CN101941450A - 列车工况转换控制方法及系统 - Google Patents

列车工况转换控制方法及系统 Download PDF

Info

Publication number
CN101941450A
CN101941450A CN 201010264287 CN201010264287A CN101941450A CN 101941450 A CN101941450 A CN 101941450A CN 201010264287 CN201010264287 CN 201010264287 CN 201010264287 A CN201010264287 A CN 201010264287A CN 101941450 A CN101941450 A CN 101941450A
Authority
CN
China
Prior art keywords
train
fuzzy
module
velocity
obfuscation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN 201010264287
Other languages
English (en)
Other versions
CN101941450B (zh
Inventor
宁滨
王海峰
唐涛
郜春海
边远
张路
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Traffic Control Technology TCT Co Ltd
Original Assignee
Beijing Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN2010102642870A priority Critical patent/CN101941450B/zh
Publication of CN101941450A publication Critical patent/CN101941450A/zh
Application granted granted Critical
Publication of CN101941450B publication Critical patent/CN101941450B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Feedback Control In General (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明公开了一种列车工况转换控制方法及系统,该方法包括步骤:获取列车当前受到的合力F,当前运行速度和目标速度的速度差e作为输入变量;将所述输入变量进行模糊化处理;根据制定的模糊规则,对所述模糊化处理的结果进行模糊推理,得到输出变量U;对所述输出变量U进行去模糊化处理,根据所述去模糊化处理的结果控制列车工况的转换。本发明不需要建立精确模型,就能够结合已有的专家经验对列车的运行进行精确控制,且本发明对列车工况转换的控制避免了工况的频繁转换,保证了乘坐的舒适性和安全性,降低了能耗。

