CN101909965B - 在存在变化的优化参数的情况下优化动力系统性能的系统和方法 - Google Patents

Abstract

一种用于控制具有至少一个内燃动力单元的动力系统的操作的方法包括：(a)识别多个离散的潜在动态事件；(b)针对各个潜在动态事件，计算描述动力系统所遵从的动力设定的优化分布图，以便优化至少一个动力单元的至少一个操作参数；(c)基于具有当前最高概率的潜在动态事件来选择优化分布图中的一个；以及(d)根据所选择的优化分布图来操作系统。

Description

在存在变化的优化参数的情况下优化动力系统性能的系统和方法

技术领域

本发明涉及优化动力系统以及监测和控制交通工具操作，以改进效率，同时满足时间表约束。

背景技术

机车和其它动力系统是具有多个子系统的复杂的系统，各个子系统与其它子系统相互依赖。操作员在机车上，以确保机车及其相关联的运货车厢负载的恰当操作。除了确保机车的恰当操作之外，操作员还负责确定列车的运行速度和列车(机车是其一部分)内的力。为了执行此功能，操作员通常必须具有在特定地形上操作机车和各种列车的广泛的经验。需要这种知识，以符合可随着列车沿着轨道的位置而变化的规定的运行速度。另外，操作员还负责保证列车内的力保持在可接受的限值内。

但是，即使具有用以保证安全操作的知识，操作员通常不能将机车操作成使得针对各个行程最大程度地降低燃料消耗。例如，必须考虑的其它因素可包括排放输出、例如噪声/振动的操作员的环境状况、燃料消耗和排放输出的加权组合等。这是难以做到的，因为，举例来说，列车的大小和负载会改变，机车及其燃料/排放特征是不同的，而且天气和交通状况会改变。如果为操作员提供方法来确定在给定的日子驾驶列车来满足所需时间表(抵达时间)的同时尽可能使用最少的燃料而不管燃料源的波动的最好的方式，操作员就可以更加有效地操作列车。

用于确定驱动非公路用交通工具或船舶或者操作固定的动力设备的最佳方式的一种方法在转让给本发明的受让人的名称为“TripOptimization System and Method for a Train”的美国专利申请公开2007/0225878中有所描述。虽然其中描述的方法提供了最优的行程前计划和持续更新，但是需要在行程期间存在动态事件时优化交通工具操作。

发明内容

本发明解决了现有技术的这些和其它缺点，本发明提供了用于响应于动态事件的发生来确定动力系统操作的方法和设备。在一个实施例中，列车或交通工具交通控制对象(例如信号和转辙器)成为自动的列车或交通工具操作系统或节流燃料优化系统的可动态地分配的速度目标。在那些目标处所允许的速度变化触发速度分布图的重新计划，然后控制列车在可构造的约束内接近目标。

根据本发明的一方面，提供了一种用于控制具有至少一个内燃动力单元的动力系统的操作的方法。该方法包括：(a)识别多个离散的潜在动态事件；(b)针对各个潜在动态事件，计算描述动力系统所遵从的动力设定的优化分布图，以便优化至少一个动力单元的至少一个操作参数；(c)基于具有当前最高概率的潜在动态事件来选择优化分布图中的一个；以及(d)根据选定的优化分布图来操作系统。

根据本发明的另一方面，提供了一种用于操作具有至少一个内燃动力单元的动力系统的控制系统，该控制系统包括：(a)可操作来产生指示动力系统的至少一个操作参数的信号的至少一个传感器；(b)可操作来将指示外部信息的数据输送到控制系统的通信信道；以及(c)联接到至少一个传感器和通信信道上的处理器，该处理器被编程为：(i)识别多个离散的潜在动态事件；(ii)针对各个潜在动态事件，计算描述动力系统所遵从的动力设定的优化分布图，以便优化至少一个动力单元的至少一个操作参数；以及(iii)基于具有当前最高概率的潜在动态事件来选择优化分布图中的一个。

