CN103019267A - 高速列车anfis建模与运行速度预测控制方法 - Google Patents
高速列车anfis建模与运行速度预测控制方法 Download PDFInfo
- Publication number
- CN103019267A CN103019267A CN2012105245203A CN201210524520A CN103019267A CN 103019267 A CN103019267 A CN 103019267A CN 2012105245203 A CN2012105245203 A CN 2012105245203A CN 201210524520 A CN201210524520 A CN 201210524520A CN 103019267 A CN103019267 A CN 103019267A
- Authority
- CN
- China
- Prior art keywords
- model
- anfis
- speed
- operational process
- bullet train
- 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
Links
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
一种基于ANFIS模型的高速列车广义预测控制方法,所述方法根据采集的高速列车运行过程数据,利用数据驱动建模方法,建立高速列车运行过程ANFIS模型,采用减法聚类确定模糊模型规则数和初始参数,并采用反向传播算法和最小二乘法优化模糊模型参数。本发明提出基于ANFIS模型的动车组运行速度预测跟踪控制方法,多步预测,循环滚动,得到准确的控制量,从而改变了凭经验调节的盲目性,使高速列车运行速度精确跟踪目标曲线,解决了大滞后问题,实现列车正点、安全、有效运行,保证了乘客安全。本发明方法简单实用,可实现高速列车自动驾驶控制。本发明适用于高速列车运行过程在线监测和自动控制。
Description
技术领域
本发明涉及高速列车运行过程建模与速度预测跟踪控制方法,属高速列车运行过程监测与自动控制技术领域。
背景技术
随着社会的快速发展,运输量不断增加,为加强现代综合运输体系的建设,根据《国民经济和社会发展第十二个五年规划纲要》,我国需大力发展高速铁路,基本建成国家快速铁路网。高速列车是高速铁路技术体系的核心,是国家相关高技术发展水平、相关制造能力、自主创新能力以及国家核心竞争力的综合体现,对于具有高速度、高密度运营特性的高速铁路来说,高速列车运行安全是重中之重,然而高速列车作为一个由复杂技术装备组成、在复杂环境中运行、完成具有复杂时空分布特征的位移服务的非线性动力学系统,如何对高速列车运行过程建立有效的模型和实施速度跟踪控制,对确保高速列车安全、平稳运行尤为关键。
针对高速列车运行过程的建模,通常采用基于牵引计算和运行阻力经验模型的描述方法,但其无法完整刻画动车组复杂多变的动态行为;多模型方法可部分解决动车组运行过程建模问题,但在高速列车高速运行时如何在线平稳切换模型仍缺乏有效策略。针对列车运行过程,常用的控制方法有:(1)经典控制算法,主要是PID控制算法。1968 年,伦敦第一条盈利性投入运营的线路——维多利亚线就是运用了该算法,但是PID控制算法无自适应性能力,不能适应复杂控制过程。 (2)智能控制算法。有人提出采用模糊控制方法实现列车自动停车,取得了比PID更好的控制效果; (3)集成智能控制算法。有文献采用模糊神经网络控制实现列车运行过程跟踪,解决模糊控制规则数量多、相互冲突等问题;上述控制方法主要应用在城市轨道交通等普通速度列车,目前还没有应用在高速铁路上。
发明内容
本发明的目的是,对复杂的高速列车运行过程建立有效的自适应神经模糊推理系统(ANFIS)模型描述,基于列车运行过程ANFIS模型,通过预测输出速度和期望输出速度之间的偏差设计性能指标函数,采用广义预测控制方法,实现高速列车的高精度速度跟踪控制。
本发明的技术方案是:本发明根据采集的高速列车运行过程数据,利用数据驱动建模方法,建立高速列车运行过程ANFIS模型,采用减法聚类确定模糊模型规则数和初始参数,并采用反向传播算法和最小二乘法优化模糊模型参数;提出基于ANFIS模型的动车组运行速度预测跟踪控制方法,实现列车安全、高效、正点运行。
本发明基于ANFIS的高速列车运行过程建模步骤为:
1、分析高速列车运行过程的受力情况,如图1所示,其运动过程动力学模型可表示为:
2、建立基于ANFIS的高速列车运行过程模型。本发明根据动车组运行过程,采用模糊推理规则进行建模,以高速列车运行过程受力情况的数学方程描述为基础,确定子模型的线性结构,据此设计高速列车运行过程ANFIS模型框架:
模糊推理规则(3)可用图2所示的5层ANFIS网络结构获得:
根据(4)-(7)的推导,动车组运行过程模型(5)可重写为:
为得到模型(8),要对模型进行初始化。针对动车组运行过程模型(8),需要基于输入/输出数据确定模型规则数及每条规则对应的初始参数和,本发明采用减法聚类算法来完成这一过程(聚类的个数对应于模型的规则条数,聚类的中心和半径对应于模型的前件参数)。减法聚类方法是将每个数据点作为可能的聚类中心,并根据各个数据点周围的数据点密度来计算该点作为聚类中心的可能性,克服了其它聚类法计算量随着问题的维数按指数增长的不足。聚类中心获得如下:
4、高速列车速度跟踪控制设计:
本发明提出基于ANFIS模型的广义预测控制方法来实现高速列车的高精度速度跟踪控制,其原理如图3所示。整个控制过程将预测输出速度与目标函数给出的期望输出速度之间的误差反馈给广义预测控制器,经过具体计算获得并输出控制量,从而实现列车速度跟踪。控制律获得过程为:
