基于模糊自适应PID算法的列车自动驾驶系统研究

既有列车自动驾驶（automatic train operation,ATO）系统使用的传统PID算法囿于参数固定，在强耦合、高度非线性的实际运行场景中，难以很好地克服非线性干扰问题，控车效果不佳。对此，文章提出一种基于模糊自适应PID算法的列车自动驾驶方法，其可以根据预先制定的模糊规则实时调整比例、积分和微分系数，使PID控制器具有更强的速度跟踪性能，从而改善列车控制效果。以长沙轨道交通4号线线路数据为算例进行半实物仿真，实验结果显示，采用该算法后，列车真实速度与推荐速度的平均均方根误差为18.876 cm/s，小于传统PID控制器的35.200 cm/s；列车站间旅行贴合度为1.69 m/s，小于传统PID控制器的2.25 m/s，这表明文章所提算法能有效优化推荐速度曲线跟踪能力，提升系统运营效率。