CN110281987A - 基于状态约束的列车速度跟踪控制方法 - Google Patents

基于状态约束的列车速度跟踪控制方法 Download PDF

Info

Publication number
CN110281987A
CN110281987A CN201910543296.4A CN201910543296A CN110281987A CN 110281987 A CN110281987 A CN 110281987A CN 201910543296 A CN201910543296 A CN 201910543296A CN 110281987 A CN110281987 A CN 110281987A
Authority
CN
China
Prior art keywords
train
constraint
target
mapping
speed
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
Application number
CN201910543296.4A
Other languages
English (en)
Other versions
CN110281987B (zh
Inventor
高士根
董海荣
孙亚文
宁滨
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.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
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 Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN201910543296.4A priority Critical patent/CN110281987B/zh
Publication of CN110281987A publication Critical patent/CN110281987A/zh
Application granted granted Critical
Publication of CN110281987B publication Critical patent/CN110281987B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/20—Trackside control of safe travel of vehicle or train, e.g. braking curve calculation

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明提供了一种基于状态约束的列车速度跟踪控制方法，包括：采集列车的实时运行参数以及列车运行约束的相关参数；根据所述实时运行参数和列车运行约束的相关参数建立包含约束条件的列车动力学模型；采用非线性映射方法对包含约束条件的列车动力学模型进行非线性映射，得到列车控制模型；根据所述列车控制模型对当前列车进行运行控制。本方法可以保证将列车控制系统的状态约束在安全范围内，并实现列车位置和速度的稳定跟踪。

