CN110083056A - 一种城轨列车pid控制器自动调整方法 - Google Patents
一种城轨列车pid控制器自动调整方法 Download PDFInfo
- Publication number
- CN110083056A CN110083056A CN201910454897.8A CN201910454897A CN110083056A CN 110083056 A CN110083056 A CN 110083056A CN 201910454897 A CN201910454897 A CN 201910454897A CN 110083056 A CN110083056 A CN 110083056A
- Authority
- CN
- China
- Prior art keywords
- train
- parameter
- speed
- pid controller
- population
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 50
- 241000255581 Drosophila <fruit fly, genus> Species 0.000 claims abstract description 37
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 239000000796 flavoring agent Substances 0.000 claims abstract description 9
- 235000019634 flavors Nutrition 0.000 claims abstract description 9
- 238000009434 installation Methods 0.000 claims abstract 2
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 6
- 238000012804 iterative process Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
一种城轨列车PID控制器自动调整方法，包括如下步骤：开始运行，读取列车运行参数；基于果蝇优化算法初始化算法参数，设置最大迭代数和种群数，同时初始化设置PID控制器参数；基于PID控制器模型，计算牵引/制动比例；基于列车动力学模型，计算行驶速度和行驶距离；基于果蝇优化算法计算味道浓度值，选择当代最优PID参数，以及基于寻优结果获取输出控制量，对城轨列车进行实时调整等步骤，通过根据已有的列车实际运行数据实时拟合出适合当前线路的PID控制器参数，以此可减少新线路开通前动态测试调整参数的工作量，同时还可应对由于外界条件变化(如：雨雪天气、轨道损耗等)引起的列车运行不稳定的状况。
Description
技术领域
本发明涉及轨道交通控制领域，具体涉及一种城轨列车PID控制器自动调整方法。
背景技术
近年来，城轨系统的迅速发展使得交通拥堵、环境污染等问题得到改善，而城轨系统则依托列车自动控制(ATC)系统完成安全、高效、节能的驾驶。列车运行控制系统(ATO)是ATC的重要组成部分，在速度防护的前提下，它以准时、舒适、节能等为目标控制列车运行，以减轻司机的劳动强度，提高运行安全和效率。
在ATO控制算法的发展过程中，先后出现了4类控制算法，分别为：经典PID控制算法；参数自适应控制算法；智能控制算法；集成控制算法。然而由于智能算法相对复杂，不利于应用，难以掌控其发展趋势，仅有日本采用过预测型模糊控制算法在实际运营线路投入使用，其他智能控制算法与集成型智能控制算法并未有应用的报道。所以PID(Proportional Integral Derivative)控制作为研究最早、使用简单的控制算法，与其改进算法在ATO系统中被广泛应用。
1942年，Ziegler-Nichols Method问世。它是最早进行PID控制参数整定的一种方法。它是由1940年代早期两位泰勒仪器公司的工程师提出的，这个方法也因此以二人的名字命名。其调试方式为首先将积分和微分增益设置为0，然后比例增益从零开始逐渐增加，直到到达极限增益Ku，此时控制器输出值以恒定值振荡。被控对象大多可近似用一阶惯性加纯滞后环节来表示。之后大部分的PID参数整定的方法都源于它。