Description

列车工况转换控制方法及系统
技术领域
本发明涉及列车控制技术领域,特别涉及一种列车工况转换控制方法及系统。
背景技术
城市轨道交通列车在线路上运行时有三种基本工况:牵引工况、惰行工况和制动工况,列车在运行中通过这三种工况的相互配合转换来完成列车的启动、加速、减速和制动等过程。在列车安全运行的前提下,如何在列车运行过程中选择适当的时机转换上述三种工况,从而最大限度的节约列车的能耗支出,提高旅客乘坐舒适度,保证列车整点运行,是世界各国的铁路运输部门都关注的问题。
对于基于通信的列车自动控制(Communication Based TrainControl System,CBTC),目前大多数情况下由司机对列车运行进行控制,司机根据目标速度、最大限速、当前行驶速度并结合司机的驾驶经验来转换列车运行工况,人为对列车工况转换进行控制。而工况转换自动控制主要是采用基于比例积分微分(Proportion IntegrationDifferentiation,PID)控制的列车自动驾驶设备(Automatic TrainOperation,ATO)对列车工况转换进行控制,由ATO设备实现列车的自动控制。PID控制器是一种线性调节器,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速度-距离曲线,按照事先安排好的行车曲线进行速度控制。采用PID控制列车速度时,PID控制器通过设定值与输出值的差值确定当前列车运行应该采用的工况,从而控制列车工况转换。
现有工况转换技术中,人为控制由于司机经验的差异或者主观原因难免出现差错;自动控制方案中,列车运行控制模型是一个非常复杂的多变量、非线性动力学模型,很难用精确的数学模型来表示,这就给PID控制器的设计带来了很多的问题;而且列车工况转换控制有着很多年人工控制的经验,利用PID控制器对列车工况转换控制不能利用人类已经总结出的优秀的驾驶经验。从这两个方面来看,目前列车工况转换控制方法中存在以下几方面的不足:
(1)、人为工况转换控制完全基于司机的驾驶水平、驾驶习惯及驾驶经验,不同司机驾驶工况转换点不同,主观性太强,难免出现人为差错;
(2)、控制列车工况转换的PID控制模型很难准确的建立,而且PID控制速度时的加速减速转换次数过多,即工况转换频繁,不利于列车平稳运行,能耗过大;
(3)、自动工况转换完全依赖基于速度的PID算法,无法加入已经成熟、优秀的列车司机驾驶经验,乘坐的舒适性、列车运行能耗等问题无法进行很好的控制。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是如何精确控制列车工况进行转换,降低列车能耗,并保证行车安全和乘车的舒适性。
(二)技术方案
为此,本发明提供了一种列车工况转换控制方法,包括:
步骤11、获取列车当前受到的合力F,当前运行速度和目标速度的速度差e作为输入变量;
步骤12、将所述输入变量进行模糊化处理;
步骤13、根据制定的模糊规则,对所述模糊化处理的结果进行模糊推理,得到输出变量U;
步骤14、对所述输出变量U进行去模糊化处理,根据所述去模糊化处理的结果控制列车工况的转换。
所述合力F包括:列车当前的牵引力、当前的制动力、当前的基本阻力和附加阻力的和。
所述步骤12具体包括:根据选择的三角形隶属函数,将所述输入变量模糊化处理。
所述模糊规则具体包括:
列车速度小于最高限速,且列车稳定运行,且列车在规定运营时分运行,且所述合力的瞬时变化率的范围为0.48~0.69m/s3,且列车在两站之间的运行中,工况的转换次数小于2。
所述保证列车稳定运行具体包括:当速度差e经模糊化之后的状态在{负大,负中,正中,正大}中时,调整列车行驶速度消除速度差e,当速度差e经模糊化之后的状态在{负小,零,正小}中时,选择控制量要防止超调。
所述合力F,速度差e,输出变量U都用{负大,负中,负小,零,正小,正中,正大}七种状态来描述,其中{负大,负中}为牵引工况,{负小,零,正小}为惰性工况,{正中,正大}为制动工况。
本发明还提供了一种列车工况转换控制系统,包括:
模糊化模块,与列车超速防护模块以及列车自动驾驶模块相连接,用于从所述列车超速防护模块和列车自动驾驶模块中获取当前运行速度和目标速度的速度差e,以及基于当前运行速度对列车做受力分析得到列车所受的合力F,将所述合力F和速度差e作为输入变量,对所述输入变量进行模糊化处理并输出;
模糊规则制定模块,用于制定模糊规则并存储;
模糊推理模块,与所述模糊化模块和模糊规则制定模块相连接,用于根据所述模糊规则,对所述模糊化模块输出的变量进行模糊推理得到输出变量U并发送;
去模糊化模块,与所述模糊推理模块相连接,用于将所述输出变量U进行去模糊化处理,并将处理结果发送;
所述列车自动驾驶模块,与所述去模糊化模块、模糊化模块以及列车超速防护模块相连接,用于计算列车当前目标速度并根据所述处理结果控制列车进行工况的转换;
所述列车超速防护模块,与所述模糊化模块相连接,用于获得列车的当前运行速度。
(三)有益效果
上述技术方案具有如下有益效果:通过采用模糊控制的方法,不需要建立精确模型,就能够结合已有的专家经验对列车的运行进行精确控制,且本发明对列车工况转换的控制避免了工况的频繁转换,保证了乘坐的舒适性和安全性,降低了能耗。
附图说明
图1是本发明列车工况转换控制方法实施例一流程图;
图2是本发明列车工况转换控制方法实施例二流程图;
图3为本发明列车工况转换控制方法中的三角形隶属函数示意图;
图4是本发明列车工况转换控制系统实施例结构示意图。
