Синтез модели квазиоптимального нечеткого регулятора при априорной неопределенности в интеллектуальных транспортных системах с дефицитом управляющих воздействий

Рассмотрен синтез модели нечеткого квазиоптимального регулятора и анализ его эффективности по сравнению с известным регулятором скорости поезда при кратковременных отклонениях от заданного режима движения. Задача управления системой с дефицитом управляющих воздействий имеет особую значимость для железнодорожного транспорта, в особенности для высокоскоростного движения. Механические системы как объекты управления представляют собой существенно нелинейные динамические системы высокого порядка. Кроме того, сложность оптимизации режимов функционирования таких систем связана с тем, что даже детальное моделирование не позволяет точно предсказать совокупное влияние всех динамических факторов, действующих на динамическую систему в условиях эксплуатации. Традиционно используемые на практике линейные законы управления с постоянными коэффициентами предназначены для стабилизации лишь одного конкретного режима движения, что делает их неэффективными в условиях дефицита управления и априорной неопределенности. Использование редукции оптимизационной задачи Лагранжа к изопериметрической позволяет получить квазиоптимальное решение задачи структурного синтеза, повышающее эффективность управления по сравнению с известными методами. Применение аппарата нечеткой логики позволяет провести параметрический синтез управления, обеспечивая адаптивность к априорно неопределенным условиям эксплуатации.

1. UDE-based dynamic surface control for quadrotor drone attitude tracking under nonideal actuators / L. Xu, K. Qin, F. Tang [et al.] // Drones. – 2023. – Vol. 7, No. 5. – P. 305. – DOI 10.3390/drones7050305.

2. Le, H. D. A novel hierarchical recursive nonsingular terminal sliding mode control for inverted Pendu-lum / H. D. Le, T. Nestorović // Actuators. – 2023. – Vol. 12. – P. 462. – DOI 10.3390/act12120462.

3. Пятницкий, Е. С. Принцип декомпозиции в управлении механическими системами / Е. С. Пятницкий // Доклады Академии наук СССР. – 1988. – Т. 300, № 2. – C. 300–303.

4. Костоглотов, А. А. Метод квазиоптимального синтеза законов управления на основе редукции задачи Лагранжа к изопериметрической задаче с использованием асинхронного варьирования / А. А. Костоглотов, С. В. Лазаренко // Известия Российской академии наук. Теория и системы управления. – 2021. – Т. 6, № 6. – С. 3–12. – DOI 10.31857/S0002338821060111.

5. A GoA4 control architecture for the autonomous driving of high-speed trains over ETCS : design and experimental validation / L. Barruffo, B. Caiazzo, A. Petrillo, S. Santini // IEEE Transactions on Intelligent Transportation Systems. – 2024. – Vol. 25, No. 6. – P. 5096–5111. – DOI 10.1109/TITS.2023.3338295.

6. Liang, B. Fractional order nonsingular terminal sliding mode cooperative fault-tolerant control for high-speed trains with actuator faults based on grey wolf optimization / B. Liang, T. Zhang // IEEE Access. – 2023. – Vol. 11. – P. 63932–63946. – DOI 10.1109/ACCESS.2023.3288902.

7. Zhu, Y. A loss-model-based efficiency optimization control method for induction traction system of high-speed train under emergency self-propelled mode / Y. Zhu, Y. Li // CES Transactions on Electrical Machines and Systems. – 2024. – Vol. 8, No. 2. – P. 227–239.

8. Баранов, Л. А. Энергооптимальное управление движением поезда с рекуперативным тормозом при учете ограничений на фазовую координату / Л. А. Баранов, И. С. Мелешин, Л. М. Чинь // Наука и техника транспорта. – 2010. – № 4. – С. 19–29. – ISSN 2074-9325.

9. Электровоз с плавным управлением в режимах независимого и последовательного возбуждения тяговых электродвигателей / Н. Л. Михальчук, О. Е. Пудовиков, А. Н. Савоськин, А. А. Чучин // Железнодорожный транспорт. – 2022. – № 9. – С. 35–39. – ISSN 0044-4448.

10. Внедрение системы автоведения для повышения точности управления и энергоэффективности высокоскоростного электропоезда / О. С. Валинский, А. Н. Марикин, Н. П. Калинин, Е. В. Суханов // Известия Петербургского университета путей сообщения. – 2025. – Т. 22, № 1. – С. 7–18. – DOI 10.20295/1815-588X-2025-1-7-18.

11. Zhang, Z. Energy-efficient driving strategy for high-speed trains with considering the checkpoints / Z. Zhang, Y. Cao, S. Su // Chinese Journal of Electronics. – 2024. – Vol. 33, No. 3. – P. 847–858.

12. Оптимизация управления движением поездов / Л. А. Баранов, Е. В. Ерофеев, И. С. Мелешин, Л. М. Чинь ; под редакцией Л. А. Баранова. – Москва : МИИТ, 2011. – 164 с. – ISBN 978-5-7876-0151-0.

13. Костоглотов, А. А. Метод синтеза квазиоптимальных систем с дефицитом управления на базе редукции задачи Лагранжа / А. А. Костоглотов, В. О. Зехцер // Информационно-управляющие системы. – 2024. – № 4 (131). – С. 40–49. – DOI 10.31799/1684-8853-2024-4-40-49.

14. Костоглотов, А. А. Квазиоптимальный закон управления для лагранжевых систем с дефицитом управляющих воздействий / А. А. Костоглотов // Известия высших учебных заведений. Северо-Кавказский регион. Серия: Естественные науки. – 2024. – № 3 (223). – С. 4–14. – DOI 10.18522/1026-2237-2024-3-4-14.

15. Hybrid PI and fuzzy logic control for energy optimization in train operations / H.-H. Cho [et al.] // IEEE Access. – 2025. – Vol. 13. – P. 59366–59376.

16. Event-triggered robust fuzzy control of high-speed trains under virtual coupling operational scenarios / M. Zhu [et al.] // IEEE Open Journal of Intelligent Transportation Systems. – 2026. – Vol. 7. – P. 875–890.

17. On train dynamics modeling based on parameter fuzzy identification method / R. Li [et al.] // International Journal of Fuzzy Systems. – 2026. – Vol. 28. – P. 1030–1041.

18. Wang, X. Stability-enhanced model predictive control for urban rail transit train / X. Wang, K. Xing, J. Wang // IEEE Access. – 2024. – Vol. 12. – P. 52302–52314.

19. Построение баз знаний нечетких регуляторов: превосходство интеллектуальных технологий на основе мягких вычислений для моделирования управления неустойчивыми динамическими системами / П. В. Зрелов, Д. П. Зрелова, О. Ю. Тятюшкина, С. В. Ульянов // Нечеткие системы и мягкие вычисления. – 2024. – Т. 19, № 1. – С. 5–46. – DOI 10.26456/fssc92.

20. Моделирование нечёткой системы управления электроприводом постоянного тока на основе векторно-матричного описания / С. П. Черный, А. В. Бузикаева, А. И. Годяев, Ю. А. Давыдов // Ученые записки Комсомольского-на-Амуре государственного технического университета. – 2023. – № 3 (67). – С. 35–41. – DOI 10.17084/20764359-2023-67-35.

21. Метод синтеза нелинейных квазиоптимальных законов управления многомерными системами на основе условия максимума функции обобщенной мощности и анализа пучка квадратичных форм / В. О. Зехцер, А. А. Костоглотов, С. В. Лазаренко, А. А. Агапов // Известия высших учебных заведений. Северо-Кавказский регион. Серия: Естественные науки. – 2023. – № 4 (220). – С. 34–42. – DOI 10.18522/1026-2237-2023-4-34-42.

22. Притыкин, Д. Е. Метод обратных задач динамики для синтеза регулятора скорости магистрального электровоза / Д. Е. Притыкин // Известия высших учебных заведений. Электромеханика. – 2012. – № 5. – С. 48–54. – ISSN 0136-3360.

23. Гребенюк, П. Т. Тяговые расчеты: справочник / П. Т. Гребенюк, А. Н. Долганов, А. И. Скворцова ; под редакцией П. Т. Гребенюка. – Москва : Транспорт, 1987. – 272 с.

24. Моделирование развитой нечёткой системы управления многосвязным объектом в условиях многокритериальности / С. П. Черный [и др.] // Ученые записки Комсомольского-на-Амуре государственного технического университета. – 2023. – № 3 (67). – С. 62–69. – DOI 10.17084/20764359-2023-67-62.