CN109634281B - 一种列车系统建模与分布式协同控制方法 - Google Patents
一种列车系统建模与分布式协同控制方法 Download PDFInfo
- Publication number
- CN109634281B CN109634281B CN201811590469.XA CN201811590469A CN109634281B CN 109634281 B CN109634281 B CN 109634281B CN 201811590469 A CN201811590469 A CN 201811590469A CN 109634281 B CN109634281 B CN 109634281B
- Authority
- CN
- China
- Prior art keywords
- train
- speed
- running
- trains
- control
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000005094 computer simulation Methods 0.000 title claims abstract description 11
- 238000013016 damping Methods 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 238000011160 research Methods 0.000 claims abstract description 8
- 238000005096 rolling process Methods 0.000 claims abstract 2
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 230000006854 communication Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000011161 development Methods 0.000 description 6
- 230000000903 blocking effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种列车系统建模与分布式协同控制方法，包括：步骤1：设置同一轨道运行的列车作为研究对象；步骤2：至少根据所述列车运行线路的速度约束、运行阻尼系数等信息特征建立动力学模型；步骤3：根据所述动力学模型设计并执行相应的分布式控制算法，实现多列车协同控制。本发明基于列车运行线路的速度约束、列车运行阻尼(轨道摩擦力、横滚阻力、轨道坡度阻力、空气阻力等)等信息建立列车动力学模型，使同一线路上的多列车能够实现安全、高效地停车，并且相邻列车保持期望的安全距离，能够解决基于移动闭塞以及阻尼参数具有不确定的多列车协同控制问题，具有安全、高效等优点。
Description
技术领域
本发明涉及列车系统运行控制领域，尤其涉及一种速度受约束、运行阻尼参数不确定的高速列车系统建模与分布式协同控制方法。
背景技术
高速铁路作为21世纪的新兴产物，相较于传统的铁路系统具有运载能力大、运行速度快以及运输效率高等特点。随着我国高速铁路事业迅猛发展，人们在城市间工作、生活得到了极大的改善。在轨道交通事业迅速发展的时代背景下，高速铁路运行效率的提高具有重要的现实意义。列车的行车闭塞方式主要分为三类，即固定闭塞、准移动闭塞和移动闭塞。其中，固定闭塞按照固定的空间划分闭塞区域，相邻列车至少保持一个以上的闭塞分区间隔。目前，固定闭塞已不适合高速铁路发展的需求。相较于固定闭塞，准移动闭塞在列车安全距离的控制上更进了一步。准移动闭塞方式利用报文式轨道电路或应答器来判断分区占用并将信息传递给RBC(无线闭塞中心),相较于固定闭塞获取的信息量更大，并且可以告知后续列车与前车的距离(以闭塞分区为单位)。后续列车可根据这一信息合理地采取运行策略，为列车运行控制提供更多有效信息，缩小了列车安全距离，从而提高了高速铁路的资源利用率。因此，准移动闭塞在目前的高铁系统被广泛使用。但是，准移动闭塞没有完全突破轨道电路的限制，后续列车与前车仍然必须相距一个以上闭塞分区的距离。移动闭塞则打破了固定闭塞分区的限制，提高了列车安全距离的控制能力。在移动闭塞的运行方式下，车载和轨旁设备可以与控制中心进行不间断的双向通讯，因此控制中心可根据列车运行状况实时计算列车的最大制动距离，从而在保证安全的情况下相邻列车能以较小间隔运行，进一步提高了高速铁路的运行效率。因此，移动闭塞方式作为CTCS系统的最高阶段，是高速铁路发展的必然趋势,也是提高列车运行效率的有效手段。使用移动闭塞方式，由于列车之间间隔变短，对于列车运行安全问题是一个巨大挑战，因此目前的高速铁路上还未能实现。本专利主要从多列车协同控制角度提供一种基于速度受约束、参数不确定列车模型的安全、高效的控制方法。主要研究内容包括高速列车动力学建模、分布式控制算法设计以及控制参数自适应调整三个方面。