应当理解，本发明的原理可宽泛地应用于任何动力系统，包括用来对交通工具或系统中的另一个构件提供原动力的动力单元。动力系统的非限制性实例包括列车及其它轨道交通工具、非公路用交通工具、船舶和其中执行随时间变化的优化且优化目标可改变的固定的动力系统。如本文所用，术语“非公路用交通工具”包括诸如矿用卡车或其它建造或挖掘车、农用车等的交通工具。可以在系统水平应用本文描述的优化原理和动态控制变化，以进行电或磁推进、机械推进，以及空气或液体介质压力推进。如本文所用，术语“动力单元”宽泛地包括诸如内燃(例如柴油机)原动机、基于电池或电容器的存储系统、吊轨或第三轨道动力源、风力发电机系统、波浪或水力发电机系统、光伏发电机系统、IR发电机系统等设备。动力单元可在动力系统的内部或外部。例如，外部动力单元可使无源或有源交通工具在导轨上运动。实例为磁悬浮列车、线缆驱动的有轨电车和缆车、传送机系统，以及空气管系统。因此，将理解，在后续描述中，对列车和机车的参照仅是代表性的实例。

附图说明

通过参照结合附图得到的以下描述，可最佳地理解本发明，其中：

图1是结合了用于实践本发明的方法的实例的设备的列车的示意图；

图2是示出了本发明的实施例的功能构件的框图；

图3是示出了根据本发明的一个方面的列车控制的方法的框图；以及

图4是示出了根据本发明的一个方面的优化的方法的流程图。

具体实施方式

参照附图，其中相同参考标号在各图中始终指示相同元件，将对本发明的示例性实施例进行描述。可以以多个方式来实现本发明，包括实现为系统(包括计算机处理系统)、方法(包括计算机化的方法)、设备、计算机可读介质、计算机程序产品、图形用户接口(包括网络入口)，或者有形地固定在计算机可读存储器中的数据结构。下面对本发明的若干个实施例进行论述。

图1描绘了可对其应用本发明的方法的示例性列车31。虽然为了说明清楚而未显示，但是应该理解，列车31包括可操作来以已知的方式对列车31的一个或多个其它构件提供原动力的内燃动力单元。例如，其可通过机械传动来驱动列车的轮子。通常，动力单元将是安装在机车机组42中且联接到一个或多个发电机上的一个或多个柴油机循环发动机。发电机又连接到电能存储系统(例如电池)和/或列车的轮子处的电力牵引马达上。

提供了用以确定列车31的位置的定位器元件30。定位器元件30可为与全球定位系统35相关联的传感器，或者确定列车31的位置的传感器系统。其它系统的实例可包括但不限于，地面装置，例如射频自动装备识别(RF AEI)标签、调度，和/或视频测定。另一个系统可包括在机车上的测速计和距参照点的距离计算。还可提供无线通信系统47，以允许列车之间的通信，以及/或者允许与远程位置(例如调度员)通信。还可从其它列车传递关于行驶位置的信息。

轨道特征元件33提供关于轨道的信息，主要是坡度、高度和曲率信息。轨道特征元件33可包括车载轨道综合数据库36。使用传感器或数据发生器38来测量或估计由机车机组42拉动的牵引力40、机车机组42的节流设定、机车机组42构造信息、机车机组42的速度、单独的机车构造、单独的机车容量等。在示例性实施例中，可在不使用传感器38的情况下加载机车机组42的构造信息，但是由如上所述的其它方法输入。此外，还可考虑机组中的机车的健康。理解的是，传感器或牵引力数据发生器可为离散的形式，或者基于来自其它交通工具参数的数据得出需要的值。例如，可通过测量原动机所消耗的燃料且减去连接到原动机上的辅助装置所使用的动力来得出牵引力。

图1进一步公开了可为本发明的实施例的一部分的其它元件。提供了可操作来从定位器元件30、轨道特征元件33和传感器38接收信息的处理器44。算法46在处理器44内运行。使用算法46来基于涉及机车42、列车31、轨道34和如上所述的任务的目标的参数来计算优化的行程计划。在示例性实施例中，基于当列车31沿着轨道34运动时的列车行为的模型，作为简化了算法中所提供的假设的情况下根据物理性质得出的非线性微分方程的解而建立行程计划。算法46可访问来自定位器元件30、轨道特征元件33和/或传感器38的信息，以建立最大程度地降低机车机组42的燃料消耗、最大程度地降低机车机组42的排放、建立期望的行程时间和/或确保机车机组42上的恰当的工作人员操作时间的行程计划。在示例性实施例中，还提供了驾驶员、驾驶参谋器和/或控制器元件51。如本文所论述，当列车遵从行程计划时，使用控制器元件51来控制列车。在本文中进一步论述的示例性实施例中，控制器元件51自发地作出列车操作决定。在另一个实施例中，驾驶员或操作员可涉及指引列车遵从行程计划。

图2描绘了本发明的实施例的功能元件的示意图。诸如调度员60(也见图1)的远程设施可对列车31提供信息。如图所示，对执行控制元件62提供这种信息。还对执行控制元件62供应来自机车建模信息数据库63(“机车模型”)的信息、来自轨道数据库36(“片段数据库”)的信息(例如但不限于轨道坡度信息和速度限值信息)、估计的列车参数(例如但不限于列车重量和阻力系数)，以及来自燃料消耗率估计器64的燃料消耗率表。执行控制元件62对在图3中更加详细地公开的计划器12供应信息，以便于准备行程计划。(如应当理解的那样，计划器12可包括图1所示的处理器44和算法46，或者可为处理器44和算法46的一部分)。一旦计算出行程计划，就将计划供应到驾驶参谋器、驾驶员或控制器元件51。还将行程计划供应到执行控制元件62，使其可在提供了其它新数据的时候比较行程。

如以上所论述，驾驶参谋器或控制器元件51可自动设定档位动力、预建立的档位设定或最优的持续档位动力。除了将速度命令供应到机车31之外，在基于行程计划建议操作员所遵从的控制设定的驾驶参谋器51的情况下，提供了显示器68，使得操作员可观察计划器12提出的建议。操作员还可接触到控制面板69。操作员可通过控制面板69决定是否要供应建议的档位动力。为此，操作员可限制目标动力或建议的动力。也就是说，在任何时候，操作员总是对机车机组将以何动力设定运行具有最终权限。这包括决定是否要在行程计划建议使列车31减慢时进行制动。例如，在暗区(例如没有信号的轨道区段)中运行的情况下，或者在来自地面装备的信息不能以电的方式将信息传输到列车，而是操作员观察来自地面装备的可视信号的情况下，操作员基于包含在轨道数据库中的信息和来自地面装备的可视信号来输入命令。基于列车31如何起作用，将关于燃料测量的信息供应到燃料消耗率估计器64。由于通常在机车机组中不可获得燃料流量的直接测量，所以关于在行程内所消耗的燃料和遵从最优计划在未来消耗的燃料的信息使用经校准的物理模型(例如在开发最优计划时使用的)来实现。例如，这种预测可包括但不限于，使用测量的总马力和已知的燃料特性来得出累计使用的燃料。

如以上描述的那样配备的列车31可根据上述美国专利申请公开2007/0225878中描述的行程计划和优化方法来进行操作。在图3中示出了该方法的实例。在列车上或从诸如调度中心10的远程位置输入专门指令来计划行程。这种输入信息包括但不限于列车位置、机组描述(例如机车模型)、机车动力描述、机车牵引传动的性能、随输出动力变化的发动机燃料的消耗、冷却特征、预计的行程路线(随里程标志变化的有效的轨道坡度和曲率或遵从标准铁路惯例的反映曲率的“有效坡度”分量)，由车厢结构和负载以及有效阻力系数表示的列车、行程期望的参数，包括但不限于起始时间和位置、结束位置、期望的行驶时间、工作人员(使用者和/或操作员)识别、工作人员换班期满时间和路线。

可以以多个方式将该数据提供给机车42，例如但不限于，操作员通过车载显示器将此数据手动地输入机车42中，将包含数据的诸如硬件插卡和/或USB驱动器的存储装置插入机车上的插座中，以及通过无线通信将信息从中心或地面位置41(例如轨道信号装置和/或地面装置)传输到机车42。机车42和列车31负载特征(例如阻力)还可随着路线(例如根据高度、环境温度和铁轨和有轨车的状况)而变化。交通工具效率还受其它外部因素的影响，例如在隧道中遇到的差动空气压力。可更新计划以反映这种变化，这是上述任何方法和/或实时自发收集机车/列车状况所需要的。这包括，例如，通过监测机车42上或不在机车42上的装备所检测到的机车或列车特性的变化。

轨道信号系统确定列车的可允许速度。存在多种类型的轨道信号系统以及与各个信号相关联的操作准则。例如，一些信号具有单个灯(开/关)，一些信号具有带有多种颜色的单个透镜，而一些信号具有多个灯和颜色。这些信号可指示轨道是畅通的，且列车可按最大的可允许速度前进。这些信号还可指示需要减速或停止。可能需要立即实现或在某个位置处(例如在下一个信号或交叉口之前)实现该减速。

通过各种方式将信号状态传送到列车和/或操作员。一些系统在轨道中具有电路，且在机车上具有感应式拾波线圈。其它系统具有无线通信系统。信号系统也可要求操作员在视觉上检查信号，且采取适当的措施。

信号系统可与车载信号系统交互，且根据输入和适当的操作准则来调节机车速度。对于需要操作员在视觉上检查信号状态的信号系统来说，操作员屏幕将呈现适当的信号选项，以便于操作员基于列车的位置来进行输入。随位置而变化的信号系统的类型和操作准则可存储在车载数据库63中。

基于输入行程计划器12中的详细数据，计算最大程度地降低沿着具有期望的起始时间和结束时间的路线受速度限值约束的燃料使用和/或产生的排放的最优计划，以产生行程分布图或计划。分布图包含列车所遵从的最优速度和动力(档位)设定(表示为距离和/或时间的函数)，以及该列车操作限值，包括但不限于，最大档位动力和制动设定，以及随位置而变化的速度限值，以及预期的所使用的燃料和产生的排放。在示例性实施例中，选择档位设定的值，以获得约每10至30秒一次的节流变化决定。本领域技术人员将容易地认识到，如果需要和/或期望遵从最优速度分布图，节流变化决定可发生在更长或更短的持续时间内。在更宽泛的意义上，对本领域技术人员应当显而易见的是，分布图在列车水平、机组水平和/或单独的列车水平为列车提供动力设定。术语“动力”包括制动动力、电动机动力和/或空气制动动力。在另一个实施例中，不是以传统的离散的档位动力设定操作，而是选择了确定为对选定的分布图最优的连续的动力设定。因此，例如，如果最优分布图指定6.8的档位设定，不是在档位设定7操作，机车42可在6.8操作。允许这种中间动力设定可带来额外的效率优点，将在下面进行描述。

用以计算最优分布图的程序可为任何数量的方法，这些方法用于计算驱动列车31的动力序列，以在受到机车操作和时间表约束的情况下最大程度地减少燃料和/或排放，将在下面进行概述。在一些情况下，由于列车配置、路线和环境状况的相似性，所需最优分布图可能足够地接近之前确定的最优分布图。在这些情况下，在数据库63内查找行驶轨迹并试图遵从该轨迹可能就足够了。当之前计算好的计划都不适合时，则计算新计划的方法包括但不限于使用近似于列车运动的物理性质的微分方程模型来直接计算最优分布图。建立包括选择定量的目标函数，通常是对应于燃料消耗率和排放产生的模型变量的加权和(积分)加上惩罚过度的节流变化的项。

建立最优控制方程，以最小化受约束的定量的目标函数，该约束包括但不限于速度限值以及最小和最大动力(节流)设定。取决于任何时候的计划目标，可灵活地实现问题，以在受到排放和速度限值的约束的情况下最大程度地减少燃料，或者在受到燃料使用和抵达时间的约束的情况下最大程度地降低排放。还可以实现例如最大程度地减少总的行驶时间而不约束总排放或燃料使用(其中任务将允许或需要约束的这种放宽)的目标。

在数学上，可更加精确地表示待解决的问题。基本的物理性质表示为：

$\frac{\mathrm{dx}}{\mathrm{dt}}=v;x\left(0\right)=0.0;x\left(T_f\right)=D$

$\frac{\mathrm{dv}}{\mathrm{dt}}=T_e(u,v)-G_a\left(x\right)-R\left(v\right);v\left(0\right)=0.0;v\left(T_f\right)=0.0$

这里，x是列车的位置，v是列车的速度，t是时间(单位为英里、英里每小时，以及分钟或小时)，u是档位(节流)命令输入。另外，D表示待行驶的距离，T_f是沿着轨道在距离D处的期望抵达时间，T_e是机车机组所产生的牵引力，G_a是取决于列车长度、列车构成和列车所处的地形的重力阻力，R是取决于净速度的机车机组和列车组合的阻力。也可规定初始速度和最终速度，但不失一般性地，初始速度和最终速度在此处取为零(例如列车在开始和结束时停止)。最后，模型可容易地修改成包括其它重要的动态特性，例如节流u的变化和所产生的牵引力或制动之间的延迟。使用此模型，最优控制方程建立成在受到包括但不限于速度限值以及最小和最大动力(节流)设定的约束的情况下最小化定量的目标函数。取决于任何时候的计划目标，可灵活地建立问题，以在受到排放和速度限值的约束的情况下最大程度地减少燃料，或者在受到燃料使用和抵达时间的约束的情况下最大程度地降低排放。

