基于车-车通信的RBFNN量化滑模控制的ATO算法

• 作者: 杨军霞 张友鹏
• 来源期刊: 兰州交通大学学报
• 学科: 交通运输
• 关键词: ATO 车-车通信 RBFNN 自适应控制 量化控制
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 电气与控制工程|Electrical & Control Engineering
• 页码范围: 68-73
• 页数: 6页
• 分类号: U284.4
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4373.2022.01.010

摘要

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.