2004年，曾振平等人提出了一种基于改进的广义平方误差积分准则的PID参数整定的新方法(“基于新的误差积分准则的PID控制器优化”,曾振平等，《控制工程》，2004年)，用对象响应特征时间来平衡准则中误差项与误差变化率项的数量级，得到了较好的控制效果。
2007年，马建伟博士在其论文中首次较为全面地阐述了多目标满意PID的概念以及具体的参数整定方法(“多指标满意PID控制设计研究”，南京理工大学，2005年)，设计后的PID满足多项指标，提高了PID控制器的控制性能。
然而，现阶段大部分城轨列车中的列车自动运行系统中所用的PID控制器参数多为经验值，根据开通线路的运行测试由工程师进行小幅度的动态调整，由于PID控制器参数设置好后长期不会进行变动，随着列车长久损耗、外界线路条件发生变化等情况的发生，列车运行会受到较大影响，乘客的舒适度也会有所下降。
纵观国内外研究人员对PID参数整定算法的研究，大多在传统的Z-N整定方法的基础上进行改进，并没有真正的达到参数的自适应和自整定，随着各类智能算法的发展，许多学者开始将智能算法应用于PID控制中，但是仍然存在许多问题：
(1)模糊控制算法：对信息的模糊处理会使系统的精度降低；过于依赖知识库的构成，缺乏系统性，难以对输出结果进行正确验证。
(2)神经网络控制：存在“黑盒”问题，不能解释自己的推理过程，网络的收敛速度有待提高，并且有可能陷入局部最优。
而果蝇优化算法具有需求参数少、收敛速度快、优化性能好等优点，在其基础上对搜索半径进行改进以弥补易于陷入局部收敛的缺陷，则可作为城轨列车自动运行系统PID控制器参数自动调整的求解算法，可达到列车根据运行数据对PID控制器参数进行实时调整的效果。
发明内容
本发明的目的在于克服现有技术的不足，提供一种城轨列车PID控制器自动调整方法，根据已有的列车实际运行数据实时拟合出适合当前线路的PID控制器参数，以此可减少新线路开通前动态测试调整参数的工作量，同时还可应对由于外界条件变化(如：雨雪天气、轨道损耗等)引起的列车运行不稳定的状况。
本发明提供了一种城轨列车PID控制器自动调整方法，包括如下步骤：
1)开始运行，读取列车运行参数；
2)基于果蝇优化算法初始化算法参数，设置最大迭代数和种群数，同时初始化设置PID控制器参数；
3)基于PID控制器模型，计算牵引/制动比例；基于列车动力学模型，计算行驶速度和行驶距离；
4)基于果蝇优化算法计算味道浓度值，选择当代最优PID参数，记录最大浓度值，判断是否达到最大迭代次数：如果是，则记录最大浓度值和最优PID参数值，否则在最佳的PID参数上进行搜索寻优，返回步骤3)继续进行计算；
5)基于寻优结果获取输出控制量，对城轨列车进行实时调整。
其中，列车运行参数为列车的实际计算距离、列车实际运行速度、列车实际限速、线路坡度数据、列车目标速度中的一种或多种。
其中，所述搜索寻优的过程中，从迭代进行的角度动态的调整果蝇优化算法的搜索半径，在迭代进程的开始，设置一个相对较大的搜索半径；在迭代进行的后期，动态的调整搜索半径使之愈来愈小，搜索半径公式为：
其中，Rmax为最大的搜索半径，为一常数；G为当前迭代代数；maxgen为最大迭代代数；α为一系数，α∈[0,1]。
其中，设置种群数具体为在种群设置两个或者多个小群体，每个群体的搜索半径不同；
其中，对果蝇种群进行再划分，将果蝇种群较大部分个体划分到A群体，剩余果蝇个体组成B群体，A，B种群的搜索半径设为不同。搜索半径公式为：
其中Ra<Rb。
其中，设置最大迭代数和种群数具体为：设置果蝇种群个体数量为20，迭代次数为300，参数寻优的起始位置为PID控制器参数的经验值，令外围搜索的A种群数量为4，内部搜索的B种群数量为16。
其中，还包括通过对当前速度与目标速度间的误差进行比例、积分、微分计算来输出相应的控制量对列车运行速度的控制，其中控制量计算如下：
式中，V_error(t)为当前时刻目标速度与系统输出速度之间的差值，c(t)为速度差值经由PID控制器计算后得到的加速度控制量，Kp、Ki、Kd分别为PID控制器中比例、积分、微分参数。
其中，味道浓度值计算如下所示：
式中Smell表示当前代数当前个体的味道浓度值，x表示此时个体的数量，m表示当前个体的迭代代数，error代表当前个体的输出速度与实际列车运行速度的均方根误差RSME，error的计算公式如下式所示：
式中，i为当前速度数据点的位置，n为站间数据点的总个数，si为仿真输出列车速度，wi为列车实际运行速度。
本发明的城轨列车PID控制器自动调整方法，可以实现：
