论文部分内容阅读
研究了列车自动驾驶系统(ATO)的多模型阶梯式广义预测控制(SGPC)方法。首先针对高速列车运行过程的非线性特性,采用多模型策略,建立一个线性自适应模型和一个神经网络非线性模型并行辨识系统的动态特性。然后在每个采样时刻根据性能指标切换到最优的局部模型作为系统的当前模型。设计SGPC控制器,从而实现高精度的列车速度和位置跟踪控制。最后模拟列车运行中参数突变的影响,将该方法与传统的单模型线性广义预测控制方法进行对比研究。仿真结果表明:其控制效果明显优于单模型的线性广义预测控制器。