| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 选题背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要研究工作内容 | 第11-13页 |
| 2 CTCS-3 级 ATO 系统的结构及控制策略 | 第13-23页 |
| 2.1 ATO 系统的结构及功能 | 第13-15页 |
| 2.1.1 城市轨道交通中 ATO 系统的结构功能 | 第13-14页 |
| 2.1.2 高速铁路列控系统中 ATO 的功能需求 | 第14-15页 |
| 2.2 具有速度控制器的 CTCS-3 级列控系统结构 | 第15-19页 |
| 2.2.1 CTCS-3 级列控系统与 CBTC 系统结构的不同之处 | 第16页 |
| 2.2.2 具有速度控制器的 CTCS-3 级列控系统结构 | 第16-18页 |
| 2.2.3 CTCS-3 级速度控制器的结构 | 第18-19页 |
| 2.3 列车自动运行控制策略的研究 | 第19-23页 |
| 2.3.1 列车运行最优策略的分析 | 第19-20页 |
| 2.3.2 列车运行优化控制原则的决策 | 第20-23页 |
| 3 基于迭代学习控制理论的 ATO 系统速度控制器设计 | 第23-34页 |
| 3.1 迭代学习控制的基本思想 | 第23-25页 |
| 3.1.1 迭代学习控制的发展 | 第23-24页 |
| 3.1.2 迭代学习控制的收敛性 | 第24-25页 |
| 3.2 列车动力学模型参数的迭代学习辨识 | 第25-27页 |
| 3.2.1 列车动力学模型 | 第25-27页 |
| 3.2.2 动力学模型未知参数的辨识 | 第27页 |
| 3.3 迭代学习控制器的设计方法 | 第27-34页 |
| 3.3.1 线路数据简化 | 第28页 |
| 3.3.2 列车动力学模型简化 | 第28-29页 |
| 3.3.3 迭代学习控制器的设计 | 第29-34页 |
| 4 ATO 目标速度曲线的优化生成 | 第34-41页 |
| 4.1 粒子群算法概述及原理 | 第35-36页 |
| 4.1.1 粒子群算法介绍 | 第35页 |
| 4.1.2 粒子群算法流程 | 第35-36页 |
| 4.2 适应度函数的生成 | 第36-38页 |
| 4.3 ATO 目标速度曲线的生成 | 第38-41页 |
| 5 ATO 系统仿真及分析 | 第41-51页 |
| 5.1 仿真系统设计思想 | 第41-42页 |
| 5.2 仿真系统的功能模块及子界面 | 第42-48页 |
| 5.2.1 输入模块 | 第42-45页 |
| 5.2.2 计算模块 | 第45-46页 |
| 5.2.3 输出模块 | 第46-47页 |
| 5.2.4 记录模块 | 第47-48页 |
| 5.3 自动驾驶模式的仿真 | 第48-51页 |
| 5.3.1 仿真界面的显示 | 第48-49页 |
| 5.3.2 仿真结果及分析 | 第49-51页 |
| 结论 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读学位期间的研究成果 | 第56页 |