现有高速列车建模主要集中于巡航控制研究，并没有对列车协同停车问题进行研究。不仅如此，现有研究没有考虑列车速度受约束以及运行阻尼参数不确定的情况，而这些状况在列车实际运行中客观存在，并且对列车运行有着重要影响。本专利基于列车速度约束以及运行阻尼参数不确定情况进行建模。
分布式控制算法的设计主要包含两个部分，第一部分补偿了列车运行阻力中可确定的部分，抵消了非线性阻力产生的影响，降低了计算机的运算负担；第二部分设置了可自适应调整的控制参数，并用相邻列车的信息交互来保证列车在安全距离停车。
自适应控制是控制领域中一种重要的控制策略，它针对于系统内部结构以及外部扰动的不确定性，设计适当的控制器，使得某一指标达到并保持最优或近似最优。通过自适应控制，控制参数在给定初始值的情况下可实现实时调整，从而达到优化控制结果的目的，图2为高速列车系统自适应控制结构图。
综上所述，基于移动闭塞的高速列车自适应协同控制方法，通过对研究对象中的每辆列车进行建模，采用分布式控制算法，自适应调整控制参数，从而达到多列车协同运行的控制目的。
发明内容
本发明的目的在于，提供一种速度受约束、参数不确定的高速列车系统建模与分布式协同控制方法，在列车运行实行移动闭塞策略的前提下，对同一线路上的多辆列车进行协同控制，从而实现前方列车需要停车时后方列车能安全、高效停车，并且相邻列车保持期望安全距离的目的。
为了实现上述目的，本发明提出的技术方案是，一种列车系统建模与分布式协同控制方法，其特征是所述方法包括：步骤1；设置同一轨道运行的列车作为研究对象；步骤2：至少根据所述列车运行线路的速度约束、运行阻尼系数等信息特征建立动力学模型；步骤3：根据所述动力学模型设计并执行相应的分布式控制算法，实现多列车协同控制。
优选地，在所述步骤2中，所述建立动力学模型包括：(1)考虑了列车速度受约束情况；(2)考虑了列车运行阻尼系数不确定的情况。
优选地，在考虑了所述列车速度受约束情况以及列车运行阻尼系数不确定的情况后，动力学模型为：
其中，xi为列车i当前时刻位置；vi为列车i当前时刻速度；mi为列车i的质量；ui为列车i当前时刻的牵引力；c0、
和
为列车运行阻尼系数，
和
具有不确定性，满足条件
和
其中，Δcv和Δca为不确定性参数；
Sat算子的定义为：
其中，
和α i表示列车i所能到达的速度上限和下限值。
优选地，步骤3中，所述分布式控制算法包括：(1)通过获取相邻列车的位置信息，可实时监测相邻列车安全距离；(2)根据速度约束的上界、运行阻尼参数不确定的范围给定控制参数hi(k)的初始值，控制参数hi(k)通过检测前后列车距离自适应变化。
优选地，控制列车运行的所述分布式控制算法为：
其中，hi(k)为列车i的控制参数，n为研究区间的列车数目，aij(kT)为列车i与列车j之间的通信强度，
为列车i与列车j之间的安全距离，c0、cv、ca为列车运行阻尼方程中的确定部分，与列车型号以及运行路况有关。
优选地，分布式控制算法中的ui1(kT)用于补偿列车阻力中确定的部分
ui2(kT)包含了信息交互项
保证列车在安全距离停车。
优选地，控制参数hi(k)选择过程如下：
S1：给定初始值hi(0)，满足条件
其中，β1和β2分别为不确定参数|Δcv|和|Δca|的最大值；
S2：在每一个采样时刻，控制参数hi(k)满足条件
S3：在条件
以及
满足的前提下，参数hi(1)的大小通过自适应控制给定；重复S2、S3最终得到第k个采样时刻控制参数hi(k)的大小。
优选地，所述运行阻尼至少为轨道摩擦力、横滚阻力、轨道坡度阻力、空气阻力中的一种。
本发明通过多列车协同控制实现了多列车的安全停车，保证了高速列车在移动闭塞的前提下能安全、高效地运行，本发明具有以下效果：
1、多列车协同控制主要是通过对每辆列车进行动力学建模、采用分布式协同控制算法，保证高速列车在移动闭塞的情况下能安全、高效地运行；
2、分析了自适应控制方法对分布式控制参数自适应调整。应用自适应控制对控制参数调整能优化列车协同运行的控制效果；
3、以现有高速列车型号为依据，考虑了列车运行线路的速度约束、列车运行阻尼参数不确定的情况，建立了多列车的动力学模型，并使用分布式以及自适应控制的思想对同一线路上的多辆高速列车进行协同控制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的列车系统建模与分布式协同控制方法流程图；
