CN104102776B - 一种城市轨道交通列车的模型自动辨识方法 - Google Patents

一种城市轨道交通列车的模型自动辨识方法 Download PDF

Info

Publication number
CN104102776B
CN104102776B CN201410331975.2A CN201410331975A CN104102776B CN 104102776 B CN104102776 B CN 104102776B CN 201410331975 A CN201410331975 A CN 201410331975A CN 104102776 B CN104102776 B CN 104102776B
Authority
CN
China
Prior art keywords
train
population
individual
fitness
genetic algorithm
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.)
Active
Application number
CN201410331975.2A
Other languages
English (en)
Other versions
CN104102776A (zh
Inventor
耿晨歌
刘毅
吴苏娇
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.)
Zhonghe Zhihang Rail Transit Technology Co ltd
Original Assignee
Zhejiang Zhonghe Technology Co Ltd
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 Zhejiang Zhonghe Technology Co Ltd filed Critical Zhejiang Zhonghe Technology Co Ltd
Priority to CN201410331975.2A priority Critical patent/CN104102776B/zh
Publication of CN104102776A publication Critical patent/CN104102776A/zh
Application granted granted Critical
Publication of CN104102776B publication Critical patent/CN104102776B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Train Traffic Observation, Control, And Security (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种城市轨道交通列车的模型自动辨识方法，包括如下步骤：1)获取列车运行数据；2)列车参数辨识；3)在仿真系统上对辨识出的模型参数进行验证；4)对比仿真列车的运行曲线和实际列车的运行曲线。本发明通过少量的控车试验进行数据采集或对现场数据进行筛选，结合离线的数据分析，采用遗传算法快速、准确地辨识列车的牵引制动特性和控制时延特性等模型参数，从而建立精确的列车模型。这样，使得开发者可以在仿真实验系统上模拟实际列车的运动特性，便于速度控制算法的调试。

