CN109271656A - 一种城市轨道交通列车模型参数的自动辨识方法 - Google Patents

Abstract

本发明涉及一种城市轨道交通列车模型参数的自动辨识方法，包括：步骤1、基于速度的移动方差运算获得表征加速度的趋势曲线；步骤2、对表征加速度的趋势曲线进行直方图统计，获得划分稳态区域的方差阈值；步骤3、在稳态区域内基于速度信息的最小二乘运算获得加速度的稳态增益；步骤4、对列车即时加速度进行基于曲线相似度的次数自适应滑动平均；步骤5、通过曲线拟合和二维参数搜索的方式获得单次动态测试的辨识结果；步骤6、通过多次测试结果的趋势集中方式获得纯延时及上升时间这两个参数的统计值。与现有技术相比，本发明具有精度高、鲁棒性强、运行速度快等优点。

Description

一种城市轨道交通列车模型参数的自动辨识方法

技术领域

本发明涉及城市轨道交通领域，尤其是涉及一种城市轨道交通列车模型参数的自动辨识方法。

背景技术

列车模型参数辨识是城市轨道交通ATO系统中的一个必备且首要的功能，ATO系统中停站精度，准点到达，以及控车舒适度等功能要求，都依赖于列车模型参数的精准辨识。

目前，在城市轨道交通项目的ATO参数整定过程中，需要工程人员根据大量实测的列车性能响应曲线，依靠经验，从图形曲线中估计出列车模型参数，整个人工辨识过程所需时间依赖于项目人员的熟练程度。另外，项目现场数据往往叠加了非常大的噪声干扰，工程人员对列车模型参数只能进行大概的估计，使得辨识精度不高、且人工辨识结果的波动性比较大。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种城市轨道交通列车模型参数的自动辨识方法。

本发明的目的可以通过以下技术方案来实现：

一种城市轨道交通列车模型参数的自动辨识方法，包括以下步骤：

第一阶段：获得列车响应加速度的稳态增益；

步骤1、基于速度的移动方差运算获得表征加速度的趋势曲线；

步骤2、对表征加速度的趋势曲线进行直方图统计，获得划分稳态区域的方差阈值；

步骤3、在稳态区域内基于速度信息的最小二乘运算获得加速度的稳态增益；

第二阶段：以稳态增益为基准获得动态参数；

步骤4、对列车即时加速度进行基于曲线相似度的次数自适应滑动平均；

步骤5、通过曲线拟合和二维参数搜索的方式获得单次动态测试的辨识结果；

步骤6、通过多次测试结果的趋势集中方式获得纯延时及上升时间这两个参数的统计值。

优选的，所述的城市轨道交通列车模型包括列车牵引模型、列车电制动模型和列车机械制动模型。

优选的，根据车辆特性，定义机械制动测试速度参数，用于区分电制动性能测试和机械制动性能测试，在列车性能测试过程中列车最大速度不超过此参数的测试是机械制动性能测试。

优选的，根据列车的性能响应曲线，列车运动学模型用列车加速度响应的一阶时延模型来描述。

优选的，所述的一阶时延模型参数包括分静态参数和动态参数，所述的静态参数描述不同牵引制动等级与列车实际加速度之间的稳态映射关系，所述的动态参数用来表征系统动态响应过程中的纯延时及上升时间。

优选的，所述的步骤2中的直方图统计具体为在最高峰值基础上左右遍历搜索峰值连续区域块。

优选的，所述的步骤4具体包括：对列车即时加速度进行滑动平均，根据曲线平滑前后的差异获得最优平滑次数。

优选的，所述的步骤5具体包括：通过二维参数曲线拟合搜索获得单次动态测试的结果，在二维参数空间的遍历搜索过程中，由给定的一组参数纯延时和上升时间可计算出列车加速度响应的模型曲线，在曲线拟合之前先对模型曲线进行多次滑动平均，平滑次数与列车即时加速度的平滑次数相同。

优选的，所述的步骤6具体包括：对多次测试获得的结果按大小排序，取中位数作为辨识参数的统计值。

优选的，所述的步骤2和3中的稳态区域定义为在给定控制等级下，经过短暂动态调整过程之后列车加速度处于稳态的时间段，其动态过程的短暂性是相对于列车性能测试中人为设计的、较长期的稳态过程而言的。

与现有技术相比，本发明具有以下优点：

1、本发明基于统计技术，通过二维参数曲线拟合搜索，可以快速地获得稳态增益、纯延时、上升时间这些列车模型参数，具有非常高的精准度和鲁棒性

2、本发明减轻工程人员在ATO参数整定过程中的工作强度，提高后续ATO参数整定性能。

附图说明

图1是本发明城市轨道交通列车模型参数自动辨识方法的工作流程图；

图2是本发明城市轨道交通列车模型参数自动辨识方法中基于速度信息的移动方差运算示意图；

图3是本发明城市轨道交通列车模型参数自动辨识方法中加速度趋势曲线的直方图统计示意图；

图4是本发明城市轨道交通列车模型参数自动辨识方法中搜索直方图峰值区域的示意图；

图5是本发明城市轨道交通列车模型参数自动辨识方法中曲线相似度与滑动平均次数关系的示意图；

图6是本发明城市轨道交通列车模型参数自动辨识方法中二维参数搜索的曲线拟合过程示意图。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚，完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

1、列车模型参数自动辨识过程

城市轨道交通列车模型具体包括列车牵引模型，列车电制动模型，列车机械制动模型，其运动学模型可以用一阶时延模型来描述，模型的参数公式：

其中，R(s)是输入控制等级，Y(s)是输出加速度，K是稳态增益，T是系统响应时间，τ是系统纯延时，上升时间通常定为3倍的系统响应时间T。

列车模型中稳态增益K是静态参数，用来描述不同牵引制动等级与列车加速度之间的稳态映射关系，列车模型中的T和τ是动态过程参数。

列车模型参数的自动辨识过程如图1所示，分两个阶段：第一阶段需要获得列车加速度的稳态增益；第二阶段，在获得稳态增益的基础上，可以通过曲线拟合和二维参数搜索的方式获得动态参数。

2、速度移动方差运算

要获得加速度的稳态增益，首先需要获得加速度稳态区域。由于里程计安装误差以及噪声微分放大等因素的影响，有些列车的即时加速度含有比较大的噪声，难以直接通过加速度信息来获得精准的稳态区域。为实现通用的列车模型参数自动辨识功能，克服不同噪声水平的干扰，这里基于速度信息进行移动方差运算(如图2所示)，获得加速度趋势曲线。这里的目的是找出加速度的稳态区域，并不关注加速度的真实数值大小，加速度趋势曲线为稳态区域的精准定位提供了保障。

3、直方图峰值区域搜索

需要在加速度趋势曲线上找出划分稳态区域的阈值，这里通过对加速度趋势曲线进行直方图统计运算获得(如图3所示)。在对列车进行性能测试时，给定牵引制动等级，列车加速度经过一段时间的动态过程之后进入稳态。一般在性能测试的时候让列车处于较长时间的稳态过程，因此表现在直方图上，稳态时间段的加速度趋势曲线占据绝大部分区间，直方图上的峰值区域表征了加速度趋势曲线处于稳态区域的数值。

如图4所示，直方图峰值区域搜索流程如下：

F001，基于速度信息进行移动方差计算，得到加速度趋势曲线数值，移动窗口大小取3。加速度趋势数值并不等于实际的加速度数值，但是可以从加速度趋势曲线中获得稳态相关的信息。对加速度趋势曲线进行直方图统计，由于稳态区域占据了大部分数据点，所以从直方图峰值区域中可获得稳态区域；

F002，计算直方图中数值的总体方差，作为后续相邻区域比较判断的阈值；

F003，记录直方图中数值最大的区间索引，作为相邻区域搜索的起始位置；

F004，从起始位置开始往左边区间遍历搜索；

F005，若相邻区间的方差不大于总体方差，则表明这两个区间比较相似继续向左遍历；

F006，若相邻区间的方差大于总体方差，则停止向左遍历，记录峰值区域块的左边位置；

F007，从起始位置开始往右边区间遍历搜索；

F008，若相邻区间的方差不大于总体方差，则表明这两个区间比较相似继续向右遍历；

F009，若相邻区间的方差大于总体方差，则停止向右遍历，记录峰值区域块的右边位置；

F010，记录的左右位置即是直方图峰值区域。

4、稳态时间段内的最小二乘运算

在获得列车加速度的稳态区域之后，就可以通过对稳态时间段内的速度进行最小二乘运算获得加速度的稳态增益。这里没有直接从加速度信息中计算稳态增益，因为加速度是通过速度微分运算获得，速度又是对编码里程计位移进行微分运算获得，这样加速度信息中含有比较大的干扰噪声，而稳态增益的精准度直接影响后续动态参数的辨识精度。

通过速度信息获得加速度稳态增益的计算过程如下，在加速度处于稳态阶段，速度和加速度之间有如下关系，

v＝a*t+c

其中v,a分别表示同一时刻的速度和加速度，t表示时间，c表示常数。根据编码里程计采样周期0.1s以及稳态时间段内的速度信息，可以写成如下的矩阵形式：

使用最小二乘，最终的稳态增益计算公式如下：

x＝(A^TA)^-1A^T[v₁ v₂ … v_n]^T

a＝x(1,1)

5、列车加速度次数自适应滑动平均

在得到加速度的稳态增益之后，需要通过动态过程中的加速度响应曲线获得纯延时和上升时间。由于列车即时加速度叠加了一定程度的噪声，为尽量减小滤波延时引起的辨识结果不精确，这里对列车加速度进行次数自适应滑动平均。由于列车编码里程计最小量化单位是一个齿，本周期没有计量到的位移会在下一个ATO控制周期计量到，因此，位移的量化误差通过二次微分运算会传递到即时加速度。尽管列车即时加速度含有比较大的噪声，但是经过若干次滑动平均运算，可以比较明显地辨识出加速度响应曲线的动态过程。图5展示了曲线相似度与滑动平均次数的关系，一般3至5次滑动平均之后曲线之间的相似度比较大，通过相似度比较可以得到优化的滑动平均次数。曲线相似度的计算公式为：

ρ＝1-std(accel_array_k-accel_array_k-1)

其中ρ是相似度，accel_array是一个数组，表示加速度曲线，下标k表示第k次滑动平均，std表示方差运算符。

6、二维参数搜索的曲线拟合

虽然多次滑动平均使得列车的加速度响应曲线表现出相对明显的一阶动态响应过程，但是受随机干扰等因素影响，在自动辨识方法中不易采用通常的95％稳态增益时间点作为上升时间，因此这里采用曲线拟合及二维参数搜索的方式，如图6所示，遍历纯延时和上升时间组成的二维参数空间，计算动态响应过程中拟合曲线与加速度响应曲线之间的误差。在计算拟合误差之前，相似地，对拟合曲线也进行了相同次数的滑动平均。特别地，在二维参数搜索计算过程中，根据单调性，还可以节省计算时间，比如给定上升时间第一维参数，在遍历第二维的纯延时参数空间时，找到拟合误差最小的纯延时参数，就可以提前退出，继续下一组参数空间的遍历。

7、动态过程参数的趋势集中统计

在列车性能测试中加速度响应曲线受随机干扰等因素影响，从单次动态测试中获得的纯延时和上升时间具有非常大的不确定性，因此，需要通过多次的动态测试，对辨识结果进行趋势集中统计，以纯延时参数为例，首先按照数值大小进行排序，然后取中间位置的数值作为纯延时参数的统计值。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种城市轨道交通列车模型参数的自动辨识方法，其特征在于，包括以下步骤：

第一阶段：获得列车响应加速度的稳态增益；

步骤1、基于速度的移动方差运算获得表征加速度的趋势曲线；

步骤2、对表征加速度的趋势曲线进行直方图统计，获得划分稳态区域的方差阈值；

步骤3、在稳态区域内基于速度信息的最小二乘运算获得加速度的稳态增益；

第二阶段：以稳态增益为基准获得动态参数；

步骤4、对列车即时加速度进行基于曲线相似度的次数自适应滑动平均；

步骤5、通过曲线拟合和二维参数搜索的方式获得单次动态测试的辨识结果；

步骤6、通过多次测试结果的趋势集中方式获得纯延时及上升时间这两个参数的统计值。

2.根据权利要求1所述的方法，其特征在于，所述的城市轨道交通列车模型包括列车牵引模型、列车电制动模型和列车机械制动模型。

3.根据权利要求2所述的方法，其特征在于，根据车辆特性，定义机械制动测试速度参数，用于区分电制动性能测试和机械制动性能测试，在列车性能测试过程中列车最大速度不超过此参数的测试是机械制动性能测试。

4.根据权利要求1所述的方法，其特征在于，根据列车的性能响应曲线，列车运动学模型用列车加速度响应的一阶时延模型来描述。

5.根据权利要求4所述的方法，其特征在于，所述的一阶时延模型参数包括分静态参数和动态参数，所述的静态参数描述不同牵引制动等级与列车实际加速度之间的稳态映射关系，所述的动态参数用来表征系统动态响应过程中的纯延时及上升时间。

6.根据权利要求1所述的方法，其特征在于，所述的步骤2中的直方图统计具体为在最高峰值基础上左右遍历搜索峰值连续区域块。

7.根据权利要求1所述的方法，其特征在于，所述的步骤4具体包括：对列车即时加速度进行滑动平均，根据曲线平滑前后的差异获得最优平滑次数。

8.根据权利要求1所述的方法，其特征在于，所述的步骤5具体包括：通过二维参数曲线拟合搜索获得单次动态测试的结果，在二维参数空间的遍历搜索过程中，由给定的一组参数纯延时和上升时间可计算出列车加速度响应的模型曲线，在曲线拟合之前先对模型曲线进行多次滑动平均，平滑次数与列车即时加速度的平滑次数相同。

9.根据权利要求1所述的方法，其特征在于，所述的步骤6具体包括：对多次测试获得的结果按大小排序，取中位数作为辨识参数的统计值。

10.根据权利要求1所述的方法，其特征在于，所述的步骤2和3中的稳态区域定义为在给定控制等级下，经过短暂动态调整过程之后列车加速度处于稳态的时间段。