图2是高速列车系统自适应控制结构图；
图3是列车通过RBC实现信息交互的过程；
图4是高速列车系统信息流通图；
图5是多列车协同停车的位置和速度变化曲线图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
本发明所采用的方案基于下述假设：
1、高速列车运行所采用的闭塞方式为移动闭塞；
2、高速列车能通过RBC或其他方式即时获取相邻列车的位置信息；
3、研究的对象为同一运行线路上的所有列车；
4、列车运行线路上阻尼系数不确定的范围存在上界，且上界可以被估计。
如图1所示，本发明的列车系统建模与分布式协同控制方法流程包括：依据列车运行线路的速度约束、运行阻尼系数等信息特征建立动力学模型；实时获取相邻列车间的位置信息，设置控制算法；设置/调整控制参数，实时检测列车前后安全距离；判定是否达到协调控制目标，如果判定结果为否定的，则返回到设置/调整控制参数步骤执行，如果判定结果为肯定的，则完成该协同控制。
本发明引入了分布式控制的思想，对于列车的运行状况进行建模，具体的计算步骤如下：
步骤1：依据列车运行线路的速度约束、列车运行阻尼系数等信息建立动力学模型，检查当前列车能否通过RBC或其他方式与相邻列车进行通信；
步骤2：设定每辆列车收到停车指令或需要紧急停车时的控制算法，根据速度约束的上界、运行阻尼参数不确定的范围设置初始的控制参数，控制参数根据相邻列车距离自适应调整；
步骤3：当前方高速列车进站停车或遭遇紧急事故停车时，自动执行设定的控制算法，保证相邻列车能够始终保持安全距离；
在实施分布式控制前，首先需要确定如下内容：
(A)掌握列车运行的基本约束条件。列车运行的基本约束主要包括其自身的速度约束、牵引能力的约束以及客流约束等。本专利主要考虑列车运行的速度约束。
(B)列车的运行阻力满足Davis方程，其表示形式为：
其中，w表示列车轴重，单位吨；
n为列车轴数；
b表示与轮缘、冲击、摇晃、震荡有关的经验系数；
A表示列车的车辆面积，单位平方米；
C表示与列车车辆前段形状有关的系数；
v表示列车的行车速度，单位英里每小时。
为方便分析，将方程表示形式简化为
其中，系数
和
满足条件
和
系数c0、cv和系数ca可以通过风洞实验测得，Δcv和Δca为不确定性参数。
(C)自适应控制系统可利用可调控制参数的各种输入、状态与输出信息来度量性能指标，在本专利中主要的性能指标为相邻列车的安全距离。然后，根据测得的性能指标与给定的性能指标比较，由自适应机构修正可调参数的输入量，以保持系统性能指标接近规定的指标。控制参数hi(k)的自适应选择过程如下：
1、选取初始值hi(0)，满足条件
其中，β1和β2分别为|Δcv|和|Δca|的上界，
为高速列车速度的最大值。
2、在每一个采样时刻，控制参数hi(k)满足条件，满足条件
3、在条件
以及
满足的前提下，参数hi(1)的大小通过自适应控制给定。以此类推可得到控制参数hi(k)的大小。
本发明提供了一种速度受约束、参数不确定的高速列车系统建模与分布式协同控制方法。下面给出多列车协同控制的具体实施方案，基于移动闭塞的运行方式，保证了列车能够安全、有效地运行。
1、假设同一路线、同一供电区间共有四辆列车，分别为车1、车2、车3、车4。
2、研究区间内列车需获取相邻列车的位置信息以及运行阻尼系数信息，建立每辆列车的动力学模型。如图3所示列车可通过RBC或其他通讯方式获得相邻列车间的位置信息，列车运行的阻尼系数信息可通过调度中心CTC传输到车载设备。如图4所示列车位置信息可通过车载设备ATP实时检测，通过地面设备传递给列车运行控制系统TCC，然后再通过TSRS传递给无线闭塞中心RBC，从而通过RBC实现相邻列车间位置信息的交互。
尽管实时获取列车位置信息在目前系统中仅是理论上可实现，但随着无线通讯技术的发展以及移动闭塞模式的需求，高速列车位置信息即时获取已经成为高铁发展的必然趋势。
3、当最前方车辆进站停车或遇到紧急事故需要停车时，后方车辆自动执行控制算法，实时检测列车前后安全距离，并对控制参数自适应调整，从而实现多列车协同控制，保证列车在移动闭塞的行车方式下能够安全、高效地运行。
如图5所示，在采用了上述多列车协同控制的具体实施方案时，通过实时采集的多列车协同停车的位置和速度变化曲线图可以看出，各列车之间的距离随着时间的变化始终保持固定的等距离间隔，且随着时间的变化各列车的速度相当，实现了多列车协同控制。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种列车系统建模与分布式协同控制方法，其特征在于，包括如下步骤：
步骤1；设置同一轨道运行的列车作为研究对象；
