磁浮列车智能悬浮控制

　　孙友刚同志在磁浮交通耦合建模与分析方法、高性能非线性控制、以及环境容错和在线实时性优化等方面取得了数项重大标志性研究成果，这些成果均发表于行业内的高水平期刊，包括国际著名课题组(院士、Fellow)大量正面评述和引用，6篇论文入选ESI高被引论文，1篇入选热点论文。成果可以提高磁浮车辆控制系统的高效性、鲁棒性、可靠性、稳定性与适应能力，这对于进一步提升磁浮车辆这类重要交通工具的智能化程度具有非常重要的理论意义。

　　候选人目前担任同济大学副教授/博导，获得上海市自然科学二等奖(排名1)、詹天佑铁道科学技术奖秦驰道青年奖、中国交通运输协会青年奖、全国“铁路青年五四奖章”、中国科协科技智库青年人才计划、上海市技术发明奖二等、吴文俊人工智能科技进步二等奖、姑苏创新创业领军人才等10余项奖励。以第一/通讯作者录用发表 SCI/EI论文60余篇。其中，37篇SCI论文被他引总数1000 多次(SCI 数据库)，有单篇引用位居论文发表以来磁浮列车方向所有1168 篇论文第一名。6篇论文入选全球前1%ESI高被引论文，1篇入选全球前0.1%热点论文。据 Web of Science 核心集统计，近5年来在磁浮列车领域引用数排名前 10 名的论文中，候选人第一作者的论文占5篇。2项学术成果入选国家铁路局铁路重大科技创新成果库，主要成果和贡献如下： 关键创新点一：建立了磁浮车辆系统在欧拉-拉格朗日体系下的耦合建模与分析方法。解决了存在参数摄动和外源干扰下的磁悬浮系统鲁棒控制问题，攻克了复杂环境下的不确定性估计和稳定悬浮的控制难题。 为了同时解决磁浮车辆悬浮系统不确定性和外源扰动问题，申请人提出了一种新型的非线性悬浮控制方法，在提高磁浮列车悬浮系统稳定性的同时能自适应估计外源干扰和参数摄动，并保证估计误差趋近于零。具体来说，首先在欧拉-拉格朗日体系下建立系统的车轨耦合动力学模型并进行模型分析变换(如图 1)，利用构造的动态滑模面设计新型的非线性控制算法，创新性地提出自适应模糊推理系统进行学习并逼近磁浮系统的不确定项和未知动态;采用神经网络设计了新型切换律，提出了自适应神经-模糊滑模的悬浮控制算法，消除滑模控制的振颤现象;通过在线学习并逼近未知动态和参数摄动，消除磁浮系统的颤现象。这种控制方法应用于国家磁浮中心全尺寸试验磁浮列车的悬浮控制系统，经临港中低速磁浮基地实验证明，该方法在面对参数摄动和外源扰动时候能够取得比已有方法更好的性能，气隙响应没有超调和静态误差。

　　根据这项研究成果撰写的论文发表于行业内顶级的国际期刊IEEE Transactions on Industrial Electronics(期刊影响因子：7.5，SCI 一区)。目前，该论文已被SCI引用146次，2020.7至今连续27个月入选ESI高被引论文。部分引用与评价者包括澳大利亚皇家墨尔本理工大学副校长 Xinghuo Yu 教授(IEEE Fellow，多个顶级期刊副编辑，IEEE Industrial Electronics Society主席)、台湾元智大学副校长Chih-Min Lin教授(IEEE Fellow，顶级期刊IEEE Transactions on Cybernetics和IEEE Transactions on Fuzzy Systems副编辑)、意大利米兰理工大学Francesco教授等。

　　关键创新点二：建立了针对干扰周期变化未知的磁浮车辆系统的稳定性分析和控制律设计方法，解决了电磁吸力的强非线性、单向性和执行器饱和约束等复杂影响下的约束满足度与控制器设计等问题。 申请人首先针对和磁悬浮系统类似只能施加单向控制量的具有周期性未知扰动的非线性系统，提出饱和改进型重复控制律，保证了单向控制量的前提下仍能通过在线学习反馈项来补偿周期性的非线性动态特性，并对其收敛性进行了严格的数学证明;进一步提出了基于自适应陷波滤波器的饱和改进型重复控制方法，能够在线估计未知动态特性的频率，未知周期性动态特性的频率不必预先知道，使得系统跟踪误差全局渐近收敛于零。随后，将该方法应用到磁悬浮控制系统中，根据磁悬浮数学模型给出改进型重复学习的非线性控制律。最后，通过仿真和实验验证所提出的控制策略取得更为优异的控制效果，能够在线识别周期性干扰并基本消除未知周期性干扰对系统的影响(图 3)。和磁悬浮列车类似的具有不确定性重复干扰的控制模型广泛存在于学术研究与工程实际中，所提出的方法也可以给其他类似系统的有效控制提供理论基础。

　　根据以上成果撰写的论文发表于著名国际期刊IEEE Transactions on Industrial Informatics(期刊影响因子：11.7，中科院一区 Top) 和 Neural Computing & Applications。该论文已被 SCI分别他引45和40次，分别连续 11 次和连续 8 次入选 ESI 高被引论文。部分引用与评价者包括日本东北大学的 Takeshi Kano 教授、钱清泉院士(铁道电气化自动化专家、国家轨道交通电气化与自动化工程技术研究中心主任)等人。

　　关键科学发现点三： 提出了磁浮车辆悬浮系统的智能监测和自适应在线学习方法，降低闭环在线计算和网络通信负担，提高悬浮控制系统的实时性， 攻克了模型依赖、带宽有限、时延等环境下的容错悬浮控制重大问题。 申请人提出了基于压缩传感技术的无线数据传输网络，提高数据传输的可靠性和稳定性，搭建了云平台上的磁浮车辆-悬浮-轨道耦合系统智能监测平台(如图3左1)。采用改进的 Apriori 算法提取历史数据并建立可信数据库。根据环境温度、疲劳变形以及动态荷载等因素的变化规律，提取磁浮车辆悬浮控制的自适应规则库。另一方面另外，为了进一步提高在线控制算法的收敛速度，提出基于指数趋近律的神经网络自适应滑模控制律，为了更好地满足实时控制的要求，采用最小参数学习法代替无模型信息的神经网络权重。理论分析证明了所提方法在闭环系统中有界性和收敛性，而实验结果则验证了这种控制器良好的暂态性能及实时性能性(如图4)。

　　根据这项研究成果撰写的论文发表于工业信息方面最好的国际期刊 IEEE Transactions on IndustrialInformatics(期刊影响因子：11.7，SCI 一区，SCI 他引87次，ESI 高被引)、仪器测量类著名期刊 Measurement(期刊影响因子：5.2，中科院Top期刊，SCI 他引62次)。部分引用与评价者包括韩国首尔大学 Cho 教授(国际自动控制联合会 IFAC 的候任主席、多个顶级期刊副编辑)、美国路易斯安那州立大学的 Afef Fekih 教授、澳大利亚悉尼科技大学 Quang Ha 教授(乔治.朱利叶斯爵士勋章)、国防科技大学李杰教授(北京中低速磁浮 S1线总设计师)等。 实际应用情况 依托于该项目，研制出磁浮车辆智能悬浮控制系统，成功应用于我国第一条中低速商业运营线--长沙磁浮快线04号车，因为其在复杂环境下悬浮性能出众，被业主评为“精品车”，之后受邀为凤凰文旅磁浮线提供智能悬浮系统，在湘西山区复杂环境下表现的可靠性和适应性出色。