《表1 速度追踪误差统计:基于RBF-ARX模型的高速列车预测控制器设计》

提取 ⇩
《表1 速度追踪误差统计:基于RBF-ARX模型的高速列车预测控制器设计》
《基于RBF-ARX模型的高速列车预测控制器设计》

图5中红线表示列车的目标-距离追踪曲线,而黑线表示基于RBF-ARX模型的预测控制器的速度追踪曲线,蓝线表示的是传统预测控制器的追踪曲线,从图5中可以看出,列车高速运行在复杂环境下,传统预测控制器的追踪效果不佳,在873ms处甚至因为模型失配会导致列车紧急制动,造成极大的损失,危及行车安全,相比之下,基于RBF-ARX模型的预测控制器,不仅能够实时追踪列车的运行,且节能效果良好,不存在紧急制动的隐患,为了定量描述,分别计算两种控制器仿真的速度跟踪误差的统计量,如表1所示.

  1. 保存图表

查看“表1 速度追踪误差统计:基于RBF-ARX模型的高速列车预测控制器设计”的人还看了

表1 模型的材料属性:基于KNN算法的高速列车车内压力模糊控制研究
表1 模型的材料属性:基于KNN算法的高速列车车内压力模糊控制研究
基于KNN算法的高速列车车内压力模糊控制研究
表6 陈列厅模糊控制器模糊控制规则
表6 陈列厅模糊控制器模糊控制规则
基于模糊控制的博物馆多层级照明控制方法
表2 RBF近似模型误差分析结果
表2 RBF近似模型误差分析结果
面向低锥度晃车的CRH_3平台动车组车轮型面优化
表2 基于不同速度控制方法的移动机器人线速度平均估计误差对比
表2 基于不同速度控制方法的移动机器人线速度平均估计误差对比
基于多传感器融合信息的移动机器人速度控制方法
表3 基于不同速度控制方法的移动机器人角速度平均估计误差对比
表3 基于不同速度控制方法的移动机器人角速度平均估计误差对比
基于多传感器融合信息的移动机器人速度控制方法
表3 3种模型控制点位误差表
表3 3种模型控制点位误差表
不同航线规划的无人机影像三维建模质量分析