Resumen

El modelo dinámico de los trenes de alta velocidad (TAV) es no lineal e incierto; por lo tanto, con la disminución del intervalo de circulación de los TAV, se requiere un algoritmo de control de funcionamiento del tren preciso y seguro. En este estudio, se propone un método de control de seguimiento de trayectoria con realimentación de salida adaptativa para trenes de alta velocidad basado en observadores de redes neuronales. El método propuesto pretende resolver problemas como la velocidad inconmensurable, la perturbación de los parámetros del modelo y la perturbación externa desconocida de los HST. En este método, se diseña un observador adaptativo de red neuronal para estimar la velocidad de un HST. Se utiliza otro modelo de red neuronal para aproximar las incertidumbres del modelo. Además, se construye un controlador robusto considerando los errores de seguimiento de posición y velocidad del tren. En el observador/controlador propuesto, se introduce la función límite de los errores del estimador para aumentar la precisión y la seguridad del sistema de seguimiento. Además, el valor de actualización adaptativo de las redes neuronales, los pesos de salida y la función límite se realizan en línea. Todos los algoritmos adaptativos y el observador/controlador se sintetizan en sistemas de control no lineales. Las señales de error del sistema de seguimiento de trayectoria en bucle cerrado se acotan de manera uniforme y final mediante una demostración formal basada en los métodos de Lyapunov. Los ejemplos de simulación ilustran que el controlador propuesto es robusto y tiene una excelente precisión de seguimiento para el parámetro del modelo del sistema y las perturbaciones externas.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:hsts, controlador, trayectoria de retroalimentación de salida adaptativa, sistema de seguimiento de trayectoria en bucle, algoritmo de control de funcionamiento seguro del tren, valor de actualización adaptativo, excelente precisión de seguimiento, perturbación de los parámetros del modelo, modelo de red neuronal, observadores de red neuronal
• Keywords:hsts, controller, adaptive output feedback trajectory, loop trajectory tracking system, safe train operation control algorithm, adaptive update value, excellent tracking accuracy, model parameter disturbance, neural network model, neural network observers