[发明专利]一种城轨列车动力学模型参数自动调整方法

说明书

一种城轨列车动力学模型参数自动调整方法，包括如下步骤：1)结合城轨列车运动的物理过程、列车控制器的特点以及列车运行数据的特点，建立了城轨列车动力学模型，将其分别为惰行阶段、低速牵引建立阶段、高速牵引建立阶段、牵引切除阶段、制动阶段；2)选择参数少、搜索速度快的果蝇优化算法进行参数辨识，实现城轨列车动力学模型参数的自动调整，该方法具有广泛的应用空间，并对工程实际具有一定的指导作用。

技术领域

本发明涉及城轨列车自动控制领域，具体涉及一种城轨列车动力学模型参数自动调整方法。

背景技术

近年来，随着我国经济的持续健康发展和城市化进程的加快，我国城市规模和城市人口持扩大态势；随着我国城市汽车保有量的急剧上升，特别是私家车拥有率的不断提高，城市公路交通体系越来越难以承受庞大的重负。因此，高度密集的城市居住人口和有限的道路空间资源现状，决定了我国要优先发展运量大、人均占用道路空间资源少、能耗和污染低的城市轨道交通系统。此外，轨道交通发展的区域轴心作用可引导城市形态的变化，有助于实现商贸的聚集效益，是特大城市及其交通可持续发展的首选方案。未来，随着我国城市人口数量的进一步不断增加，对城市轨道交通系统的需求仍将增大。这也掀起了中国各大城市地铁建设的热潮。

城市轨道交通领域的发展带领着铁路建设行业、城轨列车设计制造行业、信号设备供应商的飞速发展，越来越多的高校和研究所开始从事轨道交通行业基础研究和应用研究。铁路车辆的列车模型作为研究内容的基础和出发点，决定着研究成果的科学性和应用性，对铁路相关领域的研究发展具有极大的影响作用。在城轨铁路修建时，闭塞分区设计和选线设计需要结合列车的空气动力学特性和列车牵引制动特性；而城轨列车外形在设计初期就要结合列车的空气动力学。在新建地铁线上需要进行长时间的车载控制器的静态调试和动态调试，以完成对列车控制器参数的调整，保证运行时间和精确停车，因此城轨列车模型研究对于以上经济活动都有一定的指导作用。对于以列车自动驾驶为核心的城轨列车而言，在实验室环境下的列车的推荐速度曲线的计算更加依赖模型的精确。当下城市轨道交通各个领域的迅猛发展，需要以科学、严谨的方法来对城轨列车模型进分析和研究。

华东交通大学的衷路生教授、李兵等人基于极大似然算法对高速列车的非线性模型进行了研究(“高速列车非线性模型的极大似然辨识”,衷路生,李兵等，《自动化学报》,2014,12(40),2951-2975)，其提出的极大似然辨识方法适用于高速动车组在非高斯噪声干扰下的模型参数估计，其将高速列车的参数的极大似然估计问题转化为期望极大的优化问题。

北京交通大学的陈德旺教授、裴丽君等用遗传算法对城轨列车的运行模型特性进行了研究(“列控模型参数辨识及其在线学习算法研究”,裴丽君，北京交通大学，2010 年)，将列车运行分三个工况进行研究，分别建立了惰行、牵引、制动模型，基于实际列车运行数据对列车参数进行估计。

然而，纵观各学者对列车模型的研究，虽然他们采用了不同的参数估计方法，但是他们所建立了列车模型基本类似，对基本阻力参数的研究基本遵循戴维斯公式，将牵引、制动阶段时间统一化为系统传输延时T1和系统响应延迟T2，其所提出的列车模型对于列车运行过程虽然有着简单的刻画，但并没有仔细研究列车运行时的实际物理过程及列车设计制造时考虑的因素，比如在列车牵引时，不同速度下列车的牵引电机的效率、系统的各项时间参数不可能相同。另外，也将列车的牵引建立和牵引切除时系统的参数混为一谈，这对于列车模型的精准刻画是非常不利的。同时，以上研究人员并没有将列车的参数进行多次同一站间运行仿真验证，这种只对列车运行某一个阶段研究是不够全面的，这种做法常常会导致对列车模型认识的错误。

发明内容