还可以实现例如最大程度地减少总的行驶时间而不约束总排放或燃料使用(其中任务将允许或需要约束的这种放宽)的目标。所有这些性能量度可表示为以下任何的线性组合：

-最大程度地减少总的燃料消耗

-最大程度地减少行驶时间

-最大程度地减少档位操作(分段的恒定的输入)

-最大程度地减少档位操作(连续的输入)

因此常用的和代表性的目标函数为：

$\underset{u\left(t\right)}{\min }{\mathrm{\α}}_1\underset{0}{\overset{T_f}{\∫}}F\left(u\left(t\right)\right)\mathrm{dt}+{\mathrm{\α}}_3{T}_f+{\mathrm{\α}}_2\underset{0}{\overset{T_f}{\∫}}{(\mathrm{du}/\mathrm{dt})}^2\mathrm{dt}\left(\mathrm{OP}\right)$

线性组合的系数将取决于对各项给定的重要性(权重)。注意，在方程(OP)中，u(t)是优化变量，其为连续的档位位置。如果需要离散档位，例如对于较旧的机车，则方程(OP)的解将被离散化，这可能导致较少的燃料节省。寻找最小时间解(α₁和α₂设定成零)被用来寻找可实现的行驶时间的下限(T_f＝T_fmin)。在这种情况下，u(t)和T_f两者都是优化变量。在一个实施例中，在α₃设定成零的情况下，针对T_f的各种值来解方程(OP)。对于熟悉这种最优问题的解的人员来说，可能需要附加约束，例如，沿着路径的速度限值：

0≤v≤SL(x)

或者，当将最小时间作为目标时，必须保持终点约束，例如所消耗的总燃料必须少于燃料箱中的燃料，例如：

$0<\underset{0}{\overset{T_f}{\&Integral;}}F\left(u\left(t\right)\right)\mathrm{dt}\&le;W_F$

这里，W_F是在T_f时燃料箱中剩余的燃料。本领域技术人员将容易地认识到，方程(OP)也可为其它形式，且以上介绍的是用于在本发明中使用的示例性方程。

为了解所得到的优化问题，在示例性实施例中，本发明将时域中的动态最优控制问题转化成具有N个决策变量的等价的静态数学规划问题，其中数字“N”取决于进行节流和制动调节的频率和行程的持续时间。对于典型的问题，这个N可为数千。例如，在示例性实施例中，假设列车在美国西南部的277km(172英里)路程的轨道上行驶。当将使用行程计划器12确定和遵从的行程与在行程由操作员确定时的实际的驾驶员节流/速度历史作比较时，使用本发明的实施例(例如行程计划器12)，可实现所使用的燃料的示例性的7.6％的节省。实现了改进的节省，因为通过使用本发明实现的优化产生了与操作员的行程计划相比具有更少的阻力损失和很少或没有制动损失的行驶策略。为了使上述优化在计算上容易处理，可采用列车的简化的数学模型。

参照回图3，一旦建立了12行程计划且行程开始，就产生14动力命令，以执行计划。取决于实现的本发明的操作建立，一个命令是机车遵从优化的动力命令16，以便实现最优速度。行程计划器12从列车18的机车机组获得实际速度和动力信息。由于用于进行优化的模型中的不可避免的近似性，获得对优化动力的校正的闭环计算，以跟踪期望的最优速度。可自动地或由总是具有对列车的最终控制的操作员进行列车操作限值的这种校正。

在一些情况下，在优化中使用的模型可与实际列车有显著的不同。这是由于多种原因而发生的，包括但不限于，额外的货物装载或布置、在途中出故障的机车，以及初始数据库63或操作员输入的数据中的误差。由于这些原因，具有监测系统，其使用实时的列车数据以实时估计20机车和/或列车参数。然后将估计的参数与行程最初建立时的所使用的假设参数作比较22。基于假设值和估计值的任何差异，可对行程进行重新计划24，将从新计划中产生足够大的节省。

可对行程进行重新计划的其它原因包括来自远程位置的指示，例如调度和/或操作员请求目标变化为与更加全局性运动计划目标相符。额外的全局性运动计划目标可包括，但不限于，其它列车时间表、允许排气从隧道中消散、维护操作等。另一个原因可为由于构件的车载故障。重新计划的策略可分为增量调节和大调节，取决于中断的严重性，将在下面更加详细地论述。总的来说，必须根据上述优化问题方程(OP)的解得出“新”计划，但是如本文所描述，常常可找到更快的近似解。

