Vertical Vibration Reduction of Maglev Vehicles using Nonlinear MPC
作者: Mario Hermle, Arnim Kargl, Peter Eberhard
分类: eess.SY
发布日期: 2025-07-17
💡 一句话要点
提出一种非线性MPC策略，用于降低磁悬浮车辆的垂直振动
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 磁悬浮列车 非线性模型预测控制 垂直振动抑制 机械悬架 多体动力学 乘坐舒适性 高速交通
📋 核心要点
- 传统磁悬浮控制忽略了电磁悬浮与车身运动的耦合，导致振动控制效果不佳，影响乘坐舒适性。
- 论文提出将机械悬架动力学显式纳入NMPC控制模型，预测性地缓解振动，实现气隙跟踪和乘坐舒适性的平衡。
- 基于Transrapid多体模型的仿真表明，该方法在振动抑制方面优于现有控制器，具有实际应用潜力。
📝 摘要（中文）
本文提出了一种用于高速磁悬浮车辆的新型非线性模型预测控制（NMPC）策略，该策略将机械悬架动力学显式地纳入控制模型中。与通常忽略电磁悬浮磁铁和车身运动之间相互作用的传统方法不同，所提出的方法通过对电磁力和悬架行为进行建模，实现了预测性的振动缓解。这种集成方法通过减少由轨道不规则引起的垂直振荡，显著提高了乘客的舒适性和乘坐质量。此外，它允许更有效地调整精确气隙跟踪和乘坐舒适性之间的权衡。基于Transrapid详细多体模型的仿真表明，该方法在抑制振动方面优于现有控制器，使其成为未来高速磁悬浮应用的一个有希望的解决方案。
🔬 方法详解
问题定义：高速磁悬浮列车在运行过程中，由于轨道不平顺等因素，会产生垂直方向的振动，影响乘客的乘坐舒适性。传统的控制方法通常忽略了电磁悬浮磁铁和车身运动之间的相互作用，导致振动抑制效果不佳。因此，需要一种能够有效降低垂直振动，提高乘坐舒适性的控制方法。
核心思路：本文的核心思路是将机械悬架动力学显式地纳入非线性模型预测控制（NMPC）模型中。通过同时考虑电磁力和悬架行为，实现对车辆垂直振动的预测和控制。这种方法能够更准确地预测车辆的运动状态，从而更有效地抑制振动，提高乘坐舒适性。
技术框架：该方法基于NMPC框架，主要包括以下几个模块：1）系统建模：建立包含电磁悬浮、机械悬架和车身运动的多体动力学模型。2）预测模型：利用建立的动力学模型预测车辆在未来一段时间内的运动状态。3）优化求解：基于预测模型，通过优化算法求解控制输入，使得车辆的振动最小化，同时满足气隙跟踪等约束条件。4）控制执行：将求解得到的控制输入作用于实际系统，实现对车辆运动的控制。
关键创新：该方法最重要的创新点在于将机械悬架动力学显式地纳入NMPC控制模型中。与传统的控制方法相比，该方法能够更准确地描述车辆的运动状态，从而更有效地抑制振动。此外，该方法还能够实现气隙跟踪和乘坐舒适性之间的权衡，从而更好地满足实际应用的需求。
关键设计：在系统建模方面，需要建立精确的多体动力学模型，包括电磁悬浮力、悬架阻尼和刚度等参数。在优化求解方面，需要选择合适的优化算法，例如序列二次规划（SQP）等，以保证求解效率和精度。此外，还需要设计合适的代价函数，以实现气隙跟踪和乘坐舒适性之间的权衡。代价函数通常包括气隙误差、振动加速度等项，并可以通过调整各项的权重来实现不同的控制目标。
🖼️ 关键图片
📊 实验亮点
仿真结果表明，所提出的NMPC策略在抑制垂直振动方面优于现有控制器。具体而言，该方法能够显著降低车身的垂直加速度，从而提高乘坐舒适性。此外，该方法还能够实现气隙跟踪和乘坐舒适性之间的权衡，从而更好地满足实际应用的需求。仿真结果验证了该方法在高速磁悬浮车辆垂直振动控制方面的有效性和优越性。
🎯 应用场景
该研究成果可应用于高速磁悬浮列车的垂直振动控制，提高乘坐舒适性，降低维护成本。此外，该方法也可推广到其他交通运输领域，例如高速列车、汽车等，用于改善车辆的行驶平顺性和安全性。未来，该研究有望促进磁悬浮技术的进一步发展和应用。
📄 摘要（原文）
This work presents a novel Nonlinear Model Predictive Control (NMPC) strategy for high-speed Maglev vehicles that explicitly incorporates mechanical suspension dynamics into the control model. Unlike conventional approaches, which often neglect the interaction between levitation magnet and car body motion, the proposed method enables predictive vibration mitigation by modeling both electromagnetic forces and suspension behavior. This integrated approach significantly improves passenger comfort and ride quality by reducing vertical oscillations caused by track irregularities. Moreover, it allows for a more effective tuning of the trade-off between precise air gap tracking and ride comfort. Simulations based on a detailed multibody model of the Transrapid demonstrate that the method outperforms existing controllers in vibration suppression, making it a promising solution for future high-speed Maglev applications.