建模过程得到的公式(5)可描述为受控自回归积分滑动平均过程模型(Controlled Auto-Regressive Integrated Moving Average, CARIMA)形式
(13)
为了获得控制律,需最小化以下性能指标函数:
由(13)、(15)和(16)可获得:
当最优实际预测估计输出
时,性能指标函数取得最小值。
将式(14)写成矩阵形式:
(20)
将式(17)代入式(18)中,矩阵形式可表示为:
综上所述,对于复杂的非线性高速列车运行过程,建立能以任意精度逼近任一闭子集实连续函数的ANFIS模型,提出基于ANFIS模型的广义预测控制,获得控制力实现高速列车速度跟踪控制,保证了乘客的安全和乘坐舒适性。
本发明与现有技术比较的有益效果是,高速列车运行过程具有非线性动力学特征,且环境复杂多变,一般采用经验模型和多模型切换方法,难以建立精确稳定的控制模型,从而影响速度跟踪控制。本技术方案根据运行数据应用减法聚类获得最优模糊规则个数和初始参数,并采用反向传播算法和最小二乘法优化模型参数,在线精确辨识,充分利用现场数据,避免经验模型的单一性;建立的ANFIS模糊模型采用的是模型融合的理念,改进了多模型切换不稳定的缺点。提出基于ANFIS模型的广义预测控制方法,多步预测,循环滚动,得到准确的控制量 ,从而改变了凭经验调节的盲目性,使高速列车运行速度精确跟踪目标曲线,解决了大滞后问题,实现列车正点、安全、有效运行,保证了乘客安全。本技术方案简单实用,可实现高速列车自动驾驶控制。
本发明适用于高速列车运行过程在线监测和自动控制。
附图说明
图1为动车组运行过程受力情况;
图2为ANFIS网络结构;图中,1是第1层;2是第2层;3是第3层;4是第4层;5是第5层;
图6为检验数据的输出误差分布曲线,纵坐标为误差值;
图7为高速列车从济南西到徐州东的列车速度跟踪曲线,实线曲线为给定速度曲线,虚线曲线为预测速度曲线;
图8为牵引力/制动力曲线,纵坐标为控制力值;
具体实施方式
本发明实施选用京沪高铁线路的某CRH型动车组为实验验证对象,采集改动车组在某线路段的2000组速度、控制力数据,并以其中1200组数据作为建模数据样本,剩余800组数据作为检验数据。
首先,根据采集的1200组建模样本数据,采用减法聚类可确定模型的最佳规则数为6,据此,采用梯度下降算法和最小二乘法获得模型的前件和后件参数,输入和的隶属函数分别如图4和图5所示,模糊模型规则如表1,模糊规则前件参数和如表2。为验证模型有效性,采用剩余800组运行数据对建立的模型进行检验,其模型输出误差分布曲线如图6。
表1 ANFIS模型规则
表2 ANFIS模型规则前件参数
其次,控制器设计过程。基于上述模型,采用广义预测控制对CRH型动车组在京沪高铁线路的济南西站——徐州东站的实际运行速度进行跟踪控制,得到图7速度跟踪曲线和图8牵引力/制动力曲线。
图7表明基于ANFIS模型的动车组速度跟踪控制方法在牵引、恒速、惰行、制动工况下均有良好的跟踪能力。保证了动车组的停靠准确性和安全性。图8描述了动车组的单位控制力(牵引力/制动力)在整个运行过程缓和变化,过渡比较平滑,启动提速阶段变化较平稳,乘客舒适性指标得到一定程度的提高。
Claims (4)
1.一种高速列车运行过程ANFIS建模和广义预测控制方法,其特征是,所述方法根据采集的高速列车运行过程数据,利用数据驱动建模方法,建立高速列车运行过程ANFIS模型,采用减法聚类确定模糊模型规则数和初始参数,并采用反向传播算法和最小二乘法优化模糊模型参数;提出基于ANFIS模型的动车组运行速度预测跟踪控制方法,实现列车安全、高效、正点运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210524520.3A CN103019267B (zh) | 2012-12-10 | 2012-12-10 | 高速列车anfis建模与运行速度预测控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210524520.3A CN103019267B (zh) | 2012-12-10 | 2012-12-10 | 高速列车anfis建模与运行速度预测控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103019267A true CN103019267A (zh) | 2013-04-03 |
CN103019267B CN103019267B (zh) | 2016-06-22 |
Family
ID=47967974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210524520.3A Active CN103019267B (zh) | 2012-12-10 | 2012-12-10 | 高速列车anfis建模与运行速度预测控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103019267B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246200A (zh) * | 2013-04-17 | 2013-08-14 | 华东交通大学 | 一种基于分布式模型的动车组同步跟踪控制方法 |
CN103559561A (zh) * | 2013-11-13 | 2014-02-05 | 上海电气集团股份有限公司 | 一种光伏电站辐照度的超短期预测方法 |
CN103559540A (zh) * | 2013-11-13 | 2014-02-05 | 上海电气集团股份有限公司 | 基于自适应神经模糊推理系统的风速超短期在线预测方法 |
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 |
CN105573123A (zh) * | 2016-01-19 | 2016-05-11 | 东南大学 | 一种基于改进的t-s模糊预测建模的火电机组机炉协调控制方法 |
CN106707765A (zh) * | 2017-02-27 | 2017-05-24 | 华东交通大学 | 高速动车组跟踪运行实时优化控制方法 |
CN106773682A (zh) * | 2016-12-05 | 2017-05-31 | 清华大学 | 基于时滞动态确定的玻璃窑炉池底温度智能预测控制方法 |
CN106842924A (zh) * | 2017-01-18 | 2017-06-13 | 华东交通大学 | 基于多工况anfis模型的动车组优化控制方法 |
CN106842925A (zh) * | 2017-01-20 | 2017-06-13 | 清华大学 | 一种基于深度强化学习的机车智能操纵方法与系统 |
CN108873691A (zh) * | 2017-11-13 | 2018-11-23 | 华东交通大学 | 高速列车广义预测调优控制方法 |
CN111427263A (zh) * | 2020-01-07 | 2020-07-17 | 湘潭大学 | 基于调速经验库的货运列车的运行自适应速度模糊控制及高效节能运行方法 |
CN111443718A (zh) * | 2020-04-24 | 2020-07-24 | 华东交通大学 | 基于预报误差法的高速列车状态反馈预测控制方法及系统 |
CN111580391A (zh) * | 2020-05-29 | 2020-08-25 | 中车青岛四方车辆研究所有限公司 | 基于模型预测的动车组牵引力矩控制方法 |
CN112394729A (zh) * | 2020-11-09 | 2021-02-23 | 华东交通大学 | 一种动车组运行过程t-s模糊建模和模糊追踪控制方法 |
CN112785845A (zh) * | 2020-12-30 | 2021-05-11 | 桂林电子科技大学 | 一种基于K-means聚类与RBF神经网络的车速预测方法 |
CN112967420A (zh) * | 2021-04-01 | 2021-06-15 | 华东交通大学 | 一种基于区间二型的重载列车运行过程监控方法及系统 |
CN114167733A (zh) * | 2022-02-14 | 2022-03-11 | 华东交通大学 | 一种高速列车速度控制方法及系统 |
CN115793472A (zh) * | 2023-02-13 | 2023-03-14 | 华东交通大学 | 重载列车的建模方法、建模系统、控制方法及控制系统 |
CN115891947A (zh) * | 2023-02-22 | 2023-04-04 | 北京全路通信信号研究设计院集团有限公司 | 一种中低速磁悬浮列车电液混合制动协同控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6760716B1 (en) * | 2000-06-08 | 2004-07-06 | Fisher-Rosemount Systems, Inc. | Adaptive predictive model in a process control system |
CN1598720A (zh) * | 2003-06-05 | 2005-03-23 | 费舍-柔斯芒特系统股份有限公司 | 具有非线性预测性能的多输入/多输出控制块 |
US7058617B1 (en) * | 1996-05-06 | 2006-06-06 | Pavilion Technologies, Inc. | Method and apparatus for training a system model with gain constraints |
CN101925866A (zh) * | 2008-01-31 | 2010-12-22 | 费希尔-罗斯蒙特系统公司 | 具有用来补偿模型失配的调节的鲁棒的自适应模型预测控制器 |
-
2012
- 2012-12-10 CN CN201210524520.3A patent/CN103019267B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7058617B1 (en) * | 1996-05-06 | 2006-06-06 | Pavilion Technologies, Inc. | Method and apparatus for training a system model with gain constraints |
US6760716B1 (en) * | 2000-06-08 | 2004-07-06 | Fisher-Rosemount Systems, Inc. | Adaptive predictive model in a process control system |
CN1598720A (zh) * | 2003-06-05 | 2005-03-23 | 费舍-柔斯芒特系统股份有限公司 | 具有非线性预测性能的多输入/多输出控制块 |