在操作中，机车42(更具体地，机车上的行程计划器12)将持续地监测系统效率，且基于测得的实际效率来持续地更新行程计划，只要这种更新将改进行程性能。重新计划的计算可完全在机车内执行或可完全或部分地移动到远程位置，例如使用无线技术来将计划传送到机车42的调度或地面处理设施。也可产生效率趋势，可使用该效率趋势来生成关于效率传递函数的机车车队数据。当确定初始行程计划时，可使用车队范围的数据，且在考虑多个列车的位置时，可使用车队范围的数据来进行网络范围优化权衡。

在想要坚持相同的行程目标时，例如，当列车没有按时间表与另一个列车进行有计划的相遇或经过且列车需要弥补时间时，日常操作中的多个事件可导致需要产生或修改当前执行的计划。使用机车的实际速度、动力和位置，在计划抵达时间和当前估计的(预计的)抵达时间之间进行比较25。基于时间的差异以及参数的差异(由调度或操作员检测到或改变)，对计划进行调节26。可根据铁路公司应如何处理计划的这种偏差的期望来自动进行此调节，或者车上的操作员和调度员可手动地提出备选方案，以联合决定恢复计划的最佳方式。当计划更新但原始目标(例如，但不限于，抵达时间)保持相同的时候，可同时将额外的变化计算在内，例如可影响恢复原始计划的可行性的新的未来速度限值变化。在这种情况下，如果不能保持原始的行程计划，或者换句话说，列车不能够满足原始的行程计划目标，如本文所论述，可对操作员和/或远程设施或调度提出其它行程计划。

当期望改变原始目标时，也可进行重新计划。可在固定的预先计划好的时间完成这种重新计划，随操作员或调度员的决定手动地完成这种重新计划，或者在超过诸如列车操作限值的预定限值时自动完成这种重新计划。例如，如果当前的计划执行得延迟超过指定阈值，例如三十分钟，本发明可重新计划行程，以便靠增多的燃料使用的代价来适应该延迟(如上所述)，或者警告操作员和调度员总共可弥补多少时间(即将要行驶的最小时间或可在时间约束内节省的最大燃料)。还可基于所消耗的燃料或动力机组的健康来构想重新计划的其它触发因素，包括但不限于，抵达时间、装备失效和/或装备暂时性故障(例如运行得太热或太冷)引起的马力损失，以及/或者例如假设的列车负载中检测到总的建立误差。也就是说，如果变化反映机车性能在当前的行程中有损害，就可把这些变化计算到优化使用的模型和/或方程内。

计划目标的改变也可由于需要协调事件而产生，在事件中，一个列车的计划损害到另一个列车满足例如调度室所要求的目标和不同水平处的仲裁的能力。例如，可通过列车-列车通信来进一步优化相遇和经过的协调。因此，作为实例，如果列车知道其在到达位置以进行相遇和/或经过方面落后于时间表，来自其它列车的通信可通知迟到的列车(和/或调度)。然后操作员可将关于迟到的信息输入本发明的系统中，该系统重新计算列车的行程计划。还可在高水平或网络水平使用本发明的系统，以允许调度确定如果不能满足预定相遇和/或经过时间约束，哪个列车应该减速或提速。如本文所论述，通过列车将数据传送到调度以区分优先顺序安排各个列车应该如何改变其计划目标来实现这一点。取决于情况，选择可基于时间表或燃料节省益处。

一旦如以上所论述的那样建立了行程计划，使用速度和动力对距离的轨迹来在所需行程时间里以最小的燃料使用和/或排放到达目的地。存在执行行程计划的几种方式。如在下面更加详细地提供，在一个示例性实施例中，当在操作员“指导模式”中时，对操作员显示便于操作员遵从的信息，以实现根据最优行程计划确定的所需动力和速度。在此模式中，操作信息包括操作员应该使用的建议的操作条件。在另一个示例性实施例中，自发地执行加速和保持恒速。但是，当列车31必须减慢时，操作员负责应用制动系统52。在另一个示例性实施例中，如所需要的那样提供加大动力和制动的命令，以遵从期望的速度-距离路径。

在行程期间，不管列车31是否根据离开之前确定的计划来操作的，列车31很可能将遇到一个或多个动态事件，这些动态事件的存在或确切性质在行程开始之前是未知的。这种事件的实例包括但不限于：变化的信号特征、临时减速命令(TSO)、轨道上存在其它列车、机车或其它装备故障、变化的轨道状况(例如桥故障)、出轨等。