1)对传统果蝇优化算法从种群和迭代过程两方面进行改进，弥补了传统算法易于陷入局部最优的缺点，并将改进的果蝇优化算法作为城轨列车的PID控制器参数自动调整方法；改进的果蝇优化算法需要参数少，不易陷入局部最优，实现应用简单快捷，研发成本不高。
2)以数据驱动结合具体对象模型，既可以保证此方法的合理有效性，又可充分利用列车的实际运行数据；
3)可针对不同的外界条件对城轨列车中的PID控制器进行实时拟合，可依据外界状况生成多套相应参数；使城轨列车PID控制器可根据外界条件对参数进行实时调整，保障城轨列车平稳运行，增强系统鲁棒性。
4)使城轨列车PID控制器可拟合优秀司机的驾驶曲线进行参数拟合，节省大量参数动态调整工作。
附图说明
图1为本发明列车自动运行系统模型示意图；
图2为本发明搜索半径示意图；
图3为本发明改进后的果蝇优化算法流程图；
图4为本发明PID控制器参数拟合整体流程图。
具体实施方式
下面详细说明本发明的具体实施，有必要在此指出的是，以下实施只是用于本发明的进一步说明，不能理解为对本发明保护范围的限制，该领域技术熟练人员根据上述本发明内容对本发明做出的一些非本质的改进和调整，仍然属于本发明的保护范围。
本发明提供了一种城轨列车PID控制器自动调整方法，利用已被记录的列车实际运行数据对运行系统中的PID控制器参数进行自动调整。
1.列车自动控制系统：目前城轨列车ATO系统以PID控制器为基础，根据当前速度与目标速度间的偏差进行控制量的计算。城轨列车运行PID控制器结构如图1所示。
(1)PID控制器部分中，Kp、Ki、Kd分别表示PID控制器中比例系数、积分系数和微分系数。PID控制器的参数对整个控制器的性能有着直接的影响。其通过对输入的偏差量进行比例、积分、微分的线性组合得到最终的控制量，进而对列车进行直接控制。其计算表达式如下：
Verror(t)＝Vtarget(t)-Vreal(t)
V_target(t)为当前时刻列车需要跟踪的目标速度，V_error(t)为当前时刻目标速度与系统输出速度之间的差值，c(t)为速度差值经由PID控制器计算后得到的加速度控制量，根据c(t)的值即可判断列车当前需进入的工况，同时可用c(t)的值计算列车牵引或制动输出的比例。
(2)牵引/制动级位模块中，ATO系统通过速度查询最大牵引/制动加速度amax，以求得牵引/制动级位，具体实现如下。
式中，gear(t)表示输出的牵引/制动级位，c(t)表示根据PID控制器计算得到的控制量，amax表示根据当前列车速度查询得到的最大牵引/制动加速度。
(3)在输出约束模块中，根据当前线路列车需求做出如下约束：
a.为了保证乘客舒适度，约束列车加速度上下限，当输出超过设定门限值时，按门限值进行输出。
b.在制动阶段需要执行牵引命令时，运行速度偏差大于设定值，才允许执行牵引指令；否则，输出加速度置0，执行惰行操作。制动阶段执行制动命令时无约束。
(4)列车动力学模型部分,在此作为PID控制器的受控对象，其具体模型即为惰行阶段、牵引阶段、制动阶段的动力学模型。因列车动力学模型是PID控制器的受控对象，也是经此直接输出列车下一周期的运行速度。
2.应用算法：使用改进的果蝇优化算法对PID控制器参数进行拟合，相比于传统的果蝇优化算法，该算法从迭代和种群两方面动态调整搜索半径。
(1)从迭代进行的角度动态的调整果蝇优化算法的搜索半径，在迭代进程的开始，设置一个相对较大的搜索半径，扩大搜索范围，保证果蝇优化算法的全局寻优能力；在迭代进行的后期，动态的调整搜索半径使之愈来愈小，保证算法在当前最优值附近的局部搜索能力。
搜索半径公式可概括为：
其中，Rmax为最大的搜索半径，为一常数；G为当前迭代代数；maxgen为最大迭代代数；α为一系数，α∈[0,1]，若α＝1，则算法退化为传统的果蝇算法。
(2)从果蝇种群的角度考虑，如果在种群设置两个或者多个小群体，每个群体的搜索半径不同，这对于全局寻优也是十分有利的。对果蝇种群进行再划分，其中较大一部分个体划分到A群体，剩余果蝇个体组成B群体。A，B种群的搜索半径设为不同，如图2所示。这样就既保证了在群体中大部分果蝇个体的局部寻优能力，少部分果蝇个体也兼顾搜索空间的边缘，实现了较好的全局寻优。搜索半径公式可概括为：
其中Ra<Rb。
将上述两种方法相组合，可以动态的调整算法的搜索半径。
在算法迭代的初期，以较大的搜索半径进行寻优的同时两个子群体的果蝇个体在各自搜索半径内进行搜索。增强了算法的灵活性，提高了果蝇优化算法的全局搜索能力。
在算法迭代的后程，搜索半径逐渐减小，种群A可以有效的在小范围寻优，种群B则在外围继续搜索，试图找出全局最优。兼顾了全局和局部寻优的性能。