CN101925866A (zh) * | 2008-01-31 | 2010-12-22 | 费希尔-罗斯蒙特系统公司 | 具有用来补偿模型失配的调节的鲁棒的自适应模型预测控制器 |
Non-Patent Citations (3)
Title |
---|
杨辉等: "高速列车多模型广义预测控制方法", 《铁道学报》, vol. 33, no. 8, 14 August 2011 (2011-08-14), pages 80 - 87 * |
粟迎南: "基于T-S模型的建模方法的研究", 《中国优秀硕士学位论文全文数据库》, no. 1, 15 March 2005 (2005-03-15), pages 16 - 25 * |
邵克勇等: "一种基于数据驱动的模糊系统建模方法", 《过程控制》, vol. 36, no. 5, 10 October 2009 (2009-10-10) * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246200A (zh) * | 2013-04-17 | 2013-08-14 | 华东交通大学 | 一种基于分布式模型的动车组同步跟踪控制方法 |
CN103246200B (zh) * | 2013-04-17 | 2016-01-13 | 华东交通大学 | 一种基于分布式模型的动车组同步跟踪控制方法 |
CN103559540B (zh) * | 2013-11-13 | 2016-03-09 | 上海电气集团股份有限公司 | 基于自适应神经模糊推理系统的风速超短期在线预测方法 |
CN103559561A (zh) * | 2013-11-13 | 2014-02-05 | 上海电气集团股份有限公司 | 一种光伏电站辐照度的超短期预测方法 |
CN103559540A (zh) * | 2013-11-13 | 2014-02-05 | 上海电气集团股份有限公司 | 基于自适应神经模糊推理系统的风速超短期在线预测方法 |
CN103559561B (zh) * | 2013-11-13 | 2016-03-09 | 上海电气集团股份有限公司 | 一种光伏电站辐照度的超短期预测方法 |
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 |
CN105573123A (zh) * | 2016-01-19 | 2016-05-11 | 东南大学 | 一种基于改进的t-s模糊预测建模的火电机组机炉协调控制方法 |
CN106773682A (zh) * | 2016-12-05 | 2017-05-31 | 清华大学 | 基于时滞动态确定的玻璃窑炉池底温度智能预测控制方法 |
CN106773682B (zh) * | 2016-12-05 | 2019-11-22 | 清华大学 | 基于时滞动态确定的玻璃窑炉池底温度智能预测控制方法 |
CN106842924A (zh) * | 2017-01-18 | 2017-06-13 | 华东交通大学 | 基于多工况anfis模型的动车组优化控制方法 |
CN106842924B (zh) * | 2017-01-18 | 2019-08-13 | 华东交通大学 | 基于多工况anfis模型的动车组优化控制方法 |
CN106842925A (zh) * | 2017-01-20 | 2017-06-13 | 清华大学 | 一种基于深度强化学习的机车智能操纵方法与系统 |
CN106842925B (zh) * | 2017-01-20 | 2019-10-11 | 清华大学 | 一种基于深度强化学习的机车智能操纵方法与系统 |
CN106707765A (zh) * | 2017-02-27 | 2017-05-24 | 华东交通大学 | 高速动车组跟踪运行实时优化控制方法 |
CN108873691A (zh) * | 2017-11-13 | 2018-11-23 | 华东交通大学 | 高速列车广义预测调优控制方法 |
CN111427263A (zh) * | 2020-01-07 | 2020-07-17 | 湘潭大学 | 基于调速经验库的货运列车的运行自适应速度模糊控制及高效节能运行方法 |
CN111443718A (zh) * | 2020-04-24 | 2020-07-24 | 华东交通大学 | 基于预报误差法的高速列车状态反馈预测控制方法及系统 |
CN111580391A (zh) * | 2020-05-29 | 2020-08-25 | 中车青岛四方车辆研究所有限公司 | 基于模型预测的动车组牵引力矩控制方法 |
CN112394729A (zh) * | 2020-11-09 | 2021-02-23 | 华东交通大学 | 一种动车组运行过程t-s模糊建模和模糊追踪控制方法 |
CN112785845A (zh) * | 2020-12-30 | 2021-05-11 | 桂林电子科技大学 | 一种基于K-means聚类与RBF神经网络的车速预测方法 |
CN112785845B (zh) * | 2020-12-30 | 2022-11-01 | 桂林电子科技大学 | 一种基于K-means聚类与RBF神经网络的车速预测方法 |
CN112967420A (zh) * | 2021-04-01 | 2021-06-15 | 华东交通大学 | 一种基于区间二型的重载列车运行过程监控方法及系统 |
CN112967420B (zh) * | 2021-04-01 | 2022-09-30 | 华东交通大学 | 一种基于区间二型的重载列车运行过程监控方法及系统 |
