數(shù)據(jù)驅(qū)動的高速列車智能感知與運行優(yōu)化控制

目錄
序
前言
第1章 緒論 1
1.1 列車運行控制系統(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 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 基于慣性導航的測速定位技術(shù) 19
2.2.4 基于北斗衛(wèi)星導航系統(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 目標函數(shù)的設(shè)計 28
2.3.3 約束條件的設(shè)計 30
2.3.4 邊界情況處理 31
2.4 求解方法 31
2.4.1 微分進化算法的改進 32
2.4.2 算法流程 33
2.5 應用案例 34
2.5.1 仿真方法和實驗數(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 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 應用案例 61
3.5 本章小結(jié) 66
參考文獻 67
第4章 考慮運行數(shù)據(jù)和機理特性的高速列車運行多目標優(yōu)化技術(shù) 69
4.1 引言 69
4.2 問題描述 69
4.2.1 高速列車運行阻力 69
4.2.2 高速列車運行過程受力分析 71
4.3 高速列車運行多目標在線優(yōu)化控制模型 72
4.3.1 高速列車運行操縱評價指標 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 應用案例 78
4.5.1 高速列車運行操縱策略離線優(yōu)化設(shè)定 79
4.5.2 高速列車運行操縱策略在線優(yōu)化調(diào)整 81
4.6 本章小結(jié) 87
參考文獻 87
第5章 數(shù)據(jù)驅(qū)動的高速列車單質(zhì)點-ANFIS建模與運行優(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建模學習優(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 *優(yōu)控制律 97
5.5 應用案例 99
5.5.1 模型驗證 99
5.5.2 控制驗證 103
5.6 本章小結(jié) 105
參考文獻 105
第6章 數(shù)據(jù)驅(qū)動的高速列車多質(zhì)點-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-ANFIS模型 109
6.3.1 ANFISj 109
6.3.2 高速列車多質(zhì)點-ANFIS模型 111
6.4 高速列車運行速度同步跟蹤控制 112
6.4.1 基于狀態(tài)空間的模型預測控制 112
6.4.2 基于多質(zhì)點-ANFIS模型的預測控制 123
6.5 穩(wěn)定性分析 127
6.6 應用案例 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 142
第7章 高速列車模糊雙線性模型辨識與運行優(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測控制方法 151
7.5 高速列車自適應預測控制 154
7.5.1 基于即時學習的自適應預測控制 154
7.5.2 穩(wěn)定性分析 155
7.6 應用案例 156
7.6.1 模型驗證 157
7.6.2 算法穩(wěn)定性和實時性分析 162
7.6.3 自適應預測控制性能分析 163
7.7 本章小結(jié) 165
參考文獻 166
第8章 數(shù)據(jù)驅(qū)動的高速列車追蹤運行優(yōu)化控制技術(shù) 168
8.1 引言 168
8.2 高速列車追蹤運行優(yōu)化建模 168
8.2.1 動力學建模 168
8.2.2 追蹤運行場景特征建模 169
8.2.3 追蹤運行多目標優(yōu)化控制模型 171
8.3 高速列車追蹤運行優(yōu)化控制策略 174
8.3.1 追蹤運行控制序列 174
8.3.2 追蹤運行多目標優(yōu)化算法 175
8.3.3 追蹤運行多目標優(yōu)化收斂性分析 175
8.4 應用案例 178
8.4.1 實驗設(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 184
第9章 高速列車牽引/制動手柄級位預測控制技術(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)采集及預處理 191
9.3.3 高速列車操縱過程預測流程 196
9.4 應用案例 197
9.4.1 速度預測 197
9.4.2 級位預測 203
9.5 本章小結(jié) 205
參考文獻 206
第10章 數(shù)據(jù)驅(qū)動的高速列車牽引電機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*小二乘模型描述 210
10.2.2 牽引電機多故障特征提取 212
10.3 牽引電機多故障分離 215
10.3.1 故障分離機制 215
10.3.2 故障分離決策 218
10.4 牽引電機多故障估計 218
10.4.1 基于多模型的故障參數(shù)估計 219
10.4.2 二階段自適應設(shè)計 220
10.4.3 穩(wěn)定性分析 222
10.4.4 報警等級量化分析 223
10.5 牽引電機容錯控制技術(shù) 224
10.5.1 考慮切換動態(tài)的牽引電機多故障模型 224
10.5.2 基于異步切換的多故障估計原理 227
10.5.3 牽引電機切換動態(tài)魯棒閉環(huán)故障估計 227
10.5.4 基于性能指標的觀測器增益計算 230
10.6 應用案例1 234
10.6.1 多故障分離 236
10.6.2 報警等級量化分析 238
10.7 應用案例2 241
10.8 本章小結(jié) 245
參考文獻 245
第11章 高速列車智能輔助駕駛關(guān)鍵技術(shù)應用與展望 248
11.1 本書的主要工作 248
11.2 后續(xù)研究工作的展望 250