在传统上，这些事件由人为干预、监督系统(例如正向列车控制(“PTC”)或自动化列车操作(“ATO”))或它们的组合来调节。例如，如果列车31遇到诸如因为即将到达的区被另一个列车占用而需要减速的“接近”或黄色的限制信号，监督列车系统就可将信号识别为制动目标，计算待强制执行的制动曲线，以满足制动目标，然后应用列车的制动，以必要地使列车31减慢或停止。这可导致过量的列车中的力，且部分地损害行程计划所提供的效率增益。或者，人类操作员可降低节流(“滑行”)或者在动态目标的情况下应用动态制动，以最大程度地降低列车(摩擦)制动的使用。这需要相当的操作员经验，且还产生较高的操作员工作负荷，以及相关联的增大的操作员错误的风险。

相应地，本发明提供了一种考虑动态目标的、用于优化列车操作的方法。图4中对基本方法进行了描述。首先，识别多个离散的潜在动态事件(框100)。事件在距离或时间上与列车31离得越远，知道其发生的概率就越不肯定。这被称为“远范围”事件。事件在距离或时间上越接近列车，知道概率就越肯定。这被称为“近范围”事件。可基于各个事件的状态(“近范围”或“远范围”)来对各个事件指定概率(框102)。作为更加具体的实例，在附近的即将到来的轨道区中的信号的状态可为一组状况中的一个，例如畅通、受限或停止，且该信号的状态可被认为是“近范围”，而在位于列车31之前多个区的信号的状态可能不仅取决于远在列车31之前的其它交通的状态，而且还取决于列车31是否将在穿过转辙器和其它区之后穿过远的区。这将是“远范围”事件。可使用传统的统计技术来对具体事件指定概率值。

事件的识别可通过列车-列车通信、地面-列车通信、车载传感器、轨道电路、中央调度控制系统或至列车的或来自其它车载系统的运动计划器，例如，与本发明的实现交互的车内信号、ATP(自动化列车保护)或PTC等来实现。

对于各个事件，使用以上关于行程计划描述的技术来计算(框104)优化的速度分布图。计算将各个事件识别为潜在速度/制动目标，且使用列车相对于即将到来的目标的当前位置、列车重量/速度和轨道拓扑的知识来在目标之前和之后计算速度分布图。当计算速度分布图时，可忽略概率在预定阈值水平以下的事件，以便约束一组计算，且避免过度使用可用的计算资源。

可在列车31上计算速度分布图，或者可在列车31之外计算速度分布图，且通过通信信道将速度分布图传送给列车31。

例如，在列车31之前的区中的信号可显示“停止”特征(例如红色信号)，因为该区被另一列车占用。本方法将使用节流降低、动态制动或它们的组合来计算第一速度分布图，节流降低、动态制动或它们的组合被计算以使列车31在使用列车制动最少的情况下停止。还将基于即将到来的区空出的概率来计算第二速度分布图，从而使得在需要进行列车制动之前，信号升级到不那么受限的特征。

一旦计算了所有受约束的一组速度分布图，则基于当前最高概率的事件来选择速度分布图中的一个(框106)。然后闭环算法将当前的列车位置、轨道数据库、机车速度、列车长度、列车重量和机组容量(例如随档位变化的牵引HP和制动HP)用作输入，根据所选择的速度分布图来执行接近目标的列车的速度的控制。控制可为自动的。如果在列车31接近目标时状况改变，则可使用不同的速度分布图。

可选地，可建议操作员手动地执行的适当的控制设定。

速度分布图仅是可用来根据本发明来优化交通工具性能的优化分布图的一个实例。可被优化的参数和可被计算的优化分布图的非限制性实例包括速度、燃料效率、排放(例如，音频、气态、RF、热、碳、NOx、颗粒物质)、振动、诸如催化剂性能等的构件效率、交替速度、其它目标变化、燃料效率、噪声、排放等，或者它们的组合。一些交通工具的操作可能易受日夜时间变化(例如噪声限制)、基于地理位置的排放限制的影响等。

