高速列车自动驾驶前馈自适应广义预测控制方法研究

高速列车自动驾驶（ATO）系统本质上是强非线性和不确定性的系统,针对高速列车模型参数非线性和时变性等特点,文章提出了一种前馈自适应广义预测控制（FA-GPC）的方法对ATO系统进行动态优化控制,并设计了一种带约束的多目标预测控制器。首先,基于列车多质点模型,分析附加阻力的改变对列车运行的影响;然后,结合列车运行过程中的速度跟踪精度、停车精度及运行舒适性等关键指标,构建包含控制输入约束的多目标性能指标函数,设计基于多目标函数的前馈广义预测速度跟踪控制算法,解决了由于附加阻力变化导致控制器超调的问题并加快了控制收敛速度。由于列车运行过程中受外界环境、乘客流动等因素影响,阻力变化大,难以建立精确的数学模型,因此采用带约束的变遗忘因子递推最小二乘法来辨识出列车控制系统在不同工况下受控自回归积分滑动平均模型（CARIMA）,进而提高控制系统的鲁棒性。仿真结果表明,相比传统的无前馈GPC和PID控制器,前馈广义控制器在不同线路条件下巡航控速速度跟踪精度在±0.5 km/h范围内,具有良好的跟踪性;在强扰动情况下通过引入自适应改进的前馈广义预测控制算法,具有较强的鲁棒性。     

基于灰色遗传的高速列车速度控制器模型研究

速度控制器是列车自动驾驶系统(ATO)的核心,针对目前尚无研发成熟的速度控制器应用于高速列车的情况,引入灰色系统理论研究高速列车速度控制器模型;在灰色遗传预测模块中,对影响模型精度的λ值提出了基于遗传算法的求解方法,根据列车运行的4个目标设计其适应度函数,并加入先验知识判定对约束条件进行处理,同时建立新陈代谢GM(1,1)模型,在列车运行过程中不断求解新的模型参数a和b,实现模型在线校正,使系统可以进行长期预测;在灰色决策模块中,将高速列车的工况及运行目标转化为决策要素,应用灰靶决策产生最优策略控制列车运行;仿真结果显示了该模型应用于列车自动控速时的有效性和实时性,并使各项运行指标都有所提高。     

城轨列车精确停车智能控制算法研究与仿真

随着我国城轨交通的大力发展,列车自动驾驶（ATO）系统在城轨列车中的应用越来越广泛,精确停车是衡量城轨列车自动驾驶性能重要指标之一。以精确停车、舒适性及能耗为指标,利用列车牵引计算知识建立列车运行多目标模型;利用遗传算法对该模型进行优化,结合MATLAB仿真软件得出列车运行理想目标曲线;运用SIMULINK模块分别搭建基于PID控制的仿真模型、基于模糊PID控制的仿真模型以及基于预测模糊PID控制的仿真模型,得出相应的列车运行跟踪曲线,并进行比较。结果表明：较前两者,预测模糊PID控制能最大程度地提高列车的停车精度。     

高速列车节能运行的滑模预测控制研究北大核心CSCD

考虑高速列车的安全性、准时性和节能环保的要求,设计列车运行的目标曲线;根据列车运行过程随机性的特点,结合滑模预测控制强鲁棒性的优点设计了ATO的控制器。首先用模糊聚类算法对系统输入输出数据进行快速分类,应用最小二乘法辨识出相应的线性子模型作为预测模型;其次,在考虑准时性的基础上采用节能优化理论设计列车运行目标曲线,作为控制系统的参考输入;最后设计滑模预测控制器,利用极点配置方法设计渐进稳定的滑模面,有效克服抖振现象。以CRH2-300型列车为研究对象进行仿真分析,结果表明,滑模预测控制能有效克服干扰信号,且能实现精确跟随所设计的目标曲线;验证了该算法应用到ATO中的有效性和可行性。     

基于分层学习黄金正弦-鲸鱼算法的列车速度多目标优化

针对列车自动运行系统(ATO)运行时受停车能耗性,舒适性等问题的约束,提出一种基于分层学习黄金正弦-鲸鱼优化算法的列车自动驾驶速度曲线优化方法;根据列车运行的优化目标和约束条件,建立列车的多目标优化模型,并对列车运行策略进行了分析.对算法的种群框架结构进行细分,将种群划分为三层,根据不同阶层的个体采用不同的优化策略,对...     

基于灰色系统理论高速列车ATO速度控制器研究

速度控制器是ATO系统的核心单元,也是列控系统的重要组成部分,针对目前高速列车无ATO功能的情况,研究智能的ATO系统速度控制器对实现高速列车自动驾驶具有的重要意义。通过分析CTCS-3级列控系统的结构和功能,提出了在CTCS-3级列控系统中增加ATO系统速度控制器的方案。首先设计了速度控制器与车载及地面设备的连接方式,实现了信息交互;而后应用灰色系统理论善于研究外延明确内涵不清系统的特点,建立速度控制器模型,进行预测及决策计算,得到比较合理的列车自动驾驶控制策略;最后采用遗传算法对其进行优化,得到最优控制策略。仿真结果表明,该方法实现了高速列车在CTCS-3级列控系统下的自动驾驶,列车运行的各项性能都得到了提高。     

基于预测控制的列车精确停车算法

精确停车是评价列车自动驾驶性能的关键指标之一。在分析列车停车阶段运行情况的基础上,考虑制动模型的延迟特性和列车运行特性的约束条件,运用广义预测控制理论,将列车运行的参考速度和参考距离作为控制目标,结合控制量所需满足的约束条件,设计了一种带约束的多目标预测控制器,以提高停车精度和列车运行的舒适性。通过仿真实例表明,该控制器不仅可以使列车精确跟踪停车目标曲线,达到高精度的停车要求,而且使列车运行具有更高的舒适性。     

高速列车速度跟踪神经网络PID控制器的设计

高速列车速度跟踪控制系统是一个复杂的非线性系统,难以取得高精度的跟踪性能。为了减少速度跟踪误差,设计了高速列车神经网络PID控制器。首先建立了描述列车运行过程的单位移多质点模型,该模型考虑了列车的基本阻力和附加阻力以及车厢之间的相互作用力。然后阐述了BP神经网络PID控制,并设计了列车速度跟踪控制器,根据速度误差用神经网络PID控制决定牵引力和制动力。最后与模糊控制和常规PID控制进行了仿真对比,结果表明,神经网络PID控制具有很小的速度跟踪误差和优越的速度跟踪性能,可以满足列车正点运行的需求。     

基于遗传算法和粒子群优化的列车自动驾驶速度曲线优化方法

针对列车自动驾驶(ATO)过程中的精准停车、准时性、舒适性以及能耗问题,提出一种基于遗传算法与粒子群优化(GAPSO)算法结合的ATO速度曲线优化方法.首先,建立列车ATO运行多目标优化模型,将列车过分相区断电惰行纳入控制策略,并对运行控制策略进行分析;其次,对粒子群优化(PSO)算法进行改进,采用非线性动态惯性权重和...     

列车自动驾驶调速系统自适应模糊控制

列车自动驾驶（ATO）系统停车前采取一级调速制动，本文采用自适应模糊控制对ATO系统的速度进行控制．利用变论域收缩因子优化模糊控制器的量化因子，模糊推理实现比例因子的自调整．通过仿真表明，该算法能够有效改善速度控制的快速性与精度，提高乘客舒适性与运行效率，从而完成定位停车任务．     

R-dPSO算法及其在ATO控制策略中的应用

城市轨道交通列车自动运行中,通过调整列车的5种工况序列解决含有安全、准点、准时、舒适度和能耗等指标的多目标优化问题。根据轨道交通列车自动运行过程中涉及的动力学公式建立ATO目标速度曲线的数学模型。提出一种随机驱动的全局粒子群优化算法（R-dPSO）,用12个基准函数测试了R-dPSO算法的有效性。进而,利用SPSO算法、XEPSO算法和R-dPSO算法解决上述多目标优化问题。实验表明,只有R-dPSO算法的优化结果满足ATO控制策略的各个指标要求。     

Optimal control of rail transportation associated automatic train operation based on fuzzy control algorithm and PID algorithm

