Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西南交通大学蔡亮成获国家专利权

西南交通大学蔡亮成获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉西南交通大学申请的专利一种基于分布式采样观测器的高速列车协同控制方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119668103B

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411770619.0,技术领域涉及:G05B13/04;该发明授权一种基于分布式采样观测器的高速列车协同控制方法是由蔡亮成;付森;黄德青设计研发完成,并于2024-12-04向国家知识产权局提交的专利申请。

一种基于分布式采样观测器的高速列车协同控制方法在说明书摘要公布了:本发明公开了一种基于分布式采样观测器的高速列车协同控制方法,包括以下步骤:S1、对同向运行的多列车进行受力分析,建立多列车的纵向动力学模型;S2、建立领导列车和跟随列车的误差状态空间模型;S3、构建具有采样和延迟输出测量的分布式采样观测器;S4、构建基于通信网络和分布式采样观测器的高速列车分布式控制器;S5、确定能够使得列车安全平稳运行的观测器增益和反馈控制器增益。本发明解决了列车观测器测量延迟的问题,提高了列车通信系统的灵活性和效率。

本发明授权一种基于分布式采样观测器的高速列车协同控制方法在权利要求书中公布了:1.一种基于分布式采样观测器的高速列车协同控制方法,其特征在于,包括以下步骤: S1、按照列车运行方向,对同向运行的多列车进行受力分析,并建立多列车的纵向动力学模型; S2、根据前后两车之间的位移误差和速度误差建立领导列车和跟随列车的误差状态空间模型; S3、构建具有采样和延迟输出测量的分布式采样观测器; S31、假设由列高速列车组成的多智能体有向图是强连通的,增广矩阵是可观的,但不一定可观,则具有采样和延迟输出测量的分布式观测器为: 其中,为列车误差状态的估计向量,为列列车组成的多智能体的邻接矩阵的第项,为耦合增益,和为增益矩阵,为由上式确定的内部状态变量,在时间间隔上连续; S32、建立如下误差估计状态方程: 其中,,,,为列高速列车组成的多智能体Laplacian矩阵,表示维单位矩阵; S33、对矩阵对进行正交变换,以实现对矩阵对的可观测性; 定义正交矩阵,,矩阵和通过一个可行的状态空间变换进行变换: 其中,和为正交分解后的可观部分子矩阵,为不可观部分子矩阵,为不确定部分子矩阵; S4、构建基于通信网络和分布式采样观测器的高速列车分布式控制器,允许领导列车由未知控制输入驱动; 所述高速列车分布式控制器具体是为每一列跟随列车设计一个不同的控制器,第列跟随列车控制输入为: 其中,为领导列车的加速度,为控制器增益系数,表示第列跟随列车与领导列车的通信情况,若第列车能与领导列车进行通信,则,否则,为领导列车的状态向量; S5、确定能够使得列车安全平稳运行的观测器增益和反馈控制器增益; S51、设置参数的条件约束如下: A、对于所有列车,计算个独立的正交矩阵,使得所有的是可观测的; B、计算矩阵的特征向量,从而得到使得满足的一组行向量; C、令,在初始范围内采用二分查找寻找一个正数,使得,其中,,为二维单位矩阵,为维单位矩阵,若初始范围内未找到满足条件的,则扩大查找范围; D、在初始范围内采用二分查找寻找一个正数,使得所有列车满足: 其中,为与相同维数的单位矩阵,为正数,用以限制收敛速度,若初始范围内未找到满足条件的,则扩大查找范围,如扩大至0,10; S52、计算观测器增益、和控制器增益系数; 构造列车系统的Lyapunov-Krasovskii泛函: 其中,、均为正定对称矩阵,为第列跟随列车与领导列车的误差状态向量; 对求其一阶导函数,利用舒尔补引理整理得到的必要条件,转化为一组线性矩阵不等式; 利用MATLAB中的LMI工具箱函数feasp求解后,得到和,且保证的特征值收敛到区域,并求解得到观测器增益、。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西南交通大学,其通讯地址为:610031 四川省成都市金牛区二环路北一段;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。