高速動車組的模型辨識與狀態(tài)估計.pdf

1、隨著高速動車組持續(xù)的高速運行,造成動車組運行的動態(tài)環(huán)境持續(xù)惡化，空氣阻力作用、列車車廂之間的非線性和耦合特性等明顯增強。針對高速動車組運行過程中的復雜性、不確定性和非線性等問題，本文開展了高速動車組的建模與參數優(yōu)化研究，具體如下：
　　(1提出了高速動車組非線性模型的極大似然(Maximum Likelihood,ML)辨識方法，適合于高速動車組在非高斯噪聲干擾下的非線性模型的參數估計。首先，分析了高速動車組在水平方向上的受力情況

2、，進而建立了反映高速動車組單質點力學行為的隨機離散非線性狀態(tài)空間模型。將高速動車組參數的ML估計問題轉化為期望極大的優(yōu)化問題。然后，給出了高速動車組狀態(tài)估計的粒子濾波器和粒子平滑器的設計方法，基于此構造了動車組的條件數學期望，并給出最大化該數學期望的梯度搜索方法，進而得到動車組參數的辨識算法，分析了算法的收斂速度。最后，進行了高速動車組的數值實驗，實驗結果說明所提辨識方法是有效的。
　　(2)針對高速動車組多質點模型的參數估計問題

3、，提出了適合于高速動車組多質點模型的極大似然辨識方法。首先，建立了高速動車組的隨機離散非線性狀態(tài)空間模型，并利用期望極大方法來解決高速動車組參數的極大似然估計問題。接著，給出適合于高速動車組的改進粒子濾波算法，據此構造了高速動車組的條件數學期望。然后，給出高速動車組參數優(yōu)化的梯度搜索方法，進而得到高速動車組參數的辨識算法，并分析了辨識算法的局部穩(wěn)定點。最后，進行了高速動車組的仿真實驗，結果表明提出的方法是有效的。
　　(3)研究了