Rail transportation develops rapidly in recent years, which has made great contribution to the solution of urban traffic jam and promoted the coordinated development of urban economy and environment. Automatic train operation (ATO) system can transform artificial train work into automatic train work. Therefore, the optimal control of ATO system is of great significance to the improvement of operation efficiency of rail transportation and the reduction of labor strength of train drivers. The regulation of train speed is the key of ATO system operation, and PID control algorithm is a common control algorithm. Train automatic drive can be realized through repeatedly debugging parameters through a large amount of experiments using the traditional PID control algorithm; however, it wastes time and energy and is complicated to operate. This study made optimal control on rail transportation associated ATO using fuzzy control algorithm in combination with PID control algorithm to make up for deficiencies, with the intention of achieving the control on the train start and speed, direction adjustment and accurate control of train parking and cruising.     

基于模糊PID 软切换控制的列车自动驾驶系统调速制动

基于对列车自动驾驶(ATO)系统算法的分析,首先针对ATO系统停车阶段采取的一级调速制动过程,利用模糊PID软切换控制算法对ATO系统进行研究;然后利用模糊规则实现模糊控制与PID控制之间的切换;最后通过对系统的仿真表明,该算法不仅能够实现ATO系统调速控制的平滑过渡,而且使列车能够平稳运行,节约能源,同时提高了乘坐的舒适性和停车精度.     

ATO系统速度控制的BP-FIPID算法

针对列车自动运行（Automatic Train Operation,ATO）系统控制算法的稳定性与智能性需求,以及比例积分微分（Proportion Integration Differentiation,PID）控制算法的拓展优化,结合BP（Back Propagation）神经网络算法和模糊免疫PID（Fuzzy Immune PID,FIPID）控制算法,提出一种基于BP神经网络的免疫控制参数自适应调整的模糊免疫PID控制算法（BP-FIPID）。以列车运行控制模型为控制对象,分别采用阶跃信号和列车运行目标速度曲线对传统FIPID以及BP-FIPID进行仿真检验。测试结果显示,与FIPID算法相比,BP-FIPID算法具有更好的阶跃响应和抗干扰性能,针对复杂工况的速度-时间曲线同样体现出理想的追溯性。免疫控制参数的自适应调整有助于改进FIPID的性能,两种算法均可作为实践参考。     

Intelligent driving methods based on expert knowledge and online optimization for high-speed trains

In the engineering control practice of High-Speed Train (HST), the traditional automatic driving method increases the energy consumption and impairs the intelligence of train operation. Different from previous studies, we propose the intelligent driving methods (IDMs), including expert knowledge system and online optimization algorithms, to achieve the multi-objective (safety, punctuality, energy efficient, passengers’ riding comfort, and so on) control of HST. First, we establish the expert knowledge system based on the driving data and control rules of excellent drivers. Then, in order to enhance the adaptability and real-time performance of proposed IDMs, two online optimization algorithms, including exact online programming driving (EOPD) and inexact online programming driving (IOPD), are developed by improved gradient descent and stochastic meta-decent method to update the controller’s output online. Finally, using the field data collected from Beijing-Shanghai High-Speed Railway, the proposed IDMs are verified under the real speed-limit conditions. The simulation results show that EOPD and IOPD can achieve better performances than automatic driving method based on ATO, Fuzzy PID controller and traditional multi-objective optimization method, especially in passengers’ riding comfort and energy-consumption. Furthermore, as the step size is selected with wide randomness in the updating process, IOPD has more operating mode switching times than EOPD but its punctuality is better.     

基于遗传算法的高速列车ATO追溯目标曲线优化

对于高速列车在运行过程中因为运行环境造成能耗、舒适、准时和准确停车等指标的不同,运用遗传算法对列车运行的节能性曲线和多目标运行曲线优化,结合列车牵引计算方程和选定的线路约束条件仿真得到列车ATO所要追溯的目标曲线。结果表明：通过遗传算法优化工况转换点使得列车运行中的惰行比例增加,可以实现列车节能运行,与节能性目标相比,多目标可以较好地保证列车运行中的舒适性,准时性和准确停车等关键性指标。