多步k最近邻初值寻优的气压模拟系统遗忘迭代学习控制

摘要：

高速列车车内压力波动过大会对乘客舒适性造成影响,而气压模拟系统是一套通过对车内模拟气压跟踪控制,实现对乘客舒适性进行研究的装置.为解决系统历史运行数据利用率低以及存在迭代初始误差导致系统收敛速度慢的问题,采用k最近邻(kNN)算法,建立一种基于历史控制信息的最优初次控制信号提取方法,并根据迭代学习控制的基本原理,将最优控制初值输入到带遗忘因子的迭代学习控制器中,通过不断迭代来实现车内期望气压轨迹的跟踪控制,并和基于大数据的迭代学习控制以及传统PID迭代学习控制进行对比分析.仿真结果表明:基于多步kNN的遗忘迭代学习控制收敛速度更快、系统抖动程度更小、控制精度更高以及算法鲁棒性更好.

关键词：高速列车、气压模拟系统、k最近邻算法、迭代学习控制、PID控制、初值问题、收敛速度

所属期刊栏目：38

资助基金：国家自然科学基金项目;轨道交通运维技术与装备四川省重点实验室开放基金课题

在线出版日期：2021-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：309-317