CN110525487A - 一种基于车钩力约束的自动驾驶方法及系统 - Google Patents

Abstract

本发明公开了一种基于车钩力约束的自动驾驶方法及系统，方法包括：获取列车感知数据，获取列车当前状态数据，实时计算列车的车钩力；基于列车感知数据、列车当前状态数据、列车的车钩力以及车钩力限制值规划列车自动驾驶速度曲线；基于列车的车钩力以及车钩力限制值对列车进行速度跟随控制，输出牵引制动指令；响应牵引制动指令。本发明能够在保证全列车车钩力不超过限制值的条件下，快速实现车辆追踪规划速度曲线的控制指令输出，保证了列车在自动驾驶下的平稳安全运行。

Description

一种基于车钩力约束的自动驾驶方法及系统

技术领域

本发明涉及列车自动驾驶技术领域，尤其涉及一种基于车钩力约束的自动驾驶方法及系统。

背景技术

在国家货运专线铁路中，由于线路距离长，运行环境差异性较大，目前仍然以人工驾驶为主的方式操纵列车运行。重载货运具有“载重大，编组长”的特点，如大秦线的二万吨编组组合列车长达2.6公里，列车运行中纵向冲动大，操作不当甚至会导致脱钩断钩的情况，整个操作过程司机需要承受巨大压力。

当前主流重载列车自动驾驶控制算法中，速度曲线规划和速度控制主要以速度控制为目标，没有考虑车钩力实时计算及其约束，导致自动驾驶控制过程中为快速追踪目标速度在复杂线路段上列车容易出现断钩现象。

因此，如何安全有效的实现重载列车的自动驾驶，是一项亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种基于车钩力约束的自动驾驶方法，能够在保证全列车车钩力不超过限制值的条件下，快速实现车辆追踪规划速度曲线的控制指令输出，保证了列车在自动驾驶下的平稳安全运行。

