[发明专利]一种高速列车非线性动力学模型参数的在线辨识方法

说明书

技术领域

本发明属于系统参数辨识技术领域，具体涉及一种高速列车非线性动力学模型参数的在线辨识方法。

背景技术

近年来，为了满足快速增长的旅客运输需求，满足国民经济发展的需要，具有速度高、能耗低、运力大、安全正点等诸多技术经济优势的高速铁路得到了飞速发展，成为世界各国优先发展的绿色交通工具。与此同时，随着运行速度的提高，列车与接触网、轮轨、空气的相互作用显著增加，列车的控制复杂度显著增加。与此同时，由于车辆的性能差异，以及运行过程中受天气、路况等随机干扰的影响，使得车辆的动力学模型参数往往无法直接获知。由于准确的动力学模型是实现列车控制、确保列车安全和稳定运行的核心，因而，针对高速列车动力学模型，依据实时列车监测数据，建立其在线参数辨识理论与方法具有重要的理论和实际应用价值。

在实施参数辨识过程中，我们发现高速列车的动力学特性表现出显著的非线性特征，而现有的非线性动力学模型参数辨识方法，包括最小二乘法，梯度校正法，极大似然法等，都是基于监测数据的离线参数辨识，且其系统噪声往往假定为高斯白噪声，缺乏通用性和实用性。针对这些问题，我们设计出了针对高速列车非线性动力学模型的在线参数辨识方法。

发明内容

本发明的目的是提供一种高速列车非线性动力学模型参数的在线辨识方法，解决了现有技术中存在的模型参数辨识计算复杂，计算量大，实时性差的问题。

本发明所采用的技术方案是，一种高速列车非线性动力学模型参数的在线辨识方法，具体按照以下步骤实施：

步骤1、建立高速列车系统的动力学状态空间模型；

步骤2、分析步骤1中建立的动力学状态空间模型受到的干扰，获取系统在干扰下的模型参数集，并初始化每组参数的权值，使权值相等；

步骤3、分别将步骤2得到的模型参数集中的参数代入步骤1中系统的动力学状态空间模型；

步骤4、利用粒子滤波算法对步骤3中不同参数情况下的系统状态进行估计，得到系统状态估计值；

步骤5、利用步骤4得到的系统状态估计值，根据观测噪声的概率密度函数计算当前时刻不同参数的后验概率，并更新每组参数的权值；

步骤6、判断步骤5中是否有参数的权值趋近于1，有则停止执行；否则，返回步骤4继续执行；

步骤7、随着系统运行，真实参数的权值逐渐趋近于1，则得到辨识结果。

本发明的特点还在于，

步骤1中的动力学状态空间模型为：

y_k＝[1 0]x_k+e_k

式中，k表示基于时间的采样点，x_1k＝s_k,x_2k＝v_k分别表示状态x_k的第一、第二分量，u_k，y_k为系统的输入和输出，a,b,c为阻力系数，w_k∈R²,e_k∈R分别表示列车的状态、输出受到的随机噪声，ξ为列车加速度系数，T为采样周期。

步骤2中的高速列车系统受到的随机过程噪声和观测噪声服从任意概率密度分布，概率密度函数用通式表示为p(w_k)、p(e_k)。

步骤2中模型参数集为Ω＝{θ_l,l＝1,2,…,n}，真实参数θ∈Ω，其中θ_l为已知先验参数，常数n表示参数集Ω中元素的个数，在初始化时，每组参数的权值均设置为

步骤4中对系统状态的估计具体步骤如下：

4.1)首先设定粒子滤波算法中使用到的粒子个数为M，同时设初始状态的均值和方差为μ₁,Σ₁，并根据初始状态的分布初始化粒子为相应的权值为令步骤1中的状态空间模型的时刻k＝1；

4.2)获取步骤4.1)中k时刻的真实观测输出值y_k；

4.3)根据系统的观测方程y_k＝[1 0]x_k+e_k和各组参数θ_l(l＝1,…,n)分别求得该时刻系统输出的估计值

4.4)计算步骤4.3)中该时刻每组参数下每个粒子对应的权值权值的计算公式如下：

并对其进行归一化，得到的计算公式如下：