Description

基于状态约束的列车速度跟踪控制方法
技术领域
本发明涉及列车自动驾驶技术领域，尤其涉及一种基于状态约束的列车速度跟踪控制方法。
背景技术
随着高速铁路及城市轨道交通路网规模的扩大和列车运行速度的不断提高，安全高效的列车运行控制是轨道交通的核心目标。
列车运行控制系统要求系统的状态无论处于暂态还是稳态时都能运行在某个特定的边界内。由于列车运行控制系统的相关数学模型通常是非线性的，且为部分已知甚至是完全未知的，列车在存在外界扰动的情况下极易出现系统状态“越界”。为了确保列车运行的安全性，通过列车自动防护系统实现超速防护。由于控制系统与防护系统的隔离，在列车自动运行系统中如果不考防护曲线约束、分相区速度约束和弯道约束等对列车的约束，则可能由于控制效果差会触发制动曲线。在实际系统中，一般通过设置安全裕量，并通过试错的方式来防止触碰安全约束，从而造成了效率的浪费，并且效果也得不到完全的保证。
因此，需要一种基于状态约束的列车速度跟踪控制方法。
发明内容
本发明提供了一种基于状态约束的列车速度跟踪控制方法，以避免列车在运行过程中的位置、速度和状态超出安全约束范围。
为了实现上述目的，本发明采取了如下技术方案。
本发明提供了一种基于状态约束的列车速度跟踪控制方法，包括：
采集列车的实时运行参数以及列车运行约束的相关参数；
根据所述的实时运行参数和列车运行约束的相关参数建立包含约束条件的列车动力学模型；
采用非线性映射方法对所述的包含约束条件的列车动力学模型进行非线性映射，得到列车控制模型；
根据所述列车控制模型对当前列车进行运行控制。
优选地，列车的实时运行参数包括：列车的当前速度和列车当前位置。
优选地，根据所述实时参数和列车运行约束的相关参数建立包含约束条件的列车动力学模型，包括：所述的约束条件为：列车位置的约束记为：列车速度的约束记为：其中p(t)为列车实时最小位置约束，为列车实时最大位置约束，v(t)为列车实时最低速度约束，为列车实时最高速度约束。
优选地，列车运行约束包括防护曲线约束、分相区速度约束和弯道速度约束。
优选地，采用非线性映射方法对所述的列车动力学模型进行非线性映射，包括对所述列车动力学模型中的列车的位置p(t)、速度v(t)、位置-时间目标曲线p目标(t)和速度-时间目标曲线v目标(t)进行非线性映射。
优选地，非线性映射方法包括以下三种：
当列车状态约束只存在上界时，非线性映射为：
当列车状态约束只存在下界时，非线性映射为：
p*(t)＝log(p(t)-p(t))；v*(t)＝log(v(t)-v(t))；
p* 目标(t)＝log(p目标(t)-p(t))；v* 目标(t)＝log(v目标(t)-v(t))；
当列车状态约束存在上界和下界时，非线性映射为：
其中p*(t)为映射后的位置，v*(t)为映射后的速度，p* 目标(t)为映射后的位置-时间曲线，v* 目标(t)为映射后的速度-时间曲线。
优选地，根据所述列车控制模型对当前列车进行控制，包括：采用PID控制方法或反步控制方法对当前列车进行控制。
优选地，采用PID控制方法根据所述列车控制模型对当前列车进行控制，包括：
将映射后的列车位置p*(t)与映射后的目标位置-时间曲线p目标(t)作差，得到列车当前位置误差e1(t)；
将映射后的列车速度v*(t)与映射后的目标速度-时间曲线v目标(t)作差，得到列车当前的速度误差e2(t)；
将列车的位置误差和速度误差线性叠加得到总误差：e(t)＝e1(t)+αe2(t)，其中α为正常数且α∈(0，1)；
设计列车单位质量的牵引力或制动力为
由上述本发明的基于状态约束的列车速度跟踪控制方法提供的技术方案可以看出，本发明通过采集列车的实时运行状态和受到的约束条件，建立考虑状态约束的列车动力学模型，通过状态映射方法对列车动力学模型进行变换，得到列车控制模型，从而保证将列车控制系统的状态约束在安全范围内，并实现列车位置和速度的稳定跟踪。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为实施例一的一种基于状态约束的列车速度跟踪控制方法示意图；
图2为实施例一的基于防护曲线约束的城市轨道交通的自动驾驶控制方法仿真结果曲线图；
图3为实施例二的基于状态约束的高速铁路的自动驾驶控制方法仿真结果曲线图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
实施例一
图1为一种基于状态约束的列车速度跟踪控制方法示意图，参照图1，该方法包括：
S1采集列车的实时运行参数以及列车运行约束的相关参数。
列车的实时运行参数包括：列车的当前速度v(t)和列车当前位置p(t)。
本实施例基于防护曲线约束的城市轨道交通的自动驾驶控制方法采集以下防护曲线约束的相关参数：
(1)计算列车防护系统允许的实时最远运行距离、列车防护系统允许的实时最大运行速度最终对于列车位置的约束记为：对于列车速度的约束记为：其中是列车实时最大位置约束，是列车实时最高速度约束。
(2)计算约束范围内的列车运行位置-时间目标曲线p目标(t)和速度-时间目标曲线v目标(t)。
S2根据所述实时参数和列车运行约束的相关参数建立包含约束条件的列车动力学模型。
对于城市轨道交通的自动驾驶控制方法建立的包含约束条件的城市轨道交通动力学模型如下式(1)所示：
其中，p(t)代表列车实时位置，v(t)代表列车实时速度，M代表列车质量，F代表牵引力或制动力，a、b和c表示基本阻力中的戴维斯方程系数，δ(t)表示附加阻力与未知干扰的叠加和。考虑列车运行过程中自动防护系统对列车位置和速度的约束为
将式(1)表述为如下式(2)的二阶微分方程：
其中，u(t)＝F(t)/M表示待设计的单位质量下的牵引力/制动力，p(t)代表列车实时位置，v(t)代表列车实时速度，Δ(t)表示单位质量下的附加阻力与未知干扰的叠加和。控制的目标为列车位置跟踪位置目标曲线p目标(t)，列车速度跟踪速度目标曲线v目标(t)。
S3采用非线性映射方法对所述的包含约束条件的列车动力学模型进行非线性映射，得到列车控制模型。
采用非线性映射方法对所述的列车动力学模型进行非线性映射，包括对所述列车动力学模型中的列车的位置p(t)、速度v(t)、位置-时间目标曲线p目标(t)和速度-时间曲线v目标(t)进行非线性映射。
