基于LQR算法的列车自动驾驶系统最优控制研究的开题报告.docx

基于LQR算法的列车自动驾驶系统最优控制研究的开题报告
一、研究背景和意义
随着城市化进程的推进，城市轨道交通的发展已成为现代城市交通的重要支撑。其中列车自动驾驶技术是轨道交通未来发展的重要方向之一。列车自动驾驶技术可以提高运行效率和安全性，降低人力成本和环境污染。因此，研究基于LQR算法的列车自动驾驶系统最优控制方法，对于推进城市轨道交通技术的发展和完善具有重要的意义。
二、研究内容和方法
基于LQR算法的列车自动驾驶系统最优控制方法是本研究的重点。具体研究内容包括以下几个方面：
1.建立列车自动驾驶系统模型
为了研究基于LQR算法的列车自动驾驶系统最优控制方法，需要先建立列车自动驾驶系统的模型。该模型应包括列车运动学和动力学等关键因素，以确保该研究的可行性和精度。
2.建立基于LQR算法的列车自动驾驶系统最优控制模型
基于列车自动驾驶系统的动力学和运动学模型信息，结合LQR算法原理，建立起基于LQR算法的列车自动驾驶系统最优控制模型，以实现列车自动驾驶系统的高性能。
3.研究基于LQR算法的列车自动驾驶系统最优控制方法
在建立好基于LQR算法的列车自动驾驶系统最优控制模型后，本研究将结合LQR算法原理和列车自动驾驶系统的运动学和动力学特征，研究基于LQR算法的列车自动驾驶系统最优控制方法，并探索其在实际应用中的效果和优化方向。
4.实验验证
最后，本研究将结合实验数据和模拟仿真结果，对基于LQR算法的列车自动驾驶系统最优控制方法进行验证和比较，以确保该方法的可行性和实用性。
三、预期研究成果
本研究预期将得到以下成果：
1.建立基于LQR算法的列车自动驾驶系统最优控制模型；
2.提出基于LQR算法的列车自动驾驶系统最优控制方法；
3.利用实验数据和模拟仿真结果验证和比较所提出的最优控制方法；
4.形成基于LQR算法的列车自动驾驶系统最优控制的理论基础和应用框架。
四、研究计划
本研究的计划如下：
1.第一年
完成对基于LQR算法的列车自动驾驶系统最优控制方法的理论研究，并完成列车自动驾驶系统的模型建立和仿真验证。
2.第二年
结合实际应用需要，扩展基于LQR算法的列车自动驾驶系统最优控制方法的应用领域。同时，在理论研究方面对模型进行改进并进一步明确控制方法的适用范围。
3.第三年
对基于LQR算法的列车自动驾驶系统最优控制方法进行整合和优化，以达到更好的控制效果和更高的实用性。
五、参考文献
[1]ZhaoJ,LiuY,GuoX,etal.IntelligentoptimizationdesignoftraincontrolparametersbasedonLQRalgorithm[J].Neurocomputing,2018,318:145-151.
[2]ZhouY,LiH,WangH,etal.ResearchonvehiclestabilitycontrolbasedonLQRalgorithm[J].JournalofIntelligent&FuzzySystems,2017,32(6):4255-4263.
[3]LiQ,MengF,HuangW,etal.TheDesignofaLQRBasedAutomaticTrainControlSystem[J].InternationalJournalofDigitalContentTechnologyanditsApplications,2016,10(7):150-159.
[4]ZhangY,LiangX,ZhaoG,etal.ATrainPositionControlMethodBasedonLQRAlgorithm[C]//InternationalConferenceonElectronicInformation&CommunicationTechnology,2018.
[5]ShiZ,ErMJ,JiaX,etal.OptimalcontrolandstabilityofmaglevtrainsbasedonLQRcontrolmethod[J].NonlinearDynamics,2017,89(2):1161-1186.