其中,1:模糊化模块;2:模糊规则制定模块;3:模糊推理模块;4:去模糊化模块;5:列车超速防护模块;6:列车自动驾驶模块。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1所示,为本发明列车工况转换控制方法实施例一流程图,本实施例包括以下步骤:
步骤11、获取列车当前受到的合力F,当前运行速度和目标速度的速度差e作为输入变量;
步骤12、将步骤11中的输入变量进行模糊化处理;
步骤13、根据制定的模糊规则,对模糊化处理的结果进行模糊推理,得到输出变量U;
步骤14、对输出变量U进行去模糊化处理,根据去模糊化处理的结果控制列车工况的转换。
如图2所示,为本发明列车工况转换控制方法实施例二流程图;本实施例包括以下步骤:
步骤21:获取输入变量F和e:
获取列车当前的牵引力、制动力、基本阻力和附加阻力并求和得到合力F;获取列车当前运行速度v和目标速度vT并求差得到速度差e;将合力F和速度差e作为输入变量;
具体地,根据列车牵引计算规程实时对列车做受力分析,根据列车的牵引特性曲线得到列车当前速度下的牵引力,根据列车的制动特性曲线得到列车当前速度下的制动力,利用经验公式或者对当前列车做系统辨识得到列车在当前速度下的基本阻力,同时结合当前线路因素得到列车附加阻力;对上述所有力求合力,得到合力F;
通过列车超速防护(Automatic Train Protection,ATP)模块可以采集到列车当前运行速度v,通过ATO可以获取计算的列车目标速度vT,计算两个速度的差e=vT-v,以合力F和e作为列车工况转换控制系统的输入变量;
步骤22:选择隶属函数,将输入变量F和e模糊化:
选择三角形函数作为模糊控制的隶属函数,其解析表达式如下:
f ( x , a , b , c ) = 0 x ≤ a x - a b - a a ≤ x ≤ b c - x c - b b ≤ x ≤ c 0 x ≥ c
为了达到理想的控制效果,模糊控制系统的输入,即模糊化控制模块的输入变量包括当前工况中列车所受的合力F、目标速度和当前速度的差值e,而要在模糊控制中使用这些变量,则需要用模糊化模块对其进行模糊化;
模糊控制系统的控制规则表现为一组模糊条件语句,在条件语句中描述输入输出变量状态的一些词汇的集合称为这些变量的词集。本实施例用{负大,负中,负小,零,正小,正中,正大}七种状态作为描述输入F,e以及输出变量U的状态的词集。选择较多的词汇描述输入、输出变量,可以更方便的制定控制规则,但相应的控制规则变的复杂;选择词汇过少,使得描述变量变得粗糙,导致控制器的性能变坏;因此一般选择六、七个变量。描述输入、输出变量的词汇都具有模糊特性,可用模糊集合来表示。因此,模糊概念的确定问题就直接转化为求取模糊集合隶属函数的问题。
选择合适的隶属函数是输入变量模糊化的核心。尽管隶属函数是人为主观定义的函数,但其必须符合客观实际,具有一定的客观性、科学性、稳定性和可信度。因此,无论选择什么样的隶属函数,都应反映出模糊集的渐变性、稳定性和连续性,隶属函数必须是连续的、对称的。常用的隶属函数有三角形、梯形、钟形、高斯形和Sigmoid形。其中三角形隶属函数足够满足模糊控制的需求,并且有着使用简单、易于分析和修改的特点。因此,本实施例选择三角形隶属函数,根据三角形隶属函数对输入参数F和e进行模糊化处理,将模糊化处理的结果输出。
步骤23:制定并存储模糊规则:
模糊控制规则基于专家经验和控制规律,而这些经验和规律是人们通过学习、试验以及长期经验累积而逐渐形成的,是一些技术知识的集合。利用模糊集合理论和语言变量的概念,可以把利用语言归纳的手动控制策略上升为数值运算,于是可以采用计算机完成这个任务以代替人的手动控制,实现模糊自动控制。
用语言归纳手动控制策略的过程,实际上就是建立模糊控制器的控制规则的过程,手动控制策略一般可以用条件语句加以描述,如“如果A且B,则C”等。
本实施例制定的模糊规则包括以下内容:
(1)列车速度小于最高限速;
模糊规则的制定首先考虑安全性,即列车速度绝对不能超过最高限速;
(2)保证列车的稳定运行;
当列车目标速度和当前运行速度的误差e大和较大时,选择控制量以尽快消除误差为主,而当误差较小时,选择控制量要防止超调,以系统的稳定性为主要出发点;
一般情况下,经模糊化处理后,若e的状态为{负大,正大}中的任一种,则认为e大,若e的状态为{负中,正中}中的任一种,则认为e较大,若e的状态为{负小,正小,零}中的任一种,则认为e较小。本实施例中速度差e的取值范围的界定是通过隶属函数的计算得到的,根据三角形隶属函数参数的取值不同,所形成的三角形隶属函数的形状也不相同,对速度差e范围的界定也不同;如图3所示,为本发明列车工况转换控制方法中的三角形隶属函数示意图,其中,纵坐标表示列车工况当前所处的状态在当前模糊集中的取值,横坐标代表输入量的具体数值。
(3)保证列车在规定运营时分运行;
列车运行速度应当跟随目标速度,即列车能在规定运营时分运行,保证运营效率;
理想状态下,列车运行速度应当等于目标速度,但这种状况不容易精确达到,因此只要列车运行速度与目标速度的差值经模糊化之后,在{负大,负中,负小,零,正小,正中,正大}七种状态范围内,能保证运营效率即可;
(4)列车所受合力的瞬时变化率尽量小;
考虑列车运行的舒适性,即列车所受合力的瞬时变化率尽量小;
作为系统的输入合力F,可以通过进一步计算的到合力F的瞬时变化率。这个指标来自于城市轨道交通中的参数“冲击率”,它的大小主要影响旅客乘坐列车的舒适性,因此要求列车正常情况加减速时避免造成大的冲动。有关资料显示,90%-95%的乘客能容许的限度为:坐姿下列车的加速度为1.0m/s2、列车的加速度变化率为0.69m/s3;站立时列车的加速度为0.78m/s2,列车的加速度变化率为0.48m/s3;合力的瞬时变化率不是控制的输入,只是制定模糊规则的一个条件。如果按照当前制定的模糊规则得到的合力瞬时变化率过大,则要对规则进行相应修改,比如合力的瞬时变化率的取值范围可以为0.48~0.69m/s3
(5)考虑列车运行的能耗,即列车工况变化的频率尽可能小。
具体地,列车在两站台之间运行时在惰行工况和牵引工况之间的转换次数不能大于2次;
根据上述原则,本发明制定出了模糊控制规则如表1所示:
Figure BSA00000245673600081
Figure BSA00000245673600091
表1
其中,表1的第一行表示速度误差e,表1的第一列表示当前车辆所受合力F。其余表格表示对应e和F时模糊输出U。
NL表示负大(Negative Large),NM表示负中(Negative Middle),NS表示负小(Negative Small),AZ表示近似为零(Almost Zero),PL表示正大(Positive Large),PM表示正中(Positive Middle),PS表示正小(Positive Small)。这七种状态构成一个模糊集合,用来描述输入变量F和e利用隶属函数模糊化后的结果,以及模糊推理之后的输出变量U。对不同的变量,各个模糊语言限定词有不同的解释,例如,对于速度差e,{近似为零}表示误差范围很小,属于“零”这个模糊语言值范围内;对于合力F,表示合力F在零值附近;对于输出U,也表示输出的驾驶状态属于“零”这个模糊语言值范围内。
步骤24:模糊推理:
模糊推理是指根据制定的模糊规则,对模糊化处理后的结果进行模糊推理,得到输出变量U并输出;
模糊推理过程是模糊控制的核心,是模糊规则的实质化。
步骤25:去模糊化处理:
对输出变量U进行去模糊化处理,根据去模糊化处理的结果控制列车工况的转换。
经过模糊推理后的输出变量U是模糊集合,由于是多条模糊控制规则所得结论的综合,其隶属函数是分段、不规则的形状。去模糊化的目的就是把模糊集合等效成一个清晰值,映射到一个代表性的数值上,这个任务由去模糊化(F/D)模块完成,将输出清晰化后再驱动其它后续设备。
本实施例的输出变量U分为{负大,负中,负小,零,正小,正中,正大}七个状态,这七个状态中{负大,负中}属于牵引工况,{负小,零,正小}属于惰行工况,{正中,正大}属于制动工况。每种工况中不同的状态对应牵引手柄不同的档位。其中牵引工况、惰行工况和制动工况均为现有技术,在此不做赘述。
如图4所示,为本发明列车工况转换控制系统实施例结构示意图,本实施例包括模糊化模块1、模糊规则制定模块2、模糊推理模块3、去模糊化模块4,列车超速防护模块5和列车自动驾驶模块6。
其中模糊化模块1与列车超速防护(Automatic Train Protection,ATP)模块5和列车自动驾驶模块ATO6相连接,模糊化模块1用于从列车超速防护模块5和列车自动驾驶模块6中获取当前运行速度和目标速度的速度差e,以及基于列车当前运行速度对列车进行受力分析得到列车所受的合力F,将合力F和速度差e作为输入变量,对获取的输入变量进行模糊化处理并输出;模糊规则制定模块2用于制定模糊规则并存储;模糊推理模块3与模糊化模块1和模糊规则制定模块2相连接,用于根据模糊规则,对模糊化模块1输出的变量进行模糊推理得到输出变量U并发送;去模糊化模块4与模糊推理模块3相连接,用于将模糊推理模块3的输出变量U进行去模糊化处理,并将处理结果发送;列车自动驾驶模块6与去模糊化模块4、模糊化模块1以及列车超速防护模块5相连接,用于计算列车当前目标速度并根据去模糊化模块4的处理结果控制列车进行工况的转换;列车超速防护模块5与模糊化模块1相连接,用于获取列车的当前运行速度。
具体地,模糊化模块1根据列车牵引计算规程实时对列车做受力分析,根据列车的牵引特性曲线得到列车当前速度下的牵引力,根据列车的制动特性曲线得到列车当前速度下的制动力,利用经验公式或者对当前列车做系统辨识得到列车在当前速度下的基本阻力,同时结合当前线路因素得到列车附加阻力;然后模糊化模块1对上述所有力进行计算,得到合力F;模糊化模块1还通过实时获取ATP5采集到的列车当前运行速度v和ATO6计算的目标速度vT,计算两个速度的差e=vT-v,以合力F和e作为模糊化模块1的输入变量;模糊化模块1采用三角形隶属函数作为隶属函数,三角形隶属函数的解析表达式如下:
f ( x , a , b , c ) = 0 x ≤ a x - a b - a a ≤ x ≤ b c - x c - b b ≤ x ≤ c 0 x ≥ c
模糊规则制定模块2根据专家经验制定模糊规则并存储,制定的模糊规则包括:列车速度小于最高限速,且保证列车运行的稳定性,且保证列车在规定运营时分运行,且列车所受合力的瞬时变化率尽量小,且列车工况变化的频率尽可能小。模糊推理模块3根据模糊规则制定模块2制定的模糊规则对模糊化模块1输出的变量进行模糊推理,得到输出变量U,并将输出变量U发送至去模糊化模块4;去模糊化模块4将输出变量U进行去模糊化处理;并将处理结果发送至ATO6,ATO6根据该处理结果控制列车工况的转换。
本发明提供的列车工况转换方法及系统,通过采用模糊控制的方法,不需要建立精确模型,就能够结合已有的专家经验对列车的运行进行精确控制,且本发明对列车工况转换的控制避免了工况的频繁转换,保证了乘坐的舒适性和安全性,降低了能耗。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。

Claims (7)

1.一种列车工况转换控制方法,其特征在于,包括:
步骤11、获取列车当前受到的合力F,当前运行速度和目标速度的速度差e作为输入变量;
步骤12、将所述输入变量进行模糊化处理;
步骤13、根据制定的模糊规则,对所述模糊化处理的结果进行模糊推理,得到输出变量U;
步骤14、对所述输出变量U进行去模糊化处理,根据所述去模糊化处理的结果控制列车工况的转换。
2.如权利要求1所述的列车工况转换控制方法,其特征在于,所述合力F包括:列车当前的牵引力、当前的制动力、当前的基本阻力和附加阻力之和。
3.如权利要求1所述的列车工况转换控制方法,其特征在于,所述步骤12具体包括:根据选择的三角形隶属函数,将所述输入变量模糊化处理。
4.如权利要求3所述的列车工况转换控制方法,其特征在于,所述模糊规则具体包括:列车速度小于最高限速,且列车稳定运行,且列车在规定运营时分运行,且所述合力的瞬时变化率的范围为0.48~0.69m/s3,且列车在两站之间的运行中,工况的转换次数小于2。
5.如权利要求4所述的列车工况转换控制方法,其特征在于,所述保证列车稳定运行具体包括:当速度差e经模糊化之后的状态在{负大,负中,正中,正大}中时,调整列车行驶速度消除速度差e,当速度差e经模糊化之后的状态在{负小,零,正小}中时,选择控制量要防止超调。
6.如权利要求1所述的列车工况转换控制方法,其特征在于,所述合力F,速度差e,输出变量U都用{负大,负中,负小,零,正小,正中,正大}七种状态来描述,其中{负大,负中}为牵引工况,{负小,零,正小}为惰性工况,{正中,正大}为制动工况。
7.一种列车工况转换控制系统,其特征在于,包括:
模糊化模块,与列车超速防护模块以及列车自动驾驶模块相连接,用于从所述列车超速防护模块和列车自动驾驶模块中获取当前运行速度和目标速度的速度差e,以及基于当前运行速度对列车做受力分析得到列车所受的合力F,将所述合力F和速度差e作为输入变量,对所述输入变量进行模糊化处理并输出;
模糊规则制定模块,用于制定模糊规则并存储;
模糊推理模块,与所述模糊化模块和模糊规则制定模块相连接,用于根据所述模糊规则,对所述模糊化模块输出的变量进行模糊推理得到输出变量U并发送;
去模糊化模块,与所述模糊推理模块相连接,用于将所述输出变量U进行去模糊化处理,并将处理结果发送;
所述列车自动驾驶模块,与所述去模糊化模块、模糊化模块以及列车超速防护模块相连接,用于计算列车当前目标速度并根据所述处理结果控制列车进行工况的转换;
所述列车超速防护模块,与所述模糊化模块相连接,用于获得列车的当前运行速度。
CN2010102642870A 2010-08-26 2010-08-26 列车工况转换控制方法及系统 Active CN101941450B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2010102642870A CN101941450B (zh) 2010-08-26 2010-08-26 列车工况转换控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2010102642870A CN101941450B (zh) 2010-08-26 2010-08-26 列车工况转换控制方法及系统

Publications (2)

Publication Number Publication Date
CN101941450A true CN101941450A (zh) 2011-01-12
CN101941450B CN101941450B (zh) 2012-07-04

Family

ID=43433711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010102642870A Active CN101941450B (zh) 2010-08-26 2010-08-26 列车工况转换控制方法及系统

Country Status (1)

Country Link
CN (1) CN101941450B (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102981408A (zh) * 2012-12-10 2013-03-20 华东交通大学 一种动车组运行过程建模与自适应控制方法
CN103092076A (zh) * 2013-01-06 2013-05-08 华东交通大学 动车组制动过程多模型自适应pid控制
CN103390111A (zh) * 2013-07-29 2013-11-13 北京交通大学 一种面向城市轨道交通单列车运行能耗的计算方法
CN104134378A (zh) * 2014-06-23 2014-11-05 北京交通大学 一种基于驾驶经验和在线学习的城轨列车智能控制方法
WO2014183263A1 (zh) * 2013-05-14 2014-11-20 深圳市坐标系交通技术有限公司 一种列车控制方法及其装置和系统
CN105404175A (zh) * 2015-11-24 2016-03-16 北京交控科技股份有限公司 车载设备单机仿真系统
CN106843231A (zh) * 2017-03-24 2017-06-13 广州汽车集团股份有限公司 无人驾驶汽车、无人驾驶汽车的控制方法及其控制装置
CN106982019A (zh) * 2017-05-25 2017-07-25 绵阳美菱软件技术有限公司 一种控制压缩机运行状态的方法和装置
CN107527140A (zh) * 2017-07-28 2017-12-29 西安理工大学 一种基于模糊隶属度的高速列车运行工况确定方法
WO2018121692A1 (zh) * 2016-12-30 2018-07-05 比亚迪股份有限公司 车辆控制方法和装置、以及计算机可读存储介质
CN109455203A (zh) * 2019-01-28 2019-03-12 湖南中车时代通信信号有限公司 列车运行速度自动控制方法、装置、设备、系统及介质
CN109532891A (zh) * 2018-11-29 2019-03-29 中车株洲电力机车有限公司 一种重联机车的同步控制方法、装置及设备
CN110155089A (zh) * 2019-05-28 2019-08-23 北京交通大学 一种城轨列车动力学模型参数自动调整方法
CN110450825A (zh) * 2019-08-01 2019-11-15 西南交通大学 城市轨道交通列车运行控制方法
CN110509959A (zh) * 2019-07-24 2019-11-29 重庆交通大学 城市轨道交通列车线路定时运行的节能优化方法
CN111016969A (zh) * 2019-12-12 2020-04-17 广州地铁集团有限公司 一种车辆介入式惰行控制的方法及装置
CN113715871A (zh) * 2021-09-24 2021-11-30 青岛海信微联信号有限公司 一种列车控制方法、装置、设备、系统及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03157264A (ja) * 1989-11-16 1991-07-05 Toshiba Corp 列車運行管理システム用制御装置の構成方式
JPH0597035A (ja) * 1991-10-09 1993-04-20 Hitachi Ltd 鉄道列車の走行時間計算システム
CN1817680A (zh) * 2002-01-31 2006-08-16 株式会社东芝 自动列车运行装置以及列车运行辅助装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3157264B2 (ja) * 1992-03-16 2001-04-16 日本ケーブル株式会社 自動循環式索道における搬器の一時停止運行方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03157264A (ja) * 1989-11-16 1991-07-05 Toshiba Corp 列車運行管理システム用制御装置の構成方式
JPH0597035A (ja) * 1991-10-09 1993-04-20 Hitachi Ltd 鉄道列車の走行時間計算システム
CN1817680A (zh) * 2002-01-31 2006-08-16 株式会社东芝 自动列车运行装置以及列车运行辅助装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《控制与决策》 20100531 董海容 基于模糊PID软切换控制的列车自动驾驶系统调速制动 794-796,800 1-7 第25卷, 第5期 2 *

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102981408B (zh) * 2012-12-10 2015-05-27 华东交通大学 一种动车组运行过程建模与自适应控制方法
CN102981408A (zh) * 2012-12-10 2013-03-20 华东交通大学 一种动车组运行过程建模与自适应控制方法
CN103092076A (zh) * 2013-01-06 2013-05-08 华东交通大学 动车组制动过程多模型自适应pid控制
CN103092076B (zh) * 2013-01-06 2015-11-04 华东交通大学 动车组制动过程多模型自适应pid控制
WO2014183263A1 (zh) * 2013-05-14 2014-11-20 深圳市坐标系交通技术有限公司 一种列车控制方法及其装置和系统
CN105209314A (zh) * 2013-05-14 2015-12-30 深圳市坐标系交通技术有限公司 一种列车控制方法及其装置和系统
CN103390111A (zh) * 2013-07-29 2013-11-13 北京交通大学 一种面向城市轨道交通单列车运行能耗的计算方法
CN104134378A (zh) * 2014-06-23 2014-11-05 北京交通大学 一种基于驾驶经验和在线学习的城轨列车智能控制方法
CN105404175A (zh) * 2015-11-24 2016-03-16 北京交控科技股份有限公司 车载设备单机仿真系统
WO2018121692A1 (zh) * 2016-12-30 2018-07-05 比亚迪股份有限公司 车辆控制方法和装置、以及计算机可读存储介质
CN106843231A (zh) * 2017-03-24 2017-06-13 广州汽车集团股份有限公司 无人驾驶汽车、无人驾驶汽车的控制方法及其控制装置
CN106982019A (zh) * 2017-05-25 2017-07-25 绵阳美菱软件技术有限公司 一种控制压缩机运行状态的方法和装置
CN107527140A (zh) * 2017-07-28 2017-12-29 西安理工大学 一种基于模糊隶属度的高速列车运行工况确定方法
CN109532891A (zh) * 2018-11-29 2019-03-29 中车株洲电力机车有限公司 一种重联机车的同步控制方法、装置及设备
CN109532891B (zh) * 2018-11-29 2020-07-31 中车株洲电力机车有限公司 一种重联机车的同步控制方法、装置及设备
CN109455203A (zh) * 2019-01-28 2019-03-12 湖南中车时代通信信号有限公司 列车运行速度自动控制方法、装置、设备、系统及介质
CN109455203B (zh) * 2019-01-28 2019-05-03 湖南中车时代通信信号有限公司 列车运行速度自动控制方法、装置、设备、系统及介质
CN110155089A (zh) * 2019-05-28 2019-08-23 北京交通大学 一种城轨列车动力学模型参数自动调整方法
CN110509959A (zh) * 2019-07-24 2019-11-29 重庆交通大学 城市轨道交通列车线路定时运行的节能优化方法
CN110450825A (zh) * 2019-08-01 2019-11-15 西南交通大学 城市轨道交通列车运行控制方法
CN111016969A (zh) * 2019-12-12 2020-04-17 广州地铁集团有限公司 一种车辆介入式惰行控制的方法及装置
CN113715871A (zh) * 2021-09-24 2021-11-30 青岛海信微联信号有限公司 一种列车控制方法、装置、设备、系统及存储介质
CN113715871B (zh) * 2021-09-24 2023-08-15 青岛海信微联信号有限公司 一种列车控制方法、装置、设备、系统及存储介质

Also Published As

Publication number Publication date
CN101941450B (zh) 2012-07-04

Similar Documents

Publication Publication Date Title
CN101941450B (zh) 列车工况转换控制方法及系统
Cao et al. Application of fuzzy predictive control technology in automatic train operation
CN106154831B (zh) 一种基于学习法的智能汽车纵向神经滑模控制方法
CN104881527B (zh) 城市轨道交通列车ato速度命令优化方法
Cai et al. An intelligent longitudinal controller for application in semiautonomous vehicles
Li et al. Ecological adaptive cruise control for vehicles with step-gear transmission based on reinforcement learning
CN111619624B (zh) 一种基于深度强化学习的有轨电车运行控制方法和系统
Huang et al. Use of neural fuzzy networks with mixed genetic/gradient algorithm in automated vehicle control
Fernandez et al. Driver classification for intelligent transportation systems using fuzzy logic
CN106740846A (zh) 一种双模式切换的电动汽车自适应巡航控制方法
Chu et al. Self-learning optimal cruise control based on individual car-following style
Pérez et al. Design and implementation of a neuro-fuzzy system for longitudinal control of autonomous vehicles
CN108733955A (zh) 一种智能电动汽车纵向运动控制系统及方法
CN103092076A (zh) 动车组制动过程多模型自适应pid控制
CN109204390A (zh) 一种基于深度学习的列车控制方法
EP4194249A1 (en) Method for predicting energy consumption-recovery ratio of new energy vehicle, and energy saving control method and system
CN109910863A (zh) 一种基于插电式混合动力轿车专用变速器的控制方法
CN103246200A (zh) 一种基于分布式模型的动车组同步跟踪控制方法
Gu et al. Integrated eco-driving automation of intelligent vehicles in multi-lane scenario via model-accelerated reinforcement learning
Zhao et al. Coordinated throttle and brake fuzzy controller design for vehicle following
Zhang et al. Mechanism of road capacity under different penetration scenarios of autonomous vehicles
Villagrá et al. Model-free control techniques for Stop & Go systems
Zhang et al. Ship heading control based on fuzzy PID control
Farag Model-predictive-control complex-path tracking for self-driving cars
CN117022406A (zh) 列车自动驾驶方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
ASS Succession or assignment of patent right

Owner name: BEIJING JIAOTONG UNIVERSITY ASSETS MANAGEMENT CO.,

Free format text: FORMER OWNER: BEIJING COMMUNICATION UNIV.

Effective date: 20110817

C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20110817

Address after: 100044 Beijing city Haidian District sorghum Bridge Street No. 44 Building Room 806

Applicant after: Beijing Jiaotong University

Address before: 100044 Beijing city Haidian District Shangyuan Village No. 3

Applicant before: Beijing Jiaotong University

C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: BEIJING TRAFFIC CONTROL TECHNOLOGY CO., LTD.

Free format text: FORMER OWNER: BEIJING JIAOTONG UNIVERSITY ASSET MANAGEMENT CO., LTD.

Effective date: 20120814

C41 Transfer of patent application or patent right or utility model
COR Change of bibliographic data

Free format text: CORRECT: ADDRESS; FROM: 100044 HAIDIAN, BEIJING TO: 100070 FENGTAI, BEIJING

TR01 Transfer of patent right

Effective date of registration: 20120814

Address after: 100070 Beijing science and Technology Park of Fengtai District Haiying Road No. 6 hospital of Beijing, the headquarters of the International 2 Building No. 3

Patentee after: Beijing Traffic Control Technology Co., Ltd.

Address before: 100044 Beijing city Haidian District sorghum Bridge Street No. 44 Building Room 806

Patentee before: Beijing Jiaotong University

C56 Change in the name or address of the patentee
CP01 Change in the name or title of a patent holder

Address after: 100070 Beijing science and Technology Park of Fengtai District Haiying Road No. 6 hospital of Beijing, the headquarters of the International 2 Building No. 3

Patentee after: TRAFFIC CONTROL TECHNOLOGY Co.,Ltd.

Address before: 100070 Beijing science and Technology Park of Fengtai District Haiying Road No. 6 hospital of Beijing, the headquarters of the International 2 Building No. 3

Patentee before: Beijing Traffic Control Technology Co., Ltd.

CP01 Change in the name or title of a patent holder

Address after: 100070 Beijing science and Technology Park of Fengtai District Haiying Road No. 6 hospital of Beijing, the headquarters of the International 2 Building No. 3

Patentee after: TRAFFIC CONTROL TECHNOLOGY Co.,Ltd.

Address before: 100070 Beijing science and Technology Park of Fengtai District Haiying Road No. 6 hospital of Beijing, the headquarters of the International 2 Building No. 3

Patentee before: TRAFFIC CONTROL TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder