[发明专利]一种基于驾驶经验和在线学习的城轨列车智能控制方法

说明书

技术领域

本发明涉及轨道交通控制领域，更具体地涉及一种基于驾驶经验和在线学习的城市轨道交通(城轨)列车智能控制方法。

背景技术

列车自动控制系统ATC(Automatic Train Control)采用先进的列车自动控制技术可以大大提高行车的效率、安全性，对于城市轨道交通高效率高密度的要求来说是必不可少的。ATC系统一般包括ATS(Automatic Train Supervision)系统、ATP(Automatic Train Protection)系统和ATO(Automatic Train Operation)。其中，ATO作为列车自动控制系统的一个重要的子系统，利用车载固化信息和地面信息实现对列车牵引、制动的控制，使列车经常处于最佳运行状态，提高乘客的舒适度，提高列车准点率，节约能源。对城市轨道交通运行控制系统来说，不管是人工驾驶还是全程无人驾驶，ATO都将发挥其重要作用，对两站间的列车行驶速度进行控制，其控制效果直接影响各项性能指标。在ATO中应用不同的控制算法，其控制效果是不一样的，因此，有必要研究有效的ATO控制算法，以使列车最大限度地处于最佳运行状态。

实际应用中最广泛的ATO控制算法是PID控制。PID是一种线性调节器，它将设定值与输出值的偏差按比例、积分和微分进行控制。这种控制方法要事先设定出距离-速度曲线。显然，这是一种按照事先安排好的行车曲线进行速度控制的方法。这种方法的缺点是控制速度时的加减速度切换次数过多，这种情况既不利于平稳运行，又破坏了乘坐的舒适性，同时也增加了能耗和降低了停车精度，并且无法根据运营计划时间进行灵活调整；此外控制器的频繁切换也影响了控制器的使用寿命。

此外ATO控制算法还包括自适应鲁棒控制、迭代学习控制、模糊控制等方法，但是，这些方法都需要离线的目标速度曲线，很难顾及列车运行过程中的乘客舒适度等问题；并且这些控制算法很难周全的考虑复杂的列车模型，并且列车运行过程中，会受到需要未知因素的干扰，如不确定的摩擦力、车厢之间的作用力等因素的影响、列车控制器输出的非线性特性和饱和特性等问题，很难实现精确地追踪，难以实现在线-智能的驾驶策略。

发明内容

为避免以上现有技术的不足，本发明提供一种基于驾驶经验和在线学习的城市轨道交通列车智能控制方法。

本发明采用下述技术方案：

一种基于驾驶经验和在线学习的城市轨道交通列车智能控制方法，利用列车运行的实时信息，实现列车多目标运行控制，该控制方法包括如下步骤：

1)列车运行时，每隔Δt的时间间隔，确定列车当前位置s和当前速度v信息，以及线路的限速(S_{1_b},S_{2_b}LS；V_{l_1},V_{l_2}L0)，期望运行时间T和列车停车区间S_p，判断如果s≥S_p，转向步骤5，进入停车阶段，否则，转向步骤2；

2)判断列车当前所处的限速区间，即S_k-1≤s≤S_k，k表示列车当前所处的限速区间，对应的限速大小为V_k；

3)根据专家知识库得到列车当前的工况，再根据限速情况和列车当前速度，计算各限速区段的最短运行时间并将剩余运行时间按比例分配到各个限速区段中，进而得出当前限速区段内的剩余运行时间；再根据推理机对列车当前的运行信息推理出列车此后是否加速、减速或者惰行；

4)对列车智能驾驶控制器进行在线学习，得到该控制器输出值；

5)对列车运行线路布置应答器，并根据应答器提供的位置信息调整所述控制器输出值。

进一步，所述步骤3中列车当前运行信息包括当前速度、当前位置、当前限速和当前剩余运行时间。

进一步，所述步骤3中据推理机对列车当前的运行信息推理出列车此后是否加速、减速或者惰行具体包括：