步骤2：至少根据所述列车运行线路的速度约束、运行阻尼系数等信息特征建立动力学模型；
步骤3：根据所述动力学模型设计并执行相应的分布式控制算法，实现多列车协同控制；
所述分布式控制算法包括：
(1)通过获取相邻列车的位置信息，可实时监测相邻列车安全距离；
(2)根据速度约束的上界、列车运行阻尼参数不确定的范围给定控制参数hi(k)的初始值，控制参数hi(k)通过检测前后列车距离自适应变化；
控制列车运行的所述分布式控制算法为：
其中，hi(k)为列车i的控制参数，n为研究区间的列车数目，aij(kT)为列车i与列车j之间的通信强度，
为列车i与列车j之间的安全距离；vi为列车i当前时刻速度，xi为列车i当前时刻位置，xj为列车j当前的位置；c0、cv、ca为列车运行阻尼系数；ui1(kT)用于补偿列车阻力中确定的部分
ui2(kT)包含了信息交互项
保证列车在安全距离停车。
2.根据权利要求1所述的列车系统建模与分布式协同控制方法，其特征在于，在所述步骤2中，所述建立动力学模型包括：
(1)考虑了列车速度受约束情况；
(2)考虑了列车运行阻尼系数不确定的情况。
3.根据权利要求2所述的列车系统建模与分布式协同控制方法，其特征在于，在考虑了所述列车速度受约束情况以及列车运行阻尼系数不确定的情况后，动力学模型为：
其中，xi为列车i当前时刻位置；vi为列车i当前时刻速度；mi为列车i的质量；ui为列车i当前时刻的牵引力；c0、
和
为列车运行阻尼系数，
和
具有不确定性，满足条件
和
其中，Δcv和Δca为不确定性参数；
Sat算子的定义为：
其中，
和α i表示列车i所能到达的速度上限和下限值。
4.根据权利要求1所述的列车系统建模与分布式协同控制方法，其特征在于，所述控制参数hi(k)选择过程如下：
S1：给定初始值hi(0)，满足条件
其中，β1和β2分别为不确定参数|Δcv|和|Δca|的最大值；
S2：在每一个采样时刻，控制参数hi(k)满足条件
S3：在条件
以及
满足的前提下，参数hi(1)的大小通过自适应控制给定；
重复S2、S3最终得到第k个采样时刻控制参数hi(k)的大小。
5.根据权利要求1-4任一项所述的列车系统建模与分布式协同控制方法，其特征在于，所述运行阻尼至少为轨道摩擦力、横滚阻力、轨道坡度阻力、空气阻力中的一种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811590469.XA CN109634281B (zh) | 2018-12-20 | 2018-12-20 | 一种列车系统建模与分布式协同控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811590469.XA CN109634281B (zh) | 2018-12-20 | 2018-12-20 | 一种列车系统建模与分布式协同控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109634281A CN109634281A (zh) | 2019-04-16 |
| CN109634281B true CN109634281B (zh) | 2021-05-18 |
Family
ID=66077327
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811590469.XA Active CN109634281B (zh) | 2018-12-20 | 2018-12-20 | 一种列车系统建模与分布式协同控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109634281B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110901703B (zh) * | 2019-12-09 | 2021-11-02 | 中南大学 | 高速列车移动协同闭塞控制方法及系统 |
| CN111169513B (zh) * | 2020-01-07 | 2021-05-11 | 北京交通大学 | 面向乘客舒适性的多自动驾驶列车分布式协同控制方法 |
| CN112084636B (zh) * | 2020-08-24 | 2024-03-26 | 北京交通大学 | 一种多列车协同控制方法和装置 |
| CN112298281B (zh) * | 2020-10-23 | 2022-02-11 | 北京交通大学 | 一种时滞通信网络环境的列车运行控制方法 |
| CN113552801B (zh) * | 2021-07-08 | 2024-04-12 | 北京交通大学 | 一种基于分布式的地铁列车虚拟编队运行控制方法 |
| CN114604297B (zh) * | 2022-04-06 | 2023-04-18 | 中南大学 | 基于对称交替方向乘子法的列车运行控制方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102082819B (zh) * | 2010-12-15 | 2012-12-19 | 中国神华能源股份有限公司 | 列车移动闭塞系统 |
| CN108365986B (zh) * | 2018-02-07 | 2019-06-21 | 重庆大学 | 基于模型预测控制的混合动力车队协同能量管理方法 |
| CN108583555A (zh) * | 2018-05-23 | 2018-09-28 | 湖南工业大学 | 基于一致性理论高速列车分布式协同制动控制方法及系统 |
| CN108791366B (zh) * | 2018-05-31 | 2020-02-14 | 北京全路通信信号研究设计院集团有限公司 | 一种采用虚拟耦合的多列车协同控制方法及系统 |
-
2018
- 2018-12-20 CN CN201811590469.XA patent/CN109634281B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109634281A (zh) | 2019-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109634281B (zh) | 一种列车系统建模与分布式协同控制方法 | |
| CN110450825B (zh) | 城市轨道交通列车运行控制方法 | |
| CN104859654B (zh) | 车辆限速目标距离的实时计算方法及跟驰运行控制方法 | |
| CN113525461B (zh) | 面向虚拟编队的列车运行控制方法 | |
| CN108791366A (zh) | 一种采用虚拟耦合的多列车协同控制方法及系统 | |
| CN108284836A (zh) | 一种车辆纵向跟随控制方法 | |
| CN110827535A (zh) | 非线性车辆队列协同自适应抗扰纵向控制方法 | |
| CN102292753B (zh) | 车组控制方法及车辆 | |
| CN104134378A (zh) | 一种基于驾驶经验和在线学习的城轨列车智能控制方法 | |
| CN111391887B (zh) | 高速列车控制方法及其鲁棒控制器的设计方法 | |
| CN110239600B (zh) | 面向再生制动能量利用的列车运行控制方法及系统 | |
| WO2012155840A1 (zh) | Ctcs-3级列车自动运行车载装置及轨道交通车辆 | |
| CN113353122B (zh) | 虚拟连挂高速列车在追踪车制动力故障下的控制方法 | |
| CN101941453A (zh) | 列车自动控制方法 | |
| CN109177972A (zh) | 一种车辆柔性避撞系统及其控制方法 | |
| CN112464453B (zh) | 一种考虑列车动态响应过程的运行速度曲线规划仿真方法 | |
| CN114298398B (zh) | 一种基于弹性调整策略的高速列车动态追踪运行优化方法 | |
| Pan et al. | Dynamic control of high-speed train following operation | |
| CN103886127A (zh) | 载运工具跟驰关系的确定与行为调整实施方法 | |
| CN114834503A (zh) | 基于弹性追踪模型的虚拟编组列车控制方法 | |
| CN104731096B (zh) | 基于滚动优化的列车区间运行轨迹规划方法 | |
| Zhang et al. | A novel approach for decreasing driving energy consumption during coasting and cruise for the railway vehicle | |
| CN112109773B (zh) | 一种基于h∞和多目标优化的列车速度控制方法 | |
| CN205524207U (zh) | 用于跟驰车队的货车急刹刹车距离判定系统 | |
| CN110901703B (zh) | 高速列车移动协同闭塞控制方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |