一种高速列车非线性动力学模型参数的在线辨识方法
【技术领域】
[0001] 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】
[0002] 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。
[0003] 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】
[0004] 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。
[0005] 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：
[0006] 步骤1、建立高速列车系统的动力学状态空间模型；
[0007] 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；
[0008] 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；
[0009] 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；
[0010] 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；
[0011] 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；
[0012] 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。
[0013] 本发明的特点还在于，
[0014] 步骤1中的动力学状态空间模型为：
【主权项】
1. 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、分析所述步骤1中建立的动力学状态空间模型受到的干扰，获取系统在所述干 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、分别将所述步骤2得到的模型参数集中的参数代入所述步骤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所述步骤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、利用所述步骤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、判断所述步骤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。
2. 根据权利要求1所述的一种高速列车非线性动力学模型参数的在线辨识方法，其特 征在于，所述步骤1中的动力学状态空间模型为：
yk= [1 〇]xk+ek 式中，k表示基于时间的采样点，xlk=sk,x2k=vk分别表示状态xk的第一、第二分量，uk，yk为系统的输入和输出，a,b,c为阻力系数，wkGR2,ekGR分别表不列车的状态、输出 受到的随机噪声，I为列车加速度系数，T为采样周期。
3. 根据权利要求1所述的一种高速列车非线性动力学模型参数的在线辨识方法，其特 征在于，所述步骤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(wk)、p(ek)。
4. 根据权利要求1所述的一种高速列车非线性动力学模型参数的在线辨识方法，其特 征在于，所述步骤2中模型参数集为D= { 0u 1 = 1，2,. . .，n}，真实参数0GD，其中 已知先验参数，常数n表示参数集D中元素的个数，在初始化时，每组参数的权值均 设置夕
5. 根据权利要求1所述的一种高速列车非线性动力学模型参数的在线辨识方法，其特 征在于，所述步骤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yi，并根据初始状态的分布初始化粒子为二，相应的权值为?[￥ = 1/M^^，令 所述步骤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yk; 4.3)根据系统的观测方程yk= [1 0]xk+ek和各组参数0i(l=l，...，n)分别求得该 时刻系统输出的估计值只G=丨，…#); 4. 4)计算步骤4. 3)中该时刻每组参数下每个粒子xf对应的权值cyf，权值仍;"的计算 公式如下：
并对其进行归一化，得到I 的计算公式如下：
4. 5)根据步骤4. 4)中粒子< 和对应的归一化权值，计算得到每组参数下该时刻状 态的估计{!
4. 6)根据步骤4. 4)中每个粒子的归一化权值对粒子xf进行重要性重采样，重要性 重采样的步骤为： a) 、首先令i= 1，其取值范围为（1，M)，表示重采样后的粒子序号； b)、产生一个服从均勾分布的随机数u，并引入一个辅助量--权值和《Sum，初始化该 权值和为《Sum= 0,通过比较随机数u与权值和wSum实现重采样过程； c) 、令j= 1，其取值范围为（1，M)，表示重采样前的粒子序号； d) 、令所述步骤b)中的权值和的更新公式为+ ，将《sum与步骤b) 中的随机数u比较，如果《Sum不小于u，则将对应的粒子xf作为该时刻滤波后的粒子 然后令所述步骤a)中的粒子序号i-i+1，重复b)、c)、d);否则令所述步骤c)中的粒子 序号j-j+1，重复步骤d)，直到j>M时停止； 4.7)经过步骤4.6)重采样后，得到的粒子为{if}二相应的权值为 4. 8)根据状态方程
PM和所述步骤4. 7)重 采样后的粒子 < 得到k+1时刻的粒子^+1。
6.根据权利要求1所述的一种高速列车非线性动力学模型参数的在线辨识方法，其特 征在于，所述步骤5中不同组参数的后验概率计算公式为：<^ =/?^只|凡)，相应的权值计 算公式为：
【专利摘要】本发明公开了一种高速列车非线性动力学模型参数的在线辨识方法，实现步骤为：根据实际的高速列车系统建立其相应系统模型，分析系统可能受到的噪声干扰，获取这些干扰下的模型参数集，并初始化各组参数的权值，利用粒子滤波算法对各组参数情况下系统的状态进行估计，获取系统当前的观测输出，通过观测噪声的概率密度函数计算输出值已知条件下各组参数的后验概率，并更新各组参数的权值，随着系统运行，根据各组参数的权值得到辨识结果，本发明降低了参数辨识的计算量，提高了辨识的准确率，并能实时的对系统参数进行辨识。
【IPC分类】G06F17-50
【公开号】CN104809292
【申请号】CN201510208747
【发明人】谢国, 张丹, 黑新宏, 钱富才, 马维纲
【申请人】西安理工大学
【公开日】2015年7月29日
【申请日】2015年4月28日