非线性映射方法包括以下三种：
1)当列车状态约束只存在上界时，非线性映射为：
2)当列车状态约束只存在下界时，非线性映射为：
p*(t)＝log(p(t)-p(t))；v*(t)＝log(v(t)-v(t))
p* 目标(t)＝log(p目标(t)-p(t))；v* 目标(t)＝log(v目标(t)-v(t))
3)当列车状态同时存在上界和下界时，非线性映射为：
其中p*(t)为映射后的位置，v*(t)为映射后的速度，p* 目标(t)为映射后的位置-时间曲线，v* 目标(t)为映射后的速度-时间曲线。
由于对于城市轨道交通的自动驾驶控制方法建立的包含约束条件的城市轨道交通动力学模型为列车状态只存在上界，故选择第1)种映射方式，对列车的位置p(t)、速度v(t)、位置-时间目标曲线p目标(t)和速度-时间曲线v目标(t)进行非线性映射，即得到如下式(3)所示：
S4根据所述列车控制模型对当前列车进行控制。
采用PID控制方法或反步控制方法等方法对当前列车进行控制。
由于PID适应性强、鲁棒性强且使用方便，本实施例中采用PID控制方法根据所述列车控制模型对当前列车进行控制，包括：
将映射后的列车位置p*(t)与映射后的目标位置-时间曲线p目标(t)作差，得到列车当前位置误差e1(t)；
将映射后的列车速度v*(t)与映射后的目标速度-时间曲线v目标(t)作差，得到列车当前的速度误差e2(t)；
将列车的位置误差和速度误差线性叠加得到总误差：e(t)＝e1(t)+αe2(t)，其中α为正常数且α∈(0，1)；
设计列车单位质量的牵引力或制动力为
本实施例中所采用的参数如下表1所示：
表1
图2为本实施例的基于防护曲线约束的城市轨道交通的自动驾驶控制方法仿真结果曲线图，参照图2。图2中列车运行过程中，列车的实时位置处于ATP防护的最远距离之下，列车的实时速度低于ATP防护的最高速度，并且可以实现状态约束下位置和速度的稳定跟踪。
本领域技术人员应能理解，上述所举的根据列车的约束条件调用非线性变换策略仅为更好地说明本发明实施例的技术方案，而非对本发明实施例作出的限定。任何根据列车的约束条件调用非线性变换策略的方法，均包含在本发明实施例的范围内。
实施例二
本实施例提供了一种基于状态约束的高速铁路的自动驾驶控制方法包括如下步骤：
采集列车的实时运行参数以及列车运行约束的相关参数。
列车的实时运行参数包括：列车的当前速度v(t)和列车当前位置p(t)。
列车运行约束的相关参数比如：考虑列车运行过程中自动防护系统对列车位置和速度的约束为考虑列车运行过程中防止掉分相，一般在进入分相区前速度不低于80km/h；考虑列车过弯道时提供合适的向心力，速度一般有一定的限制，其对列车的约束为计算约束范围内的列车运行位置-时间目标曲线p目标(t)和速度-时间目标曲线v目标(t)。
根据所述实时参数和列车运行约束的相关参数建立包含约束条件的列车动力学模型。
高速铁路的自动驾驶控制方法建立包含约束条件的列车动力学模型如下式)(1)所示：
其中，p(t)和v(t)分别代表列车实时位置和速度，M代表列车质量，F代表牵引/制动力，a、b和c表示基本阻力中的戴维斯方程系数，δ(t)表示附加阻力与未知干扰的叠加和。为列车运行中受到的约束，则列车总的约束为下式(2)所示。
即
将式(1)和(2)表述为如下式(3)的二阶微分方程：
其中，u(t)＝F(t)/M表示待设计的单位质量下的牵引力或制动力，Δ(t)表示单位质量下的附加阻力与未知干扰的叠加和。控制的目标为列车位置跟踪位置目标曲线p目标(t)，列车速度跟踪速度目标曲线v目标(t)。
采用非线性映射方法对所述的包含约束条件的列车动力学模型进行非线性映射，得到列车控制模型。
采用非线性映射方法对所述的列车动力学模型进行非线性映射，包括对所述列车动力学模型中的列车的位置p(t)、速度v(t)、位置-时间目标曲线p目标(t)和速度-时间曲线v目标(t)进行非线性映射。
由于对于本实施例的约束条件为列车状态存在上界和下界的状态，因此非线性映射为：
对列车的位置p(t)、速度v(t)、位置-时间目标曲线p目标(t)和速度-时间曲线v目标(t)进行非线性映射，即得到如下式(4)所示：
采用PID控制方法根据所述列车控制模型对当前列车进行控制，包括：
将映射后的列车位置p*(t)与映射后的目标位置-时间曲线p目标(t)作差，得到列车当前位置误差e1(t)；
将映射后的列车速度v*(t)与映射后的目标速度-时间曲线v目标(t)作差，得到列车当前的速度误差e2(t)；
将列车的位置误差和速度误差线性叠加得到总误差：e(t)＝e1(t)+αe2(t)，其中α为正常数且α∈(0，1)；
设计列车单位质量的牵引力或制动力为
本实施例中所采用的参数如下表2所示：
表2
参数符号 参数值 单位
M 300 t
a 0.69 N/kN
b 0.0063 N/kN
c 0.00015 N/kN
δ(t) 0.02sin(0.05t) N/kN
α 0.5 -
k<sub>1</sub> 10 -
k<sub>2</sub> 0.01 -
k<sub>3</sub> 0.01 -
其中，高速动车组基本阻力参数选自CRH3系列动车组参数。
图3为本实施例的基于状态约束的高速铁路的自动驾驶控制方法仿真结果曲线图，参照图3。图3中高速列车运行过程中，列车的实时位置和速度位于约束范围内，并且可以实现状态约束下位置和速度的稳定跟踪。
用本发明实施例的方法进行列车运行控制的具体过程与前述方法实施例类似，此处不再赘述。
需要说明的是，本发明中的约束条件不限于防护曲线约束、分相区速度约束和弯道速度约束，任何现有的或是未来可能出现的列车的约束控制条件如可应用于本发明的方法，均包含在本发明的保护范围之内。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述，仅为本发明较佳的具体实施方式，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，可轻易想到的变化或替换，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该以权利要求的保护范围为准。

Claims (8)

1.一种基于状态约束的列车速度跟踪控制方法，其特征在于，包括：
采集列车的实时运行参数以及列车运行约束的相关参数；
根据所述的实时运行参数和列车运行约束的相关参数建立包含约束条件的列车动力学模型；
采用非线性映射方法对所述的包含约束条件的列车动力学模型进行非线性映射，得到列车控制模型；
根据所述列车控制模型对当前列车进行运行控制。
2.根据权利要求1所述的方法，其特征在于，所述的列车的实时运行参数包括：列车的当前速度和列车当前位置。
3.根据权利要求1所述的方法，其特征在于，所述的根据所述实时参数和列车运行约束的相关参数建立包含约束条件的列车动力学模型，包括：所述的约束条件为：列车位置的约束记为：列车速度的约束记为：其中p(t)为列车实时最小位置约束，为列车实时最大位置约束，v(t)为列车实时最低速度约束，为列车实时最高速度约束。
4.根据权利要求1所述的方法，其特征在于，所述的列车运行约束包括防护曲线约束、分相区速度约束和弯道速度约束。
5.根据权利要求1所述的方法，其特征在于，所述的采用非线性映射方法对所述的列车动力学模型进行非线性映射，包括对所述列车动力学模型中的列车的位置p(t)、速度v(t)、位置-时间目标曲线p目标(t)和速度-时间目标曲线v目标(t)进行非线性映射。
6.根据权利要求1所述的方法，其特征在于，所述的非线性映射方法包括以下三种：
当列车状态约束只存在上界时，非线性映射为：
当列车状态约束只存在下界时，非线性映射为：
p*(t)＝log(p(t)-p(t))；v*(t)＝log(v(t)-v(t))；
p* 目标(t)＝log(p目标(t)-p(t))；v* 目标(t)＝log(v目标(t)-v(t))；
当列车状态约束存在上界和下界时，非线性映射为：
其中p*(t)为映射后的位置，v*(t)为映射后的速度，p* 目标(t)为映射后的位置-时间曲线，v* 目标(t)为映射后的速度-时间曲线。
7.根据权利要求1所述的方法，其特征在于，所述的根据所述列车控制模型对当前列车进行控制，包括：采用PID控制方法或反步控制方法对当前列车进行控制。
8.根据权利要求7所述的方法，其特征在于，所述的采用PID控制方法根据所述列车控制模型对当前列车进行控制，包括：
将映射后的列车位置p*(t)与映射后的目标位置-时间曲线p目标(t)作差，得到列车当前位置误差e1(t)；
将映射后的列车速度v*(t)与映射后的目标速度-时间曲线v目标(t)作差，得到列车当前的速度误差e2(t)；
将列车的位置误差和速度误差线性叠加得到总误差：e(t)＝e1(t)+αe2(t)，其中α为正常数且α∈(0,1)；
设计列车单位质量的牵引力或制动力为
CN201910543296.4A 2019-06-21 2019-06-21 基于状态约束的列车速度跟踪控制方法 Active CN110281987B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910543296.4A CN110281987B (zh) 2019-06-21 2019-06-21 基于状态约束的列车速度跟踪控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910543296.4A CN110281987B (zh) 2019-06-21 2019-06-21 基于状态约束的列车速度跟踪控制方法