CN114167733A (zh) * | 2022-02-14 | 2022-03-11 | 华东交通大学 | 一种高速列车速度控制方法及系统 |
CN115793472A (zh) * | 2023-02-13 | 2023-03-14 | 华东交通大学 | 重载列车的建模方法、建模系统、控制方法及控制系统 |
CN115891947A (zh) * | 2023-02-22 | 2023-04-04 | 北京全路通信信号研究设计院集团有限公司 | 一种中低速磁悬浮列车电液混合制动协同控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103019267B (zh) | 2016-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103019267A (zh) | 高速列车anfis建模与运行速度预测控制方法 | |
Domínguez et al. | Multi objective particle swarm optimization algorithm for the design of efficient ATO speed profiles in metro lines | |
Yin et al. | Research and development of automatic train operation for railway transportation systems: A survey | |
CN104881527B (zh) | 城市轨道交通列车ato速度命令优化方法 | |
CN102981408B (zh) | 一种动车组运行过程建模与自适应控制方法 | |
CN103092076B (zh) | 动车组制动过程多模型自适应pid控制 | |
Sáez et al. | Hybrid predictive control strategy for a public transport system with uncertain demand | |
CN109740839A (zh) | 一种突发事件下的列车动态调整方法及系统 | |
Chen et al. | Soft computing methods applied to train station parking in urban rail transit | |
CN110210648B (zh) | 基于灰色长短期记忆网络的管制空域战略流量预测方法 | |
Liu et al. | Intelligent traction control method based on model predictive fuzzy PID control and online optimization for permanent magnetic maglev trains | |
CN110969295B (zh) | 列车区段延误预测误差控制方法 | |
CN106707765A (zh) | 高速动车组跟踪运行实时优化控制方法 | |
CN109255384A (zh) | 一种基于密度峰值聚类算法的交通流模式识别方法 | |
CN108873691A (zh) | 高速列车广义预测调优控制方法 | |
Amoura et al. | A short term wind speed forecasting model using artificial neural network and adaptive neuro-fuzzy inference system models | |
CN110543942A (zh) | 一种多时空长短记忆深度网络精准预测方法 | |
CN106842924A (zh) | 基于多工况anfis模型的动车组优化控制方法 | |
Yang et al. | Dynamic Partition of Elevator Group Control System with Destination Floor Guidance in Up-peak Traffic. | |
Fu et al. | Multiple operating mode ANFIS modelling for speed control of HSEMU | |
Tan et al. | Coordinated Ramp Metering Control Based on Multi-Agent Reinforcement Learning | |
Wang | Design and Simulation of a Fuzzy Controller for Automatic Train Driving Based on Multi-swarm Optimization. | |
Istomin et al. | Control of Mainline Freight Electric Locomotives with Adjustment of Operating Modes | |
Sun et al. | A novel multi-objective optimization model for minute-in-trail strategy based on sector workload restriction | |
CN116820138B (zh) | 一种基于编队行驶的控制器智能决策方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |