-
公开(公告)号：CN106777752A
公开(公告)日：2017-05-31
申请号：CN201611252207.3
申请日：2016-12-30
Applicant: 华东交通大学
IPC: G06F17/50
CPC classification number: G06F17/5009 , G06F17/5095
Abstract: 本发明公开了一种高速列车追踪运行曲线优化设定方法，针对移动闭塞下高速列车追踪间隔“移动、动态长度”的特点，所述方法基于现场采集的线路和高速列车运行数据，建立了高速列车回声状态网络速度预测模型、基于移动闭塞的追踪运行模型、线路特征模型，以及采用了创新性评价指标的追踪运行曲线多目标设定模型。再采用高效的多目标粒子群算法，将算法收敛条件作为设定模型的约束之一，基于以上实时数据进行高速列车追踪运行曲线优化设定。最后以区间运营效率和稳定性为设定方法的评估指标，筛选出一组最优的运行曲线，使得高速列车运行过程安全、高效，同时提高移动闭塞下的高速铁路区间运营效率和稳定性。
-
公开(公告)号：CN103019267B
公开(公告)日：2016-06-22
申请号：CN201210524520.3
申请日：2012-12-10
Applicant: 华东交通大学
Abstract: 一种基于ANFIS模型的高速列车广义预测控制方法，所述方法根据采集的高速列车运行过程数据，利用数据驱动建模方法，建立高速列车运行过程ANFIS模型，采用减法聚类确定模糊模型规则数和初始参数，并采用反向传播算法和最小二乘法优化模糊模型参数。本发明提出基于ANFIS模型的动车组运行速度预测跟踪控制方法，多步预测，循环滚动，得到准确的控制量，从而改变了凭经验调节的盲目性，使高速列车运行速度精确跟踪目标曲线，解决了大滞后问题，实现列车正点、安全、有效运行，保证了乘客安全。本发明方法简单实用，可实现高速列车自动驾驶控制。本发明适用于高速列车运行过程在线监测和自动控制。
-
公开(公告)号：CN103019267A
公开(公告)日：2013-04-03
申请号：CN201210524520.3
申请日：2012-12-10
Applicant: 华东交通大学
Abstract: 一种基于ANFIS模型的高速列车广义预测控制方法，所述方法根据采集的高速列车运行过程数据，利用数据驱动建模方法，建立高速列车运行过程ANFIS模型，采用减法聚类确定模糊模型规则数和初始参数，并采用反向传播算法和最小二乘法优化模糊模型参数。本发明提出基于ANFIS模型的动车组运行速度预测跟踪控制方法，多步预测，循环滚动，得到准确的控制量，从而改变了凭经验调节的盲目性，使高速列车运行速度精确跟踪目标曲线，解决了大滞后问题，实现列车正点、安全、有效运行，保证了乘客安全。本发明方法简单实用，可实现高速列车自动驾驶控制。本发明适用于高速列车运行过程在线监测和自动控制。
-
公开(公告)号：CN119037511A
公开(公告)日：2024-11-29
申请号：CN202411152526.1
申请日：2024-08-21
Applicant: 华东交通大学
Abstract: 本发明公开一种面向虚拟编组的空轨列车分布式自抗扰弹性控制方法，属于空轨列车控制领域。该方法根据构建的分布式动力学模型和编队状态误差模型，利用tanh函数对相邻列车的编队状态误差进行平滑处理，建立基于双向‑领航通信拓扑结构的协同与避撞控制协议，进而获得基于协同与避撞控制协议的分布式自抗扰控制器；利用自适应蜉蝣优化方法对深度确定性策略梯度算法的超参数进行寻优，采用优化后的深度确定性策略梯度算法训练分布式自抗扰控制器，依据时变扰动自适应在线调整训练后的分布式自抗扰控制器参数，并对虚拟编组中的空轨列车进行控制，使得虚拟编组中的空轨列车在干扰作用下保持期望队形运行。本发明能够确保干扰作用下列车虚拟编队快速恢复并保持期望队形运行。
-
公开(公告)号：CN118885887A
公开(公告)日：2024-11-01
申请号：CN202411375974.8
申请日：2024-09-30
Applicant: 华东交通大学
IPC: G06F18/241 , G01R31/00 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种牵引变流器故障诊断方法、设备、介质及产品，涉及电力机车的智能运行维修领域，该方法包括：获取数据集；数据集为中间直流电压数据；基于变分模态分解对所述数据集进行分解，得到多通道标准故障特征集；根据变分模态分解特性，确定配套通道加权层；所述配套通道加权层为PE‑Spearman秩相关系数；根据配套通道加权层，建立配套通道加权层‑一维深度可分离卷积神经网络模型；所述一维深度可分离卷积神经网络为将深度可分离卷积神经网络运用到一维长序列数据中构建的网络；将多通道标准故障特征集输入到所述配套通道加权层‑一维深度可分离卷积神经网络模型中，得到故障分类。本发明可准确、快速、稳定地识别故障特征。
-
Patent Agency Ranking
公开(公告)号：CN118393967A
公开(公告)日：2024-07-26
申请号：CN202410814624.0
申请日：2024-06-24
Applicant: 华东交通大学
IPC: G05B19/042
Abstract: 本发明公开一种重载列车运行过程的控制方法、装置、介质及产品，涉及自动控制技术领域。方法包括：构建同时考虑空气制动和钩缓装置约束的重载列车多质点动力学模型；根据重载列车多质点动力学模型，确定机车状态空间表达式；根据机车状态空间表达式，确定基于非线性干扰观测器的自适应神经网络滑模控制率；获取重载列车的实际位移和实际速度；以实际位移与期望位移的误差和实际速度与期望速度的误差为输入，应用基于非线性干扰观测器的自适应神经网络滑模控制率，得到重载列车的牵引力/制动力控制信号。本发明能够提升重载列车运行过程的控制精度及控制系统的抗干扰能力。
-
公开(公告)号：CN117850215A
公开(公告)日：2024-04-09
申请号：CN202410263861.2
申请日：2024-03-08
Applicant: 华东交通大学
IPC: G05B13/02
Abstract: 本发明公开的高速动车组无模型自适应滑模控制方法、系统及电子设备，涉及一般的控制与调节技术领域。本发明首先利用无模型自适应控制理论，将高速列车复杂模型转化为全格式动态线性化模型，其次利用线性化模型设计离散滑模控制器，选取离散积分滑模面消除滑模面到达阶段的抖振，切换控制选取斜率变化较小的双曲正切函数使得切换更加平缓。进一步利用无模型自适应控制理论中的伪梯度概念设计离散扩张状态观测器对列车运行过程中的不确定项进行估计，实现对离散滑模控制器的实时补偿，进而进而在降低时间控制成本的同时，实现速度跟踪的精准控制。
-
公开(公告)号：CN115837899B
公开(公告)日：2023-05-16
申请号：CN202310119554.2
申请日：2023-02-16
Applicant: 华东交通大学
Abstract: 本发明涉及一种动车组制动系统的多模型自适应故障补偿控制方法及系统。该方法包括建立第一动车组制动系统模型；根据第一动车组制动系统模型，建立第二动车组制动系统模型；根据动车组的期望制动曲线建立动车组参考模型；根据第二动车组制动系统模型和动车组参考模型确定每一故障模式下的自适应故障补偿控制器，得到控制器集合；根据系统状态量估计值和系统状态确定系统状态估计误差，并根据系统状态估计误差设计参数自适应律，进一步设计自适应容错控制器集合；以系统状态误差为基础确定性能损失函数；根据性能损失函数确定最优控制器；利用最优控制器输出的控制信号对当前动车组进行控制。本发明能够有效保障动车组制动过程的安全性和平稳性。
-
公开(公告)号：CN115837899A
公开(公告)日：2023-03-24
申请号：CN202310119554.2
申请日：2023-02-16
Applicant: 华东交通大学
Abstract: 本发明涉及一种动车组制动系统的多模型自适应故障补偿控制方法及系统。该方法包括建立第一动车组制动系统模型；根据第一动车组制动系统模型，建立第二动车组制动系统模型；根据动车组的期望制动曲线建立动车组参考模型；根据第二动车组制动系统模型和动车组参考模型确定每一故障模式下的自适应故障补偿控制器，得到控制器集合；根据系统状态量估计值和系统状态确定系统状态估计误差，并根据系统状态估计误差设计参数自适应律，进一步设计自适应容错控制器集合；以系统状态误差为基础确定性能损失函数；根据性能损失函数确定最优控制器；利用最优控制器输出的控制信号对当前动车组进行控制。本发明能够有效保障动车组制动过程的安全性和平稳性。
-
公开(公告)号：CN115793472A
公开(公告)日：2023-03-14
申请号：CN202310101097.4
申请日：2023-02-13
Applicant: 华东交通大学
IPC: G05B13/04
Abstract: 本发明涉及了一种重载列车的建模方法、建模系统、控制方法及控制系统，属于重载列车控制技术领域。所述建模方法包括：获取重载列车的运行数据；分别对运行数据中的速度数据和控制力数据进行聚类，获得速度聚类结果和控制力聚类结果；基于速度聚类结果和控制力聚类结果构建区间二型模糊模型；采用鲸鱼优化算法优化区间二型模糊模型的参数，获得优化后的区间二型模糊模型，作为重载列车的模拟模型。本发明通过获取重载列车的运行数据，采用数据驱动的方式建立区间二型模糊模型，并采用鲸鱼优化算法对区间二型模糊模型的参数进行优化，以获得高精度的模拟模型，进而实现重载列车的高精度控制。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.047 seconds)