Publications (2)

Publication Number Publication Date
CN110281987A true CN110281987A (zh) 2019-09-27
CN110281987B CN110281987B (zh) 2020-11-24

Family

ID=68004884

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910543296.4A Active CN110281987B (zh) 2019-06-21 2019-06-21 基于状态约束的列车速度跟踪控制方法

Country Status (1)

Country Link
CN (1) CN110281987B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112706802A (zh) * 2021-01-14 2021-04-27 中车青岛四方机车车辆股份有限公司 一种磁浮列车安全防护的方法及装置
CN113859310A (zh) * 2020-06-30 2021-12-31 中车青岛四方车辆研究所有限公司 一种列车安全控制方法及控制系统
CN114655277A (zh) * 2022-04-02 2022-06-24 株洲中车时代电气股份有限公司 重载列车智能驾驶超速防护曲线计算方法及相关设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
US20190106133A1 (en) * 2016-03-31 2019-04-11 Ge Global Sourcing Llc Multiple vehicle control system
CN109693688A (zh) * 2018-12-24 2019-04-30 北京交通大学 预设性能的列车自动驾驶控制系统及控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190106133A1 (en) * 2016-03-31 2019-04-11 Ge Global Sourcing Llc Multiple vehicle control system
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
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
CN109693688A (zh) * 2018-12-24 2019-04-30 北京交通大学 预设性能的列车自动驾驶控制系统及控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
于海洋: "约束非线性控制及其在列车牵引系统中的应用", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113859310A (zh) * 2020-06-30 2021-12-31 中车青岛四方车辆研究所有限公司 一种列车安全控制方法及控制系统
CN113859310B (zh) * 2020-06-30 2023-08-08 中车青岛四方车辆研究所有限公司 一种列车安全控制方法及控制系统
CN112706802A (zh) * 2021-01-14 2021-04-27 中车青岛四方机车车辆股份有限公司 一种磁浮列车安全防护的方法及装置
CN114655277A (zh) * 2022-04-02 2022-06-24 株洲中车时代电气股份有限公司 重载列车智能驾驶超速防护曲线计算方法及相关设备

Also Published As

Publication number Publication date
CN110281987B (zh) 2020-11-24

Similar Documents

Publication Publication Date Title
CN110281987A (zh) 基于状态约束的列车速度跟踪控制方法
Liu et al. A DQN-based intelligent control method for heavy haul trains on long steep downhill section
Zhao et al. A multiple train trajectory optimization to minimize energy consumption and delay
Brenna et al. Application of genetic algorithms for driverless subway train energy optimization
Barwell Automation and control in transport
Oh et al. Automatic train protection simulation for radio-based train control system
Zhang et al. Data-driven train operation models based on data mining and driving experience for the diesel-electric locomotive
Liu et al. Optimization for the following operation of a high-speed train under the moving block system
CN109693688A (zh) 预设性能的列车自动驾驶控制系统及控制方法
CN101088822A (zh) 固定闭塞条件下列车运行模拟控制方法
CN107640183A (zh) 一种基于迭代学习控制的列车运行控制方法
Temple et al. On train automatic stop control using balises: Attacks and a software-only countermeasure
Rosberg et al. Simulated and real train driving in a lineside automatic train protection (ATP) system environment
Yang et al. Multi-objective operation optimization for electric multiple unit-based on speed restriction mutation
Zhou et al. Modeling and simulation of train movements under scheduling and control for a fixed-block railway network using cellular automata
CN109249959B (zh) 防冒进信号的高速列车自动驾驶控制系统及控制方法
Yin et al. Balise arrangement optimization for train station parking via expert knowledge and genetic algorithm
Szkopiński et al. Maximization of energy efficiency by synchronizing the speed of trains on a moving block system
Zhao Railway traffic flow optimisation with differing control systems
Sandidzadeh et al. Genetic algorithm and particle swarm optimization algorithm for speed error reduction in railway signaling systems
Wang et al. Energy-efficient speed profile optimization for urban rail transit with considerations on train length
Cacciabue et al. Unified Driver Model simulation and its application to the automotive, rail and maritime domains
CN112950011B (zh) 轨道交通系统风险链分析方法和装置
Rosberg et al. Analysis and comparison of simulated and real train driving in an Automatic Train Protection (ATP) system environment
Cho Development and verification of individual motor control technology to improve the driving performance of independently rotating wheel type railway vehicle using hardware-in-the-loop (HIL) Simulator

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