徐傳芳 陳希有 鄭祥 王英 李衛(wèi)東

摘 ?要：針對列車運行控制中對目標速度和位移的跟蹤控制問題，建立了考慮牽引與制動轉矩產(chǎn)生動態(tài)過程的高速列車運行模型，提出了高速列車的自適應動態(tài)面控制算法，在消除"計算爆炸"問題的同時，可以實現(xiàn)對目標速度和位移的高精度跟蹤。設計了自適應動態(tài)面控制律，將不確定的運行阻力、未知的粘滯摩擦系數(shù)以及未測量狀態(tài)等構成的不確定項看作系統(tǒng)的“總擾動”，并引入擴張狀態(tài)觀測器進行在線估計，擴張狀態(tài)觀測器產(chǎn)生的估計誤差由虛擬控制信號中的魯棒項來補償，未知參數(shù)由自適應律估計得到?；贚yapunov方法證明了閉環(huán)系統(tǒng)是穩(wěn)定的，穩(wěn)定狀態(tài)時，高速列車的位移跟蹤誤差可以任意小，速度跟蹤誤差能收斂到零。仿真結果證明了算法的有效性。

關鍵詞：高速列車;跟蹤控制;自適應動態(tài)面控制;擴張狀態(tài)觀測器;李亞普諾夫

DOI：10.15938/j.emc.（編輯填寫）

中圖分類號： u260.36 ? ? ? ? ? ? 文獻標志碼：A ? ? ? ? ?文章編號：1007 -449X（2017）00-0000-00（編輯填寫）

Abstract： In view of the tracking control on given target speed and position of high-speed train（HST）， the operation model of HST was established considering the traction and braking torque generation dynamics. Based on the model， an adaptive dynamic surface control method was proposed to ensure the high-precision tracking on desired speed and position of HST as well as eliminate the "explosion of complexity". In the method， adaptive dynamic surface control law was designed，in which the extended state observer（ESO） was introduced to estimate the "total resistance" of the system resulted from the unavailable running resistance， the unknown viscous friction coefficients and the unmeasured states， the estimation error caused by the ESO was compensated by the robust term of the virtual control signals， and the unknown parameters were obtained online via adaptive law. A Lyapunov-based stability analysis is given， which shows the stability of the closed-loop system，with the position tracking error arbitrarily small and the speed tracking error converging to zero in steady state. Simulation results demonstrate the effectiveness of the proposed method.

Keywords： high-speed train（HST）; tracking control; adaptive dynamic surface control; extended state observer

（ESO）; Lyapunov

0 引 ?言

列車運行控制系統(tǒng)是確保軌道交通安全的關鍵技術之一[1]，它分為目標速度位移曲線的優(yōu)化和目標速度位移的跟蹤控制兩大環(huán)節(jié)[2]。目標速度位移優(yōu)化曲線是控制系統(tǒng)的跟蹤對象，獲得理想的優(yōu)化曲線對于高速列車的節(jié)能降耗至關重要。然而如果不能實現(xiàn)對目標曲線的精確跟蹤，曲線的優(yōu)化也就失去了意義。為了實現(xiàn)對目標速度和位移的精確跟蹤，需要探索有效的高速列車運行模型與控制方法。

反步法采用迭代遞推設計的方式，從不含控制輸入的第一個子系統(tǒng)開始，向含有控制輸入的子系統(tǒng)“反推”進行控制器設計[3-4]，具有較強的處理不確定性非線性系統(tǒng)控制問題的能力。文獻[5-6]將反步法成功的應用到了高速列車的速度和位移跟蹤控制中。文獻[5]通過在自適應控制中融合反步控制，實現(xiàn)了對高速列車速度和位移的精確跟蹤;文獻[6]在文獻[5]基礎上提出了高速列車的魯棒自適應反步控制方法，進一步提高了跟蹤控制精度。文獻[5-6]采用反步法有效地解決了非線性高速列車運行過程中的跟蹤控制問題，但是存在需要求取虛擬控制量微分，計算量大的問題[7]。

除了反步控制，PID控制，滑?？刂疲赃m應控制以及基于模糊、迭代學習和神經(jīng)網(wǎng)絡等的智能控制方法也被用到高速列車的速度位移跟蹤控制中，并均取得了較好的運行跟蹤控制效果[8-13]。但是上述算法均基于牽引/制動轉矩（或牽引/制動力）作為控制量的數(shù)學模型，這些模型忽略了牽引/制動轉矩產(chǎn)生的動態(tài)過程，不能反映從控制指令輸入到列車運動狀態(tài)之間的動態(tài)關系。