综上两点，改进型的果蝇优化算法在局部和全局寻优性能方面都具有较大的灵活性，增强了算法的鲁棒性。CIP-FOA算法的搜索半径公式：
R＝Ri·Rp
改进后的果蝇优化算法流程图如图3所示。
3.参数拟合流程：PID控制器参数拟合流程图如图4所示：
算法配置：PID控制器对列车运行速度的控制主要通过对当前速度与目标速度间的误差进行比例、积分、微分计算来输出相应的控制量，其控制量计算如下：
式中，V_error(t)为当前时刻目标速度与系统输出速度之间的差值，单位为m/s2，c(t)为速度差值经由PID控制器计算后得到的加速度控制量，Kp、Ki、Kd分别为PID控制器中比例、积分、微分参数，直接影响了PID控制器的性能。
其中，由于在实际的列车控制器中不使用积分量，故Ki一直为零。因此，在进行参数辨识时，需要拟合的参数为比例系数Kp、微分系数Kd两项，从而在应用果蝇优化算法时，需要解决的问题为二维参数寻优问题。通过对列车实际使用的PID控制器进行调研，分别确定Kp的可行域为[0,1.0]，Kd的可行域为[0,1.0]。由于ATO系统内部计算列车运行速度较为复杂，计算量较大，为了保证实时性，在对算法进行初始化时，令种群个体数量为20，迭代次数为300，参数寻优的起始位置即为PID控制器参数的经验值。令外围搜索的A种群数量为4，内部搜索的B种群数量为16。
与其他PID控制器参数优化不同，在ATO系统内的PID控制器输出量为列车电机的直接输入指令，而列车运行速度输出受列车运行控制策略、输出约束模块等多方因素影响，故本文对ATO系统中PID控制器进行参数调整时，以目前的列车实际运行数据为基础，试图从完整的运行数据中搜寻到最优的PID控制器参数。因此在对PID控制器参数寻优应用改进的果蝇优化算法时，以仿真输出速度与实际数据中运行速度之间的误差为主要寻优指标，算法内的味道浓度值如下所示：
式中Smell表示当前代数当前个体的味道浓度值，x表示此时个体的数量，m表示当前个体的迭代代数，error代表当前个体的输出速度与实际列车运行速度的均方根误差(RSME)，error的计算公式如下式所示：
式中，i为当前速度数据点的位置，n为站间数据点的总个数，si为仿真输出列车速度，wi为列车实际运行速度，计算均方根误差error时，由于需考虑列车的牵引与惰行的策略，用m/s作为速度单位。
输入部分为：实际计算距离(m)、列车实际运行速度(m/s)、列车实际限速(m/s)、线路坡度数据(无单位)、列车目标速度(m/s)；
输出部分为：PID控制器最优参数(Kp、Ki、Kd)、拟合速度与实际速度之间的均方根误差、列车仿真运行输出曲线、列车仿真运行能耗、拟合迭代优化曲线。
需要说明的是，本发明中采用相同参数定义了不同阶段的参量，因为这些参量的定义是本领域公知的定义方式，并且在不同阶段有对应的步骤进行限定，因此对应的这些参量的相同参数的定义并不会产生歧义，在此说明。
尽管为了说明的目的，已描述了本发明的示例性实施方式，但是本领域的技术人员将理解，不脱离所附权利要求中公开的发明的范围和精神的情况下，可以在形式和细节上进行各种修改、添加和替换等的改变，而所有这些改变都应属于本发明所附权利要求的保护范围，并且本发明要求保护的产品各个部门和方法中的各个步骤，可以以任意组合的形式组合在一起。因此，对本发明中所公开的实施方式的描述并非为了限制本发明的范围，而是用于描述本发明。相应地，本发明的范围不受以上实施方式的限制，而是由权利要求或其等同物进行限定。
Claims (8)
1.一种城轨列车PID控制器自动调整方法，其特征在于，包括如下步骤：
1)开始运行，读取列车运行参数；
2)基于果蝇优化算法初始化算法参数，设置最大迭代数和种群数，同时初始化设置PID控制器参数；
3)基于PID控制器模型，计算牵引/制动比例；基于列车动力学模型，计算行驶速度和行驶距离；
4)基于果蝇优化算法计算味道浓度值，选择当代最优PID参数，记录最大浓度值，判断是否达到最大迭代次数：如果是，则记录最大浓度值和最优PID参数值，否则在最佳的PID参数上进行搜索寻优，返回步骤3)继续进行计算；
5)基于寻优结果获取输出控制量，对城轨列车进行实时调整。
2.如权利要求1所述的调整方法，其特征在于：列车运行参数为列车的实际计算距离、列车实际运行速度、列车实际限速、线路坡度数据、列车目标速度中的一种或多种。
3.如权利要求1所述的调整方法，其特征在于：所述搜索寻优的过程中，从迭代进行的角度动态的调整果蝇优化算法的搜索半径，在迭代进程的开始，设置一个相对较大的搜索半径；在迭代进行的后期，动态的调整搜索半径使之愈来愈小，搜索半径公式为：
其中，Rmax为最大的搜索半径，为一常数；G为当前迭代代数；maxgen为最大迭代代数；α为一系数，α∈[0,1]。
4.如权利要求1或3所述的调整方法，其特征在于：设置种群数具体为在种群设置两个或者多个小群体，每个群体的搜索半径不同。
5.如权利要求4所述的调整方法，其特征在于：对果蝇种群进行再划分，将果蝇种群较大部分个体划分到A群体，剩余果蝇个体组成B群体，A，B种群的搜索半径设为不同，搜索半径公式为：
其中Ra<Rb。
6.如权利要求5所述的调整方法，其特征在于：设置最大迭代数和种群数具体为：设置果蝇种群个体数量为20，迭代次数为300，参数寻优的起始位置为PID控制器参数的经验值，令外围搜索的A种群数量为4，内部搜索的B种群数量为16。
7.如权利要求6所述的调整方法，其特征在于：还包括通过对当前速度与目标速度间的误差进行比例、积分、微分计算来输出相应的控制量对列车运行速度的控制，其中控制量计算如下：
式中，V_error(t)为当前时刻目标速度与系统输出速度之间的差值，c(t)为速度差值经由PID控制器计算后得到的加速度控制量，Kp、Ki、Kd分别为PID控制器中比例、积分、微分参数。
8.如权利要求7所述的调整方法，其特征在于：味道浓度值计算如下所示：
式中Smell表示当前代数当前个体的味道浓度值，x表示此时个体的数量，m表示当前个体的迭代代数，error代表当前个体的输出速度与实际列车运行速度的均方根误差RSME，error的计算公式如下式所示：
式中，i为当前速度数据点的位置，n为站间数据点的总个数，si为仿真输出列车速度，wi为列车实际运行速度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910454897.8A CN110083056A (zh) | 2019-05-28 | 2019-05-28 | 一种城轨列车pid控制器自动调整方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910454897.8A CN110083056A (zh) | 2019-05-28 | 2019-05-28 | 一种城轨列车pid控制器自动调整方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110083056A true CN110083056A (zh) | 2019-08-02 |
Family
ID=67422372
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910454897.8A Pending CN110083056A (zh) | 2019-05-28 | 2019-05-28 | 一种城轨列车pid控制器自动调整方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110083056A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110641523A (zh) * | 2019-10-15 | 2020-01-03 | 大连海事大学 | 一种地铁列车实时速度监测方法及系统 |
| CN112286045A (zh) * | 2020-10-15 | 2021-01-29 | 天津津航计算技术研究所 | 一种用于真空金属管道高速列车的启停控制系统 |
| 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 |
| CN115128957A (zh) * | 2022-07-20 | 2022-09-30 | 西南交通大学 | 一种基于迭代学习的重载列车运行控制方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5630773A (en) * | 1996-02-02 | 1997-05-20 | Eaton Corporation | Method and apparatus for slip mode control of automatic clutch |
| CN104199362A (zh) * | 2014-09-09 | 2014-12-10 | 上虞安卡拖车配件有限公司 | 一种城市轨道列车的实时速度跟踪控制方法及系统 |
| US9128173B1 (en) * | 2011-05-25 | 2015-09-08 | Leidos, Inc. | Machine and process for self localization using doppler |
| CN105083338A (zh) * | 2015-08-25 | 2015-11-25 | 北京交通大学 | 最大化利用再生能量的列车运行控制方法 |
| CN106529023A (zh) * | 2016-11-09 | 2017-03-22 | 南京工程学院 | 一种基于迭代学习的地铁列车自动运行速度控制方法 |
| CN107367937A (zh) * | 2017-08-07 | 2017-11-21 | 陕西科技大学 | 一种基于自适应果蝇优化算法的pid参数优化方法 |
| CN107703491A (zh) * | 2017-11-13 | 2018-02-16 | 浙江大学 | 基于改进的果蝇优化算法优化rbf神经网络的海杂波最优软测量仪表及方法 |
| CN109062273A (zh) * | 2018-08-15 | 2018-12-21 | 北京交通大学 | 基于事件触发pid控制的列车速度曲线跟踪控制方法和系统 |
| CN109552346A (zh) * | 2017-09-26 | 2019-04-02 | 株洲中车时代电气股份有限公司 | 一种机车定速控制方法及机车控制系统 |
-
2019
- 2019-05-28 CN CN201910454897.8A patent/CN110083056A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5630773A (en) * | 1996-02-02 | 1997-05-20 | Eaton Corporation | Method and apparatus for slip mode control of automatic clutch |
| US9128173B1 (en) * | 2011-05-25 | 2015-09-08 | Leidos, Inc. | Machine and process for self localization using doppler |
| CN104199362A (zh) * | 2014-09-09 | 2014-12-10 | 上虞安卡拖车配件有限公司 | 一种城市轨道列车的实时速度跟踪控制方法及系统 |
| CN105083338A (zh) * | 2015-08-25 | 2015-11-25 | 北京交通大学 | 最大化利用再生能量的列车运行控制方法 |
| CN106529023A (zh) * | 2016-11-09 | 2017-03-22 | 南京工程学院 | 一种基于迭代学习的地铁列车自动运行速度控制方法 |
| CN107367937A (zh) * | 2017-08-07 | 2017-11-21 | 陕西科技大学 | 一种基于自适应果蝇优化算法的pid参数优化方法 |
| CN109552346A (zh) * | 2017-09-26 | 2019-04-02 | 株洲中车时代电气股份有限公司 | 一种机车定速控制方法及机车控制系统 |
| CN107703491A (zh) * | 2017-11-13 | 2018-02-16 | 浙江大学 | 基于改进的果蝇优化算法优化rbf神经网络的海杂波最优软测量仪表及方法 |
| CN109062273A (zh) * | 2018-08-15 | 2018-12-21 | 北京交通大学 | 基于事件触发pid控制的列车速度曲线跟踪控制方法和系统 |
Non-Patent Citations (2)
| Title |
|---|
| 张燕红: "数字PID控制算法", 《计算机控制技术 第2版》 * |
| 赵帅: "城轨列车模型的关键参数拟合研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110641523A (zh) * | 2019-10-15 | 2020-01-03 | 大连海事大学 | 一种地铁列车实时速度监测方法及系统 |
| CN110641523B (zh) * | 2019-10-15 | 2021-06-29 | 大连海事大学 | 一种地铁列车实时速度监测方法及系统 |
