针对观测器估计精度偏低及高速列车系统的强耦合、受外界扰动、参数时变等问题,提出一种基于补偿函数观测器的分数阶非奇异快速终端滑模控制算法(Compensating Function Observer-Fractional Order Non-singular Fast Terminal Sliding ...针对观测器估计精度偏低及高速列车系统的强耦合、受外界扰动、参数时变等问题,提出一种基于补偿函数观测器的分数阶非奇异快速终端滑模控制算法(Compensating Function Observer-Fractional Order Non-singular Fast Terminal Sliding Mode Control,CFO-FONFTSMC),以提高高速列车速度控制的鲁棒性和控制精度.首先,建立高速列车纵向多质点动力学模型,设计高精度的补偿函数观测器对系统的总扰动进行实时估计并补偿;然后,设计一种带状态负指数控制律的分数阶非奇异快速终端滑模控制算法,用于对列车的运行曲线进行跟踪控制,并通过李雅普诺夫稳定性理论证明系统在有限时间内的收敛性;最后,以CRH3型高速列车参数和合肥站-蚌埠南站的实际线路为实例,分别跟踪理想运行曲线和节能优化运行曲线进行实验验证.仿真结果表明:所提算法跟踪理想运行速度曲线的平均误差为0.01377 km/h,跟踪带干扰的节能优化运行速度曲线的平均误差为0.0364 km/h,相较于基于扩张状态观测器的滑模和非奇异快速终端滑模控制方法,所提方法具有最小的跟踪误差和更高的跟踪精度,验证了其有效性和可行性,可为列车速度跟踪控制领域的研究提供参考.展开更多
针对电池电气特性与热特性之间复杂的耦合关系、温度对电池功率性能的影响以及荷电状态(state of charge,SOC)、温度状态(stateoftemperature,SOT)与峰值功率状态(state of power,SOP)之间的复杂关联等问题,该文提出一种考虑电热耦合特...针对电池电气特性与热特性之间复杂的耦合关系、温度对电池功率性能的影响以及荷电状态(state of charge,SOC)、温度状态(stateoftemperature,SOT)与峰值功率状态(state of power,SOP)之间的复杂关联等问题,该文提出一种考虑电热耦合特性的电池模组多状态协同估计方法。首先,分析电池电气特性与热特性之间的耦合关系,将分数阶等效电路模型与集总参数双态热模型结合,构建电池模组电热耦合模型。其次,针对电热耦合关系需要准确的SOC与SOT来维持的问题,采用自适应扩展卡尔曼算法(adaptive extended Kalman filter,AEKF)实现电池模组SOC与SOT估计。最后,分析不同状态之间的关联特性,将电池的SOC、SOT引入到多约束条件下的峰值SOP估计中,实现电池模组多状态协同估计,提高电池状态估计的准确性。仿真结果表明,所提方法在SOC初始误差为20%情况下,能够快速收敛至真实值,且均方根误差在0.52%以内,核心温度与表面温度估计误差分别在0.36和0.31℃以内。在40℃时,核心温度约束起作用,峰值功率估计结果显著降低,为动力电池的实时安全监控提供了有力保障。展开更多
文摘针对观测器估计精度偏低及高速列车系统的强耦合、受外界扰动、参数时变等问题,提出一种基于补偿函数观测器的分数阶非奇异快速终端滑模控制算法(Compensating Function Observer-Fractional Order Non-singular Fast Terminal Sliding Mode Control,CFO-FONFTSMC),以提高高速列车速度控制的鲁棒性和控制精度.首先,建立高速列车纵向多质点动力学模型,设计高精度的补偿函数观测器对系统的总扰动进行实时估计并补偿;然后,设计一种带状态负指数控制律的分数阶非奇异快速终端滑模控制算法,用于对列车的运行曲线进行跟踪控制,并通过李雅普诺夫稳定性理论证明系统在有限时间内的收敛性;最后,以CRH3型高速列车参数和合肥站-蚌埠南站的实际线路为实例,分别跟踪理想运行曲线和节能优化运行曲线进行实验验证.仿真结果表明:所提算法跟踪理想运行速度曲线的平均误差为0.01377 km/h,跟踪带干扰的节能优化运行速度曲线的平均误差为0.0364 km/h,相较于基于扩张状态观测器的滑模和非奇异快速终端滑模控制方法,所提方法具有最小的跟踪误差和更高的跟踪精度,验证了其有效性和可行性,可为列车速度跟踪控制领域的研究提供参考.
文摘针对电池电气特性与热特性之间复杂的耦合关系、温度对电池功率性能的影响以及荷电状态(state of charge,SOC)、温度状态(stateoftemperature,SOT)与峰值功率状态(state of power,SOP)之间的复杂关联等问题,该文提出一种考虑电热耦合特性的电池模组多状态协同估计方法。首先,分析电池电气特性与热特性之间的耦合关系,将分数阶等效电路模型与集总参数双态热模型结合,构建电池模组电热耦合模型。其次,针对电热耦合关系需要准确的SOC与SOT来维持的问题,采用自适应扩展卡尔曼算法(adaptive extended Kalman filter,AEKF)实现电池模组SOC与SOT估计。最后,分析不同状态之间的关联特性,将电池的SOC、SOT引入到多约束条件下的峰值SOP估计中,实现电池模组多状态协同估计,提高电池状态估计的准确性。仿真结果表明,所提方法在SOC初始误差为20%情况下,能够快速收敛至真实值,且均方根误差在0.52%以内,核心温度与表面温度估计误差分别在0.36和0.31℃以内。在40℃时,核心温度约束起作用,峰值功率估计结果显著降低,为动力电池的实时安全监控提供了有力保障。
