首页  |  期刊简介  |  期刊荣誉  |  编委会  |  现任主编  |  投稿指南  |  下载中心  |  期刊征订
中文核心期刊
Ei Compendex收录期刊
中国科学引文数据库来源期刊
中文科技期刊数据库收录期刊
国际刊号:1004-6801
国内刊号:32-1361/V
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中华人民共和国工业
              和信息化部
  • 主办:南京航空航天大学
              全国高校机械工程
              测试技术研究会
  • 国际刊号:1004-6801
  • 国内刊号:32-1361/V
  • 地址:南京市御道街29号
  • 电话:025-8489 3332
  • 传真:025-8489 3332
  • E-mail:qchen@nuaa.edu.cn
  • 邮编:210016
基于子空间LQG的高速列车预测控制器性能监控
Performance Monitoring of High Speed Train Predictive Controller Based on Subspace LQG
  
DOI:10.16450/j.cnki.issn.1004?6801.2021.06.027
中文关键词:  高速列车  子空间辨识  预测控制器  性能监控  支持向量机
英文关键词:high-speed train  subspace identification  predictive controller  performance monitoring  support vector machine (SVM)
基金项目:基金项目:国家自然科学基金资助项目(61664010);国家重点研发计划资助项目(2017YFB1201003?20)
作者单位
刘伯鸿, 连文博, 李婉婉 (兰州交通大学自动化与电气工程学院 兰州730070) 
摘要点击次数: 24
全文下载次数: 3
中文摘要:
      针对高速列车在复杂多变环境运行时子空间预测控制器出现性能下降的问题,提出一种基于子空间线性二次高斯(linear quadratic Gaussian, 简称LQG)基准的列车预测控制器性能监控算法。首先,使用子空间辨识算法处理列车历史运行数据获得子空间矩阵,设计基于子空间LQG的高速列车预测控制器性能评价基准;其次,通过在线求解列车实时性能指标并与已建立的性能基准进行比较得到评价指标后,对列车预测控制器进行在线评估;最后,对评估结果为列车控制性能下降进行诊断,即建立控制器性能下降模式库,设计基于支持向量机的分类器,对噪声方差变化、过程模型失配、输出约束饱和及控制参数设置不当这4类性能下降源进行训练学习。将测试集输入分类器进行仿真,得到的准确率分别为95.63%,92.49%,90. 52%和97.56%,表明该分类器可靠性强,准确率高。
英文摘要:
      In view of the performance degradation of subspace predictive controller of high-speed train in complex and changeable environment, a performance monitoring algorithm of train predictive controller based on subspace linear quadratic Gaussian (LQG) benchmark is proposed. Firstly, the performance benchmark based on LQG is designed by the subspace matrix, which can be obtained during using subspace identification to process the historical train operation data. By solving the real-time performance index of the train online and then comparing with the established performance benchmark, the evaluation index of the train is obtained, and the train predictive controller can be evaluated on line. Then, when the evaluation result is degradation, it needs to diagnose the concrete type, that is, to establish the performance degradation mode database of controller, and a classifier based on support vector machines is designed to train and study the four performance degradation sources, which are noise variance change, process model mismatch, output constraint saturation and control parameter setting improperly. The accuracy of the test set input to the classifier is 95.63%,92.49%,90.52% and 97.56%, which shows that the classifier has high reliability and accuracy.
查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《振动、测试与诊断》

地址:南京市御道街29号        邮编:210016

电话:025-8489 3332      传真:025-8489 3332       E-mail:qchen@nuaa.edu.cn

您是本站第2771845位访问者 本站今日一共被访问145

技术支持:北京勤云科技发展有限公司