另一个实施例与用于控制具有一个或多个机车机组的列车的控制操作的方法有关，各个机车机组包括一个或多个机车。(此实施例也适于控制具有其它动力单元的其它动力系统。)在此实施例中，识别多个离散的潜在动态事件，动态事件中的各个具有与其相关联的当前概率。(“潜在动态”事件的意思是指可能会发生或可能不会发生且可随着时间改变的事件。“当前”概率指的是事件被识别时的概率。)对于各个潜在动态事件，计算优化分布图，该优化分布图描述了列车和/或一个或多个机车遵从的动力设定(包括制动)，以便优化列车和/或一个或多个机车的至少一个操作参数，例如以便降低或最大程度地降低列车的燃料使用以及/或者降低或最大程度地降低列车所产生的排放。基于具有当前最高概率的潜在动态事件，选择优化分布图中的一个来控制列车和/或机车。为了计算各个优化分布图，可执行下列步骤。首先，从例如数据库中或以别的方式接收路线数据和列车数据。路线数据包括与列车沿着路线在其上行进的轨道的一个或多个特性有关的数据，以及与沿着路线的至少一个速度限值有关的数据。在此实施例中，路线数据还包括与计算优化分布图所针对的离散的潜在动态事件有关的数据。(路线数据还可包括与其它离散的潜在动态事件有关的数据。)列车数据与列车的一个或多个特性有关。在列车沿着路线行驶期间的任何时候，例如在识别到离散的潜在动态事件时，在列车上建立优化分布图。基于接收到的数据，在沿着路线的第一点处建立优化分布图，且优化分布图覆盖了沿着路线比第一点延伸得更远的第二点的路线的至少一个片段。基于和不管沿着该片段的路线(数据对于该路线来说是可用的)的不同的地理特征或其它特性，建立优化分布图来覆盖整个片段。这时，意思是指：(i)优化分布图考虑了路线片段(数据对于该路线片断来说是可用的)的所有不同的地理特征或其它特性，以及(ii)建立优化分布图，而不管沿着该片段的路线的特定的地理特征或其它特性是什么。因此，不管沿着路线片段的已知地理特征或其它路线特性是什么，针对所述离散的潜在动态事件，对该片段建立优化分布图。

虽然已经关于本发明的各种实施例来描述了本发明，但是许多变化和修改对本领域技术人员来说将变得清楚。因此，本发明不限于具体的说明性实施例。

Claims (14)

1.一种用于控制具有至少一个动力单元的动力系统的操作的方法，所述方法包括：

(a)识别多个离散的潜在动态事件；

(b)针对各个潜在动态事件，计算描述所述动力系统所遵从的动力设定的优化分布图，以便优化所述至少一个动力单元的至少一个操作参数；

(c)基于具有当前最高概率的潜在动态事件来选择所述优化分布图中的一个；以及

(d)根据所选择的优化分布图来操作所述动力系统。

2.根据权利要求1所述的方法，其特征在于，在所述动力系统上计算所述优化分布图。

3.根据权利要求1所述的方法，其特征在于，在所述动力系统之外计算所述优化分布图，且通过通信信道将所述优化分布图传送到所述动力系统。

4.根据权利要求1所述的方法，其特征在于，所述优化分布图优化选自速度、燃料效率、交通工具排放、振动、构件效率、地理限制和它们的组合所组成的组的参数。

5.根据权利要求1所述的方法，其特征在于，所述识别多个潜在动态事件、计算所述优化分布图、选择所述优化分布图中的一个、以及根据所选择的优化分布图来操作所述动力系统的步骤是自发地执行的。

6.根据权利要求1所述的方法，其特征在于，所述潜在动态事件被分为近范围事件或远范围事件，并且其中，近范围事件被赋予比远范围事件更高的概率。

7.根据权利要求6所述的方法，其特征在于，基于所述潜在动态事件距所述动力系统的物理距离将所述潜在动态事件分为近范围事件或远范围事件。

8.根据权利要求6所述的方法，其特征在于，基于所述潜在动态事件与所述动力系统的时间上的距离将所述潜在动态事件分为近范围事件或远范围事件。

9.根据权利要求1所述的方法，其特征在于，所述动力系统包括铁路运输系统，并且其中，所述动力单元包括由至少一个内燃发动机供以动力的至少一个机车。

10.根据权利要求1所述的方法，其特征在于，所述动力系统包括船舶，并且其中，所述动力单元包括至少一个内燃发动机。

11.根据权利要求1所述的方法，其特征在于，所述动力系统包括非公路用交通工具，并且其中，所述动力单元包括至少一个内燃发动机。

12.根据权利要求1所述的方法，其特征在于，所述动力系统包括外部动力单元，所述外部动力单元提供原动力，以使无源或有源交通工具在导轨上运动。

13.根据权利要求1所述的方法，其特征在于，所述动力系统包括电功率发生系统。

14.根据权利要求1所述的方法，其特征在于，所述动态事件中的至少一个包括在所述动力系统外部的速度目标。

Images