Description

一种城市轨道交通列车的模型自动辨识方法
技术领域
本发明涉及一种城市轨道交通列车的模型自动辨识方法，是一种在系统运行或试验中测量得到数据，然后应用系统辨识方法建立系统模型的方法。。
背景技术
列车进行精确建模时，对从司控系统给出控制量到列车牵引制动系统给出相应的牵引制动力这部分过程的机理过于复杂，用实验建模的方法可以得到更精确的模型。
进行实验建模时，需要对实验得到的数据进行辨识。现今有很多辨识理论和辨识方法，不过对于像列车动力学系统中各种作用力和系统参数互相耦合的复杂情况，经典的辨识方法有很大的局限性。在这里，选取遗传算法来辨识列车系统参数，在确定列车模型结构的基础性对参数进行辨识。
发明内容
本发明提供一种精确建模的方法，使得开发者可以在仿真实验系统上模拟实际列车的运动特性，便于速度控制算法的调试。
为解决上述技术问题，本发明采用如下技术方案：一种市轨道交通列车的模型自动辨识方法，其特征在于包括如下步骤：
1)获取列车运行数据；
2)列车参数辨识，通过遗传算法对列车运行数据进行处理确定列车参数，所述列车参数包括确定恒力矩区和恒功率区、运行阻力系数、动车与拖车的质量回转系数、车轮与轨道间的黏着系数、牵引/制动建立时间、牵引制动切换时间以及通讯延迟时间；
3)在仿真系统上对辨识出的模型参数进行验证，在仿真系统上模拟相同的轨道状况，将原始的牵引与制动控制量施加在辨识出的列车模型上；
4)对比仿真列车的运行曲线和实际列车的运行曲线。
优选的，所述的列车运行数据包括列车的位置、速度、加速度、牵引与制动控制量以及轨道坡度。
优选的，列车运行数据的获取方法为：在装备ATO功能的CBTC系统中，以ATO模式正常运行至少三个站间区间并记录这个过程中的列车运行数据。
优选的，将CBTC系统记录的列车运行数据转化为MatLab数组，再采用遗传算法进行参数辨识。
优选的，遗传算法的具体计算流程如下：
a)初始化遗传算法相关参数，调用遗传算法库函数crtrp，初始化种群个体数目及辨识参数的上下限；
b)计算初代种群目标函数值并按据此排列种群个体适应度值；
c)根据初始设定的最大遗传代数，在每一代对种群个体适应度进行选择，调用遗传算法库函数select选择适应度大的个体组成新的种群，按照一定的交叉概率调用遗传算法库函数recombin对种群个体进行交叉重组，按照一定的变异概率调用遗传算法库函数mut对种群个体进行变异；
d)调用ObjectF函数计算子代种群目标函数值，调用遗传算法库函数reins，用子代个体中适应度大的个体替换到父代种群中适应度小的个体，并对新的种群进行适应度计算排序；
e)重复步骤c)，d)，直到遗传代数达到最大遗传代数Gen。
本发明通过少量的控车试验进行数据采集或对现场数据进行筛选，结合离 线的数据分析，采用遗传算法快速、准确地辨识列车的牵引制动特性和控制时延特性等模型参数，从而建立精确的列车模型。
这样，使得开发者可以在仿真实验系统上模拟实际列车的运动特性，便于速度控制算法的调试。
附图说明
下面结合附图和具体实施方式对本发明作进一步描述：
图1为遗传算法流程图；
图2为种群适应度计算流程图；
图3为本发明的具体实施方案流程图。
具体实施方式
以下结合图1至图3对本发明的列车模型自动辨识方法具体实施步骤做出详细说明。
1)在装备ATO功能的CBTC系统中，以ATO模式正常运行三个站间区间，运行过程通过车载控制器的日志记录功能记录列车的位置、速度、加速度、牵引与制动控制量及轨道坡度等数据；
2)将日志记录的数据转化为MatLab数组，采用遗传算法进行参数辨识，见图2，具体计算流程如下：
a)初始化遗传算法相关参数，调用遗传算法库函数crtrp，初始化种群个体数目及辨识参数的上下限；
Rc-辨识参数上下限
遗传算法相关参数：
-种群个体数目
-种群遗传代数
Muti-遗传代沟
Cl-初代种群
b)计算初代种群目标函数值并按据此排列种群个体适应度值；
i.调用ObjectF函数，根据现场数据样本及遗传种群参数计算仿真速度曲线，与列车实际速度曲线V比较，流程如下：
从种群数组中获取当前个体列车辨识参数：
c-基本阻力系数
-命令传输延时周期
-牵引制动建立延时周期
t-牵引制动取消延时周期
-列车jerk率
-拖车质量回转系数
-动车质量回转系数
adkG-粘着系数
根据辨识参数计算列车基本阻力及牵引制动力，
-拖车总质量
-动车总质量
Vci-牵引特性速度A
Vti-牵引特性速度B
Vcr-制动特性速度A
-列车实际速度
-列车实际加速度
根据列车基本阻力计算公式计算基本阻力；
根据列车牵引特性及列车速度，判断列车牵引特性区间，计算列车牵引力；
1>恒牵引力区牵引力计算公式为
2>恒功率区牵引力计算公式为
3>自然特性区：
根据列车制动特性及列车速度，判断列车制动特性区间，计算列车制动力；
1>恒制动力区制动力计算公式为
2>恒功率区制动力计算公式为
根据工况判断控制力是否需改变，根据以下逻辑计算当前输出控制力；！
cur-列车当前控制力
pre-前一样本控制力
cmdV-输出到列车的控制力指令
根据输出控制力判断列车当前牵引或制动，计算列车仿真加速度，公式为，当列车施加牵引时，为列车牵引力；当列车施加制动时，为列车制动力；
根据速度计算公式计算列车仿真速度曲线；
根据目标值计算公式得出遗传种群适应度。
ii.调用遗传算法库中排序函数ranking，对初代种群的个体根据适应度进行排序；
Cl-初代种群
-目标函数值
F-个体适应度值
以下参数为现场采样数据样本：
-列车加速度
-牵引制动输出控制量
-列车速度
Grac-轨道坡度
TraveledDist-列车行驶距离
c)根据初始设定的最大遗传代数，在每一代对种群个体适应度进行选择，调用遗传算法库函数select选择适应度大的个体组成新的种群(种群个体数＝上一代种群个体数*遗传代沟)，按照一定的交叉概率调用遗传算法库函数recombin对种群个体进行交叉重组(拟定交叉概率0.7)，按照一定的变异概率调用遗传算法库函数mut对种群个体进行变异(拟定变异概率0.01)；
S-子代种群个体；
F-上一代种群个体适应度值
-遗传代沟
-遗传算法库选择函数名
-遗传算法库重组函数名
d)调用ObjectF函数计算子代种群目标函数值，调用遗传算法库函数reins，用子代个体中适应度大的个体替换到父代种群中适应度小的个体，并对新的种群进行适应度计算排序；
e)重复步骤c)，d)，直到遗传代数达到最大遗传代数Gen；
3)在仿真系统上模拟相同的轨道状况，根据辨识得到的参数模拟列车模型，将原始的牵引与制动控制量施加在辨识出的列车模型上得到仿真列车运行曲线；
4)对比仿真列车的运行曲线和实际列车的运行曲线。

