高速列车执行器自适应故障补偿位置跟踪方法技术

本发明专利技术公开了高速列车执行器自适应故障补偿位置跟踪方法，高速列车执行器自适应故障补偿位置跟踪方法包括如下步骤：采集列车运行参数,根据参数从列车模型集合中选择出匹配的列车模型,以及对应的自适应补偿控制器和自适应律;匹配的列车模型加载对应的自适应补偿控制器和自适应律;对应的自适应补偿控制器和自适应律使得当前时刻的状态量跟踪期望位移。能够解决高速列车在不同运行条件下系统参数及干扰变化的问题，通过自适应执行器补偿控制方法来实现高速列车的位置跟踪。

Adaptive fault location tracking method for high-speed train actuators

The invention discloses a high-speed train actuator adaptive fault compensation position tracking method. The high-speed train actuator adaptive fault compensation position tracking method comprises the following steps: collecting train operation parameters, selecting a matching train model from the train model set according to the parameters, and corresponding adaptive compensation controller and self-adaptive compensation controller. Adaptive law; matching train model loading corresponding adaptive compensation controller and adaptive law; corresponding adaptive compensation controller and adaptive law make the current state variables track the desired displacement. It can solve the problem of system parameters and disturbance variation of high-speed train under different operation conditions. The position tracking of high-speed train is realized by adaptive actuator compensation control method.

【技术实现步骤摘要】
高速列车执行器自适应故障补偿位置跟踪方法
本专利技术涉及高速列车领域，尤其涉及高速列车执行器自适应故障补偿位置跟踪方法。
技术介绍
随着我国高速铁路的不断发展以及高速列车的提速，高铁已逐步成为人们日常出行的一种交通方式，进一步给广大群众的生活带来了极大便利。因此，为保障人们的生命财产安全，维持列车的高速安全运行极为重要。在列车的牵引系统中，执行器负责为列车提供运行所需的牵引力，占有极为重要的地位。列车长时间(远距离)运行时，牵引系统会发生故障，导致列车的延误甚至停运。为了提高我国高铁运行的安全性，针对高速列车牵引系统执行器故障补偿的研究势在必行。牵引系统故障中出现最多且最重要的就是执行器机构故障，目前的研究成果中，大多都是针对不含或者含恒值干扰且系统参数为已知或为时变有界的列车运动模型进行故障补偿研究，而这些常参数系统或有界变参数系统无法完整体现系统的动态特征。综上，现有技术中缺乏针对系统动态特征的自适应补偿控制方法，实现高速列车的位置跟踪。
技术实现思路
本专利技术提供了高速列车执行器自适应故障补偿位置跟踪方法，能够解决高速列车在不同运行条件下系统参数及干扰变化的问题，通过自适应执行器补偿控制方法来实现高速列车的位置跟踪。高速列车执行器自适应故障补偿位置跟踪方法，包括如下步骤：采集列车运行参数,根据参数从列车模型集合中选择出匹配的列车模型,以及对应的自适应补偿控制器和自适应律；匹配的列车模型加载对应的自适应补偿控制器和自适应律；对应的自适应补偿控制器和自适应律使得当前时刻的状态量跟踪期望位移。进一步的，所述列车模型集合包括:健康模型、参数化故障模型、非参数化故障模型、干扰界限未知的故障模型。进一步的，健康模型为：其中，x1(t)是列车的位移，x2(t)是列车的运行速度，是列车的运行加速度，g是重力加速度，m(t)是列车的质量系数，F(t)是列车牵引力，a(t)是列车的滚动阻力，b(t)是与列车速度有关的线性阻力系数，c(t)是与列车速度相关的非线性阻力系数，是斜面轨道的倾斜角的正弦，D(t)指曲线轨道的曲率度，表示未建模的干扰。参数m(t)、a(t)、b(t)、c(t)、D(t)、为分段函数，记为mi、ai、bi、ci、Di为未知常数，为有界干扰，χi(t)是指示函数，定义为：其中，Ω是列车运行中所有可能的系统状态的阈值，共划分为l个分区Ωi，i＝1...l。由于阻力的参数a(t)、b(t)、c(t)、D(t)是时变的，列车的纵向动态运动模型也是时变的。对于重载列车，这些参数常被认为是已知常数，但是对于高速列车，这些系统参数是不断变化的，特别是参数c。在本专利技术中，与列车位移和速度有关的分段常值函数模型被用于描述变化的参数，相比较常值函数和有界变参数模型，该分段常值模型不仅能更方便的分析时变模型，还具有更高的精确性，同时也适用于实际的控制设计。位移跟踪误差z1(t)为：z1(t)＝x1(t)-xm(t)其中，z1(t)是列车的位移跟踪误差，x1(t)是列车的位移，xm(t)是期望位移。引入参数z2(t)z2(t)＝x2(t)-α1(t)其中，α1(t)是设计的方程，r1为常参数且r1＞0。由列车健康模型和位移跟踪误差可得：其他参数估计误差包括：是参数ai，bi，ci，Di的估计值，是参数ρi＝1/mi的估计值；在健康模型中，参数的自适应律如下：其中，r2＞0，参数Γai，Γbi，Γci，ΓDi，Γmi为正的常数。健康模型自适应控制器结构为：其中，v1di(t)是设计量，用于补偿未建模干扰di(t)以保证系统的稳定性和跟踪性，是参数mi的已知下限：是设计的参数满足根据Lyapunov稳定理论，无故障时控制器状态估计误差一致稳定，其解一致有界。进一步的，参数化故障模型为:其中，x3(t)是列车发生参数化故障情况下的位移，x4(t)是列车发生参数化故障情况下的运行速度，是列车发生参数化故障情况下的运行加速度，g是重力加速度，m(t)是列车的质量系数，F(t)是列车牵引力，a(t)是列车的滚动阻力，b(t)是与列车速度有关的线性阻力系数，c(t)是与列车速度相关的非线性阻力系数，是斜面轨道的倾斜角的正弦，D(t)指曲线轨道的曲率度，表示未建模的干扰。参数m(t)、a(t)、b(t)、c(t)、D(t)、为分段函数，记为mi、ai、bi、ci、Di为未知常数，为有界干扰，χi(t)是指示函数，定义为：其中，Ω是列车运行中所有可能的系统状态的阈值，共划分为l个分区Ωi，i＝1...l；是由基础信号组成的向量，kν是故障模式参数，ξ为幅值,kν、ξ和决定哪些执行器发生了故障及发生何种类型的故障:发生故障前，kν＝n，ξ＝0；执行器发生故障时，kν，ξ为未知常数，ν1(t)为根据故障补偿设计的控制信号，用于保证系统的稳定性和渐进跟踪性能；位移跟踪误差为z3(t)：z3(t)＝x3(t)-xm(t)其中，z3(t)是列车发生参数化故障情况下的位移跟踪误差，x3(t)是列车发生参数化故障情况下的位移，xm(t)是期望位移。引入参数z4(t)z4(t)＝x4(t)-α2(t)其中，α2(t)是设计的方程，r3为常参数且r3＞0。由列车参数化故障模型和位移跟踪误差可得：其他参数的估计误差为：是参数ξ，ai，bi，ci，Di的估计值，是参数ρi＝1/mikv的估计值。在参数化故障模型中，参数的自适应律为：其中，r4＞0，参数γξ、γai、γbi、γci、γDi、γmi为正常值；参数化故障模型控制信号ν1(t)为：其中，v2di(t)是设计量，用来补偿未建模的干扰di(t)以满足系统的稳定性和跟踪性，是参数mi已知的下限：是设计的参数满足根据Lyapunov稳定理论，执行器发生参数化故障时，控制器状态估计误差一致稳定，其解一致有界。进一步的，非参数化故障模型为：其中，x5(t)是列车发生非参数化故障情况下的位移，x6(t)是列车发生非参数化故障情况下的运行速度，是列车发生非参数化故障情况下的运行加速度，g是重力加速度，m(t)是列车的质量系数，F(t)是列车牵引力，a(t)是列车的滚动阻力，b(t)是与列车速度有关的线性阻力系数，c(t)是与列车速度相关的非线性阻力系数，是斜面轨道的倾斜角的正弦，D(t)指曲线轨道的曲率度，表示未建模的干扰。参数m(t)、a(t)、b(t)、c(t)、D(t)、为分段函数，记为mi、ai、bi、ci、Di为未知常数，为有界干扰，χi(t)是指示函数，定义为：其中，Ω是列车运行中所有可能的系统状态的阈值，共划分为l个分区Ωi，i＝1...l。是未知有界非参数化的项，是由基础信号组成的向量，kν是故障模式参数，ξ为幅值，kν、ξ和决定哪些执行器发生了故障及发生何种类型的故障。执行器发生故障时kν，ξ为未知常数，且发生故障前kν＝n，ξ＝0，n为所述执行器的个数，n为正整数；当故障发生时，ν0(t)为根据故障补偿设计的应用控制信号，用于保证系统的稳定性和渐进跟踪性能，非参数化故障模型控制信号ν2(t)为：其中，v1sj(t)和v3di(t)为设计量，用来补偿未知参数和以满足系统的稳定性和跟踪性，xm(t)是期望位移。信号v1sj(t)和v3di(t)为设计量：其中，和是参数kv和mikv已知的下限：本文档来自技高网...

【技术保护点】
1.高速列车执行器自适应故障补偿位置跟踪方法，其特征在于，包括如下步骤：采集列车运行参数,根据所述参数从列车模型集合中选择出匹配的列车模型,以及对应的自适应补偿控制器和自适应律；所述匹配的列车模型加载所述对应的自适应补偿控制器和自适应律；所述对应的自适应补偿控制器和自适应律使得当前时刻的状态量跟踪期望位移。

【技术特征摘要】
1.高速列车执行器自适应故障补偿位置跟踪方法，其特征在于，包括如下步骤：采集列车运行参数,根据所述参数从列车模型集合中选择出匹配的列车模型,以及对应的自适应补偿控制器和自适应律；所述匹配的列车模型加载所述对应的自适应补偿控制器和自适应律；所述对应的自适应补偿控制器和自适应律使得当前时刻的状态量跟踪期望位移。2.根据权利要求1所述的方法，其特征在于，所述列车模型集合包括:健康模型、参数化故障模型、非参数化故障模型、干扰界限未知的故障模型。3.根据权利要求2所述的方法，其特征在于，所述健康模型为：其中，x1(t)是列车的位移，x2(t)是列车的运行速度，是列车的运行加速度，g是重力加速度，m(t)是列车的质量系数，F(t)是列车牵引力，a(t)是列车的滚动阻力，b(t)是与列车速度有关的线性阻力系数，c(t)是与列车速度相关的非线性阻力系数，是斜面轨道的倾斜角的正弦，D(t)指曲线轨道的曲率度，表示未建模的干扰，参数m(t)、a(t)、b(t)、c(t)、、D(t)、为分段函数，记为mi、ai、bi、ci、、Di为未知常数，为有界干扰，χi(t)是指示函数，定义为：其中，Ω是列车运行中所有可能的系统状态的阈值，共划分为l个分区Ωi，i＝1...l；位移跟踪误差z1(t)为：z1(t)＝x1(t)-xm(t)其中，z1(t)是列车的位移跟踪误差，x1(t)是列车的位移，xm(t)是期望位移；引入参数z2(t)z2(t)＝x2(t)-α1(t)其中，α1(t)是设计的方程，r1为常参数且r1＞0，由列车健康模型和位移跟踪误差可得：其他参数估计误差包括：是参数ai，bi，ci，，Di的估计值，是参数ρi＝1/mi的估计值；在所述健康模型中，参数的自适应律如下：其中，r2＞0，参数Γai，Γbi，Γci，，ΓDi，Γmi为正的常数，健康模型自适应控制器结构为：其中，v1di(t)是设计量,用于补偿未建模干扰di(t)以保证系统的稳定性和跟踪性，是参数mi的已知下限：是设计的参数,满足根据Lyapunov稳定理论，无故障时控制器状态估计误差一致稳定，其解一致有界。4.根据权利要求2所述的方法，其特征在于，所述参数化故障模型为,其中，x3(t)是列车发生参数化故障情况下的位移，x4(t)是列车发生参数化故障情况下的运行速度，是列车发生参数化故障情况下的运行加速度，g是重力加速度，m(t)是列车的质量系数，F(t)是列车牵引力，a(t)是列车的滚动阻力，b(t)是与列车速度有关的线性阻力系数，c(t)是与列车速度相关的非线性阻力系数，是斜面轨道的倾斜角的正弦，D(t)指曲线轨道的曲率度，表示未建模的干扰，参数m(t)、a(t)、b(t)、c(t)、、D(t)、为分段函数，记为mi、ai、bi、ci、、Di为未知常数，为有界干扰，χi(t)是指示函数，定义为：其中，Ω是列车运行中所有可能的系统状态的阈值，共划分为l个分区Ωi，i＝1...l；是由基础信号组成的向量，kν是故障模式参数，ξ为幅值,kν、ξ和决定哪些执行器发生了故障及发生何种类型的故障:发生故障前，kν＝n，ξ＝0；执行器发生故障时，kν，ξ为未知常数，ν1(t)为根据故障补偿设计的参数化故障模型控制信号；位移跟踪误差为z3(t)：z3(t)＝x3(t)-xm(t)其中，z3(t)是列车发生参数化故障情况下的位移跟踪误差，x3(t)是列车发生参数化故障情况下的位移，xm(t)是期望位移；引入参数z4(t)z4(t)＝x4(t)-α2(t)其中，α2(t)是设计的方程，r3为常参数且r3＞0，由列车参数化故障模型和位移跟踪误差可得：其他参数估计误差包括：是参数ξ，ai，bi，ci，，Di的估计值，是参数ρi＝1/mikv的估计值；在所述参数化故障模型中，参数的自适应律为：其中，r4＞0，参数γξ、...

【专利技术属性】
技术研发人员：冒泽慧，刘尚坤，陶钢，姜斌，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32