基于以上分析，本文基于改進的高速列車運行模型，提出了高速列車的自適應動態(tài)面速度位移跟蹤控制算法。在控制器設計中，引入動態(tài)面方法，用一個一階低通濾波器來計算虛擬控制量的導數(shù)，以避免以往文獻中采用反步控制方法時需要對虛擬控制量多次求取微分，計算量大的問題[14-16]。算法基于考慮牽引/制動轉矩產(chǎn)生動態(tài)過程的高速列車運行模型，將牽引電機的期望轉矩作為系統(tǒng)的控制輸入，比以往基于牽引轉矩/制動轉矩（或牽引力/制動力）作為控制量的數(shù)學模型更符合列車的實際運行情況。用擴張狀態(tài)觀測器[17-18]對系統(tǒng)中的不確定項進行在線估計，并在虛擬控制信號中增加補償項以提高閉環(huán)系統(tǒng)性能。仿真結果證明了本文提出的高速列車運行模型以及控制方法的有效性。

仿真結果如圖1～圖6所示，圖1顯示了列車的速度與位移跟蹤過程，圖2為列車的速度跟蹤誤差和位移跟蹤誤差?？梢钥闯觯€(wěn)態(tài)時，跟蹤誤差很小;高速列車工況切換以及軌面突變時，列車的速度跟蹤誤差和位移跟蹤誤差出現(xiàn)了波動，但波動均很小，高速列車在整個運行過程中達到了良好的跟蹤性能。圖3為系統(tǒng)的控制輸入轉矩曲線。圖4為單個驅動輪對所傳遞的牽引/制動轉矩軌跡曲線。圖5為未知參數(shù) 的估計值，可以看出，文中所設計的參數(shù)自適應律實現(xiàn)了對未知參數(shù) 的估計。圖6顯示了系統(tǒng)“總擾動”的估計情況，可以看出，文中設計的擴張狀態(tài)觀測器能夠快速準確地估計出系統(tǒng)的“總擾動” ，它使得控制器可以很好的補償系統(tǒng)中的“總擾動”，有效地減小了模型不確定性的影響，保證了系統(tǒng)的動態(tài)以及穩(wěn)態(tài)跟蹤性能。

4 ?結 ?論

本文基于考慮牽引/制動轉矩產(chǎn)生動態(tài)過程的高速列車運行模型，研究了高速列車對目標速度和位移的跟蹤控制問題。改進的高速列車運行模型能更好地反映列車的動力學特性，也更符合列車運行實際情況;采用在高速列車運行控制領域應用尚不多見的動態(tài)面方法，避免了以往文獻中采用反步控制方法需要求取虛擬控制量微分，計算量大的問題;利用擴張狀態(tài)觀測器對系統(tǒng)中總的不確定項進行精確估計，并在控制中進行補償，有效提高了控制器對不確定與干擾的抑制能力。仿真結果表明，所提出的算法實現(xiàn)了高速列車對目標速度和位移的精確跟蹤控制，為高速列車的運行控制研究提供了參考。當牽引/制動系統(tǒng)出現(xiàn)故障而處于容錯運行時，由于本文考慮了轉矩產(chǎn)生的動態(tài)過程，而不是簡單地直接面向轉矩，因而可以自然地考慮容錯運行時動態(tài)特性的變化，作者后續(xù)將對此展開研究。

參考文獻

[1] 寧濱， 劉朝英. 中國軌道交通列車運行控制技術及應用 [J]. 鐵道學報， 2017， 39（2）： 1-9.

NING Bin， LIU Chaoying. Technology and applica-? ? ? tion of train operation control system for China rail? ? ? transit system [J]. Journal of the China Railway S-ociety， 2017， 39（2）： 1-9.

[2] 楊杰， 賈利民， 付云驍， 等. 電力牽引貨運列車節(jié)能運行研究（一）：目標速度曲線優(yōu)化 [J]. 鐵道學報，2016， 38（4）： 22-31.

YANG Jie， JIA Limin， FU Yunxiao， et al. Energy-? ? ? efficient freight train operation of electric freight t-? ? ? rains—part I： Speed profile optimization[J]. Journal? ? ? of the China Railway Society， 2016， 38（4）： 22-31.

[3] Kanellakopoulos I， Kokotovic P V， Morse S.Systematic design of adaptive controllers for feedb-ack linearizable system [J]. IEEE Transactions on Automatic Control， 1991， 36（11）： 1241-1253.

[4] 陳曉菊， 張杭， 張愛民， 等. 鏈式靜止同步補償器自適應反步控制器 [J]. 電工技術學報， 2017， 32（24）： 205-213.

CHEN Xiaoju，ZHANG Hang，ZHANG Aimin，et al. Adaptive backstepping controller of cascaded st-atic synchronous compensator [J]. Transactions ofChina Electrotechnical Society， 2017， 32（24）： 205-213.

[5] Luo Hengyu， Xu Hongze. Adaptive controller desi-gned for high-speed train ATO system with nonlin-ear and uncertain resistance [J]. Applied Mechanics& Materials， 2013， 301（1）： 1551-1557.

[6] Luo Hengyu， Xu Hongze. Direct robust adaptive c-ontrol of high-speed train based on nonlinear andtime-varying models [J]. International Journal of C-ontrol and Automation， 2013， 6（4）： 397-411.

[7] 趙希梅， 吳勇慷. 基于自適應修正拉蓋爾遞歸神經(jīng)網(wǎng)絡的永磁同步電機反推控制 [J]. 電工技術學報，?2018， 33（10）： 2392-2399.

ZHAO Ximei， WU Yongkang. Backstepping controlbased on adaptive modified laguerre ecurrent neur-al network for permanent magnet linear synchrono-us motor [J]. Transactions of China ElectrotechnicalSociety， 2018， 33（10）： 2392-2399.

[8] Chen X， Yue Z， Hai H. Train speed control algori-thm based on PID controller and single-neuron PIDcontroller [C]//Intelligent Systems（GCIS）， December16-17， 2010， Wuhan， China. IEEE， 2011： 107-110.

[9] Lin C J， Tsai S H， Chen C L， et al. Extended sliding-mode controller for high speed train [C]// International Conference on System Science and Engineering. July 1-3， 2010， Taipei， Taiwan. IEEE， 2010： 475-480.

[10] 李中奇，楊輝，劉杰民.高速動車組自適應速度跟蹤控制 [J]. 鐵道學報， 2015， 37（4）： 61-68.

Li Zhongqi， Yang Hui， Liu Jiemin. Adaptive speedtracking control for high-speed electric multiple un-it [J]. Journal of the China Railway Society， 2015，37（4）： 61-68.

[11] 余進，何正友，錢清泉等.列車運行過程的自適應模糊控制[J]. 鐵道學報， 2010， 32（4）： 44-49.

YU Jin， HE Zhengyou， QIAN Qingquan， et al. A-daptive fuzzy control of train operation [J]. Journalof the China Railway Society， 2010， 32（4）： 44-49.

[12] JI Honghai， HOU Zhongsheng， ZHANG Ruikun.Adaptive iterative learning control for high-speed t-rains with unknown speed delays and input saturat-ions [J]. IEEE Transactions on Automation Scienceand Engineering， 2016， 13（1）： 260-273.

[13] Han S H， Byen Y S， Baek J H， et al. An optimalautomatic train operation （ATO） control using gene-tic algorithms （GA） [C]//TENCON 99. Proceedingsof the IEEE Region 10 Conference， September 15-17， Cheju Island， South Korea. IEEE， 1999： 360-362.

[14] D. Swaroop， J. K. Hedrick， P. P. Yip， et al. Dyna-mic surface control for a class of nonlinear syste-ms [J]. IEEE Transactions on Automatic Control，2000， 45（10）： 1893-1899.

[15] 孟桂芝，馬克茂. 一類不確定非線性系統(tǒng)的動態(tài)面輸出調(diào)節(jié)方法 [J]. 電機與控制學報， 2011， 15（5）： 103-108.

MENG Guizhi， Ma Kemao. Dynamic surface outp-ut regulation method for a class of uncertain nonli-near systems [J]. Electric Machines and Control，2011， 15（5）： 103-108.

[16] 朱齊丹， 馬俊達， 劉可. 基于擾動觀測器的無人水面船魯棒軌跡跟蹤 [J]. 電機與控制學報， 2016， 20（12）： 65-73.

ZHU Qidan， MA Junda， LIU Ke. A nonlinear dist-urbance observer based on robust approach to thetrajectory tracking of an unmanned surface vehicle[J]. Electric Machines and Control， 2016， 20（12）：65-73.

[17] HAN Jingqing. From PID to active disturbance rej-ection control [J]. IEEE Transactions on Industrial Electronics， 2009， 56（3）： 900-906.