Claims (4)

1.一种市轨道交通列车的模型自动辨识方法，其特征在于包括如下步骤：
1)获取列车运行数据；
2)列车参数辨识，通过遗传算法对列车运行数据进行处理确定列车参数，所述列车参数包括确定恒力矩区和恒功率区、运行阻力系数、动车与拖车的质量回转系数、车轮与轨道间的黏着系数、牵引/制动建立时间、牵引制动切换时间以及通讯延迟时间；
3)在仿真系统上对辨识出的模型参数进行验证，在仿真系统上模拟相同的轨道状况，将原始的牵引与制动控制量施加在辨识出的列车模型上；
4)对比仿真列车的运行曲线和实际列车的运行曲线；
遗传算法的具体计算流程如下：
a)初始化遗传算法相关参数，调用遗传算法库函数crtrp，初始化种群个体数目及辨识参数的上下限；
b)计算初代种群目标函数值并按据此排列种群个体适应度值；
c)根据初始设定的最大遗传代数，在每一代对种群个体适应度进行选择，调用遗传算法库函数select选择适应度大的个体组成新的种群，按照一定的交叉概率调用遗传算法库函数recombin对种群个体进行交叉重组，按照一定的变异概率调用遗传算法库函数mut对种群个体进行变异；
d)调用ObjectF函数计算子代种群目标函数值，调用遗传算法库函数reins，用子代个体中适应度大的个体替换到父代种群中适应度小的个体，并对新的种群进行适应度计算排序；
重复步骤c)，d)，直到遗传代数达到最大遗传代数Gen；
其中，步骤b)包括：
调用ObjectF函数，根据现场数据样本及遗传种群参数计算仿真速度曲线，与列车实际速度曲线比较；
调用遗传算法库中排序函数ranking，对初代种群的个体根据适应度进行排序；
步骤c)包括：
根据初始设定的最大遗传代数，在每一代对种群个体适应度进行选择，调用遗传算法库函数select选择适应度大的个体组成新的种群，种群个体数＝上一代种群个体数*遗传代沟，按照一定的交叉概率调用遗传算法库函数recombin对种群个体进行交叉重组，拟定交叉概率0.7，按照一定的变异概率调用遗传算法库函数mut对种群个体进行变异，拟定变异概率0.01；
步骤d)包括：
调用ObjectF函数计算子代种群目标函数值，调用遗传算法库函数reins，用子代个体中适应度大的个体替换到父代种群中适应度小的个体，并对新的种群进行适应度计算排序；
其中，调用ObjectF函数，根据现场数据样本及遗传种群参数计算仿真速度曲线，与列车实际速度曲线比较；包括:
从种群数组中获取当前个体列车辨识参数：
根据辨识参数计算列车基本阻力及牵引制动力，
根据列车基本阻力计算公式Wjzn＝a+b*v+c*v2计算基本阻力；
根据列车牵引特性及列车速度，判断列车牵引特性区间，计算列车牵引力；
恒牵引力区牵引力计算公式为
FtractA＝(mt*(1+rt)+mm*(1+rm))*Acc+Wjzn+Wfzn，
恒功率区牵引力计算公式为
自然特性区：
根据列车制动特性及列车速度，判断列车制动特性区间，计算列车制动力；
恒制动力区制动力计算公式为
FbrakeA＝(mt*(1+rt)+mm*(1+rm))*adhesion*g，
恒功率区制动力计算公式为
根据工况判断控制力是否需改变，根据以下逻辑计算当前输出控制力；
根据输出控制力判断列车当前牵引或制动，计算列车仿真加速度，公式为
Accsim＝(cmdValue*F-Wjzn-Wfzn)/(mt*(1+rt)+mm*(1+rm))，
当列车施加牵引时，为列车牵引力；当列车施加制动时，为列车制动力；
根据速度计算公式vsim＝v0+Accsim*t计算列车仿真速度曲线；
根据目标值计算公式得出遗传种群适应度。
2.根据权利要求1所述的一种市轨道交通列车的模型自动辨识方法，其特征在于：所述的列车运行数据包括列车的位置、速度、加速度、牵引与制动控制量以及轨道坡度。
3.根据权利要求2所述的一种市轨道交通列车的模型自动辨识方法，其特征在于：列车运行数据的获取方法为：在装备ATO功能的CBTC系统中，以ATO模式正常运行至少三个站间区间并记录这个过程中的列车运行数据。
4.根据权利要求3所述的一种市轨道交通列车的模型自动辨识方法，其特征在于：将CBTC系统记录的列车运行数据转化为MatLab数组，再采用遗传算法进行参数辨识。
CN201410331975.2A 2014-07-14 2014-07-14 一种城市轨道交通列车的模型自动辨识方法 Active CN104102776B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410331975.2A CN104102776B (zh) 2014-07-14 2014-07-14 一种城市轨道交通列车的模型自动辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410331975.2A CN104102776B (zh) 2014-07-14 2014-07-14 一种城市轨道交通列车的模型自动辨识方法

Publications (2)

Publication Number Publication Date
CN104102776A CN104102776A (zh) 2014-10-15
CN104102776B true CN104102776B (zh) 2018-06-19

Family

ID=51670927

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410331975.2A Active CN104102776B (zh) 2014-07-14 2014-07-14 一种城市轨道交通列车的模型自动辨识方法

Country Status (1)

Country Link
CN (1) CN104102776B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392048A (zh) * 2014-11-26 2015-03-04 卡斯柯信号有限公司 一种列车建模方法
CN105740595A (zh) * 2014-12-12 2016-07-06 国家电网公司 一种风机功率特性曲线的辨识方法及系统
CN106777717B (zh) * 2016-12-23 2020-10-30 南京理工大学 一种考虑载客量变化的ato速度命令节能优化方法
CN107253442B (zh) * 2017-06-21 2019-10-25 太原科技大学 一种优化电液复合制动系统中制动力分配的方法
CN107515973A (zh) * 2017-08-10 2017-12-26 浙江众合科技股份有限公司 一种基于遗传算法的列车建模方法
CN109271656B (zh) * 2018-07-24 2022-08-26 卡斯柯信号有限公司 一种城市轨道交通列车模型参数的自动辨识方法
CN113159265B (zh) * 2021-03-24 2022-09-09 国网河南省电力公司电力科学研究院 基于svm-蚁群算法的牵引负荷参数辨识方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102098495A (zh) * 2010-11-30 2011-06-15 姬云东 基于图像识别技术的山体滑坡智能监控装置及其监控方法
CN102109848A (zh) * 2010-12-24 2011-06-29 清华大学 一种高速列车运行控制系统的可靠性增长测试方法
CN102184296A (zh) * 2011-05-13 2011-09-14 江西省电力科学研究院 基于实测数据的电气化铁路冲击负荷建模方法
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7466841B2 (en) * 2004-08-16 2008-12-16 Siemens Corporate Research, Inc. Method for traffic sign detection

