9、高速列车与城市交通网络控制技术解析

高速列车与城市交通网络控制技术解析

1. 高速列车自动运行系统模拟验证

在高速列车自动运行系统中，采用了基于径向基函数神经网络（RBFNN）的迭代学习控制（PILC）方法来应对复杂且未知的运行环境，特别是随机变化的外部干扰。

1.1 模拟设定

• 列车参数 ：模拟中考虑了类似CRH3的高速列车运行系统，总运行时间区间为 $k \in {0, 1, 2, \ldots, 3240}$ 秒。列车的标称质量设定为350,000千克，但实际总质量在每次运行中随机变化。
• 阻力模型 ：基本阻力 $f_b(v_l(k))$ 由公式 $f_b(v_l(k)) = a_1^{\star}(k) + a_2^{\star}(k)v_l(k) + a_3^{\star}(k)v_l^2(k)$ 描述，其中基本阻力系数 $a_1^{\star}(k) = 375 \sin(0.0039k) + 2980$，$a_2^{\star}(k) = 2.5 \sin(0.0039k) + 25.17$，$a_3^{\star}(k) = 0.05 \sin(0.0039k) + 0.3864$。附加阻力 $f_a(\int_{0}^{k} v_l(\tau)d\tau)$ 如图8.2所示。
• 期望速度轨迹 ：期望速度轨迹设定在300/3.6（米/秒）以下，如图8.3所示。

1.2 控制参数设置

RBFNN - PILC的控制参数设置如下：
|参数|数值|
| --