本发明提供了一种基于车钩力约束的自动驾驶方法，包括：

获取列车感知数据；

获取列车当前状态数据；

实时计算列车的车钩力；

基于所述列车感知数据、列车当前状态数据、列车的车钩力以及车钩力限制值规划列车自动驾驶速度曲线；

基于所述列车的车钩力以及车钩力限制值对列车进行速度跟随控制，输出牵引制动指令；

响应所述牵引制动指令。

优选地，所述实时计算列车的车钩力，包括：

根据运行场景确定各车厢之间初始车钩力间隙；

基于多质点动力学模型和车钩缓冲器模型，根据牵引制动指令、线路条件、列车参数和列车当前状态数据，计算各车厢的相对位移和相对速度；

基于车钩-缓冲器模型计算全列车的车钩力。

优选地，所述基于所述列车感知数据、列车当前状态数据、列车的车钩力以及车钩力限制值规划列车自动驾驶速度曲线，包括：

设定初始速度V0；

基于所述列车感知数据和列车当前状态数据，采用优化算法规划下一个目标速度V1；

判断列车的最大车钩力是否大于等于所述车钩力限制值，若否，则：

输出所述目标速度V1。

优选地，所述基于所述列车的车钩力以及车钩力限制值对列车进行速度跟随控制，输出牵引制动指令，包括：

获取列车目标速度；

基于所述目标速度进行速度跟随控制；

判断列车的最大车钩力是否大于等于所述车钩力限制值，若否，则：

输出牵引制动指令。

优选地，所述响应所述牵引制动指令后，还包括：

显示列车运行状态信息。

一种基于车钩力约束的自动驾驶系统，包括：

数据感知模块，用于获取列车感知数据；

获取模块，用于获取列车当前状态数据；

车钩力实时计算模块，用于实时计算列车的车钩力；

第一规划模块，用于基于所述列车感知数据、列车当前状态数据、列车的车钩力以及车钩力限制值规划列车自动驾驶速度曲线；

第二规划模块，用于基于所述列车的车钩力以及车钩力限制值对列车进行速度跟随控制，输出牵引制动指令；

响应模块，用于响应所述牵引制动指令。

优选地，所述车钩力实时计算模块具体用于：

根据运行场景确定各车厢之间初始车钩力间隙；

基于多质点动力学模型和车钩缓冲器模型，根据牵引制动指令、线路条件、列车参数和列车当前状态数据，计算各车厢的相对位移和相对速度；

基于车钩-缓冲器模型计算全列车的车钩力。

优选地，所述第一规划模块具体用于：

设定初始速度V0；

基于所述列车感知数据和列车当前状态数据，采用优化算法规划下一个目标速度V1；

判断列车的最大车钩力是否大于等于所述车钩力限制值，若否，则：

输出所述目标速度V1。

优选地，所述第二规划模块具体用于：

获取列车目标速度；

基于所述目标速度进行速度跟随控制；

判断列车的最大车钩力是否大于等于所述车钩力限制值，若否，则：

输出牵引制动指令。

优选地，所述系统还包括：

显示模块，用于显示列车运行状态信息。

综上所述，本发明公开了一种基于车钩力约束的自动驾驶方法，当需要对列车进行自动驾驶时，首先获取列车感知数据以及列车当前状态数据，并实时计算列车的车钩力，然后基于列车感知数据、列车当前状态数据、列车的车钩力以及车钩力限制值规划列车自动驾驶速度曲线；基于列车的车钩力以及车钩力限制值对列车进行速度跟随控制，输出牵引制动指令；最后响应牵引制动指令，实现列车自动驾驶。本发明能够在保证全列车车钩力不超过限制值的条件下，快速实现车辆追踪规划速度曲线的控制指令输出，保证了列车在自动驾驶下的平稳安全运行。

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，下面将对实施例或现有技术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为本发明公开的一种基于车钩力约束的自动驾驶方法实施例1的方法流程图；

图2为本发明公开的一种基于车钩力约束的目标速度曲线规划方法的流程图；

图3为本发明公开的一种速度跟随控制方法流程图；

图4为本发明公开的一种基于车钩力约束的自动驾驶系统实施例1的结构示意图。

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在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，为本发明公开的一种基于车钩力约束的自动驾驶方法实施例1的方法流程图，所述方法可以包括以下步骤：

S101、获取列车感知数据；

当需要实现对重载列车的自动驾驶时，首先获取列车的感知数据，其中，列车的感知数据可以包括列车的实时线路信息，如，坡度、曲线半径、前方信号机位置，线路限速，列车定位等；列车的感知数据还可以包括：列车的尾部风压感知数据。

具体的，在获取列车感知数据时，可以通过列车运行记录装置获取列车的实时线路信息，通过列尾装置获取列车的尾部风压感知数据。其中，列车运行记录装置是重载机车已经普遍安装使用的安全运行防护装置，该装置属于传统列车运行控制信号系统的一部分，能够实时获取线路信息，包括坡度、曲线半径、前方信号机位置，线路限速，列车定位等；在长大重载列车中，尾部无人值守，列尾装置可以进行风压查询，为自动驾驶装置空气制动提供尾部风压数据感知。

S102、获取列车当前状态数据；

同时，从列车网络中获取列车当前的状态数据。

S103、实时计算列车的车钩力；

同时，实时计算出列车车厢之间的车钩力。

S104、基于列车感知数据、列车当前状态数据、列车的车钩力以及车钩力限制值规划列车自动驾驶速度曲线；

当获取到列车的感知数据、当前的状态数据以及计算出列车的车钩力后，进一步以车钩力限制值为约束条件，对列车的自动驾驶速度曲线进行规划。需要说明的是，车钩力限制值可以根据自动驾驶的实际需求进行灵活的设置。

S105、基于列车的车钩力以及车钩力限制值对列车进行速度跟随控制，输出牵引制动指令；

在对列车的自动驾驶速度曲线进行规划后，进一步以车钩力限制值为约束条件，对列车进行速度跟随控制，并输出相应的牵引制动指令。

S106、响应牵引制动指令。

最后，根据输出的牵引制动指令，对列车执行相应的控制。

综上所述，在上述实施例中，当需要对列车进行自动驾驶时，首先获取列车感知数据以及列车当前状态数据，并实时计算列车的车钩力，然后基于列车感知数据、列车当前状态数据、列车的车钩力以及车钩力限制值规划列车自动驾驶速度曲线；基于列车的车钩力以及车钩力限制值对列车进行速度跟随控制，输出牵引制动指令；最后响应牵引制动指令，实现列车自动驾驶。本发明能够在保证全列车车钩力不超过限制值的条件下，快速实现车辆追踪规划速度曲线的控制指令输出，保证了列车在自动驾驶下的平稳安全运行。

具体的，在上述实施例的基础上，在响应牵引制动指令后，还可以进一步对响应制动指令后列车的运行状态信息进行显示，即对自动驾驶的相关信息进行显示，如，驾驶模式(人工驾驶或自动驾驶)，控制级位，目标速度曲线，实际速度曲线，车钩力大小等信息，便于司机监控和及时接管列车，保证运行安全。

具体的，在上述实施例中，自动驾驶系统通常以“安全、平稳、准点、节能”为实现目标，速度曲线规划可以归纳为多目标多约束的优化问题。安全主要考虑保证列车运行中不超过线路与车辆的结构限制速度；平稳主要目的是指减少列车冲动；准点优化的目标是在提高全线的运输能力的基础上控制列车按照既定的运行图运行。节能目标是在满足以上目标的基础上，尽可能实现列车的节能运行。传统的多目标多约束的目标曲线规划模型如下：

1)优化目标：Σ(ω₁f_J+ω₂f_t)；

其中，f_J表示能耗评价函数，是对列车运行中牵引力能耗及电制动再生能量的综合评价；f_t表示时间评价函数，是对列车实际运行时间与运行图规定时间误差的评价；

其中，ω₁+ω₂＝1。当ω₁＝1，ω₂＝0时，表示按照能量最优运行，不考虑时间准点目标；当ω₂＝0，ω₁＝1时，表示按照时间最优运行，不考虑节能目标。基于理论和经验数据分析，节能目标和准点目标是相互矛盾的优化目标，提高区间的列车通行时间，必然会导致能量消耗上升，而能量最优的速度曲线，会延长区间的通行时间。因此，根据重载列车自动驾驶系统的需求目标不同，确定合适的节能与准点目标权重，实现能量和区间通过时间的综合优化。

2)优化约束

a)安全约束：列车运行速度小于线路限速v(t)＜v_限速(t)；

其中，线路限速v_限速(t)表示线路固定限速、列车构造限速、信号灯限速和临时限速等所有限速中的最小值；此外，重载列车具有编组长的特点(例如2万吨编组重载列车长度达到了2600米左右)，因此，该限速值需要根据列车的长度进行校正，防止头部车辆处于高限速区间时，尾部车辆处在低限速区间而导致的列车尾部超速问题。

b)平稳约束：a(t)＜a_lim；Δa＜Δa_lim；

其中，a(t)表示列车加速度，Δa表示列车加速度变化率。该约束表示列车的加速度和加速度变化率都不能超过要求的限制值；

c)车钩力约束

针对长大重载列车，由于其编组长、载重大，仅仅依赖于传统的加速度平稳约束不能保证列车车钩力在安全范围内。针对重载列车自动驾驶，考虑车钩状态和车钩力约束是衡量重载列车安全运行的核心，因此上述目标速度曲线优化结果需要满足如下车钩力约束：

全列车车钩力F_i(t)满足F_i(t)＜F_lim，其中，F_lim是根据试验数据和经验数据确定的车钩力限值值；

其中，以上所涉及的i为第i个车钩，t为当前t时刻。

进一步，如图2所示，基于车钩力约束的目标速度曲线规划包括以下步骤：

设定初始速度v0；

速度曲线规划模块输入列车时刻表、线路数据、ATP限速、列车参数、列车状态等，采用优化算法规划下一个目标速度v1；

规划目标速度v1对应产生的牵引制动指令输入车钩力计算模块；

计算全列车车钩力；

判断全列车最大车钩力是否大于等于车钩力限制值，若是，则重新规划目标速度；若否，则输出目标速度v1。

具体的，在上述实施例中，速度跟随控制主要是以目标规划速度、列车平稳操作规则为输入，以车钩力计算为约束，采用智能控制算法输出控制指令，其中列车控制指令函数为：

f_Targ(v,t)＝f_Targ(v,t-1)+λ(f_F(i,t),t)×ΔF(v,t)；

其中，f_Targ(v,t)表示当前时刻输出的控制指令；f_Targ(v,t-1)表示上一时刻输出的控制指令；λ(f_F(i,t),t)为车钩力决策函数，取值范围是[-1,0,1]；ΔF(t)表示基于智能控制算法和平稳操作规定输出的当前控制力增量。

速度跟随控制包含智能速度控制算法和平稳控制规则，其中：

智能控制算法比如采用模糊PID控制，根据目标速度曲线，结合列车当前状态输出控制级位指令；

平稳控制规则对输出的控制级位指令进行逻辑处理，保证输出的控制级位符合平稳控制规则；

经过平稳控制规则约束输出的控制指令，输入车钩力计算模块，判断车钩力大小是否超限，如果车钩力在车钩力限制值以内，则输出最终的控制指令到列车网络，控制列车运行。

具体的，如图3所示，速度跟随控制计算包括以下步骤：

从列车网络获得当前速度v(t)，曲线规划模块计算列车目标速度v_target；

智能控制算法，比如模糊PID控制，根据目标速度差Δv＝v(t)-v_target输出控制级位；

平稳操作规则约束

a)控制力变化斜率约束：假设牵引力变化率增长率限制值为F_增长约束：如果f_Targ(v,t)-f_Targ(v,t-1)|＜F_增长约束,则输出f_Targ(v,t)，否则输出|(f_Targ(v,t-1)+F_增长约束)，类似的对电制动力变化斜率进行约束处理。

b)牵引力和电制动力转化需要经过惰行工况；

如果f_Targ(v,t)*f_Targ(v,t-1)<0，则f_Targ(v,t-1)按照斜率约束卸载到惰行工况之后才能进行工况切换。

c)为了避免车钩状态在压缩状态和拉伸状态之间的频繁切换，根据列车长度L_列车和机车当前位置S_位置判断全列车所在坡道情况：

如果全列车有超过三分之二的长度处于下坡状态，则不能采用牵引力；

如果全列车有超过三分之二的长度处于上坡状态，则不能采用电制动力。

基于列车当前状态，线路条件和上述平稳操作规则约束，对控制级位进行逻辑处理；

逻辑处理后的控制指令输入到车钩力计算模块，计算全列车车钩力；

判断最大车钩力是否大于等于车钩力限制值，若是，则重新进行牵引制动控制计算，若否，则输出牵引制动指令。

具体的，在上述实施例中，为了计算每两节车厢之间的车钩力，对每节车厢都进行受力情况分析，建立重载列车运行过程多质点动力学模型。各节车厢的动力学模型为：

ma＝f_车钩力+f_阻力+f_{牵引/制动力}+f_空气制动；

其中，f_车钩力表示该辆车受到的前后车钩力，f_阻力表示该辆车运行阻力，包括基本阻力，坡道阻力，曲线阻力等，f_{牵引/制动力},f_{空气制动力}分别表示车辆受到的牵引制动控制力和空气制动力。根据上述数学模型，采用合适的计算周期实现车钩力的实时计算。

具体的，全列车车钩力计算包括以下步骤：

步骤1、根据运行场景确定各车辆之间初始车钩力间隙(初始相对位移)

步骤2、基于多质点动力学模型和车钩缓冲器模型，车钩力实时计算模块根据牵引制动指令、线路条件、列车参数和列车状态，计算各车辆的相对位移Δx_i(t)和相对速度Δv_i(t)；

步骤3、基于车钩-缓冲器模型计算全列车的车钩力；

步骤4、分析全列车车钩力，输出最大拉钩力和最大压钩力；

步骤5、记录车辆的相对位移和相对速度作为下一个周期的车钩初始间隙；

步骤6、周期迭代进行计算。

综上所述，本发明以车钩力实时计算作为自动驾驶系统的基础，保证列车运行过程中，列车最大车钩力不超过限定值；同时，当自动驾驶系统退出时，车钩力计算模块仍然可以实时计算车钩力，提醒司机操作。本发明给出了适用于长大重载列车自动驾驶的系统和方法，可以实现重载列车的自动运行。本发明的速度曲线规划方法以车钩力为约束，保证规划的速度曲线不会导致车钩力超过限制值。本发明的速度跟随方法以车钩力作为验证，保证输出的牵引制动指令不会导致车钩力超过限制值。本发明以车钩力实时计算为核心，保证了列车运行过程中列车车钩力在安全范围内，防止出现断钩等安全问题。

如图4所示，为本发明公开的一种基于车钩力约束的自动驾驶系统实施例1的结构示意图，所述系统可以包括：

数据感知模块401，用于获取列车感知数据；

当需要实现对重载列车的自动驾驶时，首先获取列车的感知数据，其中，列车的感知数据可以包括列车的实时线路信息，如，坡度、曲线半径、前方信号机位置，线路限速，列车定位等；列车的感知数据还可以包括：列车的尾部风压感知数据。

具体的，在获取列车感知数据时，可以通过列车运行记录装置获取列车的实时线路信息，通过列尾装置获取列车的尾部风压感知数据。其中，列车运行记录装置是重载机车已经普遍安装使用的安全运行防护装置，该装置属于传统列车运行控制信号系统的一部分，能够实时获取线路信息，包括坡度、曲线半径、前方信号机位置，线路限速，列车定位等；在长大重载列车中，尾部无人值守，列尾装置可以进行风压查询，为自动驾驶装置空气制动提供尾部风压数据感知。

获取模块402，用于获取列车当前状态数据；

同时，从列车网络中获取列车当前的状态数据。

车钩力实时计算模块403，用于实时计算列车的车钩力；

同时，实时计算出列车车厢之间的车钩力。

第一规划模块404，用于基于列车感知数据、列车当前状态数据、列车的车钩力以及车钩力限制值规划列车自动驾驶速度曲线；

当获取到列车的感知数据、当前的状态数据以及计算出列车的车钩力后，进一步以车钩力限制值为约束条件，对列车的自动驾驶速度曲线进行规划。需要说明的是，车钩力限制值可以根据自动驾驶的实际需求进行灵活的设置。

第二规划模块405，用于基于列车的车钩力以及车钩力限制值对列车进行速度跟随控制，输出牵引制动指令；

在对列车的自动驾驶速度曲线进行规划后，进一步以车钩力限制值为约束条件，对列车进行速度跟随控制，并输出相应的牵引制动指令。

响应模块406，用于响应牵引制动指令。

最后，根据输出的牵引制动指令，对列车执行相应的控制。

综上所述，在上述实施例中，当需要对列车进行自动驾驶时，首先获取列车感知数据以及列车当前状态数据，并实时计算列车的车钩力，然后基于列车感知数据、列车当前状态数据、列车的车钩力以及车钩力限制值规划列车自动驾驶速度曲线；基于列车的车钩力以及车钩力限制值对列车进行速度跟随控制，输出牵引制动指令；最后响应牵引制动指令，实现列车自动驾驶。本发明能够在保证全列车车钩力不超过限制值的条件下，快速实现车辆追踪规划速度曲线的控制指令输出，保证了列车在自动驾驶下的平稳安全运行。

