一种基于物理信息神经网络的列车动力学建模与编队控制方法

本发明涉及轨道交通技术领域，具体为一种基于物理信息神经网络的列车动力学建模与编队控制方法，包括：建立包含戴维斯阻力的列车纵向动力学离散模型，设计物理信息神经网络结构，将物理方程嵌入网络损失函数并引入历史状态输入以捕捉时序特性；训练阶段优先采用惰行区数据减少牵引/制动力干扰，动态输出阻力参数及加速度预测；将网络模型集成至模型预测控制框架，构建分布式控制器求解最优控制序列，约束条件含安全间距及状态更新方程；通过频域分析推导异构列车速度传递函数，提出基于二范数上界的弦稳定性判据，确保扰动传播不放大。本发明通过融合数据驱动与物理机理提升列车阻力参数动态识别精度，实现了高精度协同跟踪与编队稳定性控制。