10.3969/j.issn.1001-4373.2022.01.010
基于车-车通信的RBFNN量化滑模控制的ATO算法
针对车-车通信过程中因信道容量约束产生的列车控制精度降低的问题,提出基于RBFNN(radical basis func-tion neural network,RBFNN)的自适应量化滑模ATO(automatic train operation,ATO)控制方法.基于自适应量化滑模控制技术,利用RBFNN对列车模型受到的附加阻力及未知扰动进行自适应逼近补偿,并引入基本阻力参数自适应机制以实现列车高精度控制,保证列车运行安全.仿真结果表明:该算法能够保证列车高精度跟踪理想的运行曲线,实现列车在站间的平稳运行和精确停车.
ATO、车-车通信、RBFNN、自适应控制、量化控制
41
U284.4(铁路通信、信号)
甘肃省教育厅优秀研究生创新之星项目2021CXZX-552
2022-04-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
68-73