具体的，在上述实施例的基础上，在响应牵引制动指令后，还可以进一步通过显示模块对响应制动指令后列车的运行状态信息进行显示，即对自动驾驶的相关信息进行显示，如，驾驶模式(人工驾驶或自动驾驶)，控制级位，目标速度曲线，实际速度曲线，车钩力大小等信息，便于司机监控和及时接管列车，保证运行安全。

具体的，在上述实施例中，自动驾驶系统通常以“安全、平稳、准点、节能”为实现目标，速度曲线规划可以归纳为多目标多约束的优化问题。安全主要考虑保证列车运行中不超过线路与车辆的结构限制速度；平稳主要目的是指减少列车冲动；准点优化的目标是在提高全线的运输能力的基础上控制列车按照既定的运行图运行。节能目标是在满足以上目标的基础上，尽可能实现列车的节能运行。传统的多目标多约束的目标曲线规划模型如下：

1)优化目标：Σ(ω₁f_J+ω₂f_t)；

其中，f_J表示能耗评价函数，是对列车运行中牵引力能耗及电制动再生能量的综合评价；f_t表示时间评价函数，是对列车实际运行时间与运行图规定时间误差的评价；

其中，ω₁+ω₂＝1。当ω₁＝1，ω₂＝0时，表示按照能量最优运行，不考虑时间准点目标；当ω₂＝0，ω₁＝1时，表示按照时间最优运行，不考虑节能目标。基于理论和经验数据分析，节能目标和准点目标是相互矛盾的优化目标，提高区间的列车通行时间，必然会导致能量消耗上升，而能量最优的速度曲线，会延长区间的通行时间。因此，根据重载列车自动驾驶系统的需求目标不同，确定合适的节能与准点目标权重，实现能量和区间通过时间的综合优化。

2)优化约束

a)安全约束：列车运行速度小于线路限速v(t)＜v_限速(t)；

其中，线路限速v_限速(t)表示线路固定限速、列车构造限速、信号灯限速和临时限速等所有限速中的最小值；此外，重载列车具有编组长的特点(例如2万吨编组重载列车长度达到了2600米左右)，因此，该限速值需要根据列车的长度进行校正，防止头部车辆处于高限速区间时，尾部车辆处在低限速区间而导致的列车尾部超速问题。

b)平稳约束：a(t)＜a_lim；Δa＜Δa_lim；

其中，a(t)表示列车加速度，Δa表示列车加速度变化率。该约束表示列车的加速度和加速度变化率都不能超过要求的限制值；

c)车钩力约束

针对长大重载列车，由于其编组长、载重大，仅仅依赖于传统的加速度平稳约束不能保证列车车钩力在安全范围内。针对重载列车自动驾驶，考虑车钩状态和车钩力约束是衡量重载列车安全运行的核心，因此上述目标速度曲线优化结果需要满足如下车钩力约束：

全列车车钩力F_i(t)满足F_i(t)＜F_lim，其中，F_lim是根据试验数据和经验数据确定的车钩力限值值；

其中，以上所涉及的i为第i个车钩，t为当前t时刻。

进一步，如图2所示，基于车钩力约束的目标速度曲线规划包括以下步骤：

设定初始速度v0；

速度曲线规划模块输入列车时刻表、线路数据、ATP限速、列车参数、列车状态等，采用优化算法规划下一个目标速度v1；

规划目标速度v1对应产生的牵引制动指令输入车钩力计算模块；

计算全列车车钩力；

判断全列车最大车钩力是否大于等于车钩力限制值，若是，则重新规划目标速度；若否，则输出目标速度v1。

具体的，在上述实施例中，速度跟随控制主要是以目标规划速度、列车平稳操作规则为输入，以车钩力计算为约束，采用智能控制算法输出控制指令，其中列车控制指令函数为：

f_Targ(v,t)＝f_Targ(v,t-1)+λ(f_F(i,t),t)×ΔF(v,t)；

其中，f_Targ(v,t)表示当前时刻输出的控制指令；f_Targ(v,t-1)表示上一时刻输出的控制指令；λ(f_F(i,t),t)为车钩力决策函数，取值范围是[-1,0,1]；ΔF(t)表示基于智能控制算法和平稳操作规定输出的当前控制力增量。

速度跟随控制包含智能速度控制算法和平稳控制规则，其中：

智能控制算法比如采用模糊PID控制，根据目标速度曲线，结合列车当前状态输出控制级位指令；

平稳控制规则对输出的控制级位指令进行逻辑处理，保证输出的控制级位符合平稳控制规则；

经过平稳控制规则约束输出的控制指令，输入车钩力计算模块，判断车钩力大小是否超限，如果车钩力在车钩力限制值以内，则输出最终的控制指令到列车网络，控制列车运行。

如图3所示，速度跟随控制计算包括以下步骤：

从列车网络获得当前速度v(t)，曲线规划模块计算列车目标速度v_target；

智能控制算法，比如模糊PID控制，根据目标速度差Δv＝v(t)-v_target输出控制级位；

平稳操作规则约束

a)控制力变化斜率约束：假设牵引力变化率增长率限制值为F_增长约束：如果f_Targ(v,t)-f_Targ(v,t-1)|＜F_增长约束,则输出f_Targ(v,t)，否则输出|(f_Targ(v,t-1)+F_增长约束)，类似的对电制动力变化斜率进行约束处理。

b)牵引力和电制动力转化需要经过惰行工况；

如果f_Targ(v,t)*f_Targ(v,t-1)<0，则f_Targ(v,t-1)按照斜率约束卸载到惰行工况之后才能进行工况切换。

c)为了避免车钩状态在压缩状态和拉伸状态之间的频繁切换，根据列车长度L_列车和机车当前位置S_位置判断全列车所在坡道情况：

如果全列车有超过三分之二的长度处于下坡状态，则不能采用牵引力；

如果全列车有超过三分之二的长度处于上坡状态，则不能采用电制动力。

基于列车当前状态，线路条件和上述平稳操作规则约束，对控制级位进行逻辑处理；

逻辑处理后的控制指令输入到车钩力计算模块，计算全列车车钩力；

判断最大车钩力是否大于等于车钩力限制值，若是，则重新进行牵引制动控制计算，若否，则输出牵引制动指令。

具体的，在上述实施例中，为了计算每两节车厢之间的车钩力，对每节车厢都进行受力情况分析，建立重载列车运行过程多质点动力学模型。各节车厢的动力学模型为：

ma＝f_车钩力+f_阻力+f_{牵引/制动力}+f_空气制动；

其中，f_车钩力表示该辆车受到的前后车钩力，f_阻力表示该辆车运行阻力，包括基本阻力，坡道阻力，曲线阻力等，f_{牵引/制动力},f_{空气制动力}分别表示车辆受到的牵引制动控制力和空气制动力。根据上述数学模型，采用合适的计算周期实现车钩力的实时计算。

具体的，全列车车钩力计算包括以下步骤：

步骤1、根据运行场景确定各车辆之间初始车钩力间隙(初始相对位移)

步骤2、基于多质点动力学模型和车钩缓冲器模型，车钩力实时计算模块根据牵引制动指令、线路条件、列车参数和列车状态，计算各车辆的相对位移Δx_i(t)和相对速度Δv_i(t)；

步骤3、基于车钩-缓冲器模型计算全列车的车钩力；

步骤4、分析全列车车钩力，输出最大拉钩力和最大压钩力；

步骤5、记录车辆的相对位移和相对速度作为下一个周期的车钩初始间隙；

步骤6、周期迭代进行计算。

综上所述，本发明以车钩力实时计算作为自动驾驶系统的基础，保证列车运行过程中，列车最大车钩力不超过限定值；同时，当自动驾驶系统退出时，车钩力计算模块仍然可以实时计算车钩力，提醒司机操作。本发明给出了适用于长大重载列车自动驾驶的系统和方法，可以实现重载列车的自动运行。本发明的速度曲线规划方法以车钩力为约束，保证规划的速度曲线不会导致车钩力超过限制值。本发明的速度跟随方法以车钩力作为验证，保证输出的牵引制动指令不会导致车钩力超过限制值。本发明以车钩力实时计算为核心，保证了列车运行过程中列车车钩力在安全范围内，防止出现断钩等安全问题。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于车钩力约束的自动驾驶方法，其特征在于，包括：

获取列车感知数据；

获取列车当前状态数据；

实时计算列车的车钩力；

基于所述列车感知数据、列车当前状态数据、列车的车钩力以及车钩力限制值规划列车自动驾驶速度曲线；

基于所述列车的车钩力以及车钩力限制值对列车进行速度跟随控制，输出牵引制动指令；

响应所述牵引制动指令。

2.根据权利要求1所述的方法，其特征在于，所述实时计算列车的车钩力，包括：

根据运行场景确定各车厢之间初始车钩力间隙；

基于多质点动力学模型和车钩缓冲器模型，根据牵引制动指令、线路条件、列车参数和列车当前状态数据，计算各车厢的相对位移和相对速度；

基于车钩-缓冲器模型计算全列车的车钩力。

3.根据权利要求1所述的方法，其特征在于，所述基于所述列车感知数据、列车当前状态数据、列车的车钩力以及车钩力限制值规划列车自动驾驶速度曲线，包括：

设定初始速度V0；

基于所述列车感知数据和列车当前状态数据，采用优化算法规划下一个目标速度V1；

判断列车的最大车钩力是否大于等于所述车钩力限制值，若否，则：

输出所述目标速度V1。

4.根据权利要求1所述的方法，其特征在于，所述基于所述列车的车钩力以及车钩力限制值对列车进行速度跟随控制，输出牵引制动指令，包括：

获取列车目标速度；

基于所述目标速度进行速度跟随控制；

判断列车的最大车钩力是否大于等于所述车钩力限制值，若否，则：

输出牵引制动指令。

5.根据权利要求1所述的方法，其特征在于，所述响应所述牵引制动指令后，还包括：

显示列车运行状态信息。

6.一种基于车钩力约束的自动驾驶系统，其特征在于，包括：

数据感知模块，用于获取列车感知数据；

获取模块，用于获取列车当前状态数据；

车钩力实时计算模块，用于实时计算列车的车钩力；

第一规划模块，用于基于所述列车感知数据、列车当前状态数据、列车的车钩力以及车钩力限制值规划列车自动驾驶速度曲线；

第二规划模块，用于基于所述列车的车钩力以及车钩力限制值对列车进行速度跟随控制，输出牵引制动指令；

响应模块，用于响应所述牵引制动指令。

7.根据权利要求6所述的系统，其特征在于，所述车钩力实时计算模块具体用于：

根据运行场景确定各车厢之间初始车钩力间隙；

基于多质点动力学模型和车钩缓冲器模型，根据牵引制动指令、线路条件、列车参数和列车当前状态数据，计算各车厢的相对位移和相对速度；

基于车钩-缓冲器模型计算全列车的车钩力。

8.根据权利要求6所述的系统，其特征在于，所述第一规划模块具体用于：

设定初始速度V0；

基于所述列车感知数据和列车当前状态数据，采用优化算法规划下一个目标速度V1；

判断列车的最大车钩力是否大于等于所述车钩力限制值，若否，则：

输出所述目标速度V1。

9.根据权利要求6所述的系统，其特征在于，所述第二规划模块具体用于：

获取列车目标速度；

基于所述目标速度进行速度跟随控制；

判断列车的最大车钩力是否大于等于所述车钩力限制值，若否，则：

输出牵引制动指令。

10.根据权利要求6所述的系统，其特征在于，还包括：

显示模块，用于显示列车运行状态信息。