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102098495A (zh) * 2010-11-30 2011-06-15 姬云东 基于图像识别技术的山体滑坡智能监控装置及其监控方法
CN102109848A (zh) * 2010-12-24 2011-06-29 清华大学 一种高速列车运行控制系统的可靠性增长测试方法
CN102184296A (zh) * 2011-05-13 2011-09-14 江西省电力科学研究院 基于实测数据的电气化铁路冲击负荷建模方法
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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
列控模型参数辨识及其在线学习算法研究;裴丽君;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑 （月刊）》;20110715;第2011年卷(第07期);参见正文第1.4-1.5节、第3节 *
基于模型选择和优化技术的自动驾驶制动模型辨识研究;郜春海等;《铁道学报》;20111031;第33卷(第10期);第57-60页 *
基于运行模态参数辨识的客车运行平稳性研究;张洪等;《铁道学报》;20070228;第29卷(第1期);第28-35卷 *

Also Published As

Publication number Publication date
CN104102776A (zh) 2014-10-15

Similar Documents

Publication Publication Date Title
CN104102776B (zh) 一种城市轨道交通列车的模型自动辨识方法
CN109709956B (zh) 一种自动驾驶车辆速度控制多目标优化的跟驰算法
Lai et al. A generic simulation platform for cooperative adaptive cruise control under partially connected and automated environment
CN103869809B (zh) 一种铁路机车运行动态仿真测试装置及其仿真方法
CN106940942B (zh) 自适应调整训练场景的驾驶模拟训练系统和方法
CN107284442B (zh) 一种用于自动驾驶车辆的弯道行驶纵向控制方法
CN105352741B (zh) 基于虚拟道路载荷条件的制动器性能评价方法及系统
CN109002034B (zh) 城轨车辆架控制动控制系统的试验系统及试验方法
CN111723470B (zh) 一种基于标定优化rss模型的自动驾驶控制方法
CN107526906A (zh) 一种基于数据采集的驾驶风格辨识装置及方法
CN106846818A (zh) 基于Simulink仿真的路网动态交通流预测方法
CN101561972A (zh) 互动式汽车驾驶案例教学方法及其系统
CN107944624A (zh) 一种基于隐马尔科夫模型的无人车路口驾驶决策方法
CN109814404A (zh) 整车控制器的在环仿真标定系统及标定方法
CN103955135A (zh) 一种基于双层模式曲线的机车优化操纵序列计算方法
CN107885077A (zh) 列车运行控制方法和装置
CN111125862B (zh) 一种基于遗传算法和比功率的跟驰模型排放测算方法
CN110069894A (zh) 一种针对智能汽车交通协调性的客观映射测试方法
CN207965887U (zh) 一种新型的区分工况的驾驶风格辨识装置
CN115343066A (zh) 一种基于台试测试的汽车自动驾驶评价系统
CN116467834A (zh) 在车辆仿真中映射驾驶员行为的方法和计算单元
AU2016294674B2 (en) Method and system for determining the aerodynamic resistance of a cyclist
Chen et al. Development of macroscopic emission estimation model based on microscopic operating modes
Olstam Simulation of vehicles in a driving simulator using microscopic traffic simulation
CN113276910A (zh) 基于速度自适应的货运列车质点混合模型平滑切换

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 310052 Binjiang District, Hangzhou, Jianghan Road, No. 1785, Shuangcheng international building, floor 17, No. 4

Applicant after: UNITTEC Co.,Ltd.

Address before: 310000 Hangzhou science and Technology Park, high tech Zone, Zhejiang venture Road, No. 8

Applicant before: ZHEJIANG UNITED MECHANICAL & ELECTRICAL CO.,LTD.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20231130

Address after: Room 410, Building 1, No. 888 Shenglian Road, Qingshanhu Street, Lin'an District, Hangzhou City, Zhejiang Province, 311308

Patentee after: Zhonghe Zhihang Rail Transit Technology Co.,Ltd.

Address before: 310052 17 floor, 4 International Building 4, Jianghan Road, Binjiang District, Hangzhou, Zhejiang.

Patentee before: UNITTEC Co.,Ltd.

TR01 Transfer of patent right