| CN112286045A (zh) * | 2020-10-15 | 2021-01-29 | 天津津航计算技术研究所 | 一种用于真空金属管道高速列车的启停控制系统 |
| 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 |
| CN115128957A (zh) * | 2022-07-20 | 2022-09-30 | 西南交通大学 | 一种基于迭代学习的重载列车运行控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110083056A (zh) | 一种城轨列车pid控制器自动调整方法 | |
| CN102981408B (zh) | 一种动车组运行过程建模与自适应控制方法 | |
| CN109978350A (zh) | 一种基于工况分解动态规划算法的地铁列车节能优化方法 | |
| CN107577234B (zh) | 一种驾驶员在环的汽车燃油经济性控制方法 | |
| CN105460048B (zh) | 城轨交通优化操纵与行车调度综合节能控制方法及装置 | |
| CN108909702A (zh) | 一种插电式混合动力汽车能量管理方法及系统 | |
| Li et al. | Optimal guaranteed cost cruise control for high-speed train movement | |
| WO2022142540A1 (zh) | 基于智能网联信息的新能源汽车滑行控制系统、方法及新能源汽车 | |
| CN107085978A (zh) | 一种基于所需到达时间的管制辅助决策指令生成方法 | |
| CN116187161B (zh) | 一种智能网联环境下混合动力客车智能能量管理方法及系统 | |
| CN106056238B (zh) | 列车区间运行轨迹的规划方法 | |
| 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 | |
| CN111724602B (zh) | 一种城市非信控多交叉路口环境下的多车协同控制方法 | |
| CN112734097A (zh) | 无人驾驶列车能耗预测方法、系统及存储介质 | |
| CN103879414A (zh) | 一种基于自适应A-Star算法的铁路机车优化操纵方法 | |
| Meng et al. | Combining the matter-element model with the associated function of performance indices for automatic train operation algorithm | |
| Chen et al. | A survey of control algorithm for automatic train operation | |
| CN113415323A (zh) | 一种高速铁路列车阶段调整方法与系统 | |
| CN108394429A (zh) | 一种为城轨列车群生成自动驾驶曲线的方法 | |
| Scheepmaker et al. | Running time supplements: energy-efficient train control versus robust timetables | |
| Wu et al. | Predictive cruise control for 4WD electric vehicle based on dynamic weight factors | |
| CN114999227B (zh) | 非信控交叉路口混合多车无模型预测协同控制方法 | |
| CN114670856B (zh) | 一种基于bp神经网络的参数自整定纵向控制方法及系统 | |
| CN113421444B (zh) | 一种基于车辆路径信息的城市道路网信号控制方法与装置 | |
| Yin et al. | Model Free Adaptive Traffic Signal Control for Four-phase Intersections |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190802 |
|
| RJ01 | Rejection of invention patent application after publication |