基于车-车通信的RBFNN量化滑模控制的ATO算法

摘要

针对车-车通信过程中因信道容量约束产生的列车控制精度降低的问题,提出基于RBFNN(radical basis function neural network,RBFNN)的自适应量化滑模ATO(automatic train operation,ATO)控制方法.基于自适应量化滑模控制技术,利用RBFNN对列车模型受到的附加阻力及未知扰动进行自适应逼近补偿,并引入基本阻力参数自适应机制以实现列车高精度控制,保证列车运行安全.仿真结果表明:该算法能够保证列车高精度跟踪理想的运行曲线,实现列车在站间的平稳运行和精确停车.