体的系统数学模型；将所述物体的系统数学模型进行递推最小二乘法处理得到递推最小二乘模型；按照采样周期采集所述物体的速度，以得到所述物体在所述采样周期内的速度变化量；根据所述采样周期与所述速度变化量对所述递推最小二乘模型进行处理得到系统参数的实时估计值；以及根据所述系统参数的实时估计值输出所述物体的加速度的实时估计值。2.如权利要求1所述的方法，其特征在于，所述递推最小二乘法包含遗忘因子。3.如权利要求2所述的方法，其特征在于，所述根据所述采样周期与所述速度变化量对所述递推最小二乘模型进行处理得到系统参数的实时估计值的步骤之前，还包括：获取所述递推最小二乘模型中的第一中间变量矩阵的初始值；根据所述第一中间变量矩阵的初始值及所述采样周期得到所述递推最小二乘模型的第二中间变量矩阵。4.如权利要求3所述的方法，其特征在于，所述根据所述采样周期与所述速度变化量对所述递推最小二乘模型进行处理得到系统参数的实时估计值的步骤，包括：获取所述递推最小二乘模型中的系统参数的初始值；根据所述系统参数的初始值、所述采样周期、所述速度变化量及所述第二中间变量矩阵对所述递推最小二乘模型进行运算，以得到所述系统参数的实时估计值。5.一种机车运动控制方法，其特征在于，所述控制方法包括权利要求1至4...

【专利技术属性】
技术研发人员：李江红，陈华国，张宇，徐立恩，朱迎谷，张陈林，
申请(专利权)人：中车株洲电力机车研究所有限公司，
类型：发明
国别省市：湖南,43