高速動(dòng)車(chē)組的模型辨識(shí)與狀態(tài)估計(jì).pdf

1、隨著高速動(dòng)車(chē)組持續(xù)的高速運(yùn)行,造成動(dòng)車(chē)組運(yùn)行的動(dòng)態(tài)環(huán)境持續(xù)惡化，空氣阻力作用、列車(chē)車(chē)廂之間的非線性和耦合特性等明顯增強(qiáng)。針對(duì)高速動(dòng)車(chē)組運(yùn)行過(guò)程中的復(fù)雜性、不確定性和非線性等問(wèn)題，本文開(kāi)展了高速動(dòng)車(chē)組的建模與參數(shù)優(yōu)化研究，具體如下：
　　(1提出了高速動(dòng)車(chē)組非線性模型的極大似然(Maximum Likelihood,ML)辨識(shí)方法，適合于高速動(dòng)車(chē)組在非高斯噪聲干擾下的非線性模型的參數(shù)估計(jì)。首先，分析了高速動(dòng)車(chē)組在水平方向上的受力情況

2、，進(jìn)而建立了反映高速動(dòng)車(chē)組單質(zhì)點(diǎn)力學(xué)行為的隨機(jī)離散非線性狀態(tài)空間模型。將高速動(dòng)車(chē)組參數(shù)的ML估計(jì)問(wèn)題轉(zhuǎn)化為期望極大的優(yōu)化問(wèn)題。然后，給出了高速動(dòng)車(chē)組狀態(tài)估計(jì)的粒子濾波器和粒子平滑器的設(shè)計(jì)方法，基于此構(gòu)造了動(dòng)車(chē)組的條件數(shù)學(xué)期望，并給出最大化該數(shù)學(xué)期望的梯度搜索方法，進(jìn)而得到動(dòng)車(chē)組參數(shù)的辨識(shí)算法，分析了算法的收斂速度。最后，進(jìn)行了高速動(dòng)車(chē)組的數(shù)值實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果說(shuō)明所提辨識(shí)方法是有效的。
　　(2)針對(duì)高速動(dòng)車(chē)組多質(zhì)點(diǎn)模型的參數(shù)估計(jì)問(wèn)題

3、，提出了適合于高速動(dòng)車(chē)組多質(zhì)點(diǎn)模型的極大似然辨識(shí)方法。首先，建立了高速動(dòng)車(chē)組的隨機(jī)離散非線性狀態(tài)空間模型，并利用期望極大方法來(lái)解決高速動(dòng)車(chē)組參數(shù)的極大似然估計(jì)問(wèn)題。接著，給出適合于高速動(dòng)車(chē)組的改進(jìn)粒子濾波算法，據(jù)此構(gòu)造了高速動(dòng)車(chē)組的條件數(shù)學(xué)期望。然后，給出高速動(dòng)車(chē)組參數(shù)優(yōu)化的梯度搜索方法，進(jìn)而得到高速動(dòng)車(chē)組參數(shù)的辨識(shí)算法，并分析了辨識(shí)算法的局部穩(wěn)定點(diǎn)。最后，進(jìn)行了高速動(dòng)車(chē)組的仿真實(shí)驗(yàn)，結(jié)果表明提